Gemini 4 Carbon 发布：AA 智能指数第一，但只先给白帽——介绍期 $2/$10、之后 $4/$20
谷歌 2026-10-28 发布 Gemini 4 Carbon：AA 智能指数 v5.0 得 59 分登顶，SEC-bench Pro 88.2%，但仅对 Fairwind 计划内网安防御者开放，介绍期 $2/$10。
2026-10-31 · Google 官方博客《Gemini 4 Carbon: our next frontier model》（Koray Kavukcuoglu，2026-10-28，一手核对）
发布 2026-10-31核实 2026-10-31要点
- 2026-10-28 发布：谷歌以官方博客《Gemini 4 Carbon: our next frontier model》宣布 Gemini 4 家族第二款模型，距 Gemini 4 Argon 全球开放 只隔两周。
- 第三方口径确实第一：Artificial Analysis 智能指数 v5.0 得 59 分，排名第 1，高于 Claude Opus 5.5 的 58 与 GPT-6 Astra 的 57。官方原文直接引用这一排名，是本次少数有外部机构执行的口径。
- 网络安全三连：SEC-bench Pro 88.2%（找漏洞）、ExploitGym 54.8%（验证可利用性）、CWE-bench 71.0%（修）。谷歌称三项均为 SOTA。
- 价格与 Argon 首发价一致：$2 输入 / $10 输出每百万 token，缓存输入 95% off；介绍期结束后 $4 / $20。
- 买不到：发布当周仅向部分网络安全防御者开放，之后通过 Fairwind Program 扩到受信任伙伴，开发者、企业与消费者是「as soon as possible」，无日期。
- 介绍期何时结束官方未给日期——这一点与 Argon 不同（Argon 写死了 2026-11-30）。
关键数字：哪些是第三方，哪些是自家
| 项目 | 数值 | 口径 |
|---|---|---|
| Artificial Analysis 智能指数 v5.0 | 59（第 1） | 第三方 |
| SEC-bench Pro | 88.2% | 谷歌口径，无护栏评测 |
| ExploitGym | 54.8% | 谷歌口径 |
| CWE-bench（Collinear） | 71.0% | 谷歌口径 |
| WebDev Arena | +89 Elo 至第 4 名 | 转引分数有 1768 / 1769 两说 |
| 安全代码生成成功率 | 较 Argon >2 倍 | 内部基准，不可外部复现 |
| Chrome 团队补丁质量 | 比「另一家实验室的前沿模型」好 10 倍以上 | 内部测试，未指名对手 |
另有四条对齐数据值得单独记：Terminal-Bench 4.0 成功作弊 0.0%、尝试作弊 0.4%；Gray Swan 间接提示注入成功率 0.0%（Argon 为 0.7%）；内部实盘编程环境的高严重度错位警报下降近 80%；越权行为 −26%、服务不足 −29%。
官方说明所有外部基准都是 「evaluated without guardrails」——数字是去护栏后的能力上限，不是产品里的实际表现。
为什么一款「第一」的模型要限制发布
谷歌给的解释是 「taking a deliberate approach to rollout」，并且正在参与美国政府的模型预发布自愿测试流程。放在 Carbon 的能力结构里，这个决定并不难理解：它在「证明漏洞可被利用」（ExploitGym 54.8%）这一项上也很强。找漏洞与用漏洞是同一套技能的两面，先给防御方是当前大厂处理双用途能力的通行做法。
对比路径很清楚：
- Argon：09-30 在 Fairwind 内首发 → 10-13 全面开放，间隔 13 天；
- Carbon：10-28 只给防御者，无后续日期。
谷歌没有承诺两者会走同一条时间线，不要按 13 天去推算。
对开发者的影响
① 现在不要把它写进任何架构图。 没有公开模型 ID、没有上下文窗口、没有知识截止日、没有单次输出上限——官方公告一个字都没给。AA 侧标注 1M 上下文，那是第三方标注。
② 不要把 Argon 的 11-30 当作 Carbon 的截止日。 Carbon 尚未出现在 Gemini API 定价页，介绍期长度未知。做预算只按 $4/$20 常规价建模。
③ 别碰「Carbon API」转售。 谷歌没有公开 Carbon 的 API，任何声称能调用的第三方路由都不可能有合法来源。
④ 防御性安全团队可以做的是准备，不是采购。 想申请 Fairwind 的，先确认自身资质与合规范围；想评估效果的，用 Argon + 自建注入测试先跑一轮，参见 提示注入 与 Agent 沙箱。
⑤ 关注它的「不作弊」信号。 Terminal-Bench 4.0 作弊尝试 0.4%、成功 0.0%，这个指标比分数更能预测长程 agent 的可靠性——选长程任务模型时，把它当固定观察项。
AI 之家 观点
这次的新闻价值不在 59 分，在「59 分的模型不卖」。 2026 年我们已经见过两次同样的结构：Meta 把最好的分数放在订阅专属的 Wonder Full 上（见 Muse Wonder 发布），谷歌把最强的版本先锁进 Fairwind。排行榜正在变成发布策略的一部分，而不是采购清单的一部分。 读者记住「谷歌第一」，能下单的却是另一个产品——这不是造假，是一种极高效的叙事设计。
第二点：网络安全正在成为前沿模型的「第一落地场景」，而不是附带能力。 过去一年大家比的是编程与 agentic 任务；Carbon 这次把「找—验—修」三段拆开各自立基准，等于给这个赛道定了记分牌。对做代码安全的团队，这意味着评估维度要改：不再只问「能不能发现漏洞」，还要问「它证明得了可利用性吗」「补丁能合并吗」。
第三点，也是最实用的一条：把「作弊率」纳入你的选型表。 79% 的采购讨论仍在比准确率，而长程 agent 的真实失败模式是绕过问题——改测试、伪造通过、跳过验证。Carbon 这次主动报「作弊尝试 0.4%」，是行业第一次把这件事摆到台面上。建议在内部评测里加一条：给它一个不可能通过的测试，看它是报告失败还是改测试。
相关阅读
- 模型卡：Gemini 4 Carbon · Gemini 4 Argon · Claude Opus 5.5 · GPT-6 Astra
- 资讯：Gemini 4 Argon 全球开放 · Meta Muse Wonder 发布 · Mistral Large 4 开放权重
- 工具卡：Gemini CLI · Antigravity · CodeRabbit
- 概念：提示注入 · Agent 沙箱 · Terminal-Bench
来源
- Gemini 4 Carbon: our next frontier model（Google 官方博客，Koray Kavukcuoglu，2026-10-28，一手核对）
- Artificial Analysis Intelligence Index（59 分与第 1 名的评测方）
- Gemini API 定价页（用于确认 Carbon 尚未上架）
本文的发布日期（2026-10-28）、访问分层、$2/$10 与 $4/$20 两档价格、三项安全基准分数、WebDev Arena +89 Elo、作弊率与对齐指标，均取自 Google 官方博客原文核对。凡官方未给出的模型 ID、上下文窗口、介绍期截止日与开放日期，本文一律留空并列入待核实，不做转抄。