谷歌发布Gemini 4 Carbon：专攻长时程任务，可连续运行数天

刘绪刚

Gemini 4 Carbon

凤凰网科技讯 北京时间10月29日，谷歌公司周三发布了下一个前沿模型Gemini 4 Carbon。谷歌称，这是该公司迄今为止最强大的模型，在网络安全和长时程任务处理能力方面均达到最先进水平。
谷歌在官方博客中称，在最近更新至v5.0版本的Artificial Analysis智能指数中，Carbon以59分排名第一。该模型在编程和智能体任务方面均取得显著进步，在网络安全防御所需的关键能力方面也有明显提升。在漏洞发现基准测试SEC-bench Pro中，Carbon得分达到88.2%；在漏洞利用测试ExploitGym中得分为54.8%；在漏洞修复测试CWE-bench中得分为71.0%，均展现出明显的领先优势。
在谷歌内部基准测试中，Carbon显著提升了安全代码的生成能力。在与公司内部团队合作开展的真实编程环境测试中，该模型的目标偏离率和虚构信息率也有所下降。
谷歌表示，Carbon在两周前发布的Gemini 4 Argon基础上，进一步展现了公司推动AI技术前沿不断突破的速度。谷歌研究人员正与模型携手合作，以更快的速度提升模型能力，同时同步加强安全防护措施。
编程和智能体性能提升
Carbon专为应对难度更高、执行周期更长的工程问题而设计，能够胜任需要智能体持续执行的工作流程。公司内部团队发现，Carbon可以连续运行数天，即使遇到瓶颈也能持续推进，处理复杂的多步骤工程任务，例如在大型代码库和底层系统中查明隐蔽漏洞的根本原因并进行修复。

Carbon跑分59位居第一

根据用户反馈，谷歌重点提升了模型在多个领域的表现，包括编程、智能体任务、科学研究任务、全栈Web开发以及多模态理解。凭借在Web开发中更高质量的输出和生成成果，Carbon的Elo评分提升了89分，以1768分升至WebDev Arena排行榜第4位。
网络安全性能
谷歌称，Gemini 4 Carbon在网络安全能力方面实现了重大飞跃。它在网络安全防御全生命周期(漏洞检测、验证和修复)中均达到最先进的性能。
谷歌团队已经在网络防御中看到了该模型的显著提升。在内部基准测试中，Carbon在生成安全代码方面的成功率相比Argon提升超过2倍。在另一个例子中，Chrome团队报告称，在生成高质量补丁方面，Carbon的表现比另一家实验室的大型前沿模型好10倍以上。云安全平台Wiz也观察到，Carbon在Web渗透测试基准上处于领先地位。Web渗透测试是Wiz“Scan for Good”计划的一项核心能力。
Carbon在多项关键外部基准测试中表现出色(测试时未启用安全防护机制)：
* 发现真实漏洞：发现真实漏洞是网络安全防御的核心。Carbon在SEC-bench Pro测试中取得了88.2%的成绩，达到业界领先水平，能够自主发现隐藏在真实软件中的复杂漏洞。
*通过漏洞利用验证风险：为了确定哪些漏洞应优先修复，以及哪些漏洞确实需要修复，网络安全防御人员越来越多地借助模型来验证漏洞是否能够被利用。Carbon在广受认可的漏洞利用基准测试ExploitGym中取得了54.8%的成绩，创下新的业界最佳表现。
*从根源修复漏洞：发现漏洞后，从根本上修复问题是网络安全防御流程中的关键一步。Carbon在Collinear的CWE-bench测试中取得了71.0%的成绩，能够将经过验证的漏洞发现结果直接转化为可运行的代码修复方案。
模型安全
Gemini 4 Carbon沿用了Argon的多层安全与防护体系，将模型训练、实时滥用防御、抵御提示词注入攻击的能力以及思维链监控×搜同款结合起来。
谷歌在Argon的基础上，显著提升了模型的对齐能力，并在《安全与防护报告》中披露了该模型表现出符合对齐要求的行为倾向。在Carbon的研发过程中，谷歌进一步提高了对模型对齐能力的要求，通过训练使模型能够在面对复杂任务或高压情境时，依然做出恰当的回应。
上线
谷歌将采取审慎的分阶段推出策略，目前正积极参与美国政府的自愿性模型发布前测试流程。从本周开始，谷歌将向部分网络安全防御人员开放Carbon，并通过Fairwind计划逐步向更多值得信赖的合作伙伴开放使用权限。

该公司将继续收集反馈，并不断改进安全防护机制，争取尽快通过各类产品向开发者、企业和普通消费者开放Carbon。
Gemini 4 Carbon的初始定价将与Argon相同：每百万输入词元收费2美元，每百万输出词元收费10美元。缓存输入词元的价格则在输入词元单价的基础上优惠95%。(作者/箫雨)