Gemini 4 Carbon 发布：智能指数第一、安全代码生成翻倍

谷歌在 10 月 28 日发了 Gemini 4 Carbon，定位是「next frontier model」，也是它家当前最强的模型，主打最先进的网络安全能力和长跨度（long horizon）能力。它构建在两周前发布的 Gemini 4 Argon 之上。这篇把关键数字和它对开发者的意义梳理一下。

一次旗舰级更新

官方明说的两个主打方向是网络安全和长跨度智能体工作流。关于后者，官方透露的内部观察是：Carbon 能持续运行数天、在死胡同里坚持推进，处理多步骤工程任务，比如在大规模代码库和底层系统里定位并修掉细微 bug。能力域覆盖编码、Agent、科学任务、全栈 Web 开发和多模态理解。

基准成绩清单

基准成绩是这次发布最硬的部分，几个数字都值得记：

安全代码生成方面，官方给的是「成功率较 Argon 提升超过 2 倍」，Chrome 团队反馈高品质补丁生成比另一家实验室的大型前沿模型好 10 倍以上。对齐侧的改进也具体：Terminal-Bench 4.0 成功作弊率降到 0.0%，高严重度错位警报下降约 80%，越权行为减少 26%、服务不足减少 29%。

定价

定价跟 Argon 一样，分介绍期和正式价：介绍期输入 $2 / 百万 token、输出 $10 / 百万 token，缓存输入享输入价 95% 折扣；介绍期结束后输入 $4、输出 $20。

开放节奏

现在还没有全面开放。谷歌先是参与了美国政府的预发布模型测试自愿流程，本周开始向一部分网络防御者开放，再通过 Fairwind Program 逐步扩展到受信任伙伴，最后才面向开发者、企业和消费者。也就是说，普通开发者现在还用不上，得等。

有个容易漏掉的点：原文没有披露参数量和上下文窗口长度。所以现在拿「参数多少」「上下文多长」去猜它，都是没有依据的。

对开发者的信号

最直接的信号是安全基准的权重上来了。SEC-bench Pro、ExploitGym、CWE-bench 这三个网络安全基准被单独列出，说明谷歌把「模型能不能自主找漏洞、利用漏洞、修漏洞」当成了前沿模型的核心卖点，而不只是编码分高。对做安全工具、用模型做代码审计的团队，这是个值得关注的方向。

另一个信号是「长跨度」——官方反复强调 Carbon 能连续工作数天。这跟 Agent 长期运行的趋势对上了：模型的竞争力正在从「单次回答多好」转向「能不能在长时间里自己推进任务」。

落到具体的人身上，最直接受益的是三类：做安全方向的团队，可以直接拿 Carbon 当漏洞发现和修补的标杆，它把 SEC-bench Pro、ExploitGym、CWE-bench 三个安全基准单独摆出来，本身就说明这个赛道在被重视；跑长时 Agent 工作流的团队，官方「持续运行数天」的内部观察值得留意，前提是开放后真能复现；还有全栈 Web 开发，WebDev Arena 涨了 89 elo 到第 4，配合 Chrome 团队「补丁质量好 10 倍」的反馈，web 场景是第一批能感受到差异的地方。反过来，急着尝鲜的个人开发者现在要克制——还没开放到普通用户，眼下能做的只有跟踪开放节奏。

待观察

后续值得盯两件事：一是正式开放后，官方宣传的「长跨度」和「安全代码生成翻倍」能不能在公开评测里站住；二是介绍期定价（$2/$10）结束后涨到 $4/$20，成本敏感的场景要重新算账。对「安全」这条主线，最值得观察的是它能不能真的把「找漏洞—利用—修补」做成一个可交付的闭环，而不是只在榜单上好看。