Google DeepMind 发布 Gemini 4 Carbon：主打网络安全与长程智能体能力

2026年10月28日

|

Gemini 4 Carbon 是我们最强大的模型，具备最先进的网络安全能力和长时程任务能力。

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 仍处于实验阶段

今天，我们宣布推出下一代前沿模型：Gemini 4 Carbon，这是我们最强大的模型，具备最先进的网络安全能力和长时程任务能力。

Carbon 在最近更新的 Artificial Analysis 智能指数 v5.0 上以 59 分排名第一。它在编码和智能体任务，以及对网络安全防御至关重要的关键能力方面都有显著提升，在 SEC-bench Pro（漏洞发现，88.2%）、ExploitGym（漏洞利用，54.8%）和 CWE-bench（漏洞修补，71.0%）上稳居领先。在内部基准测试中，Carbon 在生成安全代码方面带来了强劲提升；在我们自己的团队使用的实时编码环境中，它表现出更低的失准率和虚构率。

在两周前发布的 Gemini 4 Argon 的基础上，Carbon 展现了我们推进前沿技术的速度。我们的研究人员与模型正携手并进，以更快的速度提升能力，同时同步加强我们的安全保障措施。

我们正在采取审慎的发布方式，并积极参与美国政府针对模型发布前测试的自愿流程。从本周开始，我们将向一部分网络防御者开放 Carbon，并通过我们的 Fairwind Program 逐步向更多受信任的合作伙伴开放访问。在通过我们的产品界面尽快向开发者、企业和消费者开放 Carbon 之前，我们将持续收集反馈并迭代完善护栏机制。

Gemini 4 Carbon 将以与 Argon 相同的 introductory 价格发布 ¹ ：每百万输入 tokens 2 美元，每百万输出 tokens 10 美元，缓存输入 tokens 的价格为输入 token 价格的 5%（即 95% 折扣）。

提升面向具有挑战性的长时程任务的编码与推理能力

Carbon 旨在应对难度更高、长时程的工程问题，为持续的智能体工作流而构建。在内部，我们的团队观察到 Carbon 可以连续运行数天，在遭遇死胡同后仍能坚持下去，完成复杂的、多步骤的工程任务，例如在大型代码库和底层系统中对隐蔽 bug 进行根因分析和修补。

基于用户反馈，我们专注于提升模型在多个领域的表现，包括编码、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出质量和产物质量的提升，Carbon 在 WebDev Arena 上提升了 +89 elo 分，排名升至第 4（1769 分）。

最先进的网络安全性能，助力构建安全的系统

Gemini 4 Carbon 在网络安全能力方面实现了重大飞跃。它在网络安全防御的整个生命周期——漏洞检测、验证和修复——都达到了最先进的水平。

我们的团队已经在网络防御方面看到了显著成效。在内部基准测试中，Carbon 在生成安全代码的成功率上比 Argon 提升了超过 2 倍。另一个例子是，Chrome 团队报告称，在生成高质量补丁方面，Carbon 的表现比另一个实验室的大型前沿模型好 10 倍以上。我们领先的云安全平台 Wiz 也观察到，Carbon 在 Web 渗透测试基准测试中处于领先地位，而这是 Wiz 的 Scan for Good 计划的一项核心能力。

Carbon 在关键的外部基准测试中表现出色（在无护栏的情况下评估）：

• 发现真实漏洞：网络安全防御的核心是发现真实漏洞。Carbon 在 SEC-bench Pro 上实现了 88.2% 的业界领先成绩，能够自主挖掘隐藏在真实软件中的复杂缺陷。

• 通过漏洞利用验证风险：为了确定应优先修复哪些漏洞、或哪些漏洞是否需要修复，网络防御者越来越依赖模型来检查哪些漏洞是可被利用的。Carbon 在广受欢迎的漏洞利用基准测试 ExploitGym（54.8%）上刷新了业界最佳水平。

• 从根源进行修补：最终，在识别出漏洞之后，修复根本原因是网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench 上达到 71.0%，能够将经过验证的发现直接转化为可用的代码修复。

推进前沿模型的安全与保障

Gemini 4 Carbon 构建在与 Argon 相同的多层安全与保障栈之上——结合了模型训练、实时滥用防御、提示词注入抵御能力和思维链监控。特别是，我们在 Argon 的模型对齐方面取得了重大进展，并在我们的安全与保障报告中报告了其以对齐方式行事的倾向。对于 Carbon，我们挑战自己在对齐上更进一步，训练模型以正确的方式应对复杂或高压任务。

• 减少走捷径和钻空子的行为：在 Carbon 上，我们进一步减少了训练中的走捷径尝试，同时确保高质量的编码表现。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降至 0.0%，作弊尝试降至 0.4%——同时整体准确率还有所提升。在与内部团队的实时编码环境中，我们观察到高严重性对齐失调警报减少了近 80%。
• 更高的透明度与诚实度：在我们的内部测试中，Carbon 相比 Argon 将无依据的断言减少了约 2 倍。它会将方法论方面的注意事项直接写进交付成果中，或在阻止某些操作时清楚地列出尚需完成的事项，而不是凭空捏造或对缺失的证据含糊其辞。
• 在面对模糊性时更好地与用户协作：Carbon 不会猜测或强行推进，而是先检索相关来源并向用户呈现差异，然后再采取行动——因此，用户应能体会到与 Carbon 明显更好的协作体验。
• 坚持执行而不越界：Carbon 同时将越界行为减少了 26%，将服务不足减少了 29%，从而在遵守项目约束并严格保持在范围内的情况下，更可靠地端到端执行多步骤计划。
• 抵御提示词注入：此前，Argon 以极低的 0.7% 攻击成功率在 Gray Swan 的间接提示词注入（IPI）基准测试中领先于提示词注入抵抗力，而 Carbon 实现了 0.0% —— 抵御了每一次被评估的攻击尝试。

即将面向开发者、企业和消费者推出

推进前沿技术需要快速行动，同时在部署上保持审慎。借助 Gemini 4 Carbon，我们的目标是在不牺牲安全性和可靠性的前提下，在软件工程和网络安全防御方面实现有意义的飞跃。我们期待看到首批网络防御者如何使用这一模型，并期待尽快将 Carbon 带给开发者、企业和消费者。