Google DeepMind 发布 Gemini 4 Carbon 模型

2026年10月28日

|

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

您的浏览器不支持音频元素。

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，这是我们最强的模型，具备最先进的网络安全能力和长程任务能力。

Carbon 在近期更新的 v5.0 Artificial Analysis Intelligence Index 上以 59 分排名第一。它在编程和智能体任务上，以及在网络安全防御至关重要的关键能力上均有显著提升，在漏洞发现基准 SEC-bench Pro（88.2%）、漏洞利用基准 ExploitGym（54.8%）和补丁修复基准 CWE-bench（71.0%）上均取得明显领先。在内部基准测试中，Carbon 在生成安全代码方面有显著提升；在我们自己团队的实时编程环境中，它表现出更低的对齐偏差和捏造率。

Carbon 建立在两周前发布的 Gemini 4 Argon 之上，体现了我们推进前沿的速度。我们的研究人员与模型携手并进，更快地提升能力，同时同步加强我们的安全防护措施。

我们在发布上采取审慎的方式，并积极参与美国政府自愿性的发布前模型测试流程。从本周开始，我们将向部分网络安全防御者提供 Carbon，并通过我们的 Fairwind Program 逐步向更多可信合作伙伴开放访问。我们将继续收集反馈并迭代防护措施，随后尽快通过我们的产品界面向开发者、企业和消费者提供 Carbon。

Gemini 4 Carbon 将以与 Argon 相同的 introductory price 发布 ¹ ，即每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 的价格为输入 token 价格的 95% 折扣。

提升编程与推理能力，应对高难度长程任务

Carbon 专为处理更困难、长程的工程问题而设计，面向持续性的智能体工作流。在内部，我们的团队已看到 Carbon 连续运行数天，坚持穿越死胡同，以完成复杂的多步骤工程任务，例如在大型代码库和底层系统中对细微缺陷进行根因定位和修补。

基于用户反馈，我们专注于提升模型在多个领域的表现，包括编程、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发中输出和产物的质量提升，Carbon 跃升 +89 elo 分，以 1769 分在 WebDev Arena 上位列第 4。

最先进的网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力上实现了重大飞跃。它在网络安全防御全生命周期——漏洞检测、验证和修复——均达到最先进的性能。

我们的团队已经在网络防御方面看到了显著收益。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 提升了 2 倍以上。再举一个例子，Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一家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（评估时未启用防护栏）：

• 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 上达到了最先进的 88.2%，能够自主发现隐藏在真实世界软件中的复杂缺陷。

• 通过利用验证风险： 为了确定优先修复哪些漏洞，或者是否修复，网络防御者越来越依赖模型来检查哪些漏洞可被利用。Carbon 在流行的利用基准测试 ExploitGym 上创下了新的最先进水平（54.8%）。

• 从根源上修补： 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 上达到了 71.0%，能够将已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 建立在与 Argon 相同的多层安全与保障体系之上——结合了模型训练、实时滥用防御、提示注入抵御能力以及思维链监控。特别是在模型对齐方面，我们借助 Argon 取得了重大进展，并在我们的安全与保障报告中报告了其表现出对齐行为的倾向。借助 Carbon，我们挑战自己在对齐方面更进一步，并训练模型以正确的方式响应复杂或高压任务。

• 减少捷径和漏洞利用： 借助 Carbon，我们进一步减少了训练中的捷径尝试，同时确保了高质量的编码性能。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。在与我们内部团队合作的实时编码环境中，我们观察到高严重性对齐警报减少了近 80%。
• 更高的透明度和诚实性： 在我们的内部测试中，Carbon 将无依据声明的数量相比 Argon 减少了约 2 倍。它会将方法学上的注意事项直接写入交付成果中，或者在拒绝执行被阻止的操作时明确列出仍需完成的事项，而不是捏造或回避缺失的证据。
• 在模糊情况下改善与用户的协作： Carbon 不会猜测或强行推进某条路径，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，用户应当会体验到与 Carbon 更好的协作体验。
• 贯彻到底而不越界： Carbon 同时将越界行为减少了 26%，将服务不足减少了 29%，从而能够更可靠地端到端执行多步骤计划，同时尊重项目约束并严格保持在范围内。
• 抵御提示注入：此前 Argon 以仅 0.7% 的攻击成功率在 Gray Swan 的间接提示注入（IPI）基准测试中领先，而 Carbon 达到了 0.0%——抵御了所有被评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动前沿进步需要快速行动，同时在部署上保持审慎。借助 Gemini 4 Carbon，我们的目标是在软件工程和网络安全防御领域实现有意义的飞跃，同时不牺牲安全性或可靠性。我们期待看到首批网络安全防御者如何使用这一模型，并期待很快将 Carbon 带给开发者、企业和消费者。