谷歌发布 Gemini 4 Carbon，以59分重回全球大模型榜首

Google DeepMind于10月29日正式发布新一代旗舰大模型Gemini 4 Carbon。在独立机构Artificial Analysis更新的Intelligence Index v5.0榜单中，该模型以59分、1分优势超越此前榜首Claude Opus 5.5，重回全球大模型综合能力第一。

此次发布重点升级长时程工程与网络安全两大方向，官方称其安全代码生成成功率是两周前发布的Gemini 4 Argon的两倍以上。模型本周优先向少量网络安全防御人员开放，普通用户与开发者的全面开放暂无明确时间表。

榜单排名与得分

Artificial Analysis更新的Intelligence Index v5.0榜单显示，Gemini 4 Carbon综合得分59分，比此前排名第一的Claude Opus 5.5高出1分，领先GPT-6 Astra 2分。与两周前发布的Gemini 4 Argon相比，该模型得分提升9分，由此重新回到全球大模型综合能力第一的位置。

在Arena.ai的最新榜单中，Gemini 4 Carbon在Text Arena登顶第一，在Agent Arena位列第二。两个独立榜单的结果共同构成此次发布对外强调的排名依据。

从分数结构看，Carbon的领先幅度并不大，与第二名仅差1分，但与自家上一代Argon之间拉开了9分差距，这一代际提升幅度成为官方宣传的重点之一。

长时程工程能力

此次发布将长时程工程列为两大升级方向之一。按照官方说明，模型可以连续运行数天，处理大型代码库与底层系统问题，并能在其中自主定位和修复隐蔽的软件缺陷。

这一能力指向的是需要长时间持续投入的工程任务，而非单轮问答式交互。来源称，Gemini 4 Carbon在多项编程与智能体基准测试中处于行业第一梯队，但未逐一列出这些测试的具体名称与分数。

长时程运行与自主修复缺陷相结合，意味着模型在代码维护、系统排查等场景中的角色从辅助生成向持续执行延伸，这也是当前旗舰模型竞争的一个集中方向。

网络安全方向升级

网络安全是另一重点升级方向。来源显示，该模型的能力覆盖漏洞发现、风险验证到代码修复的完整流程，形成从识别问题到给出修复方案的闭环。

具体基准成绩方面，Gemini 4 Carbon在SEC-bench Pro上得分88.2%，在ExploitGym上得分54.8%，在CWE-bench上得分71.0%。

这些指标分别对应安全代码生成、漏洞利用相关测试与常见缺陷类型的处理能力，分数差异也显示模型在不同安全子任务上的表现并不均衡。

安全可靠性数据

除能力提升外，官方还公布了安全可靠性方面的测试结果。在Terminal-Bench 4.0测试中，该模型的作弊成功率降至0%，高严重度行为不一致警报减少近80%。

在对抗性攻击方面，Gemini 4 Carbon对间接提示词注入攻击的防御成功率达到100%。来源还提到，模型在越权行动与任务完成度不足两类问题上也有明显改善，但未给出对应的具体数值。

上述数据均由官方提供，来源未说明这些测试的独立验证情况。作弊率归零与注入攻击防御全通过属于较为绝对的表述，其测试条件与覆盖范围在现有信息中尚不明确。

开放节奏与定价

开放节奏上，Gemini 4 Carbon本周优先向少量网络安全防御人员开放，后续通过合作计划逐步扩容。

定价沿用Gemini 4 Argon的首发标准：推广期内每百万输入Token收费2美元、输出Token收费10美元，推广期结束后价格翻倍。

这种先小范围、后扩容的发布方式也引发讨论。不少业内观点认为，头部厂商频繁发布却迟迟不落地的模式更偏向榜单竞争，实际落地价值仍需大众体验验证。

要点

Gemini 4 Carbon在Intelligence Index v5.0得59分
以1分优势超越Claude Opus 5.5，领先GPT-6 Astra 2分
较两周前发布的Gemini 4 Argon提升9分
Text Arena登顶第一，Agent Arena位列第二
推广期每百万输入Token收费2美元、输出Token收费10美元