谷歌 Gemini 4 Carbon 首测：3D 建模硬刚 Opus，评测第一存争议

谷歌新一代模型 Gemini 4 Carbon 近日释出预览版，第三方评测机构 Artificial Analysis 将其综合智商排在首位，Arena 文本榜同样位列第一。不过该模型目前只向一小部分网络安全团队开放，多数用户尚无法直接使用。

首测显示，Carbon 在 3D 场景生成上已能与 Claude Opus 5.5 正面比较，成本却低得多；但在讲解类任务和科研代码测试中仍有明显短板，其榜首位置也被指与评测版本更新时机有关。

3D 建模与成本对比

Arena 官方在 Carbon 发布当天公布了一期 47 分钟的首测视频，测评员用 Carbon 预览版与 Claude Opus 5.5、GPT-6.1 Sol 逐题对比，结论是它稳居前三。第一题是生成 3D 白宫：上一代 Gemini 4 Argon 的版本画面发灰、细节偏少，Carbon 这一版没有明显毛病，测评员评价它确实更好了。

与 Opus 放在一起看，差距仍在细节上。Opus 把树枝一根根画了出来，Carbon 的树只有大致形状。成本差别更大：同一题 Opus 花费 27.66 美元，Carbon 约 2.69 美元，约为前者的十分之一。测评博主的判断是，若工作就是做精细 3D 场景，多花的钱大概值得，换成别的任务则未必。

另一项测试让三家顶级模型各生成一只会眨眼、会对焦、可一键拆成零件爆炸图的 3D 机械眼。Carbon 用时 29 分 49 秒，Opus 用时 43 分 21 秒、花费 9.25 美元，GPT-6 Astra 用时 22 分 54 秒、花费 3.28 美元。最终得分 Carbon 10 分、Opus 9 分、Astra 8.5 分。

空间理解方面，Andon Labs 让模型通过公寓室内照片还原户型图，Carbon 得 0.586 分（满分 1 分），与人类成绩相同，高于 Claude Opus 5.5 的 0.512 分。正式官宣前一周，Arena 匿名对战平台已出现疑似 Carbon 的测试版，有博主用它和 Opus 5.5 以同一段提示词生成 3D 飞机后表示，没有哪个模型 3D 建模比它还好。

不再偷懒的代价

Carbon 这次最明显的变化是不再偷懒。一位网友让它做超级马里奥，生成时间接近 30 分钟，但不再像 Argon 那样敷衍，一次就做得比较完整。在 Arena 智能体榜上，Carbon 排名第二，比 Argon 高 5 名；用户主动夸它多过吐槽它的比例比 Argon 提升 13.2 个百分点，确认活干完了的比例也上涨 5.6 个百分点。

代价是更慢、话更多。第三方评测机构 Vals 的测试显示，金融、税务类任务中 Carbon 耗时是 Argon 的两倍多，法律研究一道题要 50 多分钟。整套题目下来，它的推理 token 用量是 Argon 的 2.3 倍，多出的部分主要花在做研究上，写代码并未多用多少。

在 Artificial Analysis 的测试中，Carbon 做完整套题输出 2 亿多 token，接近 Argon 的两倍。文章据此提醒，等它正式上线，Gemini 会员额度尤其是 Pro 档可能更不经花。不过在 Vals 的综合指数上，它仍比 Claude Sonnet 5.5 和 Claude Opus 5.5 更便宜、也更快。

讲解题与代码短板

Carbon 也有失手的时候。Arena 首测中给教堂建模一题，它生成的教堂破了几个洞，测评员调侃上次去的时候没见着洞。更明显的是讲解类任务：测评员让它讲 1854 年约翰·斯诺如何查出霍乱经水传播，看完它画的图后表示不确定能不能看懂，换自己也不一定看得懂；而 Claude Opus 5.5 画出的伦敦地图一看就明白。

在测评员看来，梵高、莫奈这类题目上 Carbon 比 GPT-6.1 Sol 更有想象力，但有时像做到一半就放弃，要论把活完整干完，他还是更放心 Sol。

硬核科研代码同样没占到便宜。专门考查计算机科研能力的 FrontierCS 2 共 48 道题，每题挖掉一篇论文的核心方法代码让模型重写，须全面超过原版才算通过。Carbon 通过 25 题，比 Claude Opus 5.5 少 3 题；若在谷歌自家编程工具反重力 Antigravity 里执行，它比 Argon 还少 1 道。

榜首位置的争议

Carbon 在 Artificial Analysis 榜单上的第一名有几分赶巧。按旧版测评计算，它得 57 分，Claude Opus 5.5 为 58 分；按前一天上线的新版 v5 计算，Carbon 为 59 分，Opus 仍是 58 分。也就是说，若早一天发布，这个第一就轮不到它。

网友的看法是，v5 确实比旧版好，只是模型之间差距太小，一点差距就能让第一换人。也有人认为 3D 演示天生给新模型加了滤镜，真正该测的是碰上一堆需求只说了一半的杂活时它表现如何。

综合来看，Carbon 的前三位置仍比较稳：除 Artificial Analysis 第一外，Arena 智能体榜和 Vals 都把它排在第二。目前它只向一小部分网络安全团队开放，普通用户尚无法直接使用；它疑似借 Argon 高推理档 gemini-4-argon-high 的壳混在 Arena 匿名对战中，投票后揭晓模型名时可能偶遇。

发布与股价背景

Gemini 4 Carbon 发布的同一天，谷歌公布了三季度财报。财报发布后的第一个交易日，谷歌股价收盘大跌 12.6%，创下上市以来最大单日跌幅，市值一天蒸发近 5000 亿美元。

文章给出的原因是每股收益远低于预期，而这一季度 514 亿美元的资本支出又比去年同期翻了一倍还多，投资人担心在 AI 上的投入不知何时能赚回来。

谷歌自家员工也拿 Carbon 开玩笑：所谓 AGI，就是我让 Gemini 4 Carbon 帮我挑台新显示器，它回我黑五下个月才到，先等等吧。

要点

• Carbon 目前仅向少数网络安全团队开放
• 生成 3D 白宫成本约 2.69 美元，Opus 为 27.66 美元
• 空间理解测试得分 0.586，与人类成绩相同
• 谷歌财报后首个交易日股价跌 12.6%