文章摘要
近日，谷歌DeepMind推出全新旗舰模型Gemini4Carbon，该模型聚焦自主编程、长程任务处理与网络安全三大方向，发布后便在某权威AI综合评测机构的榜单中登顶，以59分的成绩超过Opus5.5

近日，谷歌DeepMind推出全新旗舰模型Gemini 4 Carbon，该模型聚焦自主编程、长程任务处理与网络安全三大方向，发布后便在某权威AI综合评测机构的榜单中登顶，以59分的成绩超过Opus 5.5的58分与GPT-6 Astra的57分。

编程能力大幅提升

在编程能力的专项评测中，该模型搭配工具Antigravity CLI后，取得了59分的成绩，仅次于Opus 5.5的62分，大幅领先搭配Codex的GPT-6 Astra的55分。此前谷歌推出的Argon模型在同榜单中仅得53分，Gemini 4 Carbon的进步幅度达6分，与顶尖水平的差距已缩小至3分。具体测试分数如下：

  • Claude Code + Opus 5.5 Max：62分
  • Antigravity CLI + Gemini 4 Carbon High：59分
  • Codex + GPT-6 Astra Max：55分

除了编程专项，其他评测维度的表现略有差异：在FrontierSWE 2榜单中，Astra得分65.5%排名第一，Opus 5.5为62.3%，Gemini 4 Carbon为61.2%；在无需联网的OSWorld 2.1离线任务中，Opus 5.5以87.2%的成绩领先，Gemini 4 Carbon为81.5%，Astra为80.9%，三者差距不大，Gemini 4 Carbon略高于Astra。

长程与网络安全能力突出

该模型的长程处理能力尤为出色，内部测试显示它可连续运行数天，在尝试不同解决路径失败后仍能调整方向，还能在大型代码库与底层系统中定位问题根源、修复隐蔽的微小漏洞。在针对长上下文处理的GraphWalks测试中，针对256K至1M token的子集，它的BFS F1分数达到96.2%，远超Astra的71.8%与Opus 5.5的66.8%，该测试侧重考察模型在长输入中追踪图结构关系的能力，而非单纯提取语句。

在网络安全领域的专项测试中，该模型的连续工作能力得到进一步验证：在ExploitGym测试中，6小时任务的完成率为53.5%，延长至10小时后提升至54.8%，而Opus 5.5的6小时完成率仅为34.5%，Astra无时间限制的完成率为42.4%。此外，在漏洞修补的CWE-bench测试中，该模型得分71%，高于Astra的68%与Opus 5.5的67%，这也是它优先向网络安全防御者开放的原因之一。

成本优势显著

在使用成本方面，Gemini 4 Carbon的定价为：首发阶段每百万token输入2美元、输出10美元，常规价格则为每百万token输入4美元、输出20美元，目前未明确首发折扣的结束时间。综合评测机构按常规价格计算的每任务成本显示，Opus 5.5 Max的成本为10.04美元，Gemini 4 Carbon High为7.76美元，GPT-6 Astra Max为6.25美元。

对比来看，该模型的任务成本比Opus 5.5低约23%，但比Astra高约24%，平均每任务的输出token数为12.3万个，而Opus 5.5的输出token数为17.3万个。在用户参与的Arena任务中，成本差距更为明显：Gemini 4 Carbon High首次进入Agent Arena便位列第二，净提升指标达16.2%，每任务中位成本为1.80美元，比排名第一的Opus 5.5 Max低72%。同批公布的其他结果显示，该模型在Text Arena榜单中排名第一，WebDev榜单中排名第四，且在用户反馈调整的专项测试中位列第一。

开放计划与近期动态

关于该模型的开放计划，谷歌安排本周先向部分受信任的网络安全防御者开放使用，后续将通过Fairwind计划扩大合作范围，之后再面向开发者、企业与普通用户推出。相关负责人确认了这一顺序，称模型内部反馈良好，但尚未公布面向所有用户的具体日期。

回顾近期动态，谷歌近期接连推出多款AI产品：10月13日扩大了Argon模型的开放范围，让开发者与普通用户可直接使用；10月27日推出的Genie 4实现了自然语言对世界的实时操控；而Gemini 4 Carbon则帮助谷歌重新夺回了综合智能榜的榜首位置，展现出谷歌在AI领域的强劲回归态势。

以上内容不代表本平台立场，仅供读者参考