Google DeepMind 发布 Gemini 4 Carbon 前沿模型

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和长程任务能力。

您的浏览器不支持 audio 元素。

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 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和长程任务能力。

Carbon 在近期更新的 Artificial Analysis Intelligence Index v5.0 版本中排名 #1，得分为 59。它在编码和智能体任务方面，以及在网络安全防御的关键能力方面均显示出显著提升，在用于查找漏洞的 SEC-bench Pro（88.2%）、用于利用漏洞的 ExploitGym（54.8%）以及用于修补漏洞的 CWE-bench（71.0%）中均确立了领先地位。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，在我们团队使用的实时编码环境中，其不对齐和捏造率也有所降低。

在两周前发布的 Gemini 4 Argon 基础上，Carbon 展示了我们推动前沿发展的速度。我们的研究人员和模型正携手合作，以更快的速度推进能力发展，同时同步加强我们的安全措施。

我们正采取审慎的发布策略，并积极参与美国政府的自愿性预发布模型测试流程。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 逐步向更多受信任的合作伙伴开放访问权限。在尽可能快地通过我们的产品界面向开发者、企业和消费者提供 Carbon 之前，我们仍在持续收集反馈并迭代优化护栏机制。

Gemini 4 Carbon 将以与 Argon 相同的 introductory 价格发布 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。

改进针对具有挑战性的长程任务的编码和推理能力

旨在应对更困难、长程的工程问题，Carbon 专为持续的智能体工作流而构建。在内部，我们的团队看到 Carbon 可以运行数天，以克服死胡同，从而处理复杂的、多步骤的工程任务，例如在大型代码库和底层系统中定位根本原因并修补细微的 bug。

基于用户反馈，我们专注于改进模型在多个领域的性能，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 开发中输出和工件质量的提高，Carbon 在 WebDev Arena 上跃升 89 个 elo 点，排名 #4（1769）。

最先进的网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力方面实现了重大飞跃。它在网络安全防御生命周期——漏洞检测、验证和修复——中均达到了最先进的性能。

我们的团队已经在网络防御方面看到了显著的提升。在内部基准测试中，Carbon 在生成安全代码方面的成功率比 Argon 提高了 2 倍以上。另一个例子是，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。Wiz，我们领先的云安全平台，也观察到 Carbon 在 Web 渗透测试基准测试中处于领先地位，这是 Wiz 的 Scan for Good 计划的一项核心能力。

Carbon 在主要外部基准测试（未设置护栏评估）中表现出色：

• 发现真实漏洞： 发现真实漏洞是网络安全防御的核心。Carbon 在 SEC-bench Pro 上达到了 88.2% 的最先进水平，能够自主发现隐藏在真实软件中的复杂缺陷。

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

• 从根源进行修补： 最终，在识别出漏洞后，修复根本原因是网络安全防御生命周期中的关键步骤。Carbon 在 Collinear 的 CWE-bench 上达到了 71.0%，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安保

Gemini 4 Carbon 建立在 Argon 相同的多层安全与安保体系之上——结合了模型训练、实时滥用防御、提示注入韧性和思维链监控。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 安全与安保报告 中报告了其以对齐方式行事的倾向。对于 Carbon，我们挑战自己，在对齐方面更进一步，并训练模型以正确的方式应对复杂或高压任务。

• 减少捷径和漏洞利用： 在 Carbon 中，我们在确保高质量编码性能的同时，进一步缓解了训练中的捷径尝试。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降低至 0.0%，作弊尝试率降至 0.4%——同时提高了整体准确率。在与我们内部团队的实时编码环境中，我们观察到高严重性对齐警报下降了近 80%。
• 更高的透明度和诚实度： 在我们的内部测试中，Carbon 将无依据的声明减少了约 2 倍（相比 Argon）。它直接将方法论注意事项放入交付物中，或者在明确列出剩余所需事项的情况下保留被阻止的操作，而不是捏造或回避缺失的证据。
• 在面临模糊性时与用户更好地协作： 而不是猜测或强行推进，Carbon 在行动之前会检索相关来源并向用户展示差异——因此，用户应该观察到与 Carbon 更好的协作体验。
• 执行到位而不越界： Carbon 同时将越权行为减少了 26%，服务不足减少了 29%，从而在尊重项目约束并严格保持在范围内的前提下，端到端地更可靠地执行多步骤计划。
• 抵御提示注入：此前，Argon 在灰天鹅（Gray Swan）的间接提示注入（IPI）基准测试中，凭借极低的 0.7% 攻击成功率，在提示注入抵御能力方面位居榜首；而 Carbon 则实现了 0.0%——抵御了所有受评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动前沿发展需要在快速推进的同时，对部署保持审慎。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安全防御者如何使用该模型，并期待尽快将 Carbon 带给开发者、企业和消费者。