谷歌 Gemini 4 Carbon 发布：网络安全与长周期工程的新动态

2026 年 10 月 28 日，谷歌在官方博客发布 Gemini 4 Carbon，署名作者是 Google DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu。谷歌把这次更新的重心放在两个方向：网络安全防御，以及需要连续多天推进的长周期工程任务。下面按发布内容、时间线、跑分核对、开放节奏和上手建议五块梳理。

谷歌这次发布了什么

官方发布页（谷歌官方博客）对 Carbon 的定位写得很集中：网络安全与长周期能力。谷歌称它是 Gemini 4 系列的新型号，并写明 Carbon 距上一代 Gemini 4 Argon 进入 Gemini 应用约两周。

谷歌把 Carbon 要做的事拆成安全团队工作的三个环节：找出缺陷、验证缺陷能否被利用、再给出修复代码。官方给出的成绩是 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，并称这几项外部评测是在没有安全护栏的条件下跑出来的。谷歌同时提到，内部测试中无依据断言的数量相较 Argon 大约减半。

长周期工程方面，谷歌称内部团队看到 Carbon 连续运行数天，处理大型代码库和底层系统中的疑难缺陷。官方博客还提到 WebDev Arena 的变化：Carbon 的 elo 分数提升 89 分，达到 1768 分，在该榜单位列第 4。

时间线：两个月内的四个节点

把近两个月的节点排开，能看出 Gemini 4 系列的迭代节奏，也能看出 Carbon 不是凭空出现的型号。

这条时间线里有个细节值得注意：Carbon 的代号在正式发布前已经被媒体披露，说明新版本在内部的试用范围并不小。第三方报道提到，内部文件中还出现过 Barium 等代号，而内部代号与对外名称并不一一对应。

跑分与第三方核对

谷歌公布的成绩单集中在网络安全。SEC-bench Pro 88.2% 对应漏洞发现，ExploitGym 54.8% 对应漏洞利用验证，CWE-bench 71.0% 对应补丁生成。谷歌称这三项外部评测均未启用安全护栏。

第三方机构 Artificial Analysis 的模型页（Artificial Analysis 的 Carbon 页面）给出了另一组口径。该页面显示 Gemini 4 Carbon 在 Intelligence Index v5.0 上得分 59，谷歌称其位列该榜单本次更新的头部位置。这个指数整合了 AA-Briefcase v1.1、Terminal-Bench 4.0、FrontierCode 2.0、HLE-Diamond 等 9 项评测。页面同时给出上下文窗口 1M token、输出速度约 82.5 token/s，输入支持文本、图像、语音与视频，输出为文本。

同一机构还记录了一项容易被忽略的数据：Carbon 在 Intelligence Index 上跑完一套评测消耗了 2 亿输出 token，同档模型中位数是 7100 万。换句话说，它的推理展开比多数对手长得多，单任务评测成本约 7.76 美元。

需要说明的是，上述安全类分数来自谷歌自己的评测，尚未被独立实验室复现。Artificial Analysis 页面上不少指标标注为“无公开 API”，说明独立方暂时只能基于厂商披露和早期访问来测。

谁先能用，价格怎么算

Carbon 的开放节奏是分级的。谷歌表示，本周先向一部分网络安全防御者开放；随后通过 Fairwind 计划逐步扩大到受信任的合作伙伴；在收集反馈、调整护栏之后，才会面向开发者、企业和普通用户开放。全面开放的时间目前没有公布。

谷歌也提到，公司参与了美国政府组织的前沿模型自愿预发布测试，这与 Fairwind 计划的准入思路一致：能力越强，越倾向于先小范围跑通再放开。

定价延续了 Argon 的首发策略。推广期内每百万输入 token 收费 2 美元、每百万输出 token 收费 10 美元，缓存输入在此基础上再降 95%；推广期结束后恢复到每百万输入 4 美元、输出 20 美元。Artificial Analysis 页面上标注的正是恢复后的 4 美元与 20 美元。推广期何时结束，官方同样没有给出日期。

同期竞争也在加压。OpenAI 在 Carbon 发布前两天推出 GPT-6.1 Terra（OpenAI 官方发布页），主打计算机操作与终端任务，并称 API 价格下调约一半。安全能力正在成为前沿模型比拼的显性指标，而不只是附属功能。

对开发者意味着什么

短期内，Carbon 还落不到日常工具链里。截至发布当天，Gemini 的公开接口目录里没有对应的模型标识，普通开发者调用不到。现阶段更实际的做法是继续用成熟档位，等正式接口和稳定价格出来后再评估迁移。

分级发布正在成为前沿模型的常见做法。想跟踪模型在真实调用中的分布变化，可以看 OpenRouter 周榜，榜单里第三方模型的调用量升降，比单次发布更能反映实际采用情况。如果手里同时接了多家模型，LiteLLM 这类统一入口可以让路由和成本对比省事一些。

对做检索或向量相关项目的团队来说，模型变强不等于检索变好。长上下文窗口下命中率会下降，HNSW 分层图索引的参数取舍仍然值得先做功课，再考虑换模型。

上手建议与局限

• 安全团队：可以先关注 Fairwind 计划的申请条件，把 Carbon 的漏洞发现与补丁建议当作辅助线索，落地前仍需人工复核。
• 应用开发者：暂无公开 API，先按 4 美元 / 20 美元的恢复价做长期预算，不要把推广价当成长期成本。
• 研究者：优先看 Artificial Analysis 的独立页面，核对厂商自测分数与第三方口径的差异，尤其是输出长度带来的成本差异。

局限也要说清楚：参数量、训练数据截止日期、上下文窗口的实际可用长度均未披露；安全类基准为厂商自测；模型具备明显的双用途属性，谷歌自己也在通过准入和护栏来约束使用范围。

Carbon 和 Argon 是两个型号吗？

官方没有给出明确划分。发布前媒体披露的内部代号里，Argon、Barium、Carbon 都出现过，而内部代号与对外名称并不一一对应，所以 Carbon 是 Argon 的迭代还是同系列的另一款，目前没有定论。

现在能用上吗？

不能。Carbon 目前只面向部分网络安全防御者，没有公开 API，也没有面向开发者的申请入口。

价格会不会一直这么低？

不会。2 美元 / 10 美元是推广期价格，结束后恢复到 4 美元 / 20 美元，与 Artificial Analysis 页面标注一致。推广期长度官方未公布。

安全跑分能直接采信吗？

建议先当参考。三项分数来自谷歌自测，Artificial Analysis 的公开页面也标注了部分指标无公开 API，独立复现需要等开放之后。