谷歌发布Gemini 4 Carbon重夺大模型第一：Artificial Analysis智能指数力压Claude Opus 5.5与GPT-6 Astra

10月28日，谷歌发布新一代旗舰模型Gemini 4 Carbon。在第三方评测机构Artificial Analysis最新公布的Intelligence Index v5.0榜单中，Carbon以59分排名第一，超过Anthropic的Claude Opus 5.5（58分）和OpenAI的GPT-6 Astra（57分）。上一代模型Gemini 4 Argon的得分为50分。

值得注意的是，此时距离上一款旗舰模型Gemini 4 Argon向普通用户开放，才刚过去约两周。谷歌DeepMind掌门人德米斯·哈萨比斯在社交平台X上晒出成绩后，马斯克也在评论区回了一句"Impressive"。

主打长程Agent、复杂工程与网络安全

与Argon相比，Carbon重点强化了复杂软件工程、长程Agent任务和网络安全防御能力。谷歌透露，在内部测试中，Carbon已能够连续运行数天，在遭遇错误路径后重新寻找解决方案，最终定位和修复大型代码库中的复杂问题；模型支持100万token上下文。

网络安全是此次重点展示的场景，三项测试成绩分别对应"发现漏洞—验证利用—修复根因"三个环节：

• 在真实软件中挖掘漏洞的SEC-bench Pro中得分88.2%；

• 在验证漏洞利用能力的ExploitGym中，于单项任务限时10小时的条件下拿到54.8%（高于Argon同条件下的42%）；

• 在修复漏洞根因的CWE-bench中拿到71%（略高于Argon的68%）。

上述三项成绩均在未启用安全护栏的评测条件下测得。谷歌还称，Carbon生成安全代码的成功率超过Argon的2倍；Chrome团队透露，在生成高质量补丁任务上，Carbon的表现比另一家实验室的某款大型前沿模型好上10倍以上，但未点名具体对象。

可靠性方面，谷歌公布的内部测试数据显示：与Argon相比，Carbon毫无依据的陈述减少约一半，擅自超出用户要求的行为减少26%，未能充分完成指令的情况减少29%，高严重性失准警报减少近80%；在针对间接提示词注入攻击的测试中攻击成功率为0%。

并非全面领先，编程与电脑操作仍是Claude强项

总分登顶并不意味着单项全胜。在Artificial Analysis的Coding Agent Index（智能体编程指数）中，Carbon搭配谷歌自家Antigravity工具拿到59分，仍落后于Claude Code搭配Opus 5.5的62分。在谷歌官方公布的17项基准对比中，Carbon拿下15项最高分，另外两项分别由竞争对手领跑：考核智能体处理软件工程任务的FrontierSWE 2中，GPT-6 Astra以65.5%领先Carbon的61.2%；屏幕操作电脑的OSWorld 2.1离线子集中，Opus 5.5拿到87.2%，高于Carbon的81.5%。

第三方数据还提示了"防瞎编"的复杂图景：在AA-Omniscience知识评测中，Carbon的答对率从Argon的48%提升至58%，但幻觉率也从4%升至11%（按该评测口径，即所有"非满分回答"中胡编答案的占比，在榜单中仍属较低水平）。此外，有提前测试者反馈Carbon的生成速度明显慢于Argon（不同任务慢2至4倍），但因无法确认测试版本，该体感不能直接套用到正式版。

Arena公布的Carbon早期用户会话表现

普通用户还得再等等

Carbon的API价格沿用了Argon的首发优惠：输入每百万token 2美元，输出10美元，缓存命中价格低至0.1美元；优惠期满后将恢复为标准价（输入4美元、输出20美元），具体涨价日期尚未公布。据Artificial Analysis按标准价测算，Carbon完成每项智能指数任务的加权平均成本为7.76美元，低于Opus 5.5的10.04美元（约省23%），高于GPT-6 Astra的6.25美元；与Argon相比单次任务开销基本持平，综合得分却涨了9分。

开放节奏上，普通用户这次还得等等：谷歌计划本周先向一批网络安全防御人员开放，随后通过Fairwind计划逐步扩大到更多可信合作伙伴，最后才面向广大开发者、企业和普通消费者放开；面向大众的具体时间尚未公布。此外，谷歌已将Carbon提交给美国政府参与自愿性的发布前安全测试。

提前拿到测试资格的Peter Gostev在X上表示，他觉得Carbon比Argon强了太多，希望谷歌能继续保持这样的迭代速度。

内部代码交付量提升35%

在10月28日的财报电话会上，谷歌CEO皮查伊透露，过去几周，Chrome、广告和搜索团队已开始使用Argon辅助软件开发，内部代码交付量增加35%，错误减少30%，目前谷歌正在内部部署能力更强的Carbon。他认为，随着AI开始反过来加速模型训练和产品开发，未来12个月谷歌的技术迭代速度还可能进一步提升。

对于曾被Gemini"热情夸奖但活没干好"绕晕过的用户来说，这次Carbon能否在被指错时少来两句场面话、直接把活干漂亮，恐怕比再晒一张榜首截图更有说服力。