Google DeepMind 发布 Gemini 4 Carbon 前沿模型

2026年10月28日

|

Gemini 4 Carbon 是我们最强的模型，具备最先进的网络安全能力和长程任务能力。

您的浏览器不支持音频元素。

收听文章

[[duration]] 分钟

本内容由 Google AI 生成。生成式 AI 仍处于实验阶段

今天，我们发布下一代前沿模型：Gemini 4 Carbon，这是我们最强的模型，具备最先进的网络安全能力和长程任务能力。

在近期更新的 v5.0 Artificial Analysis Intelligence Index 上，Carbon 以 59 分排名第一。它在编程和智能体任务上均有显著提升，在网络安全防御的关键能力上也全面进步：在漏洞发现基准 SEC-bench Pro 上以 88.2% 稳居领先，在漏洞利用基准 ExploitGym 上达到 54.8%，在补丁修复基准 CWE-bench 上达到 71.0%。在内部基准测试中，Carbon 在生成安全代码方面提升明显；在我们自己团队的实时代码环境中，它的行为偏差和编造率也有所下降。

Carbon 建立在两周前发布的 Gemini 4 Argon 之上，体现了我们推进前沿的速度。我们的研究人员与模型协同工作，加快能力提升，同时同步强化安全防护措施。

我们在发布上采取审慎策略，正积极参与美国政府自愿性的发布前模型测试流程。从本周开始，我们将向部分网络安全防御人员开放 Carbon，并通过 Fairwind 计划逐步向更多可信合作伙伴开放。我们会持续收集反馈、迭代防护措施，随后尽快通过各产品渠道向开发者、企业和消费者提供 Carbon。

Gemini 4 Carbon 的发布采用与 Argon 相同的 introductory price ¹ ：每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入 token 按输入 token 价格的 95% 折扣计费。

提升编程与推理能力，应对高难度长程任务

Carbon 专为攻克更困难、长程的工程问题而设计，面向持续运行的智能体工作流。在我们的内部团队中，Carbon 已能连续运行数天，在遇到死胡同时坚持推进，完成复杂的多步骤工程任务，例如在大型代码库和底层系统中定位并修复隐蔽缺陷。

基于用户反馈，我们重点提升了模型在编程、智能体、科学任务以及全栈 Web 开发和多模态理解等多个领域的表现。随着 Web 开发中输出质量和产物的改善，Carbon 在 WebDev Arena 上提升 89 个 elo 分，以 1769 分位列第 4。

最先进的网络安全能力，助力构建安全系统

Gemini 4 Carbon 在网络安全能力上实现重大跃升，在网络安全防御全生命周期——漏洞检测、验证和修复——均达到最先进水平。

我们的团队已经在网络防御方面看到了显著收益。在内部基准测试中，Carbon 生成安全代码的成功率相比 Argon 提升了一倍以上。再举一个例子，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。我们领先的云安全平台 Wiz 也观察到，Carbon 在 Web 渗透测试基准上处于领先地位，而这是 Wiz 的 Scan for Good 计划的核心能力。

Carbon 在多项关键外部基准测试中表现出色（评估时未启用防护措施）：

• 发现真实漏洞： 网络安全防御的核心是发现真实漏洞。Carbon 在 SEC-bench Pro 上取得了 88.2% 的最先进水平，能够自主发现深藏于真实世界软件中的复杂缺陷。

• 通过漏洞利用验证风险： 为了确定哪些漏洞应优先修复，或者是否值得修复，网络防御人员越来越依赖模型来判断哪些漏洞可被利用。Carbon 在流行的漏洞利用基准 ExploitGym 上创下新的最先进水平（54.8%）。

• 从根源修复： 在识别出漏洞之后，修复根本原因是网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench 上达到 71.0%，能够将已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保障

Gemini 4 Carbon 沿用了与 Argon 相同的多层安全与保障体系——融合了模型训练、实时滥用防御、提示词注入抵御能力以及思维链监控。特别是在模型对齐方面，我们借助 Argon 取得了重大进展，并在安全与保障报告中说明了其表现出对齐行为的倾向。在 Carbon 上，我们挑战自我，在对齐方面更进一步，训练模型以正确的方式应对复杂或高压任务。

• 减少走捷径和钻漏洞： 在 Carbon 上，我们进一步减少了训练中的走捷径尝试，同时确保高质量的编码表现。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降至 0.0%，作弊尝试降至 0.4%——同时整体准确率还有所提升。在与内部团队合作的实时代码环境中，我们观察到高严重性失准警报减少了近 80%。
• 更高的透明度和诚实度： 在内部测试中，Carbon 将缺乏依据的断言相比 Argon 减少了约一半。它会把方法上的注意事项直接写入交付成果，或者在拒绝执行某项操作时明确列出仍需满足的条件，而不是编造证据或对缺失的证据含糊其辞。
• 面对歧义时更好地与用户协作： Carbon 不会靠猜测或强行推进，而是先检索相关来源并向用户指出不一致之处，然后再采取行动——因此，用户应当能感受到与 Carbon 协作的体验明显更好。
• 有始有终而不越界： Carbon 同时将越界行为减少了 26%，将服务不足减少了 29%，从而能够更可靠地端到端执行多步骤计划，同时遵守项目约束并严格保持在范围内。
• 抵御提示词注入：此前，Argon 在 Gray Swan 的间接提示词注入（IPI）基准测试中，以仅 0.7% 的攻击成功率在抵御提示词注入方面领先；而 Carbon 的攻击成功率为 0.0%，抵御住了所有受测攻击尝试。

即将面向开发者、企业和消费者推出

要推动前沿向前发展，既要快速行动，也要在部署上保持审慎。借助 Gemini 4 Carbon，我们的目标是在软件工程和网络安全防御领域实现有意义的跨越，同时不牺牲安全性或可靠性。我们期待看到首批网络安全防御者如何使用这一模型，也期待很快将 Carbon 带给开发者、企业和消费者。