Gemini 4 Carbon：我們的下一個前沿模型

Gemini 4 Carbon 發布：主打網路安全與長時程任務

Google DeepMind 宣布推出新一代前沿模型 Gemini 4 Carbon。根據公司說法，這是目前最強的模型，在網路安全與長時程任務上居業界領先。這項消息由 Google SVP 兼 Chief AI Architect Koray Kavukcuoglu 對外說明。

長時程工程任務表現

公司表示，Carbon 專為更難、需要長時間推進的工程問題設計，適合持續運作的代理式工作流程（agentic workflows）。內部團隊觀察到，這個模型可以連續運行數天，碰到死胡同後仍能繼續推進，處理需要多個步驟的複雜工程任務，例如在大型程式碼庫與底層系統中找出並修補細微的錯誤。

在網頁開發方面，Carbon 在 WebDev Arena 上進步 89 elo 分，以 1768 分排名第 4。公司指出，這來自網頁開發輸出與產物品質的改善。另外，在 Artificial Analysis Intelligence Index v5.0 中，Carbon 以 59 分排名第一。

網路安全能力

公司表示，Carbon 在網路防禦的完整流程（漏洞偵測、驗證與修補）上，表現居業界領先。外部基準測試結果如下（未加防護機制的評估）：

- SEC-bench Pro：88.2%，用於找出真實軟體中的漏洞。 - ExploitGym：54.8%，用於驗證漏洞能否被利用，公司稱這是新的業界最高紀錄。 - CWE-bench：71.0%，用於把已驗證的漏洞轉成可運作的程式修補。

在內部測試中，Carbon 生成安全程式碼的成功率比 Argon 高出逾 2 倍。Chrome 團隊回報，在產生高品質修補程式時，Carbon 的表現比另一家實驗室的大型前沿模型好 10 倍以上。雲端安全平台 Wiz 也觀察到，Carbon 在網頁滲透測試基準上領先，而這項能力正是 Wiz 的 Scan for Good 計畫的核心。

安全與對齊

Carbon 沿用 Argon 的多層安全架構，包括模型訓練、即時濫用防禦、提示注入防護與思維鏈監控。公司表示，這次特別加強模型對齊，讓它面對複雜或高壓任務時，能用正確的方式處理。

在減少投機取巧方面，Terminal-Bench 4.0 中成功作弊的比例降到 0.0%，嘗試作弊的比例降到 0.4%，整體準確率也同步提升。在內部即時編碼環境中，高嚴重度的失準警示減少近 80%。

在透明度與誠實度方面，公司內部測試顯示，Carbon 的無依據宣稱比 Argon 減少約 2 倍。模型會把方法論的限制直接寫進交付內容，或在受阻時列出還需補足的項目，而不是捏造或迴避缺少的證據。

在提示注入抵抗方面，Argon 先前在 Gray Swan 間接提示注入（IPI）基準中的攻擊成功率為 0.7%，Carbon 則是 0.0%。

分階段釋出

公司表示，將採取審慎的推出方式，並積極參與美國政府自願性的發布前模型測試流程。從本週起，Carbon 會先開放給部分網路防禦人員使用，之後再透過 Fairwind Program 逐步開放給其他可信任的合作夥伴。公司仍在收集回饋並調整防護機制，之後會盡快透過產品管道提供給開發者、企業與一般消費者。

價格

Carbon 在推出優惠期間的價格與 Argon 相同，每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，快取輸入 token 的價格為輸入價格打 95% 折扣。優惠期結束後，價格為每百萬輸入 token 4 美元、每百萬輸出 token 20 美元。