Google Gemini 4 Carbon 衝上基準測試榜首（暫居）

Google 發布 Gemini 4 Carbon，主打網路安全與長程任務

Google DeepMind 資深副總裁兼首席 AI 架構師 Koray Kavukcuoglu 宣布推出最新前沿模型 Gemini 4 Carbon。該模型被定位為目前最強版本，特別針對網路安全防禦與長程程式碼工作做了優化。在 Artificial Analysis 最新更新的 v5.0 智慧指數中，Gemini 4 Carbon 拿下 59 分，超越競爭對手，暫居榜首。這個結果顯示，該模型在編碼能力、代理任務以及關鍵的網路安全防禦能力上都有明顯提升。

基準測試成績突出，多項安全指標領先

Gemini 4 Carbon 在多個外部基準測試中表現出色，這些評估都是在未啟用安全防護機制的情況下進行。在尋找漏洞方面，該模型在 SEC-bench Pro 取得 88.2%，能自主發現藏在真實軟體中的複雜缺陷。在漏洞利用驗證方面，它在 ExploitGym 基準測試中達到 54.8%，可協助防禦者優先處理可被利用的風險。在修復根因方面，Carbon 在 Collinear 的 CWE-bench 上拿下 71.0%，能把驗證過的發現直接轉成有效的程式碼修正。

內部測試數據同樣顯示大幅進步。與前代模型 Gemini 4 Argon 相比，Carbon 生成安全程式碼的成功率提高兩倍以上。Google Chrome 團隊指出，在生成高品質修補程式時，Carbon 的表現比另一家實驗室的大型前沿模型高出十倍以上。此外，雲端安全平台 Wiz 也觀察到 Carbon 在網頁滲透測試基準測試中領先，這對其 Scan for Good 計畫至關重要。

強化安全對齊，減少錯誤與過度執行

Gemini 4 Carbon 沿用與 Argon 相同的多層安全與防護架構，包含模型訓練、即時濫用防禦、提示注入韌性以及思維鏈監控。在模型對齊方面，團隊進一步減少訓練中的捷徑嘗試，確保編碼能力維持高品質。在 Terminal-Bench 4.0 測試中，Carbon 成功作弊的比例降至 0.0%，作弊企圖降至 0.4%，整體準確度也同步提升。在內部團隊使用的即時編碼環境中，高嚴重性的對齊警告減少了近八成。

該模型在透明度與誠實度上也有改進。內部測試顯示，Carbon 未經支援的主張減少約兩倍，並會直接在交付內容中寫明方法學限制，或明確列出所需步驟，而不是虛構證據。遇到模糊情況時，它會先檢索相關來源，並向用戶顯示差異，再採取行動。此外，Carbon 的過度執行行為減少 26%，服務不足減少 29%，讓多步驟計劃的執行更可靠，也更嚴格地控制在範圍內。在抵抗間接提示注入方面，它的攻擊成功率為 0.0%，所有評估的攻擊嘗試都被擋下。

定價與逐步開放存取

Gemini 4 Carbon 的入門價格與 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 則享有輸入 token 價格 95% 的折扣。Google 採取謹慎的發布策略，目前正積極參與美國政府的自願性發布前模型測試流程。從本週起，Carbon 僅提供給部分網路防禦者使用，並透過 Fairwind 計畫逐步擴大至其他受信任的合作夥伴。

該模型是在兩週前發布的 Gemini 4 Argon 基礎上進一步開發而成，顯示 Google 推進前沿技術的速度。團隊已開始收集反饋並迭代防護機制，目標是盡快把 Gemini 4 Carbon 提供給開發者、企業和消費者使用，同時讓軟體工程與網路安全防禦有實質進展，且不犧牲安全性或可靠性。