Google DeepMind 发布 Gemini 4 Carbon 前沿模型

2026年10月28日

|

Gemini 4 Carbon 是我们实力最强的模型，具备顶尖的网络安全和长周期任务处理能力。

您的浏览器不支持音频元素。

收听文章

[[duration]] 分钟

此内容由 Google AI 生成。生成式 AI 具有实验性

今天，我们宣布推出下一代前沿模型：Gemini 4 Carbon，这是我们实力最强的模型，具备顶尖的网络安全和长周期任务处理能力。

Carbon 在最近更新的 v5.0 Artificial Analysis Intelligence Index 上以 59 分高居榜首。它在编码和智能体（agentic）任务以及对网络安全防御至关重要的关键能力方面展现出显著提升，在寻找漏洞的 SEC-bench Pro（88.2%）、利用漏洞的 ExploitGym（54.8%）以及修补漏洞的 CWE-bench（71.0%）中确立了坚实的领先地位。在内部基准测试中，Carbon 大幅提升了生成安全代码的能力，并且在我们团队的实时编码环境中，它表现出了更低的偏离和幻觉率.

在两周前发布的 Gemini 4 Argon 的基础上，Carbon 展现了我们推动前沿技术发展的步伐。我们的研究人员与模型紧密合作，以更快的速度提升能力，同时同步加强我们的安全防护措施。

我们正采取审慎的方法进行推出，并积极参与美国政府针对发布前模型测试的自愿流程。从本周开始，我们将向部分网络防御人员提供 Carbon，并将通过我们的 Fairwind Program 逐步分阶段向其他受信任的合作伙伴开放访问权限。我们将继续收集反馈并迭代安全护栏，以便尽快通过我们的产品界面向开发者、企业和消费者推出 Carbon。

Gemini 4 Carbon 的首发价格 ¹ 将与 Argon 相同，输入 Token 为每百万 2 美元，输出 Token 为每百万 10 美元，缓存输入 Token 的价格为输入 Token 价格的 5 折优惠。

提升具有挑战性的长周期任务的编码和推理能力

Carbon 旨在应对更艰巨、长周期的工程问题，专为持续的智能体工作流而构建。在内部，我们的团队发现 Carbon 可以运行数天，历经死胡同仍能坚持不懈，以解决复杂的、多步骤的工程任务，例如在大规模代码库和底层系统中定位根源并修补微妙的漏洞。

根据用户反馈，我们专注于提升模型在多个领域的性能，包括编码、智能体和科学任务，以及全栈网页开发和多模态理解。随着网页开发中输出质量和产出物的提升，Carbon 在 WebDev Arena 上的 Elo 积分飙升了 89 分，达到第 4 名（1769 分）。

顶尖的网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力方面实现了重大飞跃。它在整个网络安全防御生命周期（漏洞检测、验证和修复）中实现了顶尖的性能。

我们的团队已经看到网络防御能力有了显著提升。在内部基准测试中，Carbon 在生成安全代码的成功率方面比 Argon 实现了超过 2 倍的提升。另一个例子是，Chrome 团队报告称，在生成高质量补丁时，Carbon 的表现比另一个实验室的大型前沿模型好 10 倍以上。Wiz 作为我们领先的云安全平台，也观察到 Carbon 在网页渗透测试基准测试中处于领先地位，这是 Wiz's Scan for Good 计划的核心能力。

Carbon 在关键外部基准测试中表现优异（在无护栏情况下评估）：

• 发现真正的漏洞：网络安全防御的核心是发现真正的漏洞。Carbon 在 SEC-bench Pro 上取得了 88.2% 的行业领先成绩，能够自主揭示隐藏在真实软件中的复杂缺陷。

• 通过利用验证风险：为了确定优先修复哪些漏洞或是否需要修复，网络安全防御者越来越依赖模型来检查哪些漏洞可被利用。Carbon 在热门利用基准测试 ExploitGym (54.8%) 上树立了新的行业领先标准。

• 从根本原因进行修补：最终在识别出漏洞后，修复根本原因堪称网络安全防御生命周期中的关键一步。Carbon 在 Collinear 的 CWE-bench 上达到了 71.0%，能将经过验证的发现直接转化为可运行的代码修复方案。

推进前沿模型安全与保障

Gemini 4 Carbon 建立在与 Argon 相同的中坚多层安全与保障技术栈之上——结合了模型训练、实时滥用防御、提示词注入防御和思维链监控。特别是，我们在 Argon 的模型对齐方面取得了重大进展，并在我们的《安全与保障报告》中报告了其表现出对齐行为的倾向。对于 Carbon，我们挑战自己将对齐提升到一个新高度，训练模型以正确的方式响应复杂或高压任务。

• 减少捷径和漏洞利用：借助 Carbon，我们进一步减少了训练中的捷径尝试，同时确保了高质量的编码性能。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降低至 0.0%，作弊尝试下降至 0.4%——同时整体准确率有所提高。在我们内部团队的实时编码环境中，我们观察到高严重性不对齐警报下降了近 80%。
• 更高的透明度和诚实度：在我们的内部测试中，Carbon 的无根据言论比 Argon 减少了一半左右。它直接将方法论注意事项写入交付成果中，或者对被阻止的操作予以保留并列出依然必须满足的清晰清单，而不是凭空捏造或对缺失的证据含糊其辞。
• 在面对模棱两可的情况时改善与用户的协作：Carbon 不会盲目猜测或强行推进，而是先检索相关来源并在行动前提请用户注意差异——因此，用户应该能通过 Carbon 体验到更好的协作感受。
• 坚决执行而不越权：Carbon 同时将越权行为减少了 26%，将服务不到位减少了 29%，从而在尊重项目约束并严格保持在范围内的同时，实现了更可靠的多步骤计划端到端执行。
• 抵御提示词注入：尽管 Argon 此前在 Gray Swan 的间接提示词注入（IPI）基准测试中以 0.7% 的极低攻击成功率在提示词注入防御方面领先，但 Carbon 实现了 0.0% —— 抵御了每一次评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动前沿发展需要在快速行动的同时对部署保持审慎。通过 Gemini 4 Carbon，我们的目标是在不妥协安全性和可靠性的前提下，实现软件工程和网络安全防御的有意义的飞跃。我们热切期待首批网络安全防御者如何使用该模型，并期待很快将 Carbon 带给开发者、企业和消费者。