摘要： Google 在 2026 年 10 月 28 日發表新旗艦模型 Gemini 4 Carbon，主打最先進的資安防禦與長時程（long horizon）能力，目前在 Artificial Analysis Intelligence Index v5.0 以 59 分排第一。對開發者來說，短期內只能透過 Fairwind Program 等管道分段取得，但定價、安全數據與基準表現已經公布，值得先評估它對自家 agent 工作流的意義。
先看對你有用的數字
Carbon 在三個資安防禦基準上創下新紀錄：SEC-bench Pro 88.2%（找漏洞）、ExploitGym 54.8%（驗證可利用性）、CWE-bench 71.0%（修補根因）。WebDev Arena 上它上升 89 個 elo 分數到第四名（1769）。內部測試中，生成安全程式碼的成功率是前代 Argon 的兩倍以上；Chrome 團隊回報，Carbon 產生高品質修補程式碼的表現比另一家實驗室的旗艦模型好十倍以上。
編碼方面，Google 表示內部團隊讓 Carbon 連續運行數天，在大程式碼庫中做多步驟的根因分析與修補——例如跨系統底層的微妙 bug。這類長時程、可穿越死胡同再繼續的能力，正是 agent 產品目前最缺的一塊。我在先前談 Genie 4 世界模擬時提過，Google 正把「長時間持續運作」當作核心投資方向，Carbon 是同一條線在語言模型上的落點。
對齊數據比基準分數更值得看
這次發表最特別的地方，是 Google 花了大量篇幅講對齊指標，而不只是能力分數：
- Terminal-Bench 4.0 上「成功作弊」降為 0.0%，作弊嘗試降到 0.4%，同時整體準確率仍在上升。
- 內部即時編碼環境中，高嚴重度對齊警報下降近 80%。
- 無依據的宣稱（fabrication）比 Argon 減少約兩倍；遇到證據不足時，它會把方法論限制寫進交付物，或清楚列出尚未完成的部分。
- 過度執行（overreach）降 26%、服務不足降 29%。
- Gray Swan 間接提示注入基準上攻擊成功率 0.0%。
如果你的產品會讓 agent 自主修改程式碼或接觸敏感資料，這組數字比排名更直接影響你的風險評估。當然，這些多是 Google 的內部測試，獨立驗證還要等更多第三方評測。
定價與取得時程
定價延續 Argon：每百萬輸入 token 2 美元、輸出 10 美元，快取輸入 token 為輸入價的 95% 折扣（5% 收費）。以旗艦模型來說，這個價位對長時程 agent 的成本結算相當關鍵——長任務最燒的就是重複 context。
取得方面節奏刻意放慢：本週先開放給一部分資安防禦者，再透過 Fairwind Program 逐步擴及可信賴夥伴，同時參與美國政府的自願性上市前測試。一般開發者、企業與消費者要等「盡快」之後的正式上線，發表文沒有給出具體日期。
給 builder 的實際判斷
兩個訊號值得留意。第一，Google 把資安攻防當成旗艦模型的差異化主軸，而不是泛泛的推理能力——如果你的產品涉及漏洞掃描、修補建議或安全審計，Carbon 上線後應該列入選型比較。第二，從 Argon 到 Carbon 只隔兩週，前沿模型的迭代速度意味著你的 prompt、評測與成本模型需要持續重跑，一次基準測試的結論很快就會過時。務實的做法是現在把 Fairwind Program 或產品面上線後的存取排進評估計畫，並先用現有模型把 agent 工作流的驗證機制建好，等 Carbon 開放時就能直接替換比較。
參考來源
在 X 上查看原貼文