Google 发布 Gemini 4 Carbon，面向网络安全与长程智能体任务

Oct 28, 2026

|

Gemini 4 Carbon 是我们最强大的模型，具备最先进的网络安全和长时程能力。

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 仍处于实验阶段

今天，我们宣布下一代前沿模型：Gemini 4 Carbon，这是我们最强大的模型，具备最先进的网络安全和长时程能力。

Carbon 在最近更新的 Artificial Analysis Intelligence Index v5.0 中以 59 分排名 #1。它在编程和智能体任务以及网络安全防御的关键能力方面均取得显著提升，在用于发现漏洞的 SEC-bench Pro（88.2%）、用于漏洞利用的 ExploitGym（54.8%）以及用于修补漏洞的 CWE-bench（71.0%）中均稳稳领先。在内部基准测试中，Carbon 大幅提升了安全代码的生成能力；在我们自己的团队参与的实际编程环境中，它还表现出更低的失配率和捏造率。

在两周前推出的 Gemini 4 Argon 基础上，Carbon 展现了我们拓展前沿能力的速度。我们的研究人员和模型密切协作，更快地推进能力提升，同时同步强化各项安全防护措施。

我们正以审慎的方式推进部署，并积极参与美国政府自愿开展的预发布模型测试流程。从本周开始，我们将向一部分网络防御人员提供 Carbon，并通过 Fairwind Program 逐步向更多值得信赖的合作伙伴开放访问权限。我们会继续收集反馈并迭代防护机制，随后尽快通过我们的各产品界面向开发者、企业和消费者提供 Carbon。

Gemini 4 Carbon 将以相同的首发价格推出 ¹ ，与 Argon 相同，每百万个输入 token 的价格为 $2，每百万个输出 token 的价格为 $10，缓存输入 token 的价格可享输入 token 价格 95% 的折扣。

提升应对棘手长时程任务的编程和推理能力

Carbon 旨在应对难度高得多的长时程工程问题，专为持续运行的智能体工作流而构建。在内部，我们的团队见证了 Carbon 连续运行数天，遇到死胡同时仍能坚持推进，以攻克复杂的多步骤工程任务，例如对大型代码库和底层系统中的细微缺陷进行根因分析和修补。

根据用户反馈，我们重点提升了模型在多个领域的表现，包括编程、智能体和科学任务，以及全栈 Web 开发和多模态理解。随着 Web 开发输出及成果质量的提升，Carbon 的 Elo 分跃升 +89 分，在 WebDev Arena 上排名 #4（1769）。

最先进的网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力上实现重大飞跃。它在网络安全防御生命周期——漏洞检测、验证和修复——的各个环节均达到最先进水平。

我们的团队已经在网络防御方面取得了显著提升。在内部基准测试中，Carbon 生成安全代码的成功率较 Argon 提升超过 2x。另一个例子是，Chrome 团队报告称，在生成高质量补丁方面，Carbon 的表现比另一家实验室的大型前沿模型好 10X 以上。作为我们领先的云安全平台，Wiz 也观察到 Carbon 在 Web 渗透测试基准测试中处于领先地位；该能力是 Wiz's Scan for Good 计划的核心。

Carbon 在关键的外部基准测试中表现出色（评估时未启用防护栏）：

• 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 上达到了 88.2% 的业界最先进水平，能够自主发现隐藏在现实世界软件中的复杂缺陷。

• 通过漏洞利用验证风险： 为了确定应优先修复哪些漏洞，或者是否应该修复，网络防御人员越来越依赖模型来检查哪些漏洞可以被利用。Carbon 在热门漏洞利用基准测试 ExploitGym（54.8%）上创下新的业界最先进水平。

• 从根因着手打补丁： 最终，在识别漏洞后，修复根因是网络安全防御生命周期中的关键一步。Carbon 在 Collinear’s CWE-bench 上达到 71.0%，将经验证的发现直接转化为可用的代码修复方案。

推进前沿模型的安全与防护

Gemini 4 Carbon 基于 Argon 的同一套多层安全与防护技术栈构建——结合模型训练、实时滥用防御、提示注入韧性和思维链监控。尤其是，我们在模型对齐方面较 Argon 取得了重大进展，并在 安全与防护报告 中报告了模型以符合对齐要求的方式行事的表现倾向。使用 Carbon，我们要求自己在对齐方面更进一步，并训练模型以恰当方式应对复杂或高压任务。

• 减少走捷径和钻空子行为： 借助 Carbon，我们进一步抑制了训练过程中走捷径的尝试，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%，作弊尝试率降至 0.4%，同时整体准确率还有所提升。在内部团队参与的真实编码环境中，我们观察到高严重度的未对齐警报减少了近 80%。
• 提高透明度和诚实度： 在内部测试中，Carbon 相比 Argon 将缺乏依据的主张减少约 2x。它会将方法论方面的注意事项直接写入交付物；对于受阻操作，则会明确列出仍需完成的事项并暂不执行，而不是编造内容或对缺失证据含糊其辞。
• 面对模糊情况时改善与用户的协作： Carbon 不会猜测或强行推进，而是在行动前检索相关来源，并向用户指出其中的差异。因此，用户使用 Carbon 时应能获得好得多的协作体验。
• 执行到底且不越界： Carbon 同时将越界行为减少 26%，将服务不足减少 29%；这使得多步骤计划能够在尊重项目约束并严格控制范围的同时，从头到尾得到更可靠的执行。
• 抵御提示注入：此前，Argon 在 Gray Swan 的间接提示注入（IPI）基准测试中领跑提示注入抵御能力，攻击成功率极低，仅为 0.7%；而 Carbon 实现了 0.0%——成功抵御了所有接受评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动技术前沿向前发展，需要在快速行动的同时，对部署保持审慎。有了 Gemini 4 Carbon，我们的目标是在不牺牲安全性或可靠性的前提下，在软件工程和网络安全防御方面实现重大飞跃。我们期待看到首批网络安全防御人员如何使用该模型，也期待很快将 Carbon 推向开发者、企业和消费者。