11 月 10 日消息，谷歌 DeepMind 正式发布新一代旗舰模型 Gemini 4 Carbon，距离上一代 Gemini 4 Argon 上线只隔了两周。在 Artificial Analysis 智能指数 v5 上，Carbon 拿到 59 分排在第一，Argon 是 50 分。
编码智能体仍落后 Opus 5.5 三分
在 Artificial Analysis 的编码智能体指数上，Carbon 得 59 分，比 Argon 的 53 分高出 6 分，但仍落后 Claude Opus 5.5 的 62 分。谷歌说 Carbon 是为长周期自主开发流程设计的，内部团队让它连续跑上几天，遇到死路自己绕开，完成根因分析、大型代码库里难以复现的缺陷修复这类多步任务。谷歌自选的 16 项基准里 Carbon 拿下 15 项第一，网页开发部分在 Arena 上提升了 89 Elo 分。
提示注入归零，代价是更多推理 token
因为网络安全能力突出，Carbon 正在走美国政府的自愿预测试流程，初期只向指定的安全专家开放。在 Gray Swan 的间接提示注入基准上，攻击成功率从 Argon 的 0.7% 降到 0.0%，谷歌同时说明这不代表提示注入问题已经解决，只是这项测试接近饱和。代价体现在开销上：在智能体知识工作基准 AA-Briefcase 上 Carbon 拿到 1609 Elo，比 Argon 高 126 分，但落后 Kimi K3.1 Pro 的 1678 分、Muse Wonder 的 1659 分和 Grok 4.7 的 1638 分。Vals Index v2.2 上 Carbon 准确率 70.36% 排第二，低于 Claude Sonnet 5.5 的 70.85%，高于 Claude Opus 5.5 的 70.18%。谷歌还透露，Gemini 4 Carbon 面向开发者全面开放，价格与 Argon 保持一致。
从时间点看，两周一代的节奏本身就是这条新闻的信息量。谷歌没有在 Argon 之后做长时间观望，而是直接推到 AA 指数榜首，同时把安全评测前置到发布流程里，用自愿预测试换取更完整的漏洞发现与修补能力。价格不变这一点同样关键，意味着开发者迁移到 Carbon 的成本几乎为零，评估变量只剩延迟、消耗和具体任务表现。相比之下，编码智能体那 3 分差距与 AA-Briefcase 上仍落后 Kimi K3.1 Pro 的 69 分，说明 Carbon 在真实长任务上的稳定性还没有完全拉开差距，选型时更该按自己的任务类型实测，而不是只看总榜排名。
延伸阅读
- 上下文争夺成办公 AI 新战场：企业微信引入 WorkBuddy 企业智能体4 周前
- Gemini 3.5 Live Translate 发布：70+ 语言实时语音互译，译文只比原声慢几秒2 月前
- Gemini 4 Argon 机器人版：一图生成 4500 条训练数据4 周前
- 4个Gemini 4 Argon智能体27小时通关《我的世界》3 周前
继续读
同一批更新里这几篇值得一看：
- Gemini Robotics 2.5 上生产线：奔驰产线分拣成功率 96%2026-11-11
- 谷歌 Gemini 记忆摘要开放：可查看编辑删除 18 岁美国用户先行2026-11-11
- 谷歌开源大象金鱼插件：先写规格再让 9 个角色挑错2026-11-10
想快速查定义？对应的词条在这里：
- Gemini 4词条 · AI 自学笔记