Google DeepMind 发布 Gemini 4 Carbon，聚焦网络安全与长程任务

2026年10月28日

|

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。

收听文章

[[duration]] 分钟

本内容由 Google AI 生成。生成式 AI 仍处于实验阶段

今天，我们宣布新一代前沿模型：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。

在最近更新的 v5.0 版 Artificial Analysis Intelligence Index 上，Carbon 以 59 分排名第一。它在编程和智能体任务方面，以及网络安全防御所需的关键能力方面均取得显著提升，在漏洞发现基准 SEC-bench Pro（88.2%）、漏洞利用基准 ExploitGym（54.8%）和补丁修复基准 CWE-bench（71.0%）上稳居领先。在内部基准测试中，Carbon 在生成安全代码方面带来强劲提升；在与我们自身团队协作的实际编程环境中，它表现出更低的偏差和虚构率。

Carbon 基于两周前发布的 Gemini 4 Argon 构建，展现了我们推进前沿的步伐。我们的研究人员与模型正携手并进，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。

我们采取审慎的方式推进发布，并积极参与美国政府自愿的模型发布前测试流程。从本周开始，我们将向部分网络防御者提供 Carbon，并将通过我们的 Fairwind Program 逐步向更多受信任的合作伙伴开放访问。在尽快通过我们的产品渠道向开发者、企业和消费者开放 Carbon 之前，我们将继续收集反馈并迭代完善防护措施。

Gemini 4 Carbon 将以与 Argon 相同的首发价 ¹ 发布：每百万输入 token 2 美元，每百万输出 token 10 美元，缓存输入 token 的价格比输入 token 价格低 95%。

提升面向挑战性长时程任务的编程与推理能力

Carbon 专为应对更困难的长时程工程问题而设计，为持续性智能体工作流而构建。在内部，我们的团队看到 Carbon 连续运行数天，坚持穿越死胡同，处理复杂的多步骤工程任务，例如跨大型代码库和底层系统定位根本原因并修复细微 bug。

基于用户反馈，我们专注于提升模型在多个领域的表现，包括编程、智能体和科学任务，以及全栈网页开发和多模态理解。随着网页开发中输出和产物质量的提升，Carbon 的 Elo 分数跃升 89 分，在 WebDev Arena 上位列第 4 名（1769）。

最先进的网络安全性能，助力构建安全的系统

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

我们的团队已经在网络防御方面看到了显著收益。在内部基准测试中，Carbon 生成安全代码的成功率相比 Argon 提升了超过 2 倍。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。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名列前茅，而这正是 Wiz 的 Scan for Good 计划的一项核心能力。

Carbon 在各项关键外部基准测试（评估时未启用护栏）中均表现出色：

• 发现真实漏洞：网络安全防御的核心在于发现真实漏洞。Carbon 在 SEC-bench Pro 上取得了 88.2% 的最先进成绩，能够自主挖掘出潜藏在真实软件中的复杂缺陷。

• 通过漏洞利用验证风险：为了确定优先修复哪些漏洞、或者是否需要修复，网络防御者越来越多地依赖模型来检查哪些漏洞是可被利用的。Carbon 在热门的漏洞利用基准测试 ExploitGym 上创下了 54.8% 的最新最先进纪录。

• 从根本原因上打补丁：在识别出漏洞之后，修复根本原因最终成为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 71.0%，将经验证的发现直接转化为可用的代码修复。

推进前沿模型的安全与安保

Gemini 4 Carbon 构建在与 Argon 相同的多层安全与安保堆栈之上——结合了模型训练、实时滥用防御、提示注入抵御能力以及思维链监控。尤其是，我们在 Argon 的模型对齐方面取得了重大进展，并在我们的安全与安保报告中报告了其以符合对齐方式行事的倾向。有了 Carbon，我们挑战自己在对齐方面更进一步，训练模型以正确的方式响应复杂或高压任务。

• 减少走捷径和钻空子行为：借助 Carbon，我们在确保高质量编程性能的同时，进一步减少了训练中的走捷径企图。Carbon 将 Terminal-Bench 4.0 上的作弊成功案例降至 0.0%，作弊企图降至 0.4%——与此同时整体准确率还有所提升。在与内部团队的实时编程环境中，我们观察到高严重性的对齐偏差警报减少了近 80%。
• 更高的透明度与诚实度：在我们的内部测试中，Carbon 相比 Argon 将无依据的断言减少了约 2 倍。它会将方法论方面的注意事项直接写入交付成果，或在阻止某项行动时附上清晰的清单说明尚需完成的事项，而不是编造信息或对缺失的证据含糊其辞。
• 面对模糊性时与用户更好地协作：Carbon 不会猜测或强行推进，而是在行动之前检索相关来源并向用户呈现其中的差异——因此，用户应能体验到与 Carbon 更出色的协作体验。
• 贯彻始终而不越界：Carbon 同时将越权行为减少了 26%，服务不足减少了 29%，从而在尊重项目约束并严格保持在范围之内的前提下，端到端地更可靠地执行多步骤计划。
• 抵抗提示注入：此前，Argon 以极低的 0.7% 攻击成功率在 Gray Swan 间接提示注入（IPI）基准测试中位居提示注入抵抗能力榜首，而 Carbon 达到了 0.0% —— 抵御了所有评估的攻击尝试。

即将面向开发者、企业和消费者推出

推动前沿技术向前发展，既需要快速行动，也需要在部署时保持审慎。凭借 Gemini 4 Carbon，我们的目标是在软件工程和网络安全防御方面实现有意义的飞跃，同时不牺牲安全性或可靠性。我们期待看到首批网络防御者如何使用这一模型，并期待尽快将 Carbon 带给开发者、企业和消费者。