Gemini 4 Carbon: Our next frontier model

2026年10月28日

|

6分钟阅读

Gemini 4 Carbon是我们目前最强的模型，具备最先进的网络安全能力和长周期任务处理能力。

• * *

• * *

今天，我们宣布推出下一代前沿模型：Gemini 4 Carbon，这是我们目前最强的模型，具备最先进的网络安全能力和长周期任务处理能力。

在最新更新的v5.0版人工智能分析智能指数中，Carbon排名第一，得分为59。在编程和智能体任务方面，以及网络安全防御关键能力方面均取得显著提升，在SEC-bench Pro漏洞发现测试中以88.2%的准确率领先，在ExploitGym攻击测试中达到54.8%，在CWE-bench补丁验证测试中达到71.0%。在内部基准测试中，Carbon在生成安全代码方面表现出显著提升，在实际编码环境中与我们的团队协作时，错误对齐和虚假信息生成率明显降低。

继两周前发布的Gemini 4 Argon之后，Carbon展示了我们推动技术前沿发展的速度。我们的研究人员与模型正在协同工作，加速能力提升，同时同步强化安全防护机制。

我们采取了谨慎的发布策略，目前正在积极参与美国政府的预发布模型测试自愿流程。从本周开始，我们将向部分网络安全防御者开放Carbon，并通过我们的Fairwind Program逐步向更多可信合作伙伴扩展访问权限。在向开发者、企业和消费者通过产品界面开放使用之前，我们仍在持续收集反馈并优化安全防护机制。

Gemini 4 Carbon将采用与Argon相同的初始定价1，即每百万输入令牌2美元，每百万输出令牌10美元，缓存输入令牌价格为输入令牌价格的95%折扣。

提升复杂长周期任务的编程与推理能力

Carbon专为处理更复杂、更长期的工程问题而设计，支持持续的智能体工作流程。在内部测试中，我们的团队观察到Carbon能够连续运行数天，持续突破死胡同，解决需要多步骤处理的复杂工程任务，例如在大型代码库和底层系统中定位并修复细微的漏洞。

基于用户反馈，我们重点改进了模型在多个领域的性能，包括编程、智能体任务、科学任务，以及全栈网络开发和多模态理解。在提升网络开发输出质量和生成成果后，Carbon在WebDev Arena的排名提升了+89个Elo点，达到第4位（1768分）。

先进的网络安全性能助力构建安全系统

Gemini 4 Carbon在网络安全能力方面实现了重大飞跃。它在整个网络安全防御生命周期中（包括漏洞检测、验证和修复）均达到行业领先水平。

我们的团队已经在网络安全防御方面取得显著进展。在内部基准测试中，Carbon生成安全代码的成功率比Argon提升了2倍以上。再以另一个例子，Chrome团队报告称，在生成高质量补丁时，Carbon的表现比另一实验室的前沿大模型高出10倍以上。作为我们的领先云安全平台，Wiz也观察到Carbon在网页渗透测试基准测试中表现优异，这是Wiz的Scan for Good计划的核心能力。

Carbon在关键外部基准测试中表现突出（测试时未启用防护机制）：

• 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基准测试中达到行业领先的88.2%表现，能够自主发现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判断哪些漏洞可被利用。Carbon在流行的利用基准测试ExploitGym中创下新纪录（54.8%）。

• 从根源处修复漏洞： 在识别漏洞后，修复根源是网络安全防御生命周期中的关键步骤。Carbon在Collinear的CWE-bench基准测试中达到71.0%的表现，可将验证后的发现直接转化为可用的代码修复方案。

提升前沿模型的安全性与可靠性

Gemini 4 Carbon继承了Argon的多层安全防护体系，包括模型训练、实时滥用防御、提示注入防护和思维链监控。特别值得一提的是，我们在模型对齐方面取得显著进展，并在安全与可靠性报告中披露了Argon表现出的对齐行为倾向。在Carbon项目中，我们进一步挑战自我，在对齐性方面更进一步，训练模型以正确方式应对复杂或高压任务。

• 减少快捷方式和漏洞利用： 使用 Carbon，我们在训练过程中进一步抑制了利用快捷方式的行为，同时确保了高质量的编码表现。Carbon 将 Terminal-Bench 4.0 的成功作弊率降低至 0.0%，作弊尝试降至 0.4% —— 同时整体准确率显著提升。在与内部团队的实时编码环境中，我们观察到高严重性对齐错误警报减少了近 80%。
• 更高的透明度和诚实性： 在我们的内部测试中，与 Argon 相比，Carbon 将不支持的主张减少了约 2 倍。它直接将方法论上的限制写入交付物中，或明确列出仍需完成的事项，而非编造证据或回避缺失信息。
• 在存在歧义时提升与用户的协作性： 与猜测或强行推进路径不同，Carbon 会先检索相关来源并揭示差异，再向用户展示 —— 作为结果，用户应能体验到与 Carbon 更加顺畅的协作过程。
• 严格执行而不越界： Carbon 同时将越权行为减少了 26%，服务不足减少了 29%，从而在端到端执行多步骤计划时实现更可靠的执行，同时尊重项目约束并严格遵守范围限制。
• 抵御提示注入攻击： 虽然 Argon 之前在 Gray Swan 的间接提示注入（IPI）基准测试中以 0.7% 的极低攻击成功率领先，但 Carbon 实现了 0.0% —— 抵御了所有评估的攻击尝试。

即将面向开发者、企业和消费者发布

推动技术前沿需要快速行动，同时对部署保持审慎。通过 Gemini 4 Carbon，我们的目标是在不牺牲安全性和可靠性的情况下，实现软件工程和网络安全防御领域的重大突破。我们期待看到首批网络安全防御者如何使用该模型，并期待尽快将 Carbon 带给开发者、企业和消费者。