Google 內部測 Gemini 4 Carbon：員工說寫程式像 Opus 5.5；Argon 仍無 API ID，Carbon 沒價格沒分數

Google 員工這幾天在內部寫程式平台 Jetski 上，測到一個叫 Carbon 的 Gemini 4 檢查點。Business Insider 看到文件、截圖與內部聊天：有人寫「Carbon is really good!」，有人寫「New Gemini pro next model feels kinda nice」，還有人對記者說，寫程式「feels like Opus 5.5」。同一句後面立刻補了但書：還要再測。Google 拒評。

對外能核到的產品名字，仍是 Gemini 4 Argon。它在官方部落格裡已經有導入價、輸出上限與 Fairwind 的分期放行，但到現在都沒有一個可以放進請求裡的模型 ID。Carbon 連這層都沒有：沒有 API、沒有價格、沒有模型卡、沒有獨立榜。任何現在賣「Gemini 4 Carbon 額度」的帳號，賣的是標籤。

員工在 Jetski 上測到的，和對外講的不是同一個檢查點

Business Insider 的核心事實可以壓成四句。第一，Google 內部同時測過多個 Gemini 4 變體，文件裡出現 Argon、Barium、Carbon。第二，Carbon 這幾天被放到 Jetski，員工主要拿它寫程式。第三，對外即將放行、或已經對防禦夥伴放行的 Argon，內部文件寫成檢查點 Barium-B。第四，Carbon 之後會不會掛上 Argon 這個公開名字、還是另開一個 Gemini 4 型號，文件沒有寫死，報導也寫「無法確定」。

這四句裡，能力判斷最薄、也最容易被標題放大。一名員工對記者說 Carbon 寫程式「感覺像 Opus 5.5」，指的是 Anthropic 現在用來扛長程代理寫程式的旗艦 Claude Opus 5.5；同一人說還要再測。聊天室另有「feels comparable」與「really good」。The Decoder 與 TestingCatalog 後續轉述，都回到同一篇 Business Insider，沒有第二家媒體獨立核到同一句員工評語，也沒有任何人拿出可重跑的題組。

早期 Argon 檢查點在內部的評價是另一條線。整體反饋偏正面，但有員工覺得部分寫程式任務比較接近較舊的 Claude Opus 5，而不是現在的 5.5。Bloomberg 先前也寫過：部分 Google 員工覺得 Gemini 4 日常寫程式與前端設計，沒有官方基準分數看起來那麼服人；Google 當時否認這項描述。Carbon 被拿出來講的原因，正是這條內部落差：對外要賣的那一版，工程師自己還在用下一版補。

員工說 Carbon 寫程式「感覺像 Opus 5.5」。這是手感，不是分數。Google 拒評，也沒保證會放出這一版。

Jetski 在後續追蹤裡被寫成 Antigravity 的內部名字。Antigravity 是 Google 給工程師用的代理寫程式環境；TestingCatalog 另寫到，近期組建把代理從 Concierge 改名叫 Chief of Staff。這條產品線跟 Carbon 是不是同一套發佈計畫，官方沒有對上。能確定的只有使用場景：Carbon 被拿去寫程式，不是被拿去跑圖像或語音。

週期表名字怎麼對：Argon、Barium-B、Carbon

Google 的內部代號跟公開名字本來就不整齊。Business Insider 寫明：內部文件把 Barium-B 標成「將以 Argon 這個公開名字放行」的那一版。Carbon 是旁邊另一個檢查點，員工有人叫它「Gemini pro next model」。The Decoder 據此判斷，Carbon 與 Barium 比較像 Argon 家族裡的更新，而不是另開一個付費層；同一篇也寫，會不會以 Argon 更新、還是獨立型號出貨，仍不清楚。

這套命名要跟產品表分開看。Google 在 Gemini agent 的企業說明裡，把模型對到工作：Argon 負責前沿推理，Flash 負責速度與量大，Omni 負責生成媒體，Gemma 負責輕量開源與端側。Argon 在這張表上的位置，對得上 Anthropic 的 Opus、OpenAI 的 Astra，不是 Flash。先前一篇站內稿寫過 Gemini agent 進企業通訊錄：同一套代理可以在 Gemini 家族與 Claude 之間調度。那篇講的是工作入口；這篇講的是入口後面，工程師自己已經在測下一顆檢查點。

公開產品名是決策，不是權重檔名。Barium-B 被選去當 Argon，只說明 Google 願意把哪個檢查點貼上要賣的標籤。Carbon 就算內部比較好用，仍可能永遠不叫 Carbon，也可能永遠不出貨。Business Insider 寫過這句：Google 不保證會放出這些更新。

能核到的一半：Argon 的價格、視窗、獨立分數

Carbon 沒有數字。要把「像 Opus 5.5」放回可核對的座標，只能先把 Argon 與 Opus 5.5 的公開規格攤開。Google DeepMind 執行副總裁、Google 首席 AI 架構師 Koray Kavukcuoglu 在官方公告裡寫：Gemini 4 Argon 先給 Fairwind 計畫裡一組受信任的網路防禦者，之後再擴到開發者、企業與消費者，順序是付費 API 客戶與 Google AI Ultra 訂戶。官方沒給後續日期。站內先前寫過 Argon 先給 Fairwind、獨立智力 53，那篇之後到現在，可呼叫的模型 ID 仍然沒出現。

官方規格能核到這些。導入價每百萬輸入 Token 2 美元、輸出 10 美元，快取輸入打 95 折，也就是導入期快取輸入約 0.10 美元。導入期結束後，官價升到輸入 4 美元、輸出 20 美元。輸入 上下文窗口 100 萬 token，輸出上限從先前 6.4 萬升到 100 萬。參數數量 Google 沒公布，Gemini 歷代也都沒公布。

官方基準表把 Argon 寫成多項第一。DeepSWE v1.1（長程真實軟體工程）77.9%，對上 GPT-6 Astra 74.1%、Claude Opus 5.5 74.2%。Vals Index（依美國 GDP 權重的知識工作）68.9%。AutomationBench 51.3%。Harvey Legal Agent Benchmark 19.6%。CWE-bench v1（漏洞修復）68%，與 Astra 並列。LVBench（長影片理解）91.7%。同一張表也留下缺口：FrontierSWE v2 上 Argon 55.0%，低於 Astra 65.5% 與 Opus 5.5 的 62.3%；Terminal-bench 4.0 上 Argon 57.4%，Opus 5.5 是 66.4%。

獨立機構 Artificial Analysis 的讀法比較保守。智力指數在最高推理檔上，Argon 拿 53，與 Astra、Claude Fable 5.1 打平，比 Gemini 3.1 Pro 高 23 分；Opus 5.5 是 58，Sonnet 5.5 是 56。Futurum 轉述同一套指數，並補了 AA-Omniscience：幻覺 率 Argon 15%、Astra 51%，但 Argon 在同一測驗上的正確率低 Astra 13 個百分點。低幻覺有一部分來自「比較願意說不知道」。對法律與財務這類「講錯比不講更貴」的工作，這是可核到的產品差異，不是口號。

Opus 5.5 的公開價格與視窗，來自 Anthropic 產品頁與先前站內稿 Claude Opus 5.5 開賣：輸入 4 美元、輸出 20 美元，快取讀取 0.20 美元，輸入 100 萬 token、輸出上限 12.8 萬。這也是 Carbon 被拿來對照的那一側。對照能成立，是因為這一側有 ID、有價、有人測過；Carbon 那一側目前什麼都沒有。

單次任務不一定比較便宜

導入價 2／10，看起來比 Astra 的 10／50 便宜很多，也跟 Opus 5.5 的 4／20 導入期對得上。Artificial Analysis 拆過另一個數字：Argon 平均每次任務吐約 6.2 萬個輸出 token，Astra 約 2.7 萬。Futurum 用這組數字換算：導入價下單次任務約 1.99 美元，大約是 Astra 的六成；導入期結束後升到約 3.98 美元，反而比 Astra 貴約兩成。100 萬輸出上限若一次跑滿，導入期光輸出就要約 10 美元，官價約 20 美元。

這跟 Carbon 沒有直接價格關係，因為 Carbon 還沒有價。它改變的是採購問題的順序。若 Carbon 之後被貼成 Argon 更新、沿用 2／10 或 4／20，工程師在意的會是每次任務吐多少 token，不是價目表第一行。若 Carbon 另開一層、對齊 Opus 5.5 的手感去定更高的價，那又是另一張表。現在兩種假設都沒有官方數字可以選。

TestingCatalog 另從 Antigravity 2.0 Insiders 組建讀到一組尚未官宣的視窗選單，只在基底模型是 Gemini 4 Argon 時出現：預設 25.6 萬 token，51.2 萬大約每輪吃 1.3 倍配額，90 萬大約 1.8 倍，後兩檔帶「Expensive」標記。這不是 API 價目表，是產品內的配額乘數。官方公告的 100 萬輸出上限，講的是單次長跑能寫多長；Antigravity 這組選單講的是每一輪要扣多少額度。兩邊都還沒對上公開 API 的計費頁。Google 沒有承認這組字串。

「感覺像 Opus 5.5」現在承擔不了採購決定

把標題寫成「追平 Opus 5.5」，會漏掉報導自己寫的限制。手感來自匿名員工、單一媒體、尚未公開的內部環境。Opus 5.5 在 Artificial Analysis 智力指數仍高 Argon 5 分；在 Google 自己的 Terminal-bench 4.0 表上，Opus 5.5 高 Argon 9 分。Carbon 若真的把寫程式這一段補到員工口中的 5.5，它補的是內部感覺到的缺口，不是已經被外部榜單承認的領先。

開發者現在能做的，也不是去找 Carbon。OrcaRouter 這類路由目錄查 Gemini 4 Argon 與 Carbon 都是空的，會一直空到 Google 放出可呼叫識別碼。現在能放進同一把金鑰、用同一套題去打的，仍是 Opus 5.5 與 Astra。團隊若已經把最重的寫程式流量壓在 Claude，這次外洩給的理由是「把評測工具留著」，不是「下週改路由」。

Google 產品面已經在為下一檔做位子。Gemini 應用程式出現 3 系列的 Automatic 模式，以及低、中、高的推理強度。Google AI Studio 露出 Ultra 模式，文案寫「進階技能與工具」。Gemini 產品負責人 Logan Kilpatrick 對外說，團隊還在把 Argon 的能力榨出來。這些是公開產品改動，不是 Carbon 的規格。它們說明 Google 認為 Argon 這條線會進應用與 Studio，但進哪一個檢查點、什麼時候進，官方沒寫。

遞迴自我改進這句話能承載多少

Google DeepMind 員工 Vedant Misra 在 X 上回 Business Insider 的報導，寫了一句「Have you heard of recursive self improvement」。The Decoder 把它讀成：用 AI 幫自己做出下一版模型，節奏快到有點像 Flash 系列那種連續檢查點。Misra 的公開履歷寫他在 Gemini 核心團隊、先前在 OpenAI 做推理與 Codex。這句話是員工個人帳號，不是 DeepMind 新聞稿。

遞迴自我改進（recursive self-improvement）在安全討論裡，通常指模型強到可以改自己的訓練與搜尋流程，能力曲線可能在人類來不及設閘門時變陡。把它接在「內部多了一個寫程式比較順的檢查點」後面，跨度很大。能核到的較小說法是：前沿實驗室都在用模型幫忙寫訓練程式、篩資料、跑 強化學習 迴圈，迭代週期比一年前短。OpenAI 與 Anthropic 公開講過類似方向。不能核到的較大說法是：Google 已經跨過「智力爆炸」那條線。Misra 那句是暗示，不是實驗紀錄。

對齊 與放行速度在 Argon 這條線上是綁在一起的。官方寫過四件事還沒放寬就不會全面上市：防濫用（含網路與 CBRN）、抗間接 提示詞注入、監控思維鏈與動作以免越權、以及把高風險訓練與評測封進更硬的沙盒。Fairwind 這一波對受信任防禦者拿掉一般網路護欄，就是因為官方把 Argon 的網路安全能力寫得很滿。Carbon 若真的更會寫程式，同一套護欄問題只會更硬，不會比較軟。Google 沒有對 Carbon 發表安全評估。

開發者與採購現在能驗證的，只有對手那一側

對要付錢的人來說，這次外洩改變的是時間表預期，不是這週的帳單。Argon 還在 Fairwind：Futurum 寫過程式超過 650 個夥伴，使用限內部資安、事故應變或滲透測試團隊，並要求多因素驗證。付費 API 與 AI Ultra 的擴大，TestingCatalog 寫過「可能最快下週」，Google 自己沒給日期。Carbon 只在內部。Business Insider 把這整波放在 Google 必須證明自己還能在工程師愛用的寫程式代理上追上 Anthropic 與 OpenAI；證據目前是聊天室手感。

內部已經拿 Argon 做過的事，官方寫得很具體，但那是 Barium-B／Argon，不是 Carbon。量子演算法最佳化有一例比已發表基線少 40% 時空資源。資料中心記憶體最佳化已釋出逾 300 TiB，估計總共可到 500 TiB 至 1 PiB。C/C++ 遷到 Rust 的代理任務，從 re2、libgav1 核心庫到 Fuchsia Zircon 核心逾 80 萬行；libgav1 的 SIMD 被換成編譯器能自動向量化的安全 Rust，速度是既有 Rust 移植的 2.7 倍，輸出畫面相同。Wiz（Google 先前收購）用 Argon 在醫院使用的醫療軟體裡找到先前前沿模型沒抓到的個資暴露。這些數字全是 Argon 的內部與夥伴案例。Carbon 一篇都沒有。

中國開源側也還沒被這次外洩改寫。Futurum 引同一套獨立指數：Moonshot Kimi K3 約 44、智譜 GLM-5.3 約 45，比 Argon 的 53 低八到九分。Carbon 若之後公開，第一個該對的仍是 Opus 5.5 與 Astra，不是這兩顆。在那之前，把 Carbon 寫進路由表沒有意義。

採購端現在能做的驗證很窄。第一，自己的寫程式題組先對 Opus 5.5 與現有 Gemini 3.8／Flash 跑出基線，等 Argon 出現模型 ID 再加一欄，不要先為 Carbon 改契約。第二，看的是每次任務總 Token 計費，不是每百萬 token 單價；Argon 已經示範過「單價低、吐字多」。第三，Antigravity 或 Workspace 代理若露出 Argon 視窗檔位，要把 1.3 倍、1.8 倍配額算進額度，不要當成免費加長。長上下文 在這裡是配額，不是贈品。第四，任何「已有 Carbon 端點」的轉售，當詐騙處理，直到 Google 自己的模型清單出現識別碼。

Google 員工可以先用下一顆檢查點寫程式。外面的人還在等第一顆檢查點變成可以呼叫的名字。Carbon 這三個音節現在能證明的，比較像 Google 內部迭代沒停，而不是市場上已經多了一個打得過 Opus 5.5 的產品。