獨立評測把 Gemini 4 Carbon 排到智力指數第一名，分數 59。公開的 Google API 目錄裡，這顆模型還沒有可以填進請求的型號名稱。
Koray Kavukcuoglu——Google DeepMind 資深副總裁兼 Google 首席 AI 架構師——在官方部落格寫：Carbon 是目前最強的 Gemini，專長寫成兩句，前沿 網路安全 與長時程任務。它蓋在兩週前才對開發者開賣的 Gemini 4 Argon 上面。這週先給一小批網路防禦者；之後再經 Fairwind Program 慢慢加受信任夥伴。開發者、企業、消費者產品，官方寫「as soon as possible」，沒有日期。公司說正在參加美國政府自願性的前沿模型發布前測試。
導入價跟 Argon 同一張表：每百萬 Token 輸入 2 美元、輸出 10 美元，快取輸入再打九五折。腳註寫，導入期結束後改成 4／20。Argon 的導入期釘在 11 月 30 日；Carbon 這次沒寫截止日期。參數數量、訓練資料、技術報告，發布文都沒附。Artificial Analysis 把 上下文窗口 記成 100 萬 token，多模態輸入含文字、影像、影片、語音，輸出只出文字；這份獨立頁也標「No publicly available API」。
兩週前 Argon 才剛進 Pro 與付費 API，站內寫過 model ID、11 月 30 日價目日曆、Antigravity 仍鎖 Ultra。更早那篇 Fairwind 預覽寫過導入 2／10、獨立智力 53。中間那篇內部測 Carbon，員工側寫說寫程式像 Opus 5.5，當時沒價格、沒分數。這次分數來了，入口卻又縮回 Fairwind。
官方表幾乎全贏，兩格還是輸
Google 自己那張對照圖，Carbon 在 17 列裡拿了 15 列最高。Artificial Analysis 新改的智力指數 v5.0 把 Carbon（高推理）排第一，59 分；Claude Opus 5.5 58、GPT-6 Astra 57、Argon 50。這版指數換過題組，60% 用私有測項或扣住答案，不能跟舊版 53 那種分數直接比。
| 基準 | Argon | Carbon | Astra | Opus 5.5 |
|---|---|---|---|---|
| AA 智力指數 v5.0 | 50 | 59 | 57 | 58 |
| Vals Index v2.2 | 69.2% | 70.4% | 65.0% | 70.2% |
| SWE-sweep | 4.3% | 9.6% | 9.5% | 3.6% |
| FrontierSWE 2 | 55.0% | 61.2% | 65.5% | 62.3% |
| Terminal-Bench 4.0（AA） | 57.1% | 65.2% | 59.1% | 59.6% |
| Agents' Last Exam v1.1 | 69.0% | 77.4% | — | — |
| OSWorld-2.1 離線子集 | 74.7% | 81.5% | — | 87.2% |
| AutomationBench | 51.3% | 53.9% | — | — |
| GraphWalks（25.6 萬至 100 萬 token） | 84.2% | 96.2% | 71.8% | 66.8% |
| Terminal-Bench-Science 0.1 | 52.9% | 64.8% | — | — |
| SEC-bench Pro | 83.4% | 88.2% | — | — |
| ExploitGym | 42.0% | 54.8% | — | — |
| CWE-bench | 68.0% | 71.0% | — | — |
寫程式那兩格沒有一面倒。SWE-sweep 上 Carbon 9.6%，只比 Astra 的 9.5% 多 0.1 個百分點，但比 Argon 的 4.3% 多一倍有餘。FrontierSWE 2 上 Astra 仍第一，65.5%，Carbon 61.2%，Opus 62.3%。電腦使用那格，Opus 在 OSWorld 離線子集拿 87.2%，Carbon 81.5%。企業工作流的 AutomationBench 只從 51.3% 走到 53.9%。Vals 更窄，70.4% 對上 Opus 的 70.2%。
長上下文那格差距最大。GraphWalks 測的是 25.6 萬到 100 萬 token 的圖走訪，Carbon 96.2%，Astra 71.8%，Opus 66.8%。這是評測分數，不是生產環境配額證明。官方發布文沒有另寫 Carbon 的輸入上限、預設輸出上限、工具呼叫計費。Argon 開發者文件寫過統一 100 萬上下文、預設輸出 65,536、長解碼可續寫；Carbon 不能直接拿那張表去下單。
WebDev Arena 官方寫 Carbon 跳了 89 個 Elo，排到第 4、1768 分。Vending-Bench 2 上 Carbon 帳戶餘額 16,484 美元，Argon 13,718，Astra 15,515。Andon Labs 說 Google 一年後重新拿回這張模擬販賣機榜第一。評測員還引了 Carbon 自己寫的一句：「My priority is to maximize my profits and obliterate my competition。」那是基準對白，不是客戶營收。
防禦三步都報了新高，測的時候沒開護欄
Kavukcuoglu 把資安寫成三步：找洞、驗證能不能被利用、把根因補上。外部基準（官方括號寫 evaluated without guardrails）是這三個數字：
SEC-bench Pro 88.2%，自主在真實軟體裡找複雜缺陷，對上 Argon 的 83.4%。ExploitGym 54.8%，對上 42.0%，這格跳得最大。Collinear 的 CWE-bench 71.0%，對上 68.0%。找可疑程式碼、證明能打進去、交出能過的修補，是三件不同的事。官方把三格都放上來，等於承認只報「發現率」不夠。
內部數字另外兩條。生成安全程式碼的成功率，相對 Argon 超過兩倍。Chrome 團隊說，產出高品質修補時，Carbon 比「另一間實驗室的大型前沿模型」好超過十倍；對手沒點名，底稿也沒公開。Wiz——Google 的雲端資安平台——說 Carbon 在網頁滲透測試基準領先，這項能力接到 Wiz 的 Scan for Good。Argon 放行時 Wiz 已經用過無護欄版掃公共基礎設施；Carbon 這次是把同一條防禦產品線再往上推一檔，不是新開一條業務。
沒開護欄測出來的分數，不代表付費 API 用戶之後拿到同一組行為。Fairwind 防禦夥伴要的，就是能自主找洞、驗證、打補丁的那份。一般開發者若哪天從公開目錄調到 Carbon，預設幾乎可以肯定是拒絕「幫我寫攻擊」的那份。兩份權重不是同一個產品。Argon 公開放行那篇已經把這條路寫過一次：無護欄走 Fairwind，公開 API 走有護欄的 gemini-4-argon。Carbon 現在連有護欄的 model ID 都還沒有。
獨立榜把「第一名」拆成三塊
Artificial Analysis 自己的文章把 Carbon 的領先範圍寫窄。智力指數九項裡，它在四項拿第一：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA。寫程式與知識工作有明顯進步，但不是項項第一。
編碼代理指數另算。Carbon 走 Antigravity CLI、高推理，拿 59，只比 Claude Code 配 Opus 5.5（max）的 62 少 3 分。Google 過去這張榜常常落後，這次擠到第二。細項：FrontierCode v1.1 51%、Terminal-Bench 4.0 64%，兩格都排第二，Opus 5.5 max 在 FrontierCode 是 56%。SWE-Atlas-QnA-AA 64%，Muse Code 配 Muse Wonder Full 69%。Antigravity CLI 上的 64%，跟 Google 對照表寫的 Terminal-Bench 4.0 65.2%，評測環境不同，不要混成一個數。
知識工作的 AA-Briefcase，Carbon 高推理 1,609 Elo，比 Argon 高推理的 1,483 多 126。它仍低於 Grok 4.7（xhigh，1,638）、Muse Wonder（max，1,659）、Kimi K3.1 Pro（1,678）。簡報品質跳最多，加 293 Elo 到 1,598；分析品質加 120 到 1,671。進步對得上 Argon，還對不上這張專業文書榜的前段。
事實知識更繞。AA-Omniscience v1.1，Carbon 54 分，準確率 58%，對上 Argon 的 46 分、48% 正確。幻覺率卻從 Argon 的 4% 升到 11%。評測定義是「錯答 ÷（錯答＋部分正確＋拒答）」，11% 不是「全部答案有一成是編的」。同一套算法下，Opus 5.5 max 與 Astra max 的幻覺率都是 50%。Carbon 在這張綜合分上第一，在幻覺分項上卻比 Argon 差。Google 內部另報「沒根據的主張」大約砍半，那是另一套內部尺，對不上 AA 這格。
標準價（4／20）下，AA 把 Carbon 單題智力成本算成 7.76 美元，比 Opus 5.5 max 的 10.04 美元少約 23%，比 Astra max 的 6.25 美元貴約 1.2 倍。每題輸出約 12.3 萬 token，比 Opus 的 17.3 萬少 29%。同一檔 4／20，Argon 單題 7.68 美元，智力卻少 9 分。AA 所有圖都用標準價，不把導入五折算進去。輸出速度頁面寫 92.4 token／秒，標成「based on Google's API」；同一頁又寫沒有公開 API。速度數字從哪條內部或夥伴端點來，評測頁沒拆。
對齊數字寫了一排，模型卡還沒出
官方把安全棧寫成跟 Argon 同一套：訓練、即時濫用防禦、抗提示詞注入、監視思維鏈。Carbon 額外強調高壓、複雜任務上要「用對的方式回應」。
Terminal-Bench 4.0 上，成功作弊 0.0%，嘗試作弊 0.4%，同時整體正確率有升。內部寫程式環境裡，高嚴重對齊失配告警大約少了 80%。越權少 26%，服務不足少 29%。Gray Swan 間接提示詞注入基準，Argon 攻擊成功率 0.7%，Carbon 寫成 0.0%，官方稱擋下此次評測裡每一次。0.0% 只對這次測過的攻擊成立，不是對每個倉庫、網頁、文件裡的惡意指示免疫。
Former Windsurf、現在管 Google Antigravity 的 Varun Mohan 在 X 上寫，內部用 Antigravity 跑最難的任務，反應不錯；存取會先經 Fairwind 再擴到更廣的 Antigravity。他給了一個產品目的地，沒給日期。發布文沒有模型卡、沒有獨立紅隊測試完整報告、沒有像 Argon 那樣列出生物子任務解出比例。Sundar Pichai 在 X 上轉述智力 59、資安三格，以及「long-horizon 相對 Argon 有明顯進步」。行銷句有了，規格附件沒有。
價目表對得上，到期日對不上
| 每百萬 token | Carbon | Argon |
|---|---|---|
| 導入輸入 | 2 美元 | 2 美元 |
| 導入輸出 | 10 美元 | 10 美元 |
| 導入快取輸入 | 約 0.10 美元（輸入打九五折） | 0.10 美元 |
| 後期輸入 | 4 美元 | 4 美元 |
| 後期輸出 | 20 美元 | 20 美元 |
| 導入期結束 | 沒寫 | 11 月 30 日 |
十百萬未快取輸入加一百萬輸出，導入期帳單 30 美元，後期 60 美元。這只是單價乘量，不含重試、工具指令、Search grounding 查詢費，也不含推理檔把輸出 token 灌大的那一段。Argon 文件寫過輸出含推理 token，低／中／高推理會改消耗與延遲；Carbon 發布文沒有對等的計費細則，也不能假設快取機制跟 Argon「只做自動快取、不支援顯式建立」同一套。
單位價格相同，不代表做完同一份工程或資安任務比較便宜。官方沒給 Carbon 的 token 消耗、重試率、跑完一題要多久。AA 用標準價算出單題 7.76 美元，幾乎跟 Argon 的 7.68 打平，換來智力指數加 9。導入五折若真能用在你拿到的那條端點上，帳單會再砍一半；問題是，現在多數人根本沒有端點。
這週誰按得到
官方時間表只有三層。這週：一小批網路防禦者。接下來：Fairwind 受信任夥伴分批加。之後：開發者、企業、消費者產品，「盡快」。沒有 Gemini app、沒有 AI Studio 型號、沒有 Vertex 公開 ID、沒有 Antigravity 一般 Ultra 開關。Argon 現在還是能買到的那顆旗艦：付費 API 的 gemini-4-argon、Pro／Ultra 在 app 裡能選，Antigravity 完整開發器仍要 Ultra。
對採購來說，這次更新改的是「下一顆叫什麼、榜上多幾分」，不是這週的帳單。要把 Carbon 寫進正式評估，至少要先有這幾樣：官方 model ID、地區與配額、護欄版本（Fairwind 無網路護欄 vs 公開拒絕版）、導入期截止日、以及用自己倉庫裡已經失敗過的長任務對打 Argon、Astra、Opus 5.5。只看智力 59 或「比另一間實驗室好十倍」，不夠下單。
內部測 Carbon 那篇寫過，任何現在賣「Gemini 4 Carbon 額度」的帳號，賣的是標籤。官方公告出了分數與價目，標籤變貴了，入口仍是審核制。Argon 從 Fairwind 走到公開 API 花了兩週。Carbon 會不會走同一條日曆，發布文沒答應。