Google 发布 Gemini 4 Carbon：安全基准三项第一，先给网络防御者用

Gemini 4 Carbon 官方头图：多面晶体与数字 4 — Gemini 4 Carbon 官方头图。图片来源：Google 官方博客。

Google DeepMind 在 2026 年 10 月 28 日宣布了下一代前沿模型 Gemini 4 Carbon，定位是“我们最强的模型”，主打网络安全与长时任务能力。这是继两周前发布的 Gemini 4 Argon 之后的又一次迭代，Google 称这体现了“研究人员与模型携手推进前沿”的速度。

需要注意的是，这是一次分阶段、有门槛的发布：本周先提供给“一部分网络防御者”，再通过 Fairwind Program 逐步扩大到更多受信任的合作伙伴；开发者、企业与普通用户要“尽快”通过产品界面获得，但公告没有给出具体时间。Google 同时表示，正在参与美国政府的自愿性发布前模型测试流程，并在收集反馈、迭代防护措施。

安全三项基准，Google 称均为“最强”

Carbon 在 Artificial Analysis Intelligence Index v5.0 更新版中排名第一，得分 59。更受关注的是网络安全防御全链路的三项外部基准——Google 明确说明，这些基准是在无防护措施（without guardrails）条件下评测的：

发现真实漏洞：SEC-bench Pro 88.2%，自主发现埋藏在真实软件中的复杂缺陷。
验证风险、确认可利用性：ExploitGym 54.8%，在热门利用基准上创下新高。
在根因处修复：CWE-bench 71.0%，把已验证的发现直接转成可用的代码修复。

Gemini 4 Carbon 与其他模型的基准对比表 — Gemini 4 Carbon 基准对比表。图片来源：Google 官方博客。

内部基准方面，Google 称 Carbon 生成安全代码的成功率比 Argon 提升 2 倍以上；Chrome 团队报告，Carbon 生成高质量补丁的表现比“另一家实验室的大型前沿模型”好 10 倍以上；云安全平台 Wiz 也观察到 Carbon 在 Web 渗透测试基准上领先。这些都是 Google 单方面的说法，尚待独立验证。

长时工程任务：能连续跑几天，扛住死胡同

Carbon 被设计用来处理更难的长时工程问题，服务于持续的智能体工作流。Google 称，内部团队已经看到 Carbon 连续运行数天、穿过死胡同，去处理跨大型代码库与底层系统的复杂多步骤任务，例如定位并修复细微 Bug。

在通用能力上，公告提到编码、智能体任务与科学任务均有改进，全栈 Web 开发的输出质量与产物也有提升：WebDev Arena 上涨 89 个 Elo 分，达到第 4 名（1768 分）。

安全与对齐：作弊归零、提示注入 0.0%

Carbon 沿用 Argon 的多层安全栈：模型训练、实时滥用防御、提示注入韧性与思维链监控。公告给出的内部测试数字包括：Terminal-Bench 4.0 上成功作弊率降至 0.0%，作弊尝试降至 0.4%，同时整体准确率提升；内部真实编码环境中，高严重度错位警报下降近 80%；不支持的主张减少约 2 倍；过度执行减少 26%、服务不足减少 29%；Gray Swan 间接提示注入基准上，攻击成功率从 Argon 的 0.7% 降至 0.0%，即抵御了全部受评攻击尝试。

这些数字同样来自 Google 的内部测试。结合本站此前介绍的 OpenAI GPT-6.1 Terra 发布与 Liquid AI LFM3 开源模型来看，2026 年 10 月底的前沿模型竞争，已经从单纯的基准分数，转向“长时任务 + 安全防御 + 分阶段交付”的组合比拼。