Gemini 4 Carbon 发布：网络安全与长程任务能力获突破

今天，我们宣布发布下一代前沿模型：Gemini 4 Carbon——我们目前最强大的模型，在网络安全和长程任务能力上达到了业界领先水平。

在最新更新的 v5.0 Artificial Analysis Intelligence Index 上，Carbon 以 59 分排名第一。它在编程和 agent 任务上有显著提升，在网络安全防御的关键能力上表现尤为突出：在漏洞挖掘基准 SEC-bench Pro 上取得 88.2%，在漏洞利用基准 ExploitGym 上取得 54.8%，在补丁修复基准 CWE-bench 上取得 71.0%，均稳居领先。在内部基准测试中，Carbon 在生成安全代码方面提升明显；与我们自己的团队在实际编程环境中的使用也表明，它的对齐偏差和幻觉率都有所降低。

Carbon 建立在今年两周前发布的 Gemini 4 Argon 之上，展现了我们推进前沿技术的速度。我们的研究人员与模型正密切协作，加快能力突破，同时同步强化安全防护措施。

我们采取审慎的发布策略，并积极参与美国政府针对发布前模型测试的自愿流程。从本周开始，我们将向部分网络防御者开放 Carbon，并通过 Fairwind Program 逐步扩大面向更多可信合作伙伴的访问范围。在通过我们的产品渠道向开发者、企业和消费者正式开放之前，我们会持续收集反馈、迭代完善安全护栏，争取尽快推出。

Gemini 4 Carbon 的定价将与 Argon 的发布价一致 ¹ ：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享受输入价格 95% 的折扣。

提升应对复杂长程任务的编程与推理能力

Carbon 专为应对难度更高的长程工程问题而设计，为持续的 agentic 工作流打造。在内部使用中，我们的团队看到 Carbon 可以连续运行数天，在遇到死胡同时也不轻易放弃，胜任诸如在大规模代码库和底层系统中定位并修复隐蔽 bug 等复杂的多步骤工程任务。

基于用户反馈，我们致力于提升模型在代码生成、智能体任务、科学研究以及全栈 Web 开发和多模态理解等多个领域的性能。随着 Web 开发中输出质量和生成工件的改进，Carbon 的 ELO 评分提升了 89 分，跃居 WebDev Arena 排行榜第 4 位（1768 分）。

前沿网络安全性能，助力构建安全系统

Gemini 4 Carbon 在网络安全能力上实现了显著飞跃。它覆盖了网络安全防御的全生命周期——漏洞检测、验证及修复——并均展现出业界顶尖的性能。

我们的团队已在网络防御领域观察到显著提升。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。另一个例子是，Chrome 团队反馈，在生成高质量补丁时，Carbon 的表现比另一家实验室的大型前沿模型高出 10 倍以上。Wiz 作为我们领先的云安全平台，也观察到 Carbon 在 Web 渗透测试基准测试中表现领先，这是 Wiz 的 Scan for Good 计划的核心能力。

在多项关键外部基准测试（未启用护栏机制）中，Carbon 表现出色：

• 发现真实漏洞：发现真实漏洞是网络安全防御的核心。Carbon 在 SEC-bench Pro 上取得了 88.2% 的业界领先成绩，能够自主挖掘嵌入在实际软件中的复杂缺陷。

• 通过利用行为验证风险：为了确定优先修复哪些漏洞（或是否修复），网络防御者越来越依赖模型来判断漏洞的可利用性。Carbon 在流行的利用基准测试 ExploitGym 上树立了新的业界标准（54.8%）。

• 从根源修补：在确认漏洞后，解决根源问题是网络安全防御生命周期的关键环节。Carbon 在 Collinear 的 CWE-bench 上得分达 71.0%，能够将经过验证的发现直接转化为可运行的代码修复方案。

推进前沿模型的安全与保障

Gemini 4 Carbon 沿用了 Argon 的多层安全与保障架构，整合了模型训练、实时滥用防御、提示词注入韧性以及思维链监控。特别是，我们在模型对齐方面基于 Argon 取得了显著进展，并在 《安全与保障报告》中详细描述了其对齐行为特性。对于 Carbon，我们进一步挑战自己，在模型对齐上迈出新的一步，训练模型以恰当的方式应对复杂或高压任务。

• 减少捷径利用与漏洞钻营：在保持高质量编码表现的前提下，Carbon 进一步缓解了训练中的捷径行为。在 Terminal-Bench 4.0 测试中，Carbon 将成功的作弊行为降至 0.0%，作弊尝试率降至 0.4%——同时整体准确率反而提升。在与内部团队进行的实际编码环境测试中，我们观察到高严重性的对齐偏差警报几乎减少了 80%。
• 更高的透明度与诚实度：在内部测试中，Carbon 将缺乏依据的声明减少到 Argon 的约一半。它在交付成果中直接标注方法论限制，或在列明尚缺事项后暂缓受阻操作，而非捏造事实或含糊其辞地掩盖证据缺失。
• 在模糊情境中改进与用户的协作：面对不确定性时，Carbon 不会猜测或强行推进，而是先检索相关来源，并将矛盾之处呈现给用户再采取行动——因此，用户在使用 Carbon 时应能获得显著更佳的协作体验。

既跟进到底又不越界：Carbon 把越权操作减少了 26%，服务不足减少了 29%，从而在遵守项目约束、严格不超范围的前提下，端到端执行多步骤计划的可靠性大幅提升。

抵御提示注入：此前 Argon 在 Gray Swan 的间接提示注入（IPI）基准测试中以 0.7% 的超低攻击成功率领先，而 Carbon 达到了 0.0%——所有评估的攻击尝试全部被拦截。

即将面向开发者、企业和消费者

推进前沿技术需要在快速迭代的同时对部署保持审慎。我们推出 Gemini 4 Carbon 的目标，是在不牺牲安全性和可靠性的前提下，为软件工程和网络安全防御带来实质性飞跃。我们期待看到首批网络安全防御者如何使用这一模型，并将尽快把 Carbon 带给开发者、企业和消费者。