Gemini 4 Carbon全球全量开放，4周、650万行数学证明验证「Signal安全」

Google DeepMind 今日宣布 Gemini 4 Carbon 正式对外开放，称其为「Google 目前能力最强的模型」。该模型瞄准的是复杂、长周期任务：投入更多推理资源，对问题做深入探查，再靠持续执行、检查与修正，把软件工程、网络安全、知识工作和科学研究中的难题做完。

和之前的 Gemini 4 Argon 比，Carbon 的定位更清楚——它不追求快速抛出一个答案，而是肯花时间和算力，把一件复杂的事真正办到底。

Demis Hassabis 举了一个直观的例子：「Carbon 对我最初开发的《Theme Park》游戏二进制文件进行了逆向工程，在游戏中新增了一项以 DeepMind 为主题的游乐设施，并一次性将整个游戏移植到了 Web 端。」

他还在下面附了一段去年同一时期用 Gemini 3 做的视频作对比，并写道：「不到一年的时间，Gemini 就从 3 进化到 4，进步实在惊人……

亲眼看到这一切，真的有种不可思议的感觉！」

这样的能力，现在全球用户都能用上。官方给出的开放渠道如下：

• 消费者：Google AI Ultra 订阅用户可通过 Gemini App 以及 Google 搜索中的 AI Mode 调用。

• 开发者与企业：走 Google AI Studio 和 Android Studio 里的 API 开发；Google AI Ultra 订阅用户还能用 Google Antigravity，企业用户则通过 Gemini for Business 接入。

• 科学家与研究人员：在 Google Antigravity 提交申请，有机会拿到 6 个月免费使用资格。

• 网络安全防御人员：可申请加入 Fairwind 计划，取得 Carbon 在网络安全领域的使用权限。

模型发布后不久，Google DeepMind 又抛出一个颇有代表性的案例，用来展示 Carbon 处理科研复杂任务的本事。其公布的研究名为 AlphaProof Code：研究人员用 Gemini 4 Carbon 驱动的 AI Agent，对 Signal 加密协议的底层代码做形式化验证，最终产出超过 650 万行经过机器检查的数学证明代码。

这项工作原本可能要专家团队花上好几年，结果只用了四周。

更关键的一点在于，AI 的活儿从「写出代码」往前挪了一步，开始「用数学证明代码是安全的」。

从长周期推理，到真正完成复杂工作

Google 给 Gemini 4 Carbon 的定位，是当下最适合处理高难度、多步骤任务的模型。

放到软件工程里，它能面对复杂代码库做跨模块排查、架构调整和多轮调试；放到科学研究里，它能围绕开放问题不断提出假设、分析证据、验证结果；放到知识工作里，大量复杂文档、数据和结构化信息它也接得住。

支撑这些的是一项关键设计：Extended Verification Loops（扩展验证循环）。

遇到复杂任务，Carbon 会投入更多 Thinking Tokens，尝试不同的解决路径，并在执行途中反复核对结果。一旦发现问题，它会接着改、接着测，直到结果更可靠为止。

Google 公布的独立工作流基准测试里，Carbon 在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 上全部排第一。Google 还称，这几项测试中它的单项任务成本，比表现最好的下一款外部模型低两倍以上。

同时，Google 正在 Google Antigravity 中预览 /swarm 功能：用户只给一个任务，就能让多个 Agent 组成协作团队，分别承担架构设计、任务协调、代码实现和审查等工作。

其中深度推理要求最高的环节交给 Carbon，其他更轻量的模型并行处理具体任务。

从模型能力到多 Agent 协作，Google 想让 AI 承接的工作更复杂，也更贴近真实的专业工作流程。

650 万行数学证明，AI Agent 给 Signal 做了一次「安全体检」

如果说 Gemini 4 Carbon 展示的是能力上限，那么 AlphaProof Code 就是一次非常具体的能力验证。

这项研究盯上的是软件安全领域一个老难题：一套真实跑起来的软件，怎么证明它确实具备设计者所要求的安全属性？

Signal 被拿来做了样本。作为广泛使用的加密通信协议，Signal 的安全性建立在大量复杂的密码学机制上。密码学专家过去可以从数学层面分析协议设计是否可靠，也能通过代码审查和测试去找漏洞。

但鸿沟一直在：协议在理论上安全，不等于最终跑在用户设备上的代码安全。从协议设计到实际运行，代码实现、编译、优化这几道环节都得走一遍，一个很小的实现错误，就可能让原本严密的安全设计失效。

传统的形式化验证（Formal Verification）想用数学证明来解决这个问题：把软件必须满足的安全条件写成严格的数学命题，再证明实际代码确实满足这些条件。麻烦在于，这项工作极其复杂，往往要专家投入大量时间。

Google DeepMind 这次推出的 AlphaProof Code，就是想靠 AI Agent 把这道门槛降下来。

研究团队先与模型合作，把 Signal 的安全目标转成 Lean 语言能理解的数学规格，再由人类专家逐条审核。之后，Gemini 4 Carbon 驱动的多个 Agent 开始自动构造证明，尝试证明实际代码满足这些安全要求。

关键在于，研究没有停在协议设计或源代码层面，而是继续往下扎到最终编译后的设备代码。研究人员建立了 AArch64 指令集的形式化语义，把编译后的机器码也纳入验证范围。也就是说，他们要证明的是真正跑在设备上的代码，而不只是理论上的算法描述。

最终，AlphaProof Code 为 Signal 的核心实现生成了约 650 万行 Lean 证明代码，底下依托的是约 2.6 万行经过审核的形式化规格和机器码语义。

整个验证过程只花了四周。AI Agent 还会自动标出需要人类再检查的部分，最终只有约 1% 的代码库需要额外人工关注，其余证明都交给 Lean 的可信内核做机器检查。

更要紧的是，这套系统不是只会给正确代码生成证明。研究团队还故意把两个过去真实存在、后来已经修复的漏洞重新植入隔离版本的 Signal 代码，结果 AlphaProof Code 都成功生成了机器检查通过的反例证明，认出这些代码不满足原先的安全要求。这说明它不光能帮验证正确实现，也有能力识别特定的错误实现。

AI 编程的下一步，是让代码变得可信？

这项研究的意义，远不止帮 Signal 做了一次安全验证。形式化验证一直是软件工程里成本最高的安全保障手段之一，即便对非常重要的系统，想证明其代码满足严格的安全属性，也往往要专家团队耗上数年。

这些活里有不少繁重的部分，如今交由 AI Agent 接手：先写出形式化规格，再摸索证明怎么走，然后产出 Lean 代码，最后交给独立的证明内核核验。

当然，这不意味着 AI 已经能独立证明任何软件绝对安全。安全规格仍然要由人类专家定义和审核，证明系统也只能保证代码满足已经明确表达出来的属性。

不过这条路已经指向一种新的可能：Agent 若能一直推理、调用工具、搭出复杂的中间结果，再借外部验证机制一遍遍复核，过去要靠专家团队长期投入的工作，AI 就有机会扛下来。

Google DeepMind 也提到，往后想把这套技术推向医疗设备固件、电网软件这类关键基础设施，还要跟自动化漏洞修复工具 CodeMender 配合起来，让软件从发现漏洞、修复问题到形式化验证串成更完整的一条安全链条。

从 Gemini 4 Carbon 的发布，到 AlphaProof Code 对 Signal 的验证，Google 展示的是同一个方向：模型的价值正在从回答问题，延伸到承担复杂工作。

代码写得出来，还能帮人用数学证明它确实满足安全要求——AI Agent 的能力边界，正被推到此前没到过的地方。

大模型如今不只是打榜比分数，还去啃更复杂的数学和密码难题，你怎么看？评论区聊聊。

参考链接：

https://x.com/GoogleDeepMind/status/2120219371473617099

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=

https://x.com/sundarpichai/status/2120207062655549933

https://deepmind.google/blog/introducing-alphaproof-code/