Gemini 4 Carbon登顶AI指数：59分压Claude Opus 5.5，编程仍差三分

大模型排行榜的头名，又回到了谷歌手里。

Gemini 4 Argon 向更广泛用户开放才过了约两周，谷歌就端出了新一代前沿模型 Gemini 4 Carbon。这番瞄准的不只是综合智能榜首位，编程、长程智能体任务和网络安全也被摆到了核心位置。

谷歌发布 Gemini 4 Carbon

10 月 28 日，谷歌 CEO 皮查伊在 x 上公布了这一消息。他说，两周前推出 Gemini 4 Argon 之后，Gemini 4 Carbon 又把模型能力上限往上推了一截：以 59 分排在 Artificial Analysis 最新 v5.0 智能指数第一，漏洞发现、漏洞利用、补丁修复三项网络安全测试也都拿下领先成绩。

和 Argon 比，Carbon 在长程任务执行与安全防护上又往前走了一步。目前它先向一部分可信网络安全防御专家开放，之后借 Fairwind 计划逐步放开，最终对公众开放。

按谷歌的说法，Carbon 生来就是为了啃更难、周期更长的工程问题，专为持续运行的智能体工作流程打造。谷歌内部团队见过它连跑数天，一路过关，最后把复杂的多步骤工程任务做掉，比如在大型代码库和底层系统里找出并修好细微的 bug。

新模型着力提升的领域有好几块：编码、智能体任务、科学研究任务，还有全栈 Web 开发和多模态理解。

Artificial Analysis Intelligence Index v5.0 里，Gemini 4 Carbon 拿到 59 分排第一，Claude Opus 5.5 是 58 分，GPT-6 Astra 是 57 分。上一代 Gemini 4 Argon 为 50 分，Carbon 比它高了 9 分。

编程能力其实更抓眼球。Artificial Analysis 的独立评测显示，Gemini 4 Carbon 已升到 Coding Agent Index 第二，跟 Claude Opus 5.5 只差三分。

网络安全方面，谷歌给出的三组数字也挺扎眼：漏洞发现测试 88.2%，漏洞利用验证 54.8%，漏洞修复测试 71.0%。谷歌称 Carbon 在这三个关键基准上都领先。

有意思的是，这款综合评分第一、漏洞挖掘能力更强的模型，普通开发者眼下还用不上。

谷歌的安排是，先让少量网络安全防御专家用上 Carbon，再通过 Fairwind 计划一点点扩大测试范围。

一头是更凶的模型性能竞赛，一头是更谨慎的开放节奏。Gemini 4 Carbon 的发布，把前沿大模型竞争的另一面摆了出来：AI 越来越能独立干完复杂工程任务，能力越强，怎么管住它的实际行为就越要紧。

综合榜单登顶，编程能力距离 Claude Opus 5.5 只差三分

Gemini 4 Carbon 这次最直观的看点，是在第三方综合评测里重新占了上风。

Artificial Analysis 前不久把 Intelligence Index 升到了 v5.0。新版指数把九项评测合到一起，涵盖专业知识工作、复杂编程、科学推理、事实性知识和智能体自动化等任务，想用更复杂的真实任务来量模型能力，而非只考知识问答或单轮推理。

Artificial Analysis 的评测里，Carbon 在九项测试中拿了四项第一，分别是 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA。

这几项测试管的是高难度知识与推理、科学环境下的终端操作、事实性知识，以及跨工具自动化任务。

不过，综合榜第一，不等于 Carbon 在每个细分能力上都压过对手。

Artificial Analysis Coding Agent Index 中，用 Antigravity CLI 的 Gemini 4 Carbon 高推理配置得 59 分，Claude Code 配 Claude Opus 5.5 最高推理配置得 62 分。Carbon 排第二，差距缩到三分。

具体到 FrontierCode v1.1 测试，Carbon 拿到 51%，Claude Opus 5.5 是 56%。可见在部分真实软件工程任务上，Anthropic 仍占着优势。

再看衡量专业知识工作的 AA-Briefcase 基准，Carbon 得 1609 Elo，Argon 是 1483 Elo，提高了 126 分。其中演示文稿任务涨了 293 Elo，分析质量涨了 120 Elo。

可这项测试里，Carbon 还是落在几个竞争模型后面，包括 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。

说白了，谷歌已拿下综合智能指数第一，但编程智能体、专业知识工作这些细分领域，头把交椅还在激烈争夺中。

谷歌在官方公告里还专门提到了 Carbon 的网页开发本事。

在 WebDev Arena 上，Carbon 的 Elo 比此前高出 89 分，来到约 1768 分，排第四。谷歌把这一变化归因于模型生成的网页成果质量变好，全栈开发、多模态理解和复杂工程能力也有提升。

从写代码到终端执行，再到完整的软件工程任务，Carbon 的改进方向很清楚：它不只求生成一段正确代码，还要让模型在真实开发环境里持续把任务做完。这种变化，也正成为眼下旗舰模型较量的核心。

谷歌称 Carbon 能连续工作数天

过去两年，大模型的编程能力变了不少。最早开发者关心的是模型能不能写出一个函数、修好一个 Bug，后来慢慢转向让 AI 读懂代码仓库、调用工具、跑测试，甚至独立交付完整的软件项目。

现在，前沿模型面前多了一道更难的题：一项工程任务要花几小时甚至几天才能完成时，AI 能不能在反复失败、调试和修改中撑下去？

这也正是 Carbon 此次重点加强的地方。谷歌在官方技术介绍中透露，在内部工程环境里，研究人员已经看到 Carbon 连续运行数天的情况。它能在大型代码库中追踪不易发现的错误，分析底层系统问题，并尝试给出可运行的修复方案。

这类任务往往没有一条明确的解决路径。开发人员可能要读大量代码，复现问题，试不同的修复方式，再根据测试结果调整判断。对智能体来说，真正的难点不只在生成代码，还在于能否长期维持对任务目标、执行状态和工程约束的理解。

谷歌表示，Carbon 专门针对这类长程任务做了优化，强调模型遇到失败路径后继续分析和找解法，而不是草草结束任务。这个能力方向，很大程度上反映了 AI 编程工具的发展趋势。

在传统的代码补全场景里，开发者可以即时检查模型输出；到了长程智能体任务中，模型往往要独立进行数十次甚至上百次工具调用。早期某个判断一旦出现偏差，后续执行就可能逐渐偏离原始目标。

所以，模型能否及时发现错误、失败后重新规划、清楚自己还有哪些任务没完成，开始变得和编程能力一样重要。从这个角度看，Carbon 的技术重点是试图让 AI 在复杂工程中完成更长、更可靠的工作闭环。

如果说复杂编程是 Carbon 最受开发者关注的能力，那网络安全很可能是谷歌此次发布中最具战略意义的方向。

部分内部工程数据由谷歌对外披露：在安全代码生成这项任务上，Carbon 的成功率超过 Argon 的两倍。Chrome 团队做的内部测试同样显示，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十倍以上。

性能登顶，价格却没涨

模型性能持续提升的同时，谷歌选择让 Carbon 沿用 Argon 的首发定价。按照官方公告，Carbon 初期 API 价格为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入价格享受 95% 折扣。

但这里有个容易被忽略的细节：这只是首发优惠价，并非永久定价。

谷歌在官方公告的脚注中明确指出，首发优惠结束后，Carbon 将恢复至每百万输入 Token 4 美元、每百万输出 Token 20 美元。谷歌尚未公布 Carbon 优惠期的具体结束日期。

光看定价，Carbon 每单位 Token 的花费和 Argon 持平，可性能提升幅度不小。

但跑复杂智能体任务的开发者心里清楚，Token 单价说明不了全部开销。

模型能不能一次把活干完、要不要来回返工、推理过程烧掉多少 Token，再加上工具调用和运行时长，这些都会左右最终账单。

Artificial Analysis 的评测给出了更直观的参照。按其综合智能指数测试、以标准价格结算，Carbon 平均每个任务花掉约 7.76 美元；Claude Opus 5.5 在最高推理配置下约为 10.04 美元。

也就是说，在这一特定测试条件下，Carbon 的单任务平均成本比 Claude Opus 5.5 少了约 23%。

Carbon 能不能帮谷歌把资本市场的信任赢回来？

剧情颇有反差：谷歌发布 Gemini 4 Carbon、重夺全球大模型综合性能第一的那天，母公司 Alphabet 在资本市场却吃了冷脸。

模型发布当天，Alphabet 亮出 2026 年第三季度财报。当季营收 1275.8 亿美元，同比增长 25%，却低于华尔街约 1279.7 亿美元的预期；净利润 261.7 亿美元，同比下降约 25%。财报一出，Alphabet 股价盘后一度跌超 10%。

其实谷歌的 AI 业务并非没有起色。第三季度 Google Cloud 营收 307.1 亿美元，同比增长 103%，刷新增长纪录。谷歌 CEO Sundar Pichai 还透露，Gemini 应用的用户规模已突破 10 亿。

投资者真正担心的，是不断加码的 AI 投入，以及这些钱什么时候能变成足够可观的利润。

据路透社报道，Alphabet 第三季度自由现金流为负 90.7 亿美元，比上一季度的负 59 亿美元又差了一截。公司还预计 2027 年资本支出会明显增加。同期，谷歌搜索业务收入增速从上一季度的 17% 降到 12%，广告业务的前景同样引人关注。

当然，Alphabet 利润下滑不能全算在 AI 投入头上。当季它还确认了约 87 亿美元的股权投资损失，净利润和每股收益都受到明显拖累。

可这一幕还是把当下 AI 行业的现实矛盾摆到了台面上。

一边是 Gemini 4 Carbon 的发布说明谷歌仍有本事在前沿模型竞赛中领跑；另一边，训练更强的模型、搭建更庞大的算力基础设施、维持高速迭代，都意味着资金投入越来越高。

对谷歌来说，拿下大模型排行榜第一，和赢得资本市场的信任，正变成两场不同的比赛。

参考链接：