Gemini 4 Carbon全量开放：650万行证明，验证Signal安全
刚刚，Google DeepMind 宣告 Gemini 4 Carbon 今天正式开放，号称为「Google 目前能力最强的模型」，专门面向复杂、长周期任务，能够投入更多推理资源，深入探索问题，并通过持续的执行、检查和修正，完成软件工程、网络安全、知识工作和科学研究中的复杂任务。 与此前的 Gemini 4 Argo
Google 
DeepMind 宣布，Gemini 4 Carbon 于今天正式对外开放，号称是「Google 目前能力最强的模型」。这款模型瞄准的是复杂、长周期任务：它能投入更多推理资源，往问题深处钻，再靠反复执行、检查和修正，把软件工程、网络安全、知识工作、科学研究里的难题做完。
和之前的 
Gemini 4 Argon 比，Carbon 的取向更清楚：它不急着甩出一个答案，而是肯花时间和算力，把一件复杂的事情真正办完。
Demis Hassabis 举了个直观的例子：「
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。」
他还在下面贴出去年同期用 Gemini 3 做的视频作对照，并感叹：「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！」
这种能力，现在全球用户都能用上。官方给出的开放渠道如下：
- 普通消费者：订阅 Google AI Ultra 的用户，可在 Gemini App 以及 Google 搜索的 AI Mode 里调用。
- 开发者与企业：走 Google AI Studio 和 Android Studio 中的 API 开发；Google AI Ultra 订阅用户还能通过
Google Antigravity 使用，企业客户则可用 Gemini for Business。 - 科学家与研究人员：经 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，从而获得 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。这项研究叫 AlphaProof Code：团队让由 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，最后产出超过 650 万行经过机器检查的数学证明代码。
同样的事，交给专家团队原本可能要耗上数年，这次只花了四周。
更关键的是，AI 的活计从「写出代码」挪到了「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 把 Gemini 4 Carbon 定位于眼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、调整架构、多轮调试；放到科研里，它能围绕开放问题不断试探假设、分析证据、核验结果；放到知识工作中，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）。
碰上复杂任务，Carbon 会消耗更多 Thinking Tokens，尝试不同解法，并在执行途中反复核对结果。一旦发现毛病，它就接着改、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 三项上全部排第一。Google 还称，这些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。
另一边，Google 正在 Google Antigravity 中预览 /swarm 功能：用户只给一个任务，多个 Agent 就能组队协作，分别负责架构设计、任务协调、代码实现和审查。
其中推理要求最高的环节交给 Carbon，其余具体任务由更轻量的模型并行处理。
从单模型能力到多 Agent 协作，Google 想推着 AI 接手更复杂、也更贴近真实专业流程的工作。
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 亮的是能力上限，那 AlphaProof Code 就是一次相当具体的能力检验。
软件安全领域有个老问题一直没解决：一套真实跑着的软件，怎么证明它确实符合设计者定下的安全要求？
拿Signal来说。这套加密通信协议用得很广，它的安全性靠的是一整套复杂的密码学机制。以前密码学专家能从数学上分析协议设计安不安全，也能靠代码审查和测试去找漏洞。
可中间始终隔着一道坎：协议在理论上安全，不等于用户设备上最终跑的那份代码也安全。从协议设计到实际运行，还得经过代码实现、编译和优化，一个很小的实现错误，就能让原本严密的安全设计失效。
传统的形式化验证想用数学证明来填这道坎：把软件该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。问题是这活儿太复杂，往往要专家砸进去大量时间。
Google DeepMind 这次推出的 AlphaProof Code，就是想靠 AI Agent 把这道门槛降下来。
研究团队先和模型配合，把 Signal 的安全目标转成 Lean 语言能读懂的数学规格，再由人类专家一条条审核。之后，由 Gemini 4 Carbon 驱动的多个 Agent 开始自动构造证明，试着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这一层，而是往下扎到了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。换句话说，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。
最后，AlphaProof Code 为 Signal 的核心实现生成了约650 万行 Lean 证明代码，底下垫着约 2.6 万行经过审核的形式化规格和机器码语义。
整套验证只花了四周。AI Agent 还会自动标出需要人类再查的部分，最终只有约 1% 的代码库需要额外人工关注，剩下的证明都交给 Lean 的可信内核做机器检查。
更关键的是，这套系统不是只会给正确代码生成证明。研究团队还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。
这说明它不光能帮忙验证正确实现，也有识别特定错误实现的能力。
AI 编程的下一步，是让代码变得可信？
这项研究的意义，远不只是帮 Signal 做了一次安全验证。过去，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。即便是非常重要的系统，想证明其代码满足严格的安全属性，也常常要专家团队耗上好几年。
这些繁重活里，有一大部分正被 AI Agent 揽过去：先写形式化规格，再摸索证明路径、产出 Lean 代码，最后交给独立的证明内核核查。
当然，这不代表 AI 已经能独立证明任何软件绝对安全。人类专家仍然要定义和审核安全规格，证明系统也只能保证代码满足已经明确表达出来的属性。
但这条路线已经展示出一种新的可能：当 Agent 能持续推理、调用工具、构造复杂中间结果，并通过外部验证机制反复检查，AI 就有机会承担过去要专家团队长期完成的工作。
Google DeepMind 还提到，往后打算把这项技术用到医疗设备固件、电网软件这类关键基础设施上，同时与自动化漏洞修复工具 CodeMender 配合，使软件在漏洞发现、问题修复和形式化验证几个环节串成一条更完整的安全链路。
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。
AI 如今不只是能写代码了，还能帮人用数学证明的方式，验证代码是否满足安全要求，Agent 的能力边界也因此被推到了一个新领域。
大模型眼下已经不再只盯着打榜比分，而是往更复杂的数学、密码难题里钻，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/
