Google 发布 Gemini 4 Carbon，先向网络防御者开放

10 月 28 日，Google 公布 Gemini 4 Carbon，把升级重点放在持续执行的复杂工程任务，以及漏洞研究和修补等网络防御工作上。它接在 Argon 之后亮相，但开放节奏有自己的安排：发布公告称，本周先向部分网络防御者提供，再经 Fairwind Program 扩大到更多可信伙伴，日常开发者、企业和消费者产品仍写着“即将到来”。

因此，看到新模型名称和价格，并不能判断自己的 Gemini 订阅已经包含 Carbon。截至本文 10 月 30 日核查时，Google 尚未在这份公告中给出面向所有普通用户的统一开放日期。

这次发布值得关注的地方，是 AI 工程能力越来越多地围绕“把一个复杂问题追到底”来展示。Google 表示，其内部团队观察到 Carbon 可以在跨代码库、低层系统的任务里持续探索和修复；这是厂商的观察，本文没有独立实测。

三类安全成绩，各自测的是什么

Google 公布的数字包括 SEC-bench Pro 的 88.2%、ExploitGym 的 54.8%，以及 CWE-bench 的 71.0%。它们分别关联漏洞研究、利用验证和审计修补，不能加成一个“整体安全率”。

先看最醒目的 88.2%。SEC-bench Pro 原始项目把真实历史漏洞报告、复现材料和可重复运行的环境整理成评测任务，覆盖浏览器引擎与 Linux 内核等软件。但 Google 的 Carbon 评测说明明确：这个分数采用的是 2026 年 5 月的 183 项 JavaScript 引擎任务分组，由其自行评测。

这与“能找出任意软件中 88.2% 的未知漏洞”相距很远。读者需要先知道题目来自哪里、怎样判分，再看百分比；不能把一个分组的成绩扩大成整个开源软件世界的能力。

ExploitGym则侧重验证 AI 智能体能否把真实漏洞转化为有效利用，材料涉及用户态程序、V8 和内核等场景。对于防御团队，验证风险能否实际成立，有助于判断修复优先级；但实验环境中的表现，仍受工具、运行时间和系统配置影响，不能直接当成公网攻击结果。

Google 在发布文中说明，这组外部网络安全基准是在关闭防护措施的条件下评估的。这里展示的是特定条件下的能力，不是普通用户产品会原样放行所有操作的承诺，也不能据此推断上线产品绝对安全。

修补能力更接近日常维护工作。Collinear 的 CWE-bench使用 120 项保留评测任务，让智能体审计并修复代码。它既检查漏洞是否被阻断，也检查既有功能是否仍然工作。

图源：Google 10 月 28 日 Carbon 公告，核查于 10 月 30 日。图中使用 pass@1 口径，不能与多次尝试口径混用；成绩和工具配置须结合原始榜单及评测说明阅读，本文未复测。

在该榜单的程序判定口径下，Carbon 是 71%，Argon 是 68%，相差 3 个百分点。CWE-bench 还列出多次尝试的结果，说明允许反复尝试会改变评价方式。对维护者来说，“改出来一份补丁”和“补丁解决根因、原有功能也没坏”，才是更值得区分的两件事。

图中还标出了 Antigravity、Codex、Claude Code 等运行工具。智能体成绩来自模型与工具的组合；可用工具、上下文和运行预算都会影响结果。Google 的方法说明也注明，部分对手成绩取自其厂商报告，不能把整张比较图理解成所有项目都由同一方重新实测。

开放范围，要与价格一起看

Fairwind Program面向经审核的防御组织，优先考虑政府、关键基础设施和核心技术平台等。项目设有组织审核和访问管理要求，属于特定合作通道。

核查时，该项目的常设页面仍主要介绍 Argon。Carbon 的新增开放安排，应按此次发布公告理解，不能把旧型号说明或一般付费套餐直接视为 Carbon 资格。

Google 同时公布了 Carbon 的未来入门促销价：每百万输入 token 2 美元、输出 token 10 美元；脚注写明，促销结束后分别为 4 美元和 20 美元。这份公告没有给出促销结束的具体日期，也不应把其他型号的优惠期限套过来。

这些价格可以用于理解其产品定位，但估算实际任务费用，还需要知道最终计费规则、输入输出长度和重试次数。一个任务运行更久，可能换来更完整的排查，也可能消耗更多预算；“能持续工作”本身并不是省钱的证明。

本站此前梳理过 Gemini 4 Argon 的开放与 API 价格。对已经使用 Argon 的读者，接下来值得跟进的是 Carbon 会进入哪些产品、谁能选到它，以及权限和费用如何落地。

长任务升级，也要看交付质量

假设一个团队需要修复横跨多个模块的缺陷，理想结果不只是生成一段代码，还包括定位原因、修改相关调用、检查回归并解释剩余问题。这个例子用于说明工程任务的构成，不能当作 Carbon 已完成的客户案例。

Carbon 的发布把讨论进一步推向这种完整过程。模型如果能减少中途放弃、无依据结论和错误修改，价值会比多生成几行代码更直接。但判断这些提升，需要看具体任务、测试条件和可检查的交付物。

目前可以确认的是：Google 已公布新的能力方向、受限的先行开放安排及价格计划。普通用户可以继续关注实际产品入口和明确的使用条件，再结合真实任务判断升级价值。