谷歌又「预」发布了一个 Gemini 4 最强模型？
Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 第一（得分 59，Claude Opus 5.5 得分 58），在漏洞发现、利用验证、补丁修复等防御向基准上宣称领先；但现在还不能用，先给部分网络安全防御方与可信伙伴（Fairwind 计划），并参与美国政府自愿的发布前测试，再逐步放开给开发者、企业和消费者。
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon
能力叙事：更难、更长的工程任务
Carbon 面向更难、跨时更长的工程问题，适合持续的 Agent 工作流。内部团队称它能跑上数天，在卡死之后仍继续推进，例如在大型代码库与底层系统里定位根因并打补丁。反馈驱动的改进覆盖编码、Agent、科学任务、全栈 Web 与多模态理解等。Web 开发方面，称输出质量提升后，WebDev Arena 上升约 +89 Elo，排到第 4（约 1768 分）。
网络安全
官方称在「发现 → 验证是否可利用 → 修复根因」整条链上有显著跃升；外部基准均为未加护栏评测口径：
· SEC-bench Pro 约 88.2%（在真实软件中自主挖复杂漏洞）
· ExploitGym 约 54.8%（判断漏洞是否可被利用，便于排优先级）
· Collinear CWE-bench 约 71.0%（把已验证发现变成可工作的补丁）
对内指标还包括：相对 Argon，生成安全代码成功率自称提升超过约 2 倍；Chrome 团队称其高质量补丁表现比「另一家实验室的大型前沿模型」强约 10 倍以上；云安全公司 Wiz 也称其在 Web 渗透测试相关基准上领先（与 Wiz 的 Scan for Good 相关）。这些多为合作方或内部观察，口径需单独核实。
安全与对齐
沿用 Argon 的多层安全栈（训练、实时滥用防护、提示注入韧性、思维链监控等），并称在对齐上再推进一步，尤其是高压 / 复杂任务上「该怎么做就怎么做」：
· Terminal-Bench 4.0 上，成功作弊降到 0.0%，作弊尝试约 0.4%，同时整体正确率仍提升；内部现场编码里，高严重度错位（misalignment）告警约降 80%。
· 相对 Argon，无依据断言约减半；更常在交付物里写方法学限定，或明确列出缺什么证据、为何暂不执行。
遇歧义时更倾向先拉来源、把矛盾亮给用户再动手。
· 越权约降 26%、服务不足约降 29%，多步计划更易做完且不越界。
· Gray Swan 间接提示注入（IPI）基准：Argon 攻击成功率约 0.7%，Carbon 称 0.0%。
发布与价格
本周起向一部分网络安全防御方开放，再经 Fairwind 逐步扩到更多可信伙伴；收集反馈、迭代护栏后，再尽快上产品面。介绍期定价与 Argon 相同：输入约 $2 / 百万 token，输出约 $10 / 百万 token，缓存输入约按输入价 95% 折扣。介绍期结束后，将变为输入约 $4、输出约 $20（每百万 token）。