谷歌 DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，各项能力全面提升

在 Gemini 4 Argon 发布仅两周后，谷歌 DeepMind 发布了其下一代前沿模型 Gemini 4 Carbon。

Carbon 以 59 分登顶 Artificial Analysis Intelligence Index v5，高于 Argon 的 50 分。

谷歌表示，Carbon 是为多日、自主开发工作流而构建的。

它在 Artificial Analysis 的 Coding Agent Index 中迅速缩小差距（59 分对 Argon 的 50 分），但仍落后于 Claude Opus 5.5（62 分）。

由于其先进的网络安全能力，Carbon 正在经历美国政府的自愿预测试流程，最初只会提供给选定的安全专家。

定价与 Argon 保持一致。

谷歌 DeepMind 在 Argon 之后仅两周就发布了 Gemini 4 Carbon，新模型在 Artificial Analysis Intelligence Index 上占据榜首。

Carbon 在最近更新的 Artificial Analysis Intelligence Index 5.0 版本上得分 59 分，而前代 Argon 以 50 分落后。

除了在智能体任务和编程方面的普遍提升外，谷歌还强调了覆盖完整网络防御生命周期的能力，从检测和验证漏洞到修补漏洞。

谷歌 DeepMind 表示，它设计 Carbon 是为了应对“困难得多、长周期的工程问题”，这些问题需要持续性的智能体工作流。

谷歌称，内部团队连续多日运行该模型，在此期间它自行处理了死胡同，并处理了复杂、多步骤的任务，例如大型代码库和底层软件中的根因分析和细微错误修复。

谷歌还报告称，基于用户反馈，科学推理、多模态理解和全栈 Web 开发方面有所改进。

Web 开发中更高质量的输出和产物使 Carbon 在 WebDev Arena 上提高了 89 Elo 分，以 1,769 分位列第四。

在 Gray Swan 的间接提示注入基准测试中，Carbon 将攻击成功率从 Argon 的 0.7% 降至 0.0%，据谷歌称阻止了所有测试到的操纵尝试。

这并不意味着提示注入已被解决，但该测试似乎已经饱和。

根据 Artificial Analysis 的说法，Carbon 在其最高推理层级（“high”）上领跑 Intelligence Index v5，主要因为在复杂推理、知识检索和科学任务上得分最高，在该指数九项单独评估中的四项中排名第一。

在 Antigravity 上的智能体编程方面，Carbon 仍落后于使用 Opus 5.5 的 Claude Code 三分，尽管相比 Argon 从 53 分跃升至 59 分。

在 AA-Briefcase 上的智能体知识工作中，Carbon（high）比 Argon（high，1,483 Elo）提高 126 分，达到 1,609 Elo，这得益于演示质量（+293 Elo 至 1,598）和分析质量（+120 Elo 至 1,671）。

它仍落后于 Kimi K3.1 Pro（1,678 Elo）、Muse Wonder（max，1,659 Elo）和 Grok 4.7（xhigh，1,638 Elo）。

与 Argon 相比，答案准确率从 48% 升至 58%，而幻觉率从 4% 升至 11%。

这更高，但仍是排名中第二低的。

Claude Opus 5.5（max）和 GPT-6 Astra（max）均为 50%。

评估平台 Vals AI 将 Carbon 以 70.36% 的准确率排在第二位，落后于 Claude Sonnet 5.5（70.85%），领先于 Claude Opus 5.5（70.18%）和第四名的 Argon（69.24%），且成本都更低。

谷歌 DeepMind 在 Gemini 4 Argon 发布仅两周后推出 Gemini 4 Carbon，并以 59 分登顶 Artificial Analysis Intelligence Index v5。Carbon 面向多日自主开发工作流，在智能体编程、知识工作、Web 开发和网络安全等指标上提升，但部分细分仍落后 Claude Opus 5.5 等模型；因网络安全能力突出，先向选定安全专家开放，定价与 Argon 相同。

• 谷歌 DeepMind 在 Gemini 4 Argon 发布仅两周后推出 Gemini 4 Carbon，并以 59 分登顶 Artificial Analysis Intelligence Index v5。Carbon 面向多日自主开发工作流，在智能体编程、知识工作、Web 开发和网络安全等指标上提升，但部分细分仍落后 Claude Opus 5.5 等模型；因网络安全能力突出，先向选定安全专家开放，定价与 Argon 相同。
• 原贴提到：Just two weeks after Gemini 4 Argon, Google DeepMind released Gemini 4 C
• 来源：the-decoder.com

这是什么信号

这不是一次常规的模型小版本更新，而是 Google DeepMind 用两周的节奏把前沿模型从 Argon 推进到 Carbon，并把卖点明确压到“多日、自主开发工作流”上。Carbon 在 Artificial Analysis Intelligence Index v5 拿到 59 分、超过 Argon 的 50 分并登顶，说明 Google 在综合智能指数上重新拿到可传播的领先位置；但更值得看的是能力结构：它在 AA-Briefcase 智能体知识工作上比 Argon 提高 126 分，WebDev Arena 提高 89 Elo，同时网络安全能力被单独强调到需要走美国政府自愿预测试流程。

为什么重要

第一，竞争焦点正在从单轮问答 benchmark 转向长时程、持续运行的智能体工作流。Google 称内部团队连续多日运行 Carbon，让它自行处理死胡同、根因分析和大型代码库里的细微错误修复，这正好对应企业真正愿意付费的“长任务可靠性”。第二，综合分登顶不等于全面领先：Carbon 在 Antigravity 智能体编程上仍落后 Claude Code 搭配 Opus 5.5 三分，在 AA-Briefcase 上还落后 Kimi K3.1 Pro、Muse Wonder 和 Grok 4.7，说明模型选型不能只看总榜。第三，安全能力正在变成可用性变量：Carbon 因先进网络安全能力先向选定安全专家开放，这会直接影响企业什么时候能真正接入。

对谁有价值

对 AI 应用开发者，Carbon 的多日自主工作流和 Web 开发提升值得进入编码代理、全栈生成和复杂缺陷修复的试点清单；对 AI 产品负责人，AA-Briefcase 的演示质量与分析质量提升说明“智能体做知识工作”的产品体验可能在改善；对企业安全团队，Carbon 的漏洞检测、验证到修补能力以及预测试限制，是采购和准入评估的新变量；对模型选型者，Vals AI 上 Carbon 以 70.36% 排第二且成本更低，提示应把准确率、成本和任务类型放在一起看，而不是只看综合指数。

可以怎么行动

建议按任务而非按总榜做小规模 A/B：分别测试长周期编码、代码库根因分析、全栈 Web 生成、演示文稿和知识工作，记录完成率、人工返工和成本。对安全敏感场景，提前梳理 Carbon 预测试和受限开放带来的可用性风险，准备替代模型路由。对多模型架构，保留 Claude Opus 5.5、Kimi K3.1 Pro 等作为细分任务回退，不要因为 Carbon 登顶就单点押注。还要把幻觉率纳入验收：原文显示 Carbon 答案准确率从 48% 升至 58%，但幻觉率从 4% 升至 11%，高风险场景需要额外校验。

风险或限制

Carbon 的领先是结构性的而非全面的：智能体编程仍落后 Claude Opus 5.5，知识工作仍落后多个模型；提示注入测试从 0.7% 降到 0.0% 只说明该测试饱和，不代表提示注入问题被解决；网络安全能力带来预测试和受限开放，短期可用性有限；两周快速迭代也意味着外部复现和评测需要时间，企业不应直接把厂商口径当成生产结论。定价虽与 Argon 相同，但具体使用成本仍要按实际任务和推理层级核算。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《谷歌 DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，各项能力全面提升》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖