谷歌发布前沿AI模型Gemini 4 Carbon

谷歌在10月28日发布新一代前沿AI模型Gemini 4 Carbon，距离上一代Gemini 4 Argon登陆Gemini应用仅过去两周。谷歌DeepMind高级副总裁Koray Kavukcuoglu在博客中称Carbon是谷歌迄今最强的模型，并特别强调其在网络安全和长周期任务（即需要多步骤、长时间运行的复杂工作）上的优势。发布即登顶：Carbon已在独立评测机构Artificial Analysis的智能指数榜上拿下第一，超过Anthropic的Claude Opus 5.5。在谷歌自己公布的对比表中，Carbon在17项基准测试中拿下15项最高分，对手包括自家Argon、OpenAI的GPT-6 Astra以及Claude Opus 5.5和Fable 5.1。未赢的两项分别是软件工程测试FrontierSWE 2（仍由GPT-6 Astra领先）和衡量模型操作电脑能力的OSWorld-2.1（由Claude Opus 5.5领先）。 这轮发布节奏值得注意。近几个月前沿模型密集登场：Anthropic于9月22日发布Claude Opus 5.5，OpenAI同月早些时候推出GPT-6 Astra，谷歌9月30日宣布Argon、10月13日向Google AI Pro和Ultra订阅用户开放。每家实验室的领先优势往往只能维持几周。Carbon延续了Argon的"先发布、后开放"策略——目前只向一小批网络安全防御人员开放，谷歌未公布面向大众的时间表。提前宣布的好处是能立刻占据榜首位置，也让外界在下一轮发布前先看到基准数据。上周的PHP2Shell安全事件恰好说明，新AI模型可能给整个互联网带来多大冲击，这也解释了谷歌为何先在网络安全领域小范围试用。 一个值得关注的细节是评测方式的调整：与Argon时不同，谷歌这次报告的是由独立测试机构Artificial Analysis运行的Terminal-Bench 4.0成绩，而非自测数据。该测试衡量AI模型能否自主在电脑终端输入命令完成真实技术任务，比如安装软件或修复损坏的代码，是LLM最难智能体测试之一。此前各家公司互测对方模型时，成绩并不总与独立测试吻合，因此这一改动被视为提升可信度的信号。在Terminal-Bench 4.0上，Carbon比Argon高出约8分，并领先Opus 5.5。谷歌还称Carbon能连续数天攻关高难度工程问题，其网页开发能力也提升到WebDev Arena排行榜第四位——该榜单由用户对AI生成的网站进行投票。 在最受关注的Artificial Analysis智能指数5.0版本上，Carbon（high）得分59，比Claude Opus 5.5（max）高1分，较Argon的50分大幅跃升。不过需要注意，新版指数与旧版不能直接比较（旧版中Argon high为53分），且1分的领先幅度很薄，OpenAI或Anthropic的下一次发布就可能轻易抹平。对跨境电商卖家和AI工具用户而言，模型能力竞赛提速意味着工具迭代周期缩短，但Carbon短期内不会开放给普通用户，实际可用性仍需等待谷歌的下一步动作。