最强的一版，先不给大多数人用 (2026)

十月二十八号，谷歌发布了一版新模型 Gemini 4 Carbon，并把它称作自己最强的一版：网络安全和长周期任务的分数都往上走，在一个刚换版的独立榜单上排到了第一。同一份发布材料里还有一句很少见的话——这一版暂时不对外开放，先交给一小批做网络安全的防守方。1

这一集解释三件事：它比上一版 Gemini 4 Argon 强在哪，"第一"是怎么测出来的，以及谷歌为什么先把门关着。十分钟，适合通勤时听完，也适合在采购或选型前当一次背景核对。

它到底改了什么

上一版 Argon 九月三十号发布，十月十三号才对开发者开放；Carbon 与它相隔两周。谷歌给这一版的定位很具体：网络安全，加上长周期编码。官方说，内部团队见过它连续跑几天，在大代码库里定位藏得很深的缺陷，再打补丁。1

网络安全被拆成三步考核：找漏洞（SEC-bench Pro，88.2%）、判断漏洞能不能真的被利用（ExploitGym，54.8%）、把根因修掉（CWE-bench，71.0%）。三项都高于上一版，其中涨幅最大的是中间那一步，从 42.0 到 54.8。1

长上下文也是这一版的重点：在 25 万到 100 万词元的 GraphWalks 上，它拿到 96.2%，谷歌在同一张表里给出 GPT-6 Astra 71.8%、Claude Opus 5.5 66.8% 作对照。1

项目	数值	来源与口径
智能指数第五版	59，第一	独立评测机构 Artificial Analysis；同榜 Argon 50、Claude Opus 5.5 58、GPT-6 Astra 57 2
编码智能体榜	59，第二	同一机构；配 Claude Code 的 Claude Opus 5.5 为 62 2
知识测试	答对 58%、幻觉率 11%	上一版为 48% 与 4%；同榜 Opus 5.5 与 Astra 的幻觉率均为 50% 2
每个智能指数任务	7.76 美元	标准价；Opus 5.5 为 10.04，Astra 为 6.25 2
定价	每百万输入 2 美元／输出 10 美元	限时五折；标准价 4／20，缓存输入九五折；促销截止日未公布 3

另外两处独立信号：Vals 用它自己的真实工作任务榜给出 70.36%，排第二，比 Claude Opus 5.5 的 70.18% 只高一点点，金融与法律研究两个细分榜为第一；LMArena 上它首发进入文本榜第一、网页开发榜第四。4

根据谷歌的说法，这是有意的节奏：它参加美国政府发布前的自愿测试，先给一小批网络安全防守方，再经 Fairwind Program 扩大到受信任的合作方，之后才是开发者与普通用户，没有时间表。1

Fairwind 是一个申请制项目。它优先给政府与国家级网络安全机构、关键基础设施运营方和核心技术平台，需要背景审查与防钓鱼的多因素验证。使用范围只限内部安全、应急响应与渗透测试团队，账号不可转售。4

双用途是这道门的理由：能判断"漏洞能不能被真的利用"的模型，同样能用来挑目标。不过截至 10 月 29 日，谷歌没有单独发布 Carbon 的安全报告，仍链接 Argon 那一份；Fairwind 公开页面写的也仍是 Argon 的条款。4

想马上用：这一版轮不到。今天可调用的是 Gemini 4 Argon、Claude Opus 5.5、GPT-6 Astra 这些已开放模型；把接入做成换一个模型名即可切换，比押注某一版更划算。
做产品：验收时先问两句——同一项测试，两边给的时间上限一样吗；开启护栏与不开启护栏，是不是同一组数字。发布表里 ExploitGym 给 Carbon 每任务 10 小时、给 Opus 5.5 6 小时，压到 6 小时 Carbon 为 53.5%。5
做安全与合规：把控制放在模型外面——任务级凭证、工具白名单、执行前批准、合并前人工复核。这些不随模型换代失效。

谷歌没有发布 Carbon 的技术报告与安全报告，也没有给出 API 文档与模型编号。1M 上下文、文本与图像与音视频输入这些规格，目前来自第三方评测页，而不是谷歌的发布材料。6
三个网络安全分数是在不开启护栏的条件下跑的；"Chrome 团队用它写补丁比另一家实验室好十倍以上"未点名对手，也没有公开数据。3
独立榜单刚在 10 月 27 日升到第五版，两项测试是新的、三项改过、六成题目不公开，因此这批分数不能和上个月的旧版分数直接比较。3

它到底改了什么

长上下文也是这一版的重点：在 25 万到 100 万词元的 GraphWalks 上，它拿到 96.2%，谷歌在同一张表里给出 GPT-6 Astra 71.8%、Claude Opus 5.5 66.8% 作对照。1

关键数字与它们的来源

项目	数值	来源与口径
智能指数第五版	59，第一	独立评测机构 Artificial Analysis；同榜 Argon 50、Claude Opus 5.5 58、GPT-6 Astra 57 2
编码智能体榜	59，第二	同一机构；配 Claude Code 的 Claude Opus 5.5 为 62 2
知识测试	答对 58%、幻觉率 11%	上一版为 48% 与 4%；同榜 Opus 5.5 与 Astra 的幻觉率均为 50% 2
每个智能指数任务	7.76 美元	标准价；Opus 5.5 为 10.04，Astra 为 6.25 2
定价	每百万输入 2 美元／输出 10 美元	限时五折；标准价 4／20，缓存输入九五折；促销截止日未公布 3

为什么先给防守方

三个能直接拿去用的判断

想马上用：这一版轮不到。今天可调用的是 Gemini 4 Argon、Claude Opus 5.5、GPT-6 Astra 这些已开放模型；把接入做成换一个模型名即可切换，比押注某一版更划算。

做产品：验收时先问两句——同一项测试，两边给的时间上限一样吗；开启护栏与不开启护栏，是不是同一组数字。发布表里 ExploitGym 给 Carbon 每任务 10 小时、给 Opus 5.5 6 小时，压到 6 小时 Carbon 为 53.5%。5

做安全与合规：把控制放在模型外面——任务级凭证、工具白名单、执行前批准、合并前人工复核。这些不随模型换代失效。

这份材料还缺什么

谷歌没有发布 Carbon 的技术报告与安全报告，也没有给出 API 文档与模型编号。1M 上下文、文本与图像与音视频输入这些规格，目前来自第三方评测页，而不是谷歌的发布材料。6

三个网络安全分数是在不开启护栏的条件下跑的；"Chrome 团队用它写补丁比另一家实验室好十倍以上"未点名对手，也没有公开数据。3

独立榜单刚在 10 月 27 日升到第五版，两项测试是新的、三项改过、六成题目不公开，因此这批分数不能和上个月的旧版分数直接比较。3