七个读数，两个能核

Carbon 拿下 Artificial Analysis 新版指数第一，第二名 58 分；七个基准读数，两个能在 Google 之外读到。它只对一小批防御方开放。

Google 在 10 月 28 日 17:00 UTC 发出 Gemini 4 Carbon 的公告，称它是自家最强模型，在漏洞发现与利用上领先，并把发布写成三步：这周先给一小批网络防御方，再经 Fairwind 计划扩到受信任伙伴，开发者、企业与消费者要等“as soon as possible”。上一代 Argon 在 10 月 13 日才对开发者开放，距今 15 天。

评测这边已经跑完了。Artificial Analysis 独立跑完九项评测并公开了子分：Carbon 在它 10 月 27 日换版的 v5.0 指数上 59 分第一，Claude Opus 5.5 的 Max 档 58 分、Xhigh 档 57 分；每次任务成本 7.76 美元、上下文 100 万 token、发布日 2026 年 10 月 28 日，都写在页面上。

客户这边是另一幅样子。Gemini API 的模型清单停在 10 月 22 日，价目表里只有 Argon，OpenRouter 的 456 条与 Vercel 网关的 498 条里 carbon 命中 0，模型文档页打开是 404，Fairwind 页面 0 次提到 Carbon、条款仍写在 Argon 名下。

公告给的七个读数里，能在外站读到同一个数的只有两个：AA 的 59，和 CWE-bench 的 71%（Collinear 建榜、AA 独立评测；Carbon 拿了第一，成本栏是“—”）。其余五个由 Google 自己出具。SEC-bench Pro 的 88.2% 跑在它自选的 183 题 JavaScript 引擎子集上，公开榜的 Overall 是 344 题、榜首 58.4%。ExploitGym 的 54.8% 是自跑，单次尝试、断网、靶场缓解关闭、10 小时上限，官方结果库的 8 个提交里没有 Google。Gray Swan 的 0.0% 没有公开榜。Terminal-Bench 的“作弊 0.0%”在 tbench 榜上找不到对应列，那个榜只列通过率、成本与 token。WebDev Arena 的 1769 分在榜面上属于 Anthropic 的第 3 名，Google 最高的是 1674 分、第 11 名。

公告说三项安全基准是“evaluated without guardrails”。CWE-bench 却是从公开榜转引的，三项各用各的口径。

“最强”这句话只在部分行成立。在 Google 自己的评测方法 PDF 里，FrontierSWE 上 GPT-6 Astra 是 65.5%、Carbon 61.2%；OSWorld-2.1 离线子集上 Claude Opus 5.5 是 87.2%、Carbon 81.5%；Vals Index v2.2 上 Carbon 领先 0.2 个点。Carbon 领先最多的是长上下文（GraphWalks 96.2%，上一代 Argon 84.2%）和几项安全基准。表里对手的数字取自各家系统卡与技术报告，同一个基准，各家用的 harness 不同。

价格写的是首期价：每百万输入 2 美元、输出 10 美元，到期后 4 美元与 20 美元；公告给的这条价没有到期日。Argon 的价目页倒是写明了截止日：11 月 30 日，12 月 1 日起翻倍。作为对照，Anthropic 在 Opus 5.5 的系统卡里写明那个模型的评测带生产护栏，被拦下的安全任务改路由到 Opus 4.8，官方自认这“likely reduces”分数——同一张表里，两家的护栏状态不同。

对要排期的人，信号很具体。模型清单或价目页出现 carbon 行，才算真的对开发者开放。88.2% 这个数要和 183 题的分母一起看。作弊率、越权降 26%、高严重度告警降近 80% 这几项，只能向供应商要判定口径与样本，否则无从复核。Fairwind 的门要求用户级认证、抗钓鱼 MFA、只发内部安全团队、不得转售。榜单回答的是它强在哪一项上；买回来是什么样，要等上架后自己试。12345678910111213