Gemini 4 Carbon 发布：四个第一里公开榜只认一个，开发者还用不上

先说结论

• 是什么：Gemini 4 系列第二款前沿模型，主打网络安全与长周期 agent 任务，文本、图像、视频、文件都能进。12
• 官方宣称：Artificial Analysis 智能指数 v5.0 得 59 分、排第一；SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，三项称最先进；WebDev Arena 1769 分、比上一代高 89 分、排第 4。1
• 已经能核对到的：Collinear 的 CWE-bench 榜上它排第一，71% 领先并列第二的 3 分；Vals 的独立评测给它 70.36%，29 个模型里第 2。34
• 还核不到的：AA 公开榜最高仍是 58 分（Claude Opus 5.5），没有 Carbon 这一行；SEC-bench Pro 公开总榜第一是 GPT-5.5 的 58.4%，ExploitGym 官方榜第一是 GPT-6 Astra 的 368/869，两榜也都没有它。567
• 怎么用：本周起只给一批网络安全防守方，之后经 Fairwind 计划扩到受信任伙伴；开发者、企业、消费者要「尽快」，没有日期。Gemini API 的模型目录、价格页、发布记录三处都还没有它。18910
• 多少钱：首发每百万 token 输入 2 美元、输出 10 美元，缓存输入在原价上打 95% 折；首发期结束后回到 4 美元与 20 美元。1

快速核对

四个「第一」分别靠什么站着

三项网络安全基准，各自在量什么

Vals 已经给出同口径的答案

和 Argon 比，两周涨了多少

• 智能指数 v5.0：59 对 50。AA 公开榜单上 Gemini 4 Argon（high）现在也是 50 分，两边对得上。14
• Vals Index：70.4% 对 69.2%，每测试 10.51 美元对 13.37 美元。同一张价表下，它用更少的 token 跑完了同一套题。4
• CWE-bench：71% 对 68%。3
• ExploitGym：54.8% 对 42.0%，这是全表涨幅最大的一项。13
• SEC-bench Pro：88.2% 对 83.4%。13
• GraphWalks（256K 到 1M 上下文的检索推理）：96.2% 对 84.2%，涨 12 个点。13

对齐与安全：0.0% 和 −80% 都是内部数

• Terminal-Bench 4.0 上成功作弊的比例降到 0.0%，有作弊意图的尝试降到 0.4%，同期准确率上升。1
• 内部编码环境里，高严重度错位告警下降近 80%。1
• 无支撑声明减少约 2 倍，遇到证据缺失时它把方法上的保留写进交付物，或者明确列出还缺什么。1
• 越界行为减少 26%，服务不足减少 29%。1

谁能用，什么时候，多少钱

• Gemini API 的模型目录里，Gemini 4 家族只有 gemini-4-argon 一条。8
• 价格页的 Gemini 4 段落只列 Argon 的四档价格。9
• 发布记录最新一条停在 10 月 27 日，讲的是命令行工具。10

该不该试

• 网络安全防守方，或已经是 Fairwind 伙伴：这周就能拿到。验的时候别用通用聊天题，直接拿一份真实仓库做「审出来并修好」的任务，和 Argon 跑同一份代码比 finding 数与返工率。
• 团队正在用 Argon 做长任务：12 月 1 日价格翻倍是硬节点，这个月内把预算和调用量对一遍。Carbon 现在接不进来，迁移计划用不上它。
• 在做模型选型：Vals 那四个同口径数字（70.85 / 70.36 / 70.18 / 69.24，对应 18.70 / 10.51 / 28.12 / 13.37 美元）比官方表更能回答「同样预算谁划算」。4
• 只是跟行业动向：盯两件事——AA 会不会把 59 分那条挂出来，Arena 会不会收录 1769 分那一条。这两条落定之前，官方口径与公开记录之间还差一层。

还没有的数字

• 参数量与架构：官方未披露，公告与评测方法都没有提到模型规模。113
• 训练数据与算力：同样没有。1
• 知识截止：未公布，公告与评测方法都没有提。
• 上下文窗口与输出上限：公告未写，只有 Vals 记的 1M / 1M。2
• 模型卡与系统卡：模型卡页 404，也没有 Carbon 专用的安全报告。
• 速度与首 token：没有任何一方给出 tok/s 或延迟数据。
• AA 的 59 分条目：AA 公开榜仍停在 58 分。5
• 权重：不开放，只能通过受控渠道访问。1
• 首发价截止日：公告只写了「首发期结束后」，没写日期。1