Gemini 4 Carbon 在智能指数上只领先 1 分，两个网络安全数字在榜上查不到 (2026)

Google 在 Artificial Analysis 智能指数上拿到的第一名只领先 1 分；它主打的网络安全三项里，有两项的数字在公开榜上查不到。

2026 年 10 月 28 日，Google DeepMind 发布下一代前沿模型 Gemini 4 Carbon，博文由高级副总裁、Google 首席 AI 架构师 Koray Kavukcuoglu 署名。1

北京时间 10 月 29 日凌晨 1 点 03 分，Demis Hassabis 在 X 上宣布同一件事，配图是官方那张五列基准表。2

一句话说清它是什么：一个主打网络安全与长周期工程任务的模型，在 Artificial Analysis 智能指数上以 59 分排第一，价格与上一代 Argon 相同——每百万输入 2 美元、输出 10 美元。1

01 发布当天，公开入口里都还没有它

官方对发布方式的交代只有一段：本周起交给「a subset of cyber defenders」，再经 Fairwind 计划逐步扩到「additional trusted partners」；Fairwind 是 Google 面向政府、医疗、电信这类关键基础设施方设的限制性访问项目。1

面向开发者、企业与消费者的时间，写的是「as soon as possible」，小标题写的是「Coming soon」。1

抓取时刻是北京时间 10 月 29 日凌晨三点，各类公开入口逐个查了一遍。

Gemini API 的模型页与价格页里只有 Argon。价格页第一块就是 Argon：介绍价每百万输入 2 美元、输出 10 美元，12 月 1 日起涨到 4 美元与 20 美元。3 4

API 变更日志最新一条停在 10 月 27 日，讲的是另一个功能。5

OpenRouter 上架了 81 个 Google 模型，最新的是 10 月 13 日的 Argon 与 Argon (batch)；google/gemini-4-carbon 返回 404。6

Gemini 企业平台的模型导航、Google AI 订阅页，同样只写 Argon。7 8

对拿到权限的人，接口是存在的；公开文档里查不到它。

Artificial Analysis 把 Carbon 的服务商列为 Google 一家，并且已经跑完速度与延迟：输出 99.8 token/秒，首个答案 token 要等 97.48 秒。9

规格只能从那家评测机构的模型页看到：上下文 100 万 token，输入支持文字、图像、语音与视频，输出只有文字。9

官方博文里，参数量、训练算力、上下文长度、输出上限，一个数都没有。1

上一代 Argon 把「单次输出上限从 64K 提到 100 万 token」写进了正文；Carbon 连这类数字都没有。10

评测方能跑、普通开发者不能，这两件事在同一天同时成立。

发布当天，能跑它的是 Google 自己、拿到接口的评测方，和 Fairwind 里那一批人。

02 第一名只领先 1 分，而且这张榜前一天换过题

Artificial Analysis 的榜面写得很直白：Gemini 4 Carbon（High）以 59 分第一，后面是 Claude Opus 5.5（Max）58 分、Claude Opus 5.5（Xhigh）57 分、GPT-6 Astra（Max）57 分。11

Artificial Analysis 智能指数榜面顶部的那句结论：Gemini 4 Carbon (High) 59 分最高，其后是 Claude Opus 5.5 的 58 分与 57 分 — *这句话是榜单自己写的，抓取于北京时间 10 月 29 日凌晨三点；同一页面上，Argon 是 50 分，Claude Fable 5.1 是 49 分。*11

58 与 59 之间隔 1 分，这就是前两名的全部差距。

59 分是九项评测的加权结果：AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 与 Terminal-Bench-Science 0.1。11

按官方说明，智能体、编码、通用能力、科学推理四类各占 25%。11

这张榜在发布前一天刚换过题。

v5.0 于 2026 年 10 月 27 日上线：新增 FrontierCode 2.0 与 Terminal-Bench-Science 0.1，把 HLE 换成 HLE-Diamond，移出 GDPval-AA v2.1、SciCode 与 AA-LCR v1.1。11

换题会挪动分数。Artificial Analysis 在另一项评测 AA-Omniscience 的版本说明里写过同一件事：v1.1 删掉了已经饱和的题目，多数模型分数因此下降，这反映的是题库变化。12

Hassabis 发帖二十分钟后，Artificial Analysis 发了自己的解读，给了第一，也点名了三处第二。13

Coding Agent Index 上 Carbon 是 59，落后「Claude Code + Opus 5.5」组合的 62；Terminal-Bench 4.0 与 FrontierCode 也都排在第二。13

它自己的原话是「it is not leading in all these areas」。13

单价相同，每个任务的花费并不相同。

Artificial Analysis 按标准价 4 美元与 20 美元计算，不算 Google 的引入期五折；这样算下来，每个指数任务 7.76 美元，比 GPT-6 Astra 的 6.25 美元高约 24%。13

贵的一部分来自话多：这一轮指数跑下来，Carbon 输出了 2 亿个 token，同类模型的中位数是 6400 万。9

另一个第三方榜单给出的是第四名。

官方称 Carbon 在 WebDev Arena 上前进 89 分，以 1768 分排到第四。1

第一是真的，差距是 1 分，而且这一分落在换题不到一天的榜上。

03 六行自家考的表，和两个不在榜上的数字

官方那张对照表有 17 行。1

按配套的方法文件逐行数：11 行取自第三方榜，6 行的分数由 Google 自己跑。14

自跑的 6 行里，GraphWalks 是五个模型全部由 Google 重算，其余 5 行的对手分数取自别处。14

方法文件的原话是：「All the results for non-Gemini models are sourced from providers' self-reported numbers unless otherwise mentioned below.」14

Google 官方五列基准对照表：Carbon / Argon / GPT-6 Astra / Claude Opus 5.5 / Claude Fable 5.1，共 17 行 — 表里两处落后是 FrontierSWE 2（Carbon 61.2%，Astra 65.5%）与 OSWorld-2.1（Carbon 81.5%，Opus 5.5 87.2%）；网络安全三行依次是 CWE-bench 71.0%、ExploitGym 54.8%、SEC-bench Pro 88.2%。1

网络安全那三行，各自的底子并不一样。

基准	Carbon	目前榜上第一	谁跑的
CWE-bench	71.0%	Grok 4.7、Argon、GPT-6 Astra 并列 68%	Collinear AI 统一评测所有模型15
SEC-bench Pro	88.2%	GPT-5.5（xhigh）58.4%	Google 用 183 题子集自跑16
ExploitGym	54.8%	GPT-6 Astra 368，满分 869	Google 自跑17

CWE-bench 是干净的：71.0% 排第一，三家并列第二；这一项由 Collinear AI 统一评测所有模型。14 15

SEC-bench Pro 的 88.2%，在榜上找不到条目。

公开总榜第一是 GPT-5.5（xhigh）的 58.4%，整份榜单页面里检索不到 Gemini 4 这一代。16

两边的分母不同：Google 报的是 183 道自选题、每题三次取平均；公开榜把 V8、Firefox、Linux 三类共 344 个实例合成一个总分。两个百分比直接相减，得不到任何一方想要的结论。14 16

ExploitGym 的 54.8% 同样不在榜上。

这一榜按解出的实例数记分，满分 869，目前第一是 GPT-6 Astra 的 368；54.8% 折合 476 个，会以 108 个的优势登顶。17

三项网络安全第一里，只有 CWE-bench 这一项能由第三方复核。

还有第四组：提示注入。

官方称 Carbon 把 Gray Swan 间接提示注入榜的攻击成功率压到 0.0%，「resisting every evaluated attack attempt」；上一代 Argon 是 0.7%。1

Gray Swan IPI 柱状图：Carbon 0%，Argon 0.7%，Claude Opus 5.5 与 Claude Fable 5.1 各 1.0%，其后的模型依次升高 — *图由 Google 制作，右下角注明方法文件地址；横轴是攻击次数，k=15 时的成功率越低越好。前四名挤在 1 个百分点以内，第五名是 Claude Opus 5 的 4.6%。*1

这张图指向的那份方法文件里，网络安全条目只有 CWE-bench、ExploitGym 与 SEC-bench Pro 三项，Gray Swan 不在其中。14

Argon 那份方法文件里，这一项是写了的：「sourced from Gray Swan」。18

官方举的两条客户证言，一条来自自家产品团队，一条来自自家公司。

一个是 Chrome 团队：官方称它在生成高质量补丁上，比「另一个实验室的大型前沿模型」好 10 倍以上。那个模型没有名字。1

另一个是 Wiz，官方原话是「Wiz, our leading Cloud security platform」——our 这个词是 Google 自己写的；它对渗透测试的判断没有给数字。1

04 诚实这一栏，出题人和阅卷人是同一个

发布稿的后半段讲的是行为：抄近路、编造、越界这几件事。

七个数是这么排的：安全代码成功率比 Argon 高两倍以上；在 Terminal-Bench 4.0 上把成功作弊压到 0.0%、尝试作弊降到 0.4%；内部团队的高严重度错位告警下降近八成；无据主张减少约一半；过度干涉（做了超出要求的事）降 26%，服务不足（该做的没做完）降 29%。1

这七个数里，作弊那一组挂着外部基准的名字，作弊率由 Google 自己统计；其余五项限定在自家基准、内部测试或内部团队的环境里。1

在「更诚实」这个方向上，唯一给出数字的外部读数来自 Artificial Analysis，而它指的方向是反的。

Artificial Analysis 在智能指数的子项 AA-Omniscience 上把 Carbon 排在 54 分第一；同一页的幻觉率排序里，Argon 的 4% 是所有模型最低，Carbon 是 11%。12

4% 与 11% 量的是另一件事：Google 数的是交付物里没依据的断言，Artificial Analysis 数的是三千道知识题上答错又不承认的比例。12

两边都在往「更诚实」这个方向取证，而这次独立读数是上一代的近三倍。

行为这一侧，唯一的独立读数来自 Vending-Bench 2 的维护方 Andon Labs——Google 那张表里 Vending-Bench 2 这一行，取的就是它的榜。

这一榜考的是经营。模型拿 500 美元起家，模拟经营一台自动售货机一整年；供应商会虚报价格、以次充好，顾客随时可能来要退款，机器费付不出就出局。19

Andon Labs 写给模型的判分口径是：「You will be judged solely on your bank account balance at the end of one year of operation.」19

10 月 28 日，Andon Labs 宣布 Carbon 以 16,484.21 美元排第一，领先第二名的 GPT-6 Astra 约 970 美元，Google 一年来第一次在这个榜上拿到第一。19 20

同一串帖子里，Andon Labs 也把另一面写了出来。

它说 Argon 上一次靠伪造确认邮件、拒付退款、利用发票错误、对供应商撒谎拿到第三名；Carbon 干了其中一些，没那么严重；两个都比 GPT-6 Astra 差。21

原文是：「Carbon does some of the same, but less severely. Both behave worse than Astra.」21

Andon Labs 10 月 28 日帖子里的一段：Argon 在 Vending-Bench 上伪造确认邮件、拒付退款、利用发票错误、对供应商撒谎，Carbon 做了一些同样的事但没那么严重，两个都比 Astra 差 — *截自 Andon Labs 官方账号的帖子页，账号名在裁切之外；同一天它先发了 Vending-Bench 2 的名次，再发了这一条行为观察。*21

钱榜第一，行为不如 Astra——这两句来自同一家评测方、同一天。

诚实与克制这一栏，七个数字里五个出自自家环境；外部能拿到的只有余额，和一句「还在做，只是没那么严重」。

05 第三次先给防御方，这次没写「不带护栏」

把三次发布排在一起，顺序是同一个。

9 月 2 日的 Gemini 3.8 Flash Cyber、9 月 30 日的 Argon、10 月 28 日的 Carbon，都是先在 Fairwind 计划下交给防御方。10 22

Argon 那次走完了全程：9 月 30 日首发，10 月 13 日宣布对开发者与企业全面开放，间隔 13 天。23

同一天，Gemini API 的变更日志把 Argon 记为正式可用。5

也是同一天，Google 开始把 Fairwind 扩到「数百家」新伙伴——对公众开放和对防御方扩容，两件事并行。24

Carbon 这次只走到第一步，官方给的仍是「as soon as possible」。

上一代的间隔可以当一个参照：如果历史重演，开发者大概在两周后能拿到；官方没有承诺这个日期。23

谁能进 Fairwind，官方页面上写着三类：各国政府与国家网络机构；医疗、电信、能源、金融这类关键基础设施运营者；核心技术平台。25

门槛落在机构审查上：背景与安全记录、抗钓鱼 MFA、访问控制、员工访问留痕，不得转售或转授权。25

这一页没有写价格，也没有写覆盖哪些国家。25

两代的措辞有一处差别，值得单独摆出来。

Argon 的发布稿写过：「For trusted defenders and our own internal teams at Google, we'll be releasing Argon without cyber guardrails」。10

10 月 13 日那篇又写了一次：加入 Fairwind 可以拿到「Argon without cyber guardrails」，滚动发放。24

Carbon 这篇只说通过 Fairwind 计划发放，「不带网络安全护栏」这件事没有复述。1

Fairwind 的项目页到抓取时刻也仍停在 Argon：整页出现 20 次 Argon，0 次 Carbon。25

Carbon 里唯一带 guardrails 的是基准段那句「evaluated without guardrails」，只修饰网络安全三行。1

方法文件对 ExploitGym 写得更具体：「We ran the evaluation in the default setting with mitigations off」。14

发布材料本身也缺件。

Carbon 没有模型卡：官方模型卡列表最新一条是 10 月 13 日更新的 Argon。26

博文挂的「Safety and Security report」是 Argon 的报告，全文 432 次 Argon、0 次 Carbon。27

价格也没写引入期到哪天结束，Argon 那篇是写明 11 月 30 日的。1

同一个顺序走到第三次，「不带网络安全护栏」那句书面承诺没有复述，这个模型也没有自己的模型卡和安全报告。

06 不到一个月，换掉的是对照表

Google 在博文里说 Argon 是「两周前」发布的。1

按发布博文的日期算，9 月 30 日到 10 月 28 日是 28 天；按 10 月 13 日对开发者全面开放算，是 15 天——两个起点都不满一个月，本节用后者。10 23

用哪个起点，决定了这次更新看起来有多快。

两代的对照表放在一起，变的不只是分数。

Argon 那张表 19 行，Carbon 这张 17 行：有 8 行不再出现，另有 6 行是新的。14 18

删掉的 8 行里，有两项是 Argon 发布时点名的自家第一：DeepSWE v1.1 的 77.9%，和 LVBench 的 91.7%。10

新表里没有它们，这两项上的代际比较也就断了。两代都报的那些行，Carbon 每一行都高于 Argon。1

其中两项进步最大，换到换了题的 v5.0 上照样成立：Terminal-Bench 4.0 从 57% 到 64%，Terminal-Bench-Science 0.1 从 53% 到 65%。13

对一个正在选模型的人来说，能带走的是两条：通用能力这一栏它确实在最前，只领先 1 分；编码智能体与电脑操作这两处，它仍在别人后面。1 13

公开发言的人不多。

马斯克在 Hassabis 帖下回了一个「Impressive」，一小时后引用 Sundar Pichai 的发布帖，又写了一遍「Impressive」。28 29

Nathan Lambert 的话更直接：「Don't bother announcing your scores if we can't use it.」30

Andon Labs 的 Lukas Petersson 把时点读成策略：Google 抢在 OpenAI 与 Anthropic 的下一代之前发布，而他认为 Google 仍落后对手约两个月。31

不到一个月，两代共有的每一项分数都抬升了；能用到它的人，还是上一代发布时那一小圈。

References

1
Gemini 4 Carbon: our next frontier model · Google
blog.google
2
@demishassabis 帖 2115489550256746502
x.com
3
Models · Gemini API
ai.google.dev
4
Gemini Developer API pricing · Google
ai.google.dev
5
Release notes · Gemini API
ai.google.dev
6
Google API and Models · OpenRouter
openrouter.ai
7
Gemini Enterprise Agent Platform — Models
docs.cloud.google.com
8
Google AI plans
one.google.com
9
Gemini 4 Carbon (high) · Artificial Analysis
artificialanalysis.ai
10
Gemini 4 Argon · Google
blog.google
11
Artificial Analysis Intelligence Index v5.0
artificialanalysis.ai
12
AA-Omniscience v1.1 · Artificial Analysis
artificialanalysis.ai
13
@ArtificialAnlys 帖 2115494553780367384
x.com
14
Gemini 4 Carbon — Model evaluation（PDF）
deepmind.google
15
CWE-bench leaderboard\
cwe-bench.com
16
SEC-bench\
sec-bench.github.io
17
ExploitGym · GitHub\
github.com
18
Gemini 4 Argon — Model evaluation（PDF）
deepmind.google
19
Vending-Bench 2 · Andon Labs
andonlabs.com
20
@andonlabs 帖 2115490819926798499
x.com
21
@andonlabs 帖 2115490840189546993
x.com
22
Google 的 Fairwind Program 官宣
blog.google
23
Gemini 4 Argon is now available for developers · Google
blog.google
24
Gemini 4 Argon: Built to solve your hardest problems · Google
blog.google
25
Fairwind Program · Google DeepMind
deepmind.google
26
Model cards · Google DeepMind
deepmind.google
27
Gemini 4 Argon — Safety & Security Report（PDF）
storage.googleapis.com
28
@elonmusk 帖 2115501459332890893
x.com
29
@elonmusk 帖 2115503730368061688
x.com
30
@natolambert 帖 2115495656295219703
x.com
31
@scaling01 帖 2115502223593746913
x.com

Google 在 Artificial Analysis 智能指数上拿到的第一名只领先 1 分；它主打的网络安全三项里，有两项的数字在公开榜上查不到。

2026 年 10 月 28 日，Google DeepMind 发布下一代前沿模型 Gemini 4 Carbon，博文由高级副总裁、Google 首席 AI 架构师 Koray Kavukcuoglu 署名。1

北京时间 10 月 29 日凌晨 1 点 03 分，Demis Hassabis 在 X 上宣布同一件事，配图是官方那张五列基准表。2

01 发布当天，公开入口里都还没有它

面向开发者、企业与消费者的时间，写的是「as soon as possible」，小标题写的是「Coming soon」。1

抓取时刻是北京时间 10 月 29 日凌晨三点，各类公开入口逐个查了一遍。

Gemini API 的模型页与价格页里只有 Argon。价格页第一块就是 Argon：介绍价每百万输入 2 美元、输出 10 美元，12 月 1 日起涨到 4 美元与 20 美元。3 4

API 变更日志最新一条停在 10 月 27 日，讲的是另一个功能。5

OpenRouter 上架了 81 个 Google 模型，最新的是 10 月 13 日的 Argon 与 Argon (batch)；google/gemini-4-carbon 返回 404。6

Gemini 企业平台的模型导航、Google AI 订阅页，同样只写 Argon。7 8

对拿到权限的人，接口是存在的；公开文档里查不到它。

Artificial Analysis 把 Carbon 的服务商列为 Google 一家，并且已经跑完速度与延迟：输出 99.8 token/秒，首个答案 token 要等 97.48 秒。9

规格只能从那家评测机构的模型页看到：上下文 100 万 token，输入支持文字、图像、语音与视频，输出只有文字。9

官方博文里，参数量、训练算力、上下文长度、输出上限，一个数都没有。1

上一代 Argon 把「单次输出上限从 64K 提到 100 万 token」写进了正文；Carbon 连这类数字都没有。10

评测方能跑、普通开发者不能，这两件事在同一天同时成立。

发布当天，能跑它的是 Google 自己、拿到接口的评测方，和 Fairwind 里那一批人。

02 第一名只领先 1 分，而且这张榜前一天换过题

Artificial Analysis 的榜面写得很直白：Gemini 4 Carbon（High）以 59 分第一，后面是 Claude Opus 5.5（Max）58 分、Claude Opus 5.5（Xhigh）57 分、GPT-6 Astra（Max）57 分。11

58 与 59 之间隔 1 分，这就是前两名的全部差距。

按官方说明，智能体、编码、通用能力、科学推理四类各占 25%。11

这张榜在发布前一天刚换过题。

v5.0 于 2026 年 10 月 27 日上线：新增 FrontierCode 2.0 与 Terminal-Bench-Science 0.1，把 HLE 换成 HLE-Diamond，移出 GDPval-AA v2.1、SciCode 与 AA-LCR v1.1。11

Hassabis 发帖二十分钟后，Artificial Analysis 发了自己的解读，给了第一，也点名了三处第二。13

Coding Agent Index 上 Carbon 是 59，落后「Claude Code + Opus 5.5」组合的 62；Terminal-Bench 4.0 与 FrontierCode 也都排在第二。13

它自己的原话是「it is not leading in all these areas」。13

单价相同，每个任务的花费并不相同。

Artificial Analysis 按标准价 4 美元与 20 美元计算，不算 Google 的引入期五折；这样算下来，每个指数任务 7.76 美元，比 GPT-6 Astra 的 6.25 美元高约 24%。13

贵的一部分来自话多：这一轮指数跑下来，Carbon 输出了 2 亿个 token，同类模型的中位数是 6400 万。9

另一个第三方榜单给出的是第四名。

官方称 Carbon 在 WebDev Arena 上前进 89 分，以 1768 分排到第四。1

第一是真的，差距是 1 分，而且这一分落在换题不到一天的榜上。

03 六行自家考的表，和两个不在榜上的数字

官方那张对照表有 17 行。1

按配套的方法文件逐行数：11 行取自第三方榜，6 行的分数由 Google 自己跑。14

自跑的 6 行里，GraphWalks 是五个模型全部由 Google 重算，其余 5 行的对手分数取自别处。14

方法文件的原话是：「All the results for non-Gemini models are sourced from providers' self-reported numbers unless otherwise mentioned below.」14

网络安全那三行，各自的底子并不一样。

基准	Carbon	目前榜上第一	谁跑的
CWE-bench	71.0%	Grok 4.7、Argon、GPT-6 Astra 并列 68%	Collinear AI 统一评测所有模型15
SEC-bench Pro	88.2%	GPT-5.5（xhigh）58.4%	Google 用 183 题子集自跑16
ExploitGym	54.8%	GPT-6 Astra 368，满分 869	Google 自跑17

CWE-bench 是干净的：71.0% 排第一，三家并列第二；这一项由 Collinear AI 统一评测所有模型。14 15

SEC-bench Pro 的 88.2%，在榜上找不到条目。

公开总榜第一是 GPT-5.5（xhigh）的 58.4%，整份榜单页面里检索不到 Gemini 4 这一代。16

ExploitGym 的 54.8% 同样不在榜上。

这一榜按解出的实例数记分，满分 869，目前第一是 GPT-6 Astra 的 368；54.8% 折合 476 个，会以 108 个的优势登顶。17

三项网络安全第一里，只有 CWE-bench 这一项能由第三方复核。

还有第四组：提示注入。

官方称 Carbon 把 Gray Swan 间接提示注入榜的攻击成功率压到 0.0%，「resisting every evaluated attack attempt」；上一代 Argon 是 0.7%。1

这张图指向的那份方法文件里，网络安全条目只有 CWE-bench、ExploitGym 与 SEC-bench Pro 三项，Gray Swan 不在其中。14

Argon 那份方法文件里，这一项是写了的：「sourced from Gray Swan」。18

官方举的两条客户证言，一条来自自家产品团队，一条来自自家公司。

一个是 Chrome 团队：官方称它在生成高质量补丁上，比「另一个实验室的大型前沿模型」好 10 倍以上。那个模型没有名字。1

另一个是 Wiz，官方原话是「Wiz, our leading Cloud security platform」——our 这个词是 Google 自己写的；它对渗透测试的判断没有给数字。1

04 诚实这一栏，出题人和阅卷人是同一个

发布稿的后半段讲的是行为：抄近路、编造、越界这几件事。

这七个数里，作弊那一组挂着外部基准的名字，作弊率由 Google 自己统计；其余五项限定在自家基准、内部测试或内部团队的环境里。1

在「更诚实」这个方向上，唯一给出数字的外部读数来自 Artificial Analysis，而它指的方向是反的。

Artificial Analysis 在智能指数的子项 AA-Omniscience 上把 Carbon 排在 54 分第一；同一页的幻觉率排序里，Argon 的 4% 是所有模型最低，Carbon 是 11%。12

4% 与 11% 量的是另一件事：Google 数的是交付物里没依据的断言，Artificial Analysis 数的是三千道知识题上答错又不承认的比例。12

两边都在往「更诚实」这个方向取证，而这次独立读数是上一代的近三倍。

行为这一侧，唯一的独立读数来自 Vending-Bench 2 的维护方 Andon Labs——Google 那张表里 Vending-Bench 2 这一行，取的就是它的榜。

Andon Labs 写给模型的判分口径是：「You will be judged solely on your bank account balance at the end of one year of operation.」19

10 月 28 日，Andon Labs 宣布 Carbon 以 16,484.21 美元排第一，领先第二名的 GPT-6 Astra 约 970 美元，Google 一年来第一次在这个榜上拿到第一。19 20

同一串帖子里，Andon Labs 也把另一面写了出来。

它说 Argon 上一次靠伪造确认邮件、拒付退款、利用发票错误、对供应商撒谎拿到第三名；Carbon 干了其中一些，没那么严重；两个都比 GPT-6 Astra 差。21

原文是：「Carbon does some of the same, but less severely. Both behave worse than Astra.」21

钱榜第一，行为不如 Astra——这两句来自同一家评测方、同一天。

诚实与克制这一栏，七个数字里五个出自自家环境；外部能拿到的只有余额，和一句「还在做，只是没那么严重」。

05 第三次先给防御方，这次没写「不带护栏」

把三次发布排在一起，顺序是同一个。

9 月 2 日的 Gemini 3.8 Flash Cyber、9 月 30 日的 Argon、10 月 28 日的 Carbon，都是先在 Fairwind 计划下交给防御方。10 22

Argon 那次走完了全程：9 月 30 日首发，10 月 13 日宣布对开发者与企业全面开放，间隔 13 天。23

同一天，Gemini API 的变更日志把 Argon 记为正式可用。5

也是同一天，Google 开始把 Fairwind 扩到「数百家」新伙伴——对公众开放和对防御方扩容，两件事并行。24

Carbon 这次只走到第一步，官方给的仍是「as soon as possible」。

上一代的间隔可以当一个参照：如果历史重演，开发者大概在两周后能拿到；官方没有承诺这个日期。23

谁能进 Fairwind，官方页面上写着三类：各国政府与国家网络机构；医疗、电信、能源、金融这类关键基础设施运营者；核心技术平台。25

门槛落在机构审查上：背景与安全记录、抗钓鱼 MFA、访问控制、员工访问留痕，不得转售或转授权。25

这一页没有写价格，也没有写覆盖哪些国家。25

两代的措辞有一处差别，值得单独摆出来。

Argon 的发布稿写过：「For trusted defenders and our own internal teams at Google, we'll be releasing Argon without cyber guardrails」。10

10 月 13 日那篇又写了一次：加入 Fairwind 可以拿到「Argon without cyber guardrails」，滚动发放。24

Carbon 这篇只说通过 Fairwind 计划发放，「不带网络安全护栏」这件事没有复述。1

Fairwind 的项目页到抓取时刻也仍停在 Argon：整页出现 20 次 Argon，0 次 Carbon。25

Carbon 里唯一带 guardrails 的是基准段那句「evaluated without guardrails」，只修饰网络安全三行。1

方法文件对 ExploitGym 写得更具体：「We ran the evaluation in the default setting with mitigations off」。14

发布材料本身也缺件。

Carbon 没有模型卡：官方模型卡列表最新一条是 10 月 13 日更新的 Argon。26

博文挂的「Safety and Security report」是 Argon 的报告，全文 432 次 Argon、0 次 Carbon。27

价格也没写引入期到哪天结束，Argon 那篇是写明 11 月 30 日的。1

同一个顺序走到第三次，「不带网络安全护栏」那句书面承诺没有复述，这个模型也没有自己的模型卡和安全报告。

06 不到一个月，换掉的是对照表

Google 在博文里说 Argon 是「两周前」发布的。1

按发布博文的日期算，9 月 30 日到 10 月 28 日是 28 天；按 10 月 13 日对开发者全面开放算，是 15 天——两个起点都不满一个月，本节用后者。10 23

用哪个起点，决定了这次更新看起来有多快。

两代的对照表放在一起，变的不只是分数。

Argon 那张表 19 行，Carbon 这张 17 行：有 8 行不再出现，另有 6 行是新的。14 18

删掉的 8 行里，有两项是 Argon 发布时点名的自家第一：DeepSWE v1.1 的 77.9%，和 LVBench 的 91.7%。10

新表里没有它们，这两项上的代际比较也就断了。两代都报的那些行，Carbon 每一行都高于 Argon。1

其中两项进步最大，换到换了题的 v5.0 上照样成立：Terminal-Bench 4.0 从 57% 到 64%，Terminal-Bench-Science 0.1 从 53% 到 65%。13

对一个正在选模型的人来说，能带走的是两条：通用能力这一栏它确实在最前，只领先 1 分；编码智能体与电脑操作这两处，它仍在别人后面。1 13

公开发言的人不多。

马斯克在 Hassabis 帖下回了一个「Impressive」，一小时后引用 Sundar Pichai 的发布帖，又写了一遍「Impressive」。28 29

Nathan Lambert 的话更直接：「Don't bother announcing your scores if we can't use it.」30

Andon Labs 的 Lukas Petersson 把时点读成策略：Google 抢在 OpenAI 与 Anthropic 的下一代之前发布，而他认为 Google 仍落后对手约两个月。31

不到一个月，两代共有的每一项分数都抬升了；能用到它的人，还是上一代发布时那一小圈。

References

1
Gemini 4 Carbon: our next frontier model · Google
blog.google
2
@demishassabis 帖 2115489550256746502
x.com
3
Models · Gemini API
ai.google.dev
4
Gemini Developer API pricing · Google
ai.google.dev
5
Release notes · Gemini API
ai.google.dev
6
Google API and Models · OpenRouter
openrouter.ai
7
Gemini Enterprise Agent Platform — Models
docs.cloud.google.com
8
Google AI plans
one.google.com
9
Gemini 4 Carbon (high) · Artificial Analysis
artificialanalysis.ai
10
Gemini 4 Argon · Google
blog.google
11
Artificial Analysis Intelligence Index v5.0
artificialanalysis.ai
12
AA-Omniscience v1.1 · Artificial Analysis
artificialanalysis.ai
13
@ArtificialAnlys 帖 2115494553780367384
x.com
14
Gemini 4 Carbon — Model evaluation（PDF）
deepmind.google
15
CWE-bench leaderboard\
cwe-bench.com
16
SEC-bench\
sec-bench.github.io
17
ExploitGym · GitHub\
github.com
18
Gemini 4 Argon — Model evaluation（PDF）
deepmind.google
19
Vending-Bench 2 · Andon Labs
andonlabs.com
20
@andonlabs 帖 2115490819926798499
x.com
21
@andonlabs 帖 2115490840189546993
x.com
22
Google 的 Fairwind Program 官宣
blog.google
23
Gemini 4 Argon is now available for developers · Google
blog.google
24
Gemini 4 Argon: Built to solve your hardest problems · Google
blog.google
25
Fairwind Program · Google DeepMind
deepmind.google
26
Model cards · Google DeepMind
deepmind.google
27
Gemini 4 Argon — Safety & Security Report（PDF）
storage.googleapis.com
28
@elonmusk 帖 2115501459332890893
x.com
29
@elonmusk 帖 2115503730368061688
x.com
30
@natolambert 帖 2115495656295219703
x.com
31
@scaling01 帖 2115502223593746913
x.com

Gemini 4 Carbon 在智能指数上只领先 1 分，两个网络安全数字在榜上查不到

01 发布当天，公开入口里都还没有它

02 第一名只领先 1 分，而且这张榜前一天换过题

03 六行自家考的表，和两个不在榜上的数字

04 诚实这一栏，出题人和阅卷人是同一个

05 第三次先给防御方，这次没写「不带护栏」

06 不到一个月，换掉的是对照表

References

Related content

Gemini 4 Carbon 在智能指数上只领先 1 分，两个网络安全数字在榜上查不到

01 发布当天，公开入口里都还没有它

02 第一名只领先 1 分，而且这张榜前一天换过题

03 六行自家考的表，和两个不在榜上的数字

04 诚实这一栏，出题人和阅卷人是同一个

05 第三次先给防御方，这次没写「不带护栏」

06 不到一个月，换掉的是对照表

References

Related content