「第一名先不给你用」：Google Gemini 4 Carbon 10月28日登顶，防守方先拿到手

先说结论

Google 在 10 月 28 日公布了 Gemini 4 Carbon，距离上一款旗舰 Argon 上线只隔了两周。官方给它的定位很直接：面向网络安全防守和长程工程任务的前沿模型。第三方榜单 Artificial Analysis 把它排到了 Intelligence Index v5.0 的第一名，得分 59 分，比 Claude Opus 5.5 高 1 分，比 GPT-6 Astra 高 2 分。但普通用户现在还用不上它。第一批名额只给了经过筛选的网络安全防守方，后续通过 Fairwind Program 逐步放给受信任的合作伙伴，开发者、商家和普通消费者还要等，官方没有给出具体日期。价格倒是先定下来了：上线初期每百万输入 token 2 美元、输出 10 美元，缓存输入打 95 折，优惠期结束后涨到 4 美元和 20 美元。榜首的光环和“用不上”同时成立，这篇就把这两件事摊开讲清楚。

两周连发两款旗舰，节奏本身就值得留意

Argon 在 9 月 30 日亮相，10 月中旬进入 Gemini API，10 月 28 日 Carbon 就来了。两周出一款旗舰，这个速度放在以前很难想象。Google 自己的说法是，研究人员和模型正在互相配合推进，能力往前走，防护措施同步跟上。我读下来更愿意这样理解：Carbon 不像一次换代，更像 Argon 产品线里一次幅度很大的升级。Reddit 上此前就有开发者猜测，Carbon 可能来自同一代内部检查点的改进版本，这个说法没有官方确认，但它解释了为什么两款模型间隔这么短、定价又完全一样。

对用户来说，节奏快带来一个实际问题：刚摸熟 Argon 的用法和价格，还没来得及把工作流固定下来，下一款已经在路上了。如果你正在用 Argon 做长期项目，先别急着换，Carbon 目前没有公开的 API 入口，换也换不了。等它真正进入 API 再做对比，那时候的实测数据才有参考价值。

三张安全考卷：找漏洞、验证、打补丁

Carbon 的宣传重心不在聊天和通用问答，而在防守链条的三个环节。Google 公布的成绩都来自外部基准测试，测试时没有开防护栏，这个前提要先说清楚，因为它会影响你对分数的理解。

88.2% 这个数字听起来很高，但它测的是“找得到”，不是“修得对”。54.8% 的验证成绩也提醒了一件事：即便模型指出某个地方有问题，能不能复现、值不值得优先修，还要人来判断。71.0% 的补丁成绩同样如此，补丁合进代码库之前，测试和评审一道都不能省。把三张考卷连起来看，Carbon 更像一个能力很强的防守助手，而不是一个可以独立值班的安全员。

通用能力方面，官方公布的榜单成绩也值得单独列一下。Artificial Analysis Intelligence Index v5.0 上，Carbon 59 分排第一，Claude Opus 5.5 拿 58 分，GPT-6 Astra 57 分，Argon 50 分。WebDev Arena 上 Carbon 涨了 89 分 Elo，来到 1768 分，排第四。榜单第一和单项第一是两回事，Carbon 在通用榜上领先 1 分，优势并不大，真正拉开差距的地方还是安全那三项。

价格先定好了，人还没轮到

定价这部分没有悬念，Carbon 沿用了 Argon 的上线初期价格。缓存输入 95 折这个条款对长程任务很友好，因为安全审计和大型代码库分析往往要反复读同一批上下文，缓存能把账单压下来不少。但优惠期结束后价格翻倍，预算要按 4 美元和 20 美元那档去算，别按上线价做长期规划。

拿一个具体例子算一下账。假设一次审计任务吃掉 50 万输入 token、产出 10 万输出 token，缓存命中一半输入：

# 按上线初期价格估算一次审计任务的 token 花费
input_tokens = 500_000
cached_tokens = 250_000
output_tokens = 100_000
input_price = 2 / 1_000_000
output_price = 10 / 1_000_000
cached_price = input_price * 0.05

cost = (input_tokens - cached_tokens) * input_price + cached_tokens * cached_price + output_tokens * output_price
print(round(cost, 2))  # 1.53 美元

同一组数字按优惠期结束后的价格重算，结果是 3.05 美元，刚好翻倍。这个差距不大，但对每天跑几十次审计的团队来说，一个月下来就是一笔看得见的开销。独立测算也给出了一个参考：同一套基准任务上，Carbon 每任务成本约 7.76 美元，Claude Opus 5.5 约 10.04 美元，差距约 23%，同时 Carbon 的输出 token 少了约 29%。这个测算来自第三方分析，不是官方口径，拿来做预算参考可以，做采购决策还不够。

安全账本里写了什么，哪些话要打折听

Google 在安全和对齐方面公布了几组内部数据。Terminal-Bench 4.0 上，成功作弊的比例降到 0.0%，作弊尝试降到 0.4%，同时整体准确率还在往上走。内部编码环境里，高严重度错位告警减少了近 80%。Gray Swan 的间接提示注入基准上，Argon 的攻击成功率是 0.7%，Carbon 降到 0.0%，也就是评估集里的攻击全部挡住了。官方还说，Carbon 生成安全代码的成功率比 Argon 高出两倍多，Chrome 团队的内部测试里，Carbon 产出高质量补丁的表现比另一家实验室的大模型好出 10 倍以上。

这些话要分开听。前半部分有明确的基准和数字，后半部分来自内部测试，对手没有具名，也没有公开复现。10 倍这个说法尤其要谨慎：它没有说明对比的是哪一款模型、用什么标准评“高质量”，在第三方复现之前，只能当作内部信号，不能当作结论。另外，安全基准测试时没有开防护栏，这意味着分数反映的是模型本身的能力上限，不是你打开防护后实际拿到的表现。防护栏打开之后，分数往哪个方向走、走多远，官方还没有给出对应的数字。

还有一层背景值得留意。Carbon 公布的同一天，Anthropic 的前沿红队披露，一款未发布的 Claude 模型能把多个漏洞串起来，做出可以在浏览器和操作系统里跑的利用手段。两家实验室在同一天把“攻击与防守”推到台前，说明这个赛道已经从“谁的通用分更高”转到了“谁能先帮防守方堵住口子”。Google 选择先把 Carbon 交给防守方，也符合这个逻辑：能力越接近实战，越要先放在防守者手里试。

普通用户现在能做什么

第一，Argon 用户不用焦虑。Carbon 还没有进入 Gemini API 和各家产品界面，你现有的工作流不会因为它上线就变旧。等 Carbon 进入 API 之后，再拿你自己的任务跑一遍对比，比看榜单管用。

第二，做安全相关工作的团队可以先做准备。把现有的审计流程拆成三个环节：找漏洞、验证、打补丁，分别记录人工复核花了多少时间。Carbon 上线之后，你就有了一组自己的基线，能直接算出它到底省了多少时间，而不是只看官方给的百分比。

第三，预算按优惠期结束后的价格做。2 美元和 10 美元是上线价，4 美元和 20 美元才是长期价。缓存策略现在就可以动手优化：把反复使用的代码库说明、规则文档放进缓存，输出控制在必要长度，这两件事在任何模型上都能省钱。

一句话总结

Carbon 拿到了榜单第一，也把最强的防守能力先交给了防守方，普通用户真正能用上它，还要等 Fairwind Program 之后的放开节奏，价格和榜单都先看清楚，再决定要不要换。

来源：

• Google 官方公告：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
• 路透社报道（经 KTWB 转载）：https://ktwb.com/2026/10/28/google-launches-gemini-4-carbon-ai-model-with-cybersecurity-focus/
• 独立分析与成本测算：https://aiweekly.co/alerts/google-ships-gemini-4-carbon-tops-aa-intelligence-index-at-59
• 榜单对比与模型详情：https://officechai.com/ai/gemini-4-carbon-benchmarks/
• 模型速览：https://handyai.substack.com/p/model-drop-gemini-4-carbon