谷歌又把大模型排行榜的第一名抢回来了。
距离 Gemini 4 Argon 面向更广泛用户开放仅过去约两周，谷歌便推出了新一代前沿模型 Gemini 4 Carbon。这一次，谷歌不仅将目标对准了大模型综合智能榜首，更把编程、长程智能体任务和网络安全能力推到了核心位置。
谷歌发布 Gemini 4 Carbon
10 月 28 日，谷歌 CEO 皮查伊也在 x 上宣布了该消息，他表示，继两周前推出 Gemini 4 Argon 后，Gemini 4 Carbon 再次刷新了模型能力上限，以 59 分位居 Artificial Analysis 最新 v5.0 智能指数榜首，并在漏洞发现、漏洞利用和补丁修复三项网络安全测试中取得领先成绩。
相比 Argon，Carbon 在长程任务执行能力和安全防护方面进一步提升，目前已开始向部分可信网络安全防御专家开放，后续将通过 Fairwind 计划逐步扩大访问范围，最终面向公众开放。
谷歌表示，Carbon 的设计初衷是应对难度更高、周期更长的工程难题，它专为持续的智能体工作流程而构建。在谷歌内部，团队曾亲眼见证 Carbon 连续运行数天，突破重重难关，最终解决复杂的、多步骤的工程任务，例如在大型代码库和底层系统中查找并修复细微的 bug。
这次发布的新模型专注于提升模型在多个领域的性能，包括编码、智能体任务、科学研究任务，以及全栈 Web 开发和多模态理解。
在 Artificial Analysis Intelligence Index v5.0 中，Gemini 4 Carbon 以 59 分登顶第一，超过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。与上一代 Gemini 4 Argon 的 50 分相比，Carbon 提升了 9 分。
但更值得关注的是编程能力。Artificial Analysis 的独立评测显示，Gemini 4 Carbon 已经跃居 Coding Agent Index 第二名，仅落后 Claude Opus 5.5 三分。
在网络安全领域，谷歌公布的三组数字同样引人注目：漏洞发现测试达到 88.2%，漏洞利用验证达到 54.8%，漏洞修复测试达到 71.0%。谷歌称，Carbon 在这三个关键基准中均取得领先成绩。
更有意思的是，这款综合评分登顶、具备更强漏洞挖掘能力的模型，普通开发者暂时还用不上。
谷歌决定首先向少量网络安全防御专家开放 Carbon，再通过 Fairwind 计划逐步扩大测试范围。
一边是更激烈的模型性能竞争，一边是更加谨慎的开放策略。Gemini 4 Carbon 的发布，正在呈现前沿大模型竞争的另一个侧面：当 AI 越来越能够独立完成复杂工程任务，模型能力越强，如何控制其实际行为就越重要。
综合榜单登顶，编程能力距离 Claude Opus 5.5 只差三分
此次 Gemini 4 Carbon 最直接的看点，是在第三方综合评测中重新取得领先。
Artificial Analysis 近期更新了 Intelligence Index，将其升级至 v5.0。新版指数整合九项评测，涉及专业知识工作、复杂编程、科学推理、事实性知识和智能体自动化等任务，试图用更复杂的真实任务衡量模型能力，而不仅仅测试知识问答或者单轮推理。
根据 Artificial Analysis 的评测，Carbon 在九项测试中的四项取得第一，包括 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA。
这些测试覆盖了高难度知识与推理、科学环境中的终端操作、事实性知识，以及跨工具自动化任务。
不过，综合榜单第一并不意味着 Carbon 在所有细分能力上都超过竞争对手。
在 Artificial Analysis Coding Agent Index 中，使用 Antigravity CLI 的 Gemini 4 Carbon 高推理配置获得 59 分，而 Claude Code 搭配 Claude Opus 5.5 最高推理配置获得 62 分。Carbon 排名第二，双方差距缩小至三分。
其中，在 FrontierCode v1.1 测试中，Carbon 获得 51%，Claude Opus 5.5 获得 56%。这说明 Anthropic 在部分真实软件工程任务中仍然保持优势。
另一方面，在衡量专业知识工作的 AA-Briefcase 基准中，Carbon 获得 1609 Elo，较 Argon 的 1483 Elo 提高 126 分。其中，演示文稿任务提升 293 Elo，分析质量提升 120 Elo。
但 Carbon 在这项测试中仍落后于部分竞争模型，包括 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。
换句话说，谷歌已经取得综合智能指数第一，但在编程智能体、专业知识工作等细分领域，领先位置依然处于激烈争夺之中。
值得注意的是，谷歌在官方公告中还特别强调了 Carbon 的网页开发能力。
在 WebDev Arena 上，Carbon 的 Elo 较此前提升 89 分，达到约 1768 分，排名第四。谷歌将这一变化归因于模型生成的网页成果质量改善，以及全栈开发、多模态理解和复杂工程能力的提升。
从代码生成，到终端执行，再到完整的软件工程任务，Carbon 的改进方向相当明确：它不再只追求生成一段正确代码，而是要让模型能够在真实的开发环境中持续完成任务。
这种变化，也正在成为当前旗舰模型竞争的核心。
谷歌称 Carbon 能连续工作数天
过去两年，大模型的编程能力经历了明显变化。
最初，开发者关注的是模型能否写出一个函数、修复一个 Bug，随后逐渐转向让 AI 理解代码仓库、调用工具、执行测试，甚至独立交付完整的软件项目。
如今，前沿模型开始面临一个更加复杂的问题：如果一项工程任务需要数小时乃至数天才能完成，AI 能否在反复失败、调试和修改的过程中坚持下去？
这也是 Carbon 此次重点强化的方向。
谷歌在官方技术介绍中披露，在内部工程环境中，研究人员已经观察到 Carbon 持续运行数天的情况。它可以在大型代码库中追踪隐蔽错误，分析底层系统问题，并尝试形成可运行的修复方案。
这类任务通常并不存在一条明确的解决路径。开发人员可能需要阅读大量代码，复现问题，尝试不同修复方式，再根据测试结果调整判断。
对于智能体而言，真正的难点不仅在于生成代码，更在于能否长期保持对任务目标、执行状态和工程约束的理解。
谷歌表示，Carbon 专门针对这类长程任务进行了优化，强调模型在遇到失败路径后继续分析和寻找解决方案，并不是简单结束任务。
这种能力方向，很大程度上反映了 AI 编程工具的发展趋势。
在传统的代码补全场景中，开发者可以即时检查模型输出；而在长程智能体任务中，模型往往需要独立进行数十次甚至上百次工具调用。一旦早期某个判断出现偏差，后续执行就可能逐渐偏离原始目标。
因此，模型能否及时发现错误、在失败后重新规划、明确自己尚未完成的任务，开始变得与编程能力同样重要。从这一角度来看，Carbon 的技术重点是试图让 AI 在复杂工程中完成更长、更可靠的工作闭环。
如果说复杂编程是 Carbon 最受开发者关注的能力，那么网络安全很可能是谷歌此次发布中最具战略意义的方向。
谷歌公布了部分内部工程数据。
在安全代码生成任务中，Carbon 的成功率达到 Argon 的两倍以上。Chrome 团队的内部测试也显示，Carbon 在生成高质量补丁方面，相比另一家实验室的大型前沿模型取得了超过十倍的表现提升。
性能登顶，价格却没涨
在模型性能持续提升的同时，谷歌选择让 Carbon 沿用 Argon 的首发定价。
按照官方公告，Carbon 初期 API 价格为每百万输入 Token 2 美元、每百万输出 Token 10 美元，缓存输入价格享受 95% 折扣。
但这里有一个容易被忽略的细节：这只是首发优惠价格，并非永久定价。
谷歌在官方公告的脚注中明确指出，首发优惠结束后，Carbon 将恢复至每百万输入 Token 4 美元、每百万输出 Token 20 美元。谷歌尚未公布 Carbon 优惠期的具体结束日期。
单纯从价格来看，Carbon 相比 Argon 没有上调单位 Token 成本，但性能有明显提升。
不过，对于运行复杂智能体任务的开发者而言，Token 单价并不能完全反映实际成本。
模型能否一次性完成任务、是否需要反复修改、执行过程中消耗多少推理 Token，以及工具调用和运行时间，都会影响整体费用。
Artificial Analysis 的评测提供了一个更具体的视角。在其综合智能指数测试中，按照标准价格计算，Carbon 的平均单任务成本约为 7.76 美元，而 Claude Opus 5.5 最高推理配置约为 10.04 美元。
这意味着，在该特定测试条件下，Carbon 的平均单任务成本比 Claude Opus 5.5 低约 23%。
Carbon 能为谷歌赢回资本信任吗？
颇具戏剧性的是，就在谷歌发布 Gemini 4 Carbon、重新夺回全球大模型综合性能榜首的同一天，其母公司 Alphabet 却遭遇了资本市场的冷遇。
模型发布同日，Alphabet 公布了 2026 年第三季度财报。数据显示，公司当季营收达到 1275.8 亿美元，同比增长 25%，但低于华尔街约 1279.7 亿美元的预期；净利润为 261.7 亿美元，同比下降约 25%。财报公布后，Alphabet 股价一度在盘后交易中下跌超过 10%。
值得注意的是，谷歌的 AI 业务并非没有增长。第三季度，Google Cloud 营收达到 307.1 亿美元，同比增长 103%，创下新的增长纪录。谷歌 CEO Sundar Pichai 还透露，Gemini 应用用户规模已经突破 10 亿。
真正引发投资者担忧的，是持续膨胀的 AI 投资成本，以及这些投入何时能够转化为足够可观的利润。
据路透社报道，Alphabet 第三季度自由现金流为负 90.7 亿美元，较上一季度负 59 亿美元进一步恶化。公司同时预计，2027 年资本支出还将显著增加。与此同时，谷歌搜索业务收入增速从上一季度的 17% 放缓至 12%，广告业务的增长前景也受到关注。
当然，Alphabet 的利润下降并不能完全归咎于 AI 投资。其当季还确认了约 87 亿美元的股权投资损失，对净利润及每股收益产生明显影响。
但这一幕仍然揭示了当前 AI 行业面临的现实矛盾。
一方面，Gemini 4 Carbon 的发布证明谷歌仍有能力在前沿模型竞争中取得领先；另一方面，训练更强的模型、建设更庞大的算力基础设施、维持高速的技术迭代，也意味着越来越高的资金投入。
对谷歌而言，赢得大模型排行榜第一名，和赢得资本市场的信任，正在成为两场不同的比赛。
参考链接：
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1