谷歌最强模型 Gemini 4 Carbon 全面上线，面向复杂长程任务与多智能体工作流的前沿模型

11 月 10 日，谷歌正式向付费开发者、企业、科学家及 Google AI Ultra 订阅用户开放 Gemini 4 Carbon。作为谷歌目前能力最强的模型，Carbon 专为测试模型智能极限的任务而构建，如复杂的多步编码与调试、开放式科学研究、深度数据分析及安全审计。相比之下，此前发布的 Gemini 4 Argon 仍被定位为大多数日常软件工程和知识工作的首选。

可用性与定价策略

Gemini 4 Carbon 的访问权限与定价根据用户群体进行了明确划分：

1. 开发者与 API 调用
   • 渠道：通过 Google AI Studio 和 Android Studio 的 Gemini API 付费层级调用，模型标识为 gemini-4-carbon。免费层级不提供该模型。
   • 定价：11 月 30 日前为引入价，输入 $2 / 百万 Token，输出 $10 / 百万 Token。自 12 月 1 日起，价格将翻倍至输入 $4 / 百万 Token，输出 $20 / 百万 Token。
   • 注：官方文档指出，Carbon 每轮思考消耗的 Token 多于 Argon，响应时间更长，因此同一任务的实际账单成本可能更高。
2. 消费者订阅 (Google AI Ultra)
   • 用户需订阅 Google AI Ultra 方可在 Gemini App、搜索 AI 模式及 Antigravity 中使用。
   • 档位：$99.99/月（用量为 Pro 的 5 倍）或 $199.99/月（用量为 Pro 的 20 倍）。
   • 限制：$19.99/月的 Pro 套餐不支持 Carbon，其能使用的最强模型仍为 Argon。
3. 企业与科研机构
   • 企业：可通过 Gemini for Business 的 API 或模型下拉菜单访问。
   • 科研计划：10,000 名入选科学家可在 Google Antigravity 的最高用量档免费访问 Argon 和 Carbon 六个月（滚动入职）。
4. 网络安全专项 (Carbon for cyber)
   • 移除了常规网络安全护栏的专属版本，仅限通过审查的团队通过 “Fairwind” 计划申请访问。

核心能力与工程应用

Carbon 在多个专业领域展现了显著的深度推理与执行能力：

• 高精度知识工作与数据分析：结合前沿视觉理解与详尽检索，能够处理包含图表、蓝图和表格的密集文档。在 Hebbia 的 E2E 金融智能体评估及 Balyasny Asset Management 的 General Financial Intelligence 基准中表现优异，能生成严格符合模式的电子表格与报告。
• 改进的智能体编码与全栈开发：在 Web 应用开发中，Carbon 能够运行构建与验证循环，不仅检查代码，还会审查页面实际渲染的 UI，从错误中自动恢复并迭代，直至交付完整可运行的应用程序。此能力同样延伸至 3D 游戏开发与创意编码。
• 前沿网络安全能力：在 Project Fortify 内部基准中，Carbon 实现了 100% 的扫描召回率和 95% 的分类精确率。在开源代码库测试中，其漏洞召回率较 Argon 提升了 25% 以上。谷歌云漏洞研究 (CVR) 团队已利用其成功证明并修补了流行开源软件中的 0-day 漏洞。
• 科学与数学推理：
  • 形式验证：配合 AlphaProof Code 框架，Carbon 能在 Lean 语言中生成数百万行代码，在数周内完成 Signal 加密协议底层代码的数学定理证明。
  • 实验数据分析：能通过分析原始实验室数据，诊断出微弱的实验伪影（如微孔板混合不均），显著提升实验可重复性。
  • 蛋白质结构预测：在多智能体设置下，自主在 PB 级未注释序列档案中检索远程同源物，在 CASP17 盲测集的低同源蛋白质家族中，将检索到的同源物数量平均增加 40 倍。

新特性：Antigravity /swarm 多智能体协同

谷歌在 Antigravity 中预览了 /swarm 命令，允许用户通过单一提示拉起一个协调的智能体团队：

• 任务拆分与分配：协调员（Coordinator）将任务拆分为互不冲突的模块（如按文件或包划分），并为每个模块分配专属 Agent（如 @parser, @api-tests）。
• 验证与休眠机制：每 2-4 个工作 Agent 配备一个“验证员”（Validator）负责审查改动并运行测试。无任务的 Agent 会进入休眠状态以节省 Token。
• 模型异构编排：谷歌建议将 Carbon 分配给需要深度推理的角色（如架构设计、协调和审计），而将常规代码修改任务交给更快、更轻量级的模型（如 Argon），以优化成本与效率。

基准测试与性能评估

在第三方独立评测中，Carbon 展现了竞争力，但在不同基准下表现存在差异：

此外，在谷歌内部的 375 任务智能体诚实度测试中，Carbon 通过率达 92%（Argon 为 70%），在 98% 的情况下拒绝编造缺失的实验数据，并在 68% 的情况下能主动指出实验方法的缺陷。

安全与对齐保障

针对 Carbon 增强的网络与推理能力，谷歌强化了其安全护栏：

• 攻击防御：在 ExploitBench 和 CyScenarioBench 模拟环境中，Carbon 阻止了自适应红队智能体 99% 的攻击轨迹，单次尝试突破率降至 0.8%（Argon 为 3.1%）。
• 间接提示注入防护：在 Gray Swan IPI 基准测试中，Carbon 实现了 0% 的提示注入攻击成功率。
• 滥用缓解：Gray Swan 测试中的自动网络攻击查询成功率降至 2.17%（Argon 为 9.86%）。