谷歌发布 Gemini 4 Carbon、登顶全球智能榜、59 分但普通人还用不上

榜首暂时不卖给你

10 月 28 日，谷歌 DeepMind 发布了一个新模型：Gemini 4 Carbon。

由 DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu 撰文宣布，被称为"目前最强模型"。它同时登上了 Artificial Analysis Intelligence Index v5.0 的榜首，59 分。

排在他后面的，是 Claude Opus 5.5（58 分）和 GPT-6 Astra（57 分）。

但这次发布有个让普通人不太舒服的地方——它不卖给你。

先开放的，是一小部分网络安全防御者。普通用户什么时候能用上？没给时间表。

用人话说： 全球最强的 AI 模型出炉了，但这次它不是卖给你写周报的，是先给做防火墙和打补丁的。 谷歌 CEO 皮查伊把原因说得很直接：这体现了"我们推进前沿的速度"。

一句话总结

Gemini 4 Carbon 是一张"能力已经到顶、但闸门刚刚打开"的收据——它证明了谷歌在模型能力上重回第一，也说明了前沿模型的使用权限，正在从"所有人"变成"被筛选的人"。

一、59 分到底测了什么

先把这张榜的构成说清楚，因为不看清楚就容易被数字带跑。

Artificial Analysis Intelligence Index v5.0 是在 10 月 27 日刚更新的版本——也就是说，Carbon 发布前一天的榜单刚换过尺子。在 52 款模型里，Carbon 是第 1，在 9 项子评测中有 4 项拿到第一：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA。

模型 · AA 智能指数 v5.0

Gemini 4 Carbon · 59（第 1）

Claude Opus 5.5 · 58

GPT-6 Astra · 57

Gemini 4 Argon（上一代旗舰） · 50

同时它在 Vals Index v2.2 上是 70.4%，Opus 5.5 是 70.2%——几乎并列。

但它不是全面第一。 这几条要一起看：

编程智能体指数第 2：在 Antigravity CLI 下拿 59 分，落后 Claude Code + Opus 5.5 的 62 分

FrontierSWE 2 落后：61.2%，输给 GPT-6 Astra 的 65.5%

OSWorld-2.1 落后：81.5%，输给 Opus 5.5 的 87.2%

用人话说： 这个模型不是"什么都会最强"，而是"总分最高、偏科在别处"。 它把力气花在了长程任务和安全上，代价是某些编程和桌面操作场景没有领先。

另一件必须说的事：谷歌自己对比表里的 17 项，Carbon 拿了 15 项第一。但独立机构 Agentic Tribune 指出，发布时榜单页上还没有 Carbon 的条目，分数主要源自谷歌公告，尚未获得独立验证。Ars Technica 给这篇报道的标题更直接——"你用不了"。

二、这次的主打方向是"防守"

Carbon 的定位里，网络安全是核心。它在无护栏（no guardrails）条件下的安全成绩：

基准 · Carbon · 上一代 Argon

SEC-bench Pro（漏洞发现） · 88.2% · 83.4%

ExploitGym（漏洞利用） · 54.8% · 42.0%（其他模型 34–42%）

CWE-bench / Collinear（补丁修复） · 71.0% · 68.0%

合作伙伴的说法更狠：Chrome 团队称它生成高质量补丁的表现，比"另一家实验室的大型前沿模型"好 10 倍以上（未点名）；Wiz 观察到它在 Web 渗透测试基准上领先。

其他硬数字：Terminal-Bench 4.0 达 65.2%（Argon 57.1%）、GraphWalks 长上下文 96.2%（GPT-6 Astra 71.8%、Opus 5.5 66.8%）、Vending-Bench 2 余额 $16,484（Argon $13,718）、WebDev Arena 涨 89 Elo 到 1769（第 4）、Agents' Last Exam v1.1 77.4%。

为什么先给防守方？

因为能自动找漏洞、写补丁、跑渗透测试的模型，在错误的手里就是攻击工具。谷歌选择了最保守的顺序：先给经审核的防守者，再逐步放开。

用人话说： 这次发布顺序本身就是一个信号——它说明前沿模型的"能力"和"权限"开始分离了。 你可以很强，但不一定随时能用。

开放路径分三步：先经 Fairwind 计划向超 650 家伙伴（需要背景审查和抗钓鱼多因素认证）开放 → 再到可信伙伴 → 最后才是开发者、企业和消费者。广泛发布没有给出日期，Gemini 4 Argon 仍是目前大多数用户可用的模型。同时它参与美国政府的预发布模型自愿测试流程。

价格（等开放后才用得上）：优惠期 $2 / 百万输入 token、$10 / 百万输出 token，缓存输入 95% 折扣；优惠期后翻倍到 $4 / $20。

三、一个不太被强调的代价

Carbon 的安全成绩很亮眼，但同一份公告里有个数字值得单独拎出来——

幻觉率从 Argon 的 4% 升到了 11%。

将近三倍。

同时，谷歌说内部编码环境里高严重度失准警报下降近 80%、越权下降 26%、服务不足下降 29%。

还有两个安全指标是真的漂亮：Gray Swan 间接提示注入的攻击成功率 0.0%（Argon 0.7%），Terminal-Bench 4.0 上的作弊成功率 0.0%（尝试率 0.4%）。

用人话说： 它变得更"听话"了，但也变得更"爱编"了。 这是大模型的经典权衡——你越把它调得保守、越让它在不确定时说"我不知道"，它就越不会乱来，但也越容易在不该确定的时候打折扣。11% 的幻觉率，意味着用它做关键判断时，你还是得核对。

还有一件事：谷歌没有发布技术报告、参数规模，也没公布 API 规格说明。 这在旗舰模型发布里是相当罕见的。

四、对普通人意味着什么

能上车的地方：

第一，如果你做网络安全，这是目前能拿到的最强工具。 SEC-bench Pro 88.2%、Chrome 团队说补丁质量高一个数量级——这意味着"自动查自己系统的漏洞"这件事的成本正在塌掉。 中小企业的安全门槛，会被这些工具拉平到过去只有大公司能负担的水平。

第二，它预示了模型权限分级的时代。 Fairwind 那套"背景审查 + 抗钓鱼多因素认证"的准入机制，很可能成为以后高能力模型的通行做法。这对你意味着：以后申请某个强模型，可能要像办签证一样填表。

第三，它提醒我们"榜单第一"是个移动靶。 Argon 9 月 30 日发布、10 月 13 日扩开放，两周后 Carbon 就来了。大模型排行榜的保质期，现在以周计。

该警惕的地方：

第一，发布即榜首都还没被独立验证。 分数主要来自谷歌公告，榜单页当时甚至还没更新。这不必然说明有问题，但说明现在看到的所有模型首发成绩，都要先打个折。

第二，"你用不上"不是营销话术，是事实。 谷歌明确说普通用户开放没有时间表。Argon 依然是大多数人能用的旗舰。任何"Carbon 已发布"带来的能力想象，都得等你真正能用上那天才算数。

第三，11% 的幻觉率不能忽略。 这个数字比 Argon 高出近三倍。如果未来 Carbon 开放到普通开发者手里，在高风险场景（写生产代码、给医疗建议、做财务决策）里，这个模型需要比上一代更多的校验。

写在最后

1、真正的新闻不是"谷歌又拿第一"，是"闸门的方向变了"

Carbon 登顶本身不算意外——谷歌在这个赛道上从没真正掉队很久。

真正的变化是开放顺序：先给 650 家经过背景审查的防守方，普通用户排在最后，而且没有日期。

用人话说： 过去十年的模型发布，是"能力人人可得"；从这次开始，是"能力按信任分配"。 这不是谷歌一个人的决定，是整个行业撞到安全边界后的必然转向。未来你申请最强模型，可能要证明你是谁、证明你不会滥用它。

2、59 分和 11% 是同一枚硬币的两面

这份发布里最诚实的一组数字，是它同时给了这两个：

一个模型越强，它被滥用的破坏力就越大，所以它被锁得越紧；而它被调得越保守、越安全，它就越容易在不确定的地方打折扣——幻觉率就是这么从 4% 涨到 11% 的。

用人话说： 这个时代没有"又强又安全"的模型，只有"在某个具体用途上权衡过的模型"。 所以看到任何新模型发布，都别问"它有多强"，要问"它在我这个场景里，代价是什么"。

3、对普通人来说，接下来 12 个月看三件事

第一，看开放范围什么时候扩大。 Fairwind → 可信伙伴 → 开发者 → 消费者，每一步的时间间隔就是它的紧张程度。

第二，看 Carbon 的独立复现。 分数目前来自官方。榜单页补上正式条目、第三方跑出相似结果，才算真正落地。

第三，看 11% 会不会降下来。 如果新一代模型能在保持 59 分的同时把幻觉率压回 4%，那才是真正的代差。 否则所谓"最强模型"，可能只是"最会处理复杂任务、也最容易编"的模型。

未来一年，最值得追的不是"哪个模型第一"，而是"我什么时候能用上、用上之后要额外核验多少"。 因为榜单每个月都在换，而你手上的工具，一年可能只换一次。

如果觉得这篇拆解对你有帮助，不妨点个关注和在看。

你的 AI 陪跑伙伴 【数字新奇点】 会继续关注海外大模型、AI 安全和推理能力的进展。

咱们下期见！

参考资料

Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5

Google unveils Gemini 4 Carbon, retaking the world's no. 1 spot on updated, harder benchmarks — but access is limited

Google unveils Gemini 4 Carbon, rolls out to vetted cyber defenders

谷歌最强 AI 模型：Gemini 4 Carbon 登顶全球智能指数榜首，"专职"做网络安全

Gemini 4 Carbon: #1 on the AI index at 59, cyber defenders first