AI 模型指南

Gemini 4 Carbon：解读 Google 面向网络安全的前沿模型

从已公开的一手资料出发，分析 Gemini 4 Carbon 的能力、网络安全基准、安全性主张、价格、受限开放状态及后续评测方法。

文 / 01Router 编辑部2026年10月28日14 分钟阅读

Gemini 4 Carbon 是 Google 刚刚公布的一款前沿模型，重点面向长周期工程任务与网络安全防御。 Google 表示，它在漏洞发现、漏洞利用验证、根因修复、智能体编程和抵抗间接提示注入方面，相比 Gemini 4 Argon 有明显提升。但必须先说明开放状态：截至 2026 年 10 月 29 日，Carbon 首先面向一部分网络安全防御人员和 Fairwind 计划中的可信合作伙伴开放，尚不是普通开发者可以直接调用的 Gemini API 模型。

这个区别决定了我们应该如何阅读这次发布。当前公开证据主要来自 Google 的发布文章、Google DeepMind 的评测页面和部分公开排行榜。开发者还不能自由调用模型完成独立测试。因此，Google 给出的基准成绩可以作为重要信号，但不能直接等同于中立、可复现的生产环境评测。

本文于 2026 年 10 月 29 日复核。文中标注为 Google 的基准和安全数据均为其公开声明，01Router 尚未独立运行 Carbon。

Gemini 4 Carbon 速览
Carbon 试图解决什么问题
网络安全能力：发现、验证与修复
如何理解评测表
安全性、诚实性与提示注入防护
价格、开放状态与尚未公开的细节
Carbon 可能给工程团队带来的变化
开放后如何进行实际评测
限制与待解问题
常见问题
来源

Gemini 4 Carbon 速览

问题	基于证据的回答
它是什么？	Gemini 4 系列的一款前沿模型，目标覆盖长周期工程、智能体编程、科学、多模态任务和网络安全防御。
谁发布了它？	Google DeepMind；发布文章日期为 2026 年 10 月 28 日。
核心定位是什么？	让模型在困难的多步骤工作中持续推进，并帮助防御者发现、验证和修复漏洞。
现在向所有人开放吗？	不是。Google 表示第一阶段面向选定的网络安全防御人员和 Fairwind 可信合作伙伴。
网络安全方面的重点成绩是什么？	Google 报告 SEC-bench Pro 为 88.2%、ExploitGym 为 54.8%、CWE-bench 为 71.0%。
计划中的入门价格是多少？	每百万输入 token 2 美元、每百万输出 token 10 美元；缓存输入 token 相对于输入价格再便宜 95%。
有公开模型 ID 吗？	Carbon 的发布文章没有给出开发者模型 ID，也没有给出通用 API 的开放日期。不要假定 Argon 的端点可以调用 Carbon。

一句话结论是：Carbon 当前更像一项具有战略意义的安全与工程研究发布，还不是普通团队可以直接选用的生产模型。 它是否真正有价值，取决于更强的持续工作能力和网络安全能力，能否在真实代码库、真实工具权限、真实审查流程和真实安全控制下成立。

Carbon 试图解决什么问题

Google 将 Carbon 描述为建立在 Gemini 4 Argon 之上的后续模型。它瞄准的不是更会聊天，而是持续完成一项复杂工作：检查大型代码库、形成假设、调用工具、遇到死路后调整方案、提交修改，再验证结果。Google 表示，内部团队已经让 Carbon 连续运行数天，处理大型代码库和底层系统中的隐蔽 bug。这里的“内部观察”不等于每种部署都会让模型有效保持数天的任务状态。

“长周期任务”之所以重要，是因为智能体的质量往往由完整轨迹决定，而不是第一条回答。模型可能很快写出一个看似合理的补丁，却在面对互相矛盾的证据、未记录的系统约束或工具错误时失败。Carbon 的公开方向，是让这条轨迹更持久、更可靠。团队应当把它作为端到端任务完成率来测量，而不是只看回答更短或单轮得分更高。

Google 还报告 Carbon 在 WebDev Arena 上提升了 89 个 Elo 分，得分 1768、排名第 4。Arena 得分会随着参与模型和评测过程变化，因此更适合作为网页开发产物的方向性信号，而不是自己技术栈的验收测试。

网络安全能力：发现、验证与修复

Carbon 的差异化定位在于覆盖整个防御生命周期。Google 公布了三个阶段的结果：

发现： SEC-bench Pro 测量系统能否从软件中找出真实漏洞，Google 报告 Carbon 得分为 88.2%。
验证： ExploitGym 测量疑似弱点能否在受控基准环境中被验证，Google 报告为 54.8%。
修复： CWE-bench 评测能否修复代码中的根因，Google 报告为 71.0%。

与其简单地把 Carbon 称为“黑客模型”，不如采用这个框架。防御团队需要对发现进行排序，确认风险是否真实，并生成不会引入第二个漏洞的补丁。但同时要注意，发布文章明确说明这些外部安全评测是在没有安全护栏的情况下完成的。因此，基准分数不能说明 Carbon 在产品部署中被允许做什么，也不能回答部署本身能否阻止滥用。

安全团队应当分别回答四个问题：

模型能否发现真实问题，而不是把看起来可疑的模式误报为漏洞？
它能否在不接触生产系统的情况下证明可利用性？
它能否在保持原有行为的同时修复根因，并通过独立测试？
外层智能体能否安全限制工具、密钥、网络访问和数据流动？

最后一个问题属于应用系统属性。模型能力再强，也不会自动让不安全的智能体工具链变得安全。

如何理解评测表

Google DeepMind 的公开对比表将 Carbon 与 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1 放在一起，比较通用能力、智能体编程、电脑操作、知识工作、多模态理解、长上下文、科学和网络安全。表中 Carbon 在 Artificial Analysis Intelligence Index v5.0 上为 59，在 FrontierSWE 2 上为 61.2%，Terminal-Bench 4.0 为 65.2%，离线 OSWorld 2.1 子集为 81.5%，256k 至 1M 的 GraphWalks 子集为 96.2%，RiemannBench 为 80.0%。网络安全成绩则是上文的三项数据。

这些数字需要配合方法说明阅读。Google 的方法页面说，Carbon 和 Argon 通常使用 pass@1，也就是不采用多数投票或并行测试时计算，除非另有说明。不同模型使用了不同的工具链；对于非 Gemini 模型，很多对比数字来自各提供方自行报告的结果。一些 Carbon 分数由 Google 自行计算，另一些来自公开排行榜。Google 还说明 GraphWalks 的长上下文子集覆盖 256,000 到 1,000,000 token 的题目；这只是评测切片，不等于每一个 Carbon 接口都公开承诺拥有一百万 token 的上下文上限。

正确的理解应该是：在明确方法下表现强劲，而不是“模型在所有场景都最好”。基准能展示能力，却不能完整展示成本、延迟、工具可靠性、数据治理，以及模型在什么情况下应该请求人工批准。

安全性、诚实性与提示注入防护

Google 表示，Carbon 延续了 Argon 的多层安全体系，包括训练、实时滥用防护、提示注入韧性和思维链监测。发布文章给出了若干内部或基准结果：

Terminal-Bench 4.0 中成功作弊的比例降到 0.0%，尝试作弊降到 0.4%；
Google 内部真实编码环境中的高严重度失调告警下降了接近 80%；
内部测试中，未得到支持的断言相较 Argon 大约减少一半；
报告的内部比较中，越权行为下降 26%，服务不足下降 29%；
在被评估的 Gray Swan 间接提示注入基准上，Carbon 的攻击成功率为 0.0%。

这些声明值得关注，但也有明显限制。内部告警取决于 Google 的定义和抽样方式；0.0% 可能表示在被评估样本中没有攻击成功，并不能证明模型抵抗所有未来攻击。发布材料也没有提供复现每个内部结果所需的完整细节。

生产使用时，提示注入必须在系统边界上测试。把不可信内容放进 issue、文档、网页、源代码注释、图片和工具输出中，然后观察智能体能否保持指令层级、拒绝危险工具调用、保护密钥，并在证据不明确时请求批准。模型安全只是纵深防御的一层，不能替代系统设计。

价格、开放状态与尚未公开的细节

Google 表示 Carbon 将采用与 Argon 相同的计划入门价格：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 相比输入价格便宜 95%。发布文章的脚注说明，入门期结束后将变为每百万输入 token 4 美元、每百万输出 token 20 美元，但没有在 Carbon 文章中给出专属结束日期。

截至本文复核时，Google 表示 Carbon 首先面向一部分网络安全防御人员，再通过 Fairwind 扩展到可信合作伙伴。开发者、企业和消费者需要等待产品入口开放。Google 当前公开的 Gemini API 文档列出的是 Gemini 4 Argon，而不是 Carbon。这意味着团队不应把 Carbon 当作已经可以通过普通 API 调用的模型来做预算。

尚未公开的细节本身就是决策信息：公开模型标识、API 配额、开发者接口的上下文和输出上限、地区可用性、数据保留条款、安全设置，以及独立模型卡。真正开发集成前，应重新检查 Google 的开发者文档。模型发布文章不是 API 合同。

对比不同提供方时，可以先查看 01Router Gateway 的实时模型目录，再确认具体模型 ID、计费单位、缓存规则和提供方条款。需要规划路由与降级策略时，参考 01Router 文档，再通过价格页面对比完整成本。上述链接是 01Router 的入口，不代表 Carbon 当前已经通过 01Router 提供。

Carbon 可能给工程团队带来的变化

如果未来开放，Carbon 最值得测试的可能是这样一些工作：模型成本相较排查时间或漏修缺陷的成本更小。

安全分诊。 模型可以帮助聚合发现、追踪可疑数据流、提出最小复现方案，并为人工复核队列起草补丁。默认流程应隔离生产凭据、破坏性工具和不受限的网络访问。

大型代码库维护。 长周期智能体可能适合依赖升级、编译器修复、跨模块重构，以及需要多轮探索代码库才能完成的测试。应从有边界的分支和一次性环境开始。

安全代码生成。 Carbon 已公布的安全成绩值得通过固定的漏洞与修复样例集验证。要测的不只是“是否修好了”，还包括是否保持功能、是否引入新的问题，以及补丁是否能通过独立审查。

研究和多模态工作。 Google 的评测范围包含科学、数学、电脑操作和多模态理解。对于高风险领域，应把专家复核与来源追踪写进要求；强大的基准成绩不能替代专业判断。

开放后如何进行实际评测

建立冻结的任务集。 混合日常工程、安全修复、长上下文调查和故意加入攻击内容的任务，并留出不参与调参的保留集。
先写验收条件。 要求测试、安全扫描、可读的变更摘要和外部事实的证据，并提前规定哪些动作需要批准。
保持工具链一致。 使用相同的代码库快照、工具、权限、提示结构、时间预算和审查表，与基线模型对比。
重复运行。 记录成功率、重试次数、工具错误、耗时、输入输出 token、人工介入和回滚率。一次成功演示不代表稳定分布。
计算每个验收任务的成本。 把失败尝试、缓存、工具成本、人工复核和入门期后的价格都算进去。token 单价更低，不一定意味着完成一项工作的总成本更低。
测试安全边界。 加入提示注入、恶意 issue、被污染的文档、密钥外泄尝试和扩大权限的请求，验证智能体与工具链是否共同可靠。
写出决策记录。 说明 Carbon 在哪里赢、哪里输、获得了什么权限，以及哪些任务仍由人工主导。当模型、端点或价格改变时重新评估。

限制与待解问题

Carbon 的发布很及时，但还不是一份独立的完整评测。模型目前受限开放，很多数据由提供方自行报告或自行计算，公开材料也没有给开发者完整的接入合同。网络安全分数尤其容易被过度解读，因为它们是在没有护栏的条件下评测的，不一定直接对应受限企业部署的表现。

能力与责任也不是同一个概念。能找到漏洞的模型可以提高防御效率，却也可能降低攻击实验的成本。访问控制、审计日志、沙箱、审批门、密钥隔离和事件响应仍然不可缺少。更稳妥的做法，是把 Carbon 当成受控流程中的强大组件，而不是一个可以独立承担安全决策的权威。

结论： Gemini 4 Carbon 是 Google 的一次重要发布，公开资料显示它在网络安全生命周期和持续智能体工作方面都有明确野心。今天最稳妥的判断不是 Carbon 已经赢下模型市场，而是 Google 提高了前沿智能体在“发现—验证—修复”完整安全链路上的评测门槛。真正的团队应等待公开接入，再用自己的验收标准和安全边界测试整个系统。

常见问题

Gemini 4 Carbon 是什么？

Gemini 4 Carbon 是 Google DeepMind 于 2026 年 10 月 28 日公布的一款前沿模型，定位覆盖长周期工程、智能体编程、多模态与科学任务，以及网络安全防御。

Gemini 4 Carbon 什么时候发布？

Google 已经通过 Fairwind 计划向部分网络安全防御人员和可信合作伙伴启动受限开放。发布文章没有给出面向所有开发者或消费者的正式日期。

Gemini 4 Carbon 可以通过 Gemini API 使用吗？

根据 2026 年 10 月 29 日复核的公开资料，还不能面向普通开发者使用。Google 当前的开发者模型文档列出的是 Gemini 4 Argon。集成前应以实时文档为准。

Gemini 4 Carbon 多少钱？

Google 表示计划中的入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 在输入价格基础上便宜 95%。入门期后，发布文章说明价格将变为每百万输入 token 4 美元、每百万输出 token 20 美元。

Gemini 4 Carbon 的网络安全基准是多少？

Google 报告 SEC-bench Pro 为 88.2%、ExploitGym 为 54.8%、CWE-bench 为 71.0%。三者分别代表防御生命周期的不同环节，不应合并成一个“安全总分”。

Gemini 4 Carbon 会取代安全工程师吗？

不会。模型可以加快调查和补丁起草，但安全决策仍需要受控访问、独立验证、人工责任和实际事件响应流程。