Gemini 4 Carbon实测解读：88.2%漏洞发现率登顶，谷歌新旗舰为何先交给安全团队

谷歌这次发模型，节奏有点反常。10月28日，Google DeepMind正式推出新一代旗舰模型Gemini 4 Carbon，距离上一款Gemini 4 Argon亮相只隔了两周。Artificial Analysis Intelligence Index v5.0榜单上，Carbon以综合59分登顶，超过了Claude Opus 5.5和GPT-6 Astra，谷歌时隔一年重回世界第一。

真正特别的地方在发布方式：普通用户暂时用不上。Carbon先开放给一批受信任的网络安全防御人员，再通过Fairwind Program扩大到可信合作伙伴。开发者、企业和消费者什么时候能用上，谷歌没有给出时间表。

一款旗舰模型，先给安全团队用，这个安排值得每个开发者认真看一眼。

三项安全基准全部领先

Carbon的官方定位写着”最强网络安全与长时程能力”。谷歌公布的数据很具体：

• 漏洞发现基准SEC-bench Pro：88.2%，上一代Argon在源代码漏洞发现测试中是85.8%，更早的Gemini 3.8 Flash Cyber只有71.0%
• 漏洞利用基准Exploit Gym：54.8%
• 补丁应用基准CWE-bench：71.0%

谷歌旗下云安全公司Wiz已经在用Carbon跑”Scan for Good”漏洞扫描项目。它在一个全球多家医院共用的医疗软件里挖出了一个严重漏洞，此前多款前沿模型都没能识别这个风险。

Chrome团队给出的对比更夸张：在生成高质量补丁这件事上，Carbon的表现比”另一家实验室的大型前沿模型”高出10倍以上。 Carbon生成安全代码的成功率，也比Argon翻了一倍。

长时程Agent才是工程重点

安全能力之外，Carbon的工程目标明确指向能连续干活的Agent工作流。谷歌内部团队已经观察到它”连续运行数天”处理复杂工程问题，比如在大型代码库和底层系统里定位并修补隐蔽缺陷。

行为可靠性上也交出了数据：无依据主张减少约一半，过度越界行为下降26%，服务不足行为下降29%。翻译成日常语言，多步骤任务执行中，它既不太敢乱来，也较少半途撂挑子。

编程场景的表现中规中矩。WebDevArena排行榜上，Carbon以1768分排在第四位，谷歌称提升来自输出质量和Web开发产物质量的同步改善。单看前端开发，它还没到碾压同级对手的程度。

价格：试用期半价，之后翻倍

定价分两档：

• 试用期沿用Argon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享95%折扣
• 试用期结束后：输入4美元、输出20美元

对比Claude Opus 5.5和GPT-6 Astra的定价，试用期的Carbon算得上旗舰档里的性价比选手。问题只有一个——你眼下还买不到。开放对象限于Fairwind Program的受信参与方和谷歌内部团队。

普通开发者现在能做什么

三条建议：

• 别急着押注。等Carbon全面开放后再跑一轮自己的业务基准，榜单分数和实际场景表现历来有落差。
• 关注安全场景的API形态。漏洞扫描、代码审计、渗透测试辅助，这几类工具大概率第一批集成Carbon，安全团队可以提前规划预算。
• 把长时程Agent纳入选型视野。连续运行数天、少越界、不撂挑子，这三个指标正在成为衡量Agent模型的新标准，现有工具链的监控和成本核算方式都需要跟着调整。

一个月内连发两款旗舰，先给安全团队用，说明谷歌把网络安全当成了AI竞争的新高地。模型能自己发现、验证并修补漏洞，这件事的影响会慢慢渗透到每一家软件公司。开发者要做的，是盯住开放时间表，准备好自己的测试集。

谷歌重返第一，只是这场竞争的一个新回合。