Gemini 4 Carbon全面开放:更强更省钱

Gemini 4 Carbon全面开放:更强更省钱

时隔不到两周,谷歌正式宣布旗舰模型 Gemini 4 Carbon 全面开放。11 月 10 日前后,谷歌 CEO 桑达尔·皮查伊(Sundar Pichai)确认,这款家族中最强的前沿模型已经进入 Google AI Studio、Gemini 应用、搜索 AI Mode 以及 Antigravity 开发平台,面向全球付费开发者、企业与订阅用户开放。此前它只在 10 月 28 日通过 Fairwind 计划小范围提供给网络安全防御团队,外界只能对着一份基准表”云体验”,如今普通开发者和用户终于可以亲手试一试这颗”元素周期表”上最重的大脑了。

为什么这次开放值得认真对待?过去两年里,谷歌旗舰模型的迭代节奏一直保持着”先发 narrow、再全面铺开”的两段式:先给一小部分高敏感场景用户验证安全边界,再通过订阅和 API 大规模放量。Gemini 4 Carbon 从内测到全量只用了不到两周,节奏明显比以往更快,说明内部的安全评估和产能准备已经比较充分,也侧面反映出各家旗舰之间的竞争压力——没有谁敢把最好的模型捂太久。

从安全内测到人人可用,开放范围一览

Gemini 4 Carbon 的定位非常明确:专攻高难度的长程智能体工作流(Long-Horizon Agentic Workflows)、复杂软件工程、多模态知识处理、前沿科学研究和网络安全防御。谷歌官方也把话说得很直白——Argon 仍是大多数日常软件工程和知识工作的首选,而 Carbon 是留给”撞到模型智力天花板”的场景:跨多个模块的大型重构、多步骤调试、需要反复验证的开放式科研,以及触达多个子系统的故障根因排查。它的工作方式是主动投入更多”思考词元”:更广泛地探索假设、更深层次地推理、运行长时间的自检循环,宁可多花算力也要把结果验证扎实。

从模型规格上看,Gemini 4 Carbon 与家族其他成员共享统一架构:约 100 万词元的上下文窗口,可处理超长文档、大型代码库和多轮智能体历史;输出端同样支持高达 100 万词元的长输出;思考深度提供 low、medium、high 三档可调,开发者可以按任务难度在速度和质量之间做权衡。与 Argon 相比,Carbon 的差异不在上下文长度,而在”思考的密度”——它愿意为同一道难题投入多得多的内部推理与交叉验证。

具体的开放通道包括:付费开发者可通过 Google AI Studio 和 Android Studio 中的 Gemini API 直接调用;企业用户走 Gemini for business 的接口;Google AI Ultra 订阅用户则能在 Gemini 应用、搜索 AI Mode 和 Antigravity 中直接使用。谷歌还面向科研人员开设了支持计划,审核通过后可免费获得六个月的高配额使用权限;网络安全从业者则可以继续申请 Fairwind 计划,获取针对安全防御优化的专有版本。换句话说,从个人开发者到大型企业,几乎每类用户都有对应的入口。

三项真实工作流评测全面登顶,成本还砍半

这次开放公告里最有说服力的,是三份面向真实工作流的评测成绩单:模拟真实开发场景的 CursorBench 4.0、Perplexity 的深度研究评测 WANDR,以及 Zapier 的自动化任务基准 AutomationBench。Gemini 4 Carbon 在这三项榜单上全部排名第一,而且完成任务的平均成本比排名次优的外部模型低超过 2 倍——也就是说,强得不明显”烧钱”,这在此前的旗舰模型对决里几乎没有出现过。

这三份榜单为什么重要?因为它们测的都不是”问答题”,而是真实工作:CursorBench 4.0 考察在真实代码库中完成开发任务的能力,WANDR 考察多轮深度研究与交叉求证,AutomationBench 则考察模型作为智能体执行自动化流程的稳定性。对一个宣称面向”长程智能体工作流”的模型来说,这三项恰好构成了最直接的能力画像,比传统的知识问答跑分更能预测生产环境中的表现。

其中 AutomationBench 的具体得分很有代表性:Carbon 拿下 53.9%,超过了自家的 Gemini 4 Argon(51.3%),也明显领先 Claude Opus 5.5(42.5%)和 GPT-6 Astra(41.4%)。要知道 Carbon 是一个会主动投入更多思考词元、反复探索和自我校验的模型,通常这类”深度思考”模型会把成本推高数倍,这次却把单任务成本压到了对手的一半以下,这是它最反直觉、也最值得关注的地方。

除了这三项,Gemini 4 Carbon 还有一批值得注意的成绩:在谷歌联合 Artificial Analysis 推出的多模态知识智能体基准 MKA 上排名第二,但单任务成本只有第一名的大约六分之一;该基准包含 200 个私有任务,覆盖 10 个行业和 83 种职业,代表的是资深专业人士三到八小时才能完成的项目。在 WebDev Arena 前端榜单上涨了近 90 Elo 分;在 OpenCode 团队的夜间测试中独立从零编写了一套新的 Rust 界面库;在包含一万四千个测试用例的 HubX 生产级代码库中,对 16 个真实 Bug 实现了 94% 的修复率且零回归。在 Terminal-Bench 4.0 里,它走捷径”作弊”的成功率降到了 0。

定价与 Argon 持平,尝鲜期过后才涨价

定价是这次开放最容易被忽略但最关键的信息。尝鲜期内(2026 年 11 月 30 日前),Gemini 4 Carbon 的 API 价格与 Argon 完全持平:每百万输入词元 2 美元、每百万输出词元 10 美元,缓存输入还能享受 95% 的折扣。12 月起恢复为每百万输入 4 美元、输出 20 美元。换句话说,想认真跑大规模评测或做迁移验证的团队,最好在 11 月内把重活干完,把尝鲜窗口的价值榨干。

模型 AutomationBench 得分 尝鲜期 API 价格(每百万词元) 12 月起价格 定位
Gemini 4 Carbon 53.9%(第一) 输入 2 美元 / 输出 10 美元 4 美元 / 20 美元 旗舰,最难任务
Gemini 4 Argon 51.3% 输入 2 美元 / 输出 10 美元 2 美元 / 10 美元 主力,日常高阶任务
Claude Opus 5.5 42.5% 官方未公布对比口径 — 竞品旗舰
GPT-6 Astra 41.4% 官方未公布对比口径 — 竞品旗舰

需要提醒的是,上表评测数字来自谷歌及其合作伙伴发布的数据,竞品价格官方未给出统一对比口径。榜单成绩不等于你的业务收益,动手迁移之前,建议先在自己的真实任务上跑一轮回归测试,用同样的任务清单横向比较成本和质量,别只看发布会上的表格。另外,尝鲜价是限时策略,一旦 12 月恢复原价,”旗舰当次旗舰用”的性价比账就要重新算——如果试用期内发现 Carbon 并没有明显优于 Argon,完全可以安心留在更便宜的档位上,这本身就是试用窗口的价值。

Antigravity 推出 /swarm:一个提示词拉起一支智能体团队

随 Carbon 同步预览的 /swarm 功能,是这次更新里最具想象力的部分。在 Antigravity 里输入 /swarm,系统会指派一名协调者(Coordinator),在相互隔离的 Git Worktree 中并行拉起多个执行智能体(Worker),确保并行改动互不覆盖;同时还配备”对抗性验证器”(Adversarial Verifiers)负责跑测试、挑毛病。所有智能体在一个仅追加(append-only)的共享留言板上协作,处于空闲等待状态的智能体几乎不消耗词元,一旦需要输入即刻唤醒,避免了传统层级链路里的上下文衰减问题。

开发者可以通过侧边栏实时观看团队讨论、回放演化过程,还能把 Gemini 4 Carbon 固定在架构设计、协调和安全审计这类高智力岗位上,让更轻快的模型去处理常规文件修改和窄范围的实现工作——这其实是谷歌对成本的务实表态:让最贵的模型只干最值得的事。谷歌给出的演示案例包括:根据七份蓝图 PDF(含两百多张工程视图)在十轮夜间循环中还原出约 90 万三角形的交互式 Three.js 建筑模型、用两个提示词重新设计商品商店页面等。演示归演示,不能保证在你的代码库上复现,但它清晰地展示了”从一个提示词到一支团队”的新范式。

实际使用 /swarm 时也有几点经验值得参考:一是把任务拆得足够清晰,协调者的规划质量高度依赖你给的目标描述;二是控制并行规模,工作区越多配额消耗越快,中小型任务三个左右的工作智能体通常就够用;三是永远保留人工审查环节,验证器能跑测试、找矛盾,但最终合并进主分支的判断仍然应该由人来做。智能体负责执行,人负责把关,这条原则在多智能体时代只会越来越重要。

对管理者而言,/swarm 带来的另一个变化是过程可见性:仪表盘会记录每个智能体的轨迹、留言板上的每条讨论,以及团队最终达成结果的完整路径。这不只是炫技——当 AI 开始在真实仓库里批量改动代码时,”它是怎么想、怎么做的”和”它做了什么”同样重要,审计轨迹将成为团队信任智能体产出的基础,也是出现问题时回溯责任的依据。

安全与科研:既能挖漏洞,也更诚实

网络安全是 Gemini 4 Carbon 的另一个主场。在无护栏评测下,它在漏洞挖掘基准 SEC-bench Pro 拿到 88.2%、漏洞利用验证基准 ExploitGym 54.8%、根因补丁修复基准 CWE-bench 71.0%,全面刷新纪录;安全公司 Wiz 用它在不到两小时内从两家大型 SaaS 服务商中挖出了 0-day 漏洞。当然,能力越强风险越大,谷歌对完整攻击能力的开放仍然限定在 Fairwind 计划内,并披露了自己的红队测试结果:99% 的攻击路径被拦截,自适应攻击下单次尝试被攻破的概率从 Argon 的 3.1% 降到 0.8%。外部机构 Trajectory Labs 进行了 132 小时的独立审查,未发现新的通用越狱手法。谷歌也坦承,面对高级提示词注入攻击的抵抗力仍有提升空间,这是官方口径里少见的”自曝短板”。

科研侧的亮点同样不少:研究团队结合 AlphaProof Code 生成了数百万行 Lean 形式化证明代码,在数周内完成了对 Signal 加密协议核心安全性质的数学证明——这类工作过去通常以年计;在蛋白质结构预测的 CASP17 盲测集中,Carbon 将七个困难家族的远源同源序列检索量平均提升了 40 倍。可靠性方面,在一个 375 项任务的智能体诚实度测试中,Carbon 的通过率从 Argon 的 70% 提升到 92%,遇到缺失实验数据时有 98% 的概率拒绝编造并主动指出方法缺陷——对要把智能体接入生产系统的团队来说,”不瞎编”可能比”更聪明”更值钱。

在多模态知识工作场景里,Gemini 4 Carbon 的表现同样值得单独一提。它能直接读懂结构复杂的视觉材料:工程图纸、财务报表、图表和示意图,而不只是把文档当纯文本处理。MKA 基准的任务设计正是来源于此——同样一批任务里,模型要看图、查数、写结论,并按事实准确性加权评分。对咨询、金融、法务这类”读材料、出结论”的行业来说,这意味着过去需要人工搬运和整理的中间环节,正越来越多地可以直接交给模型完成,人则把精力留给判断和决策。

普通用户和团队该怎么选?

如果你是 Google AI Ultra 订阅用户,现在打开 Gemini 应用或 Antigravity 就能直接体验 Carbon 和 /swarm。如果你是开发者,建议的策略是:日常高频的编码、数据分析和自动化继续交给 Argon 或更便宜快速的 Hydrogen,把跨模块重构、底层架构设计和密集文献推理这类”硬骨头”交给 Carbon。11 月 30 日前的尝鲜价正好提供了一个低成本验证窗口,值得趁机把手头最难的那个任务丢给它试一试,用真实数据决定要不要迁移。

一个简单的迁移验证清单:先挑三到五个你团队里最有代表性、且有人工标准答案的历史任务;用同一套提示词分别跑 Carbon 和现有模型,记录质量、耗时和词元消耗;重点关注长任务中的”半途而废率”和幻觉率,这两项往往比单点分数更能暴露问题;最后再算总账——如果 Carbon 贵一点的词元单价换来的是一次通过、无需返工,总成本反而更低。评测机构的数据是这个决策的起点,不是终点,真正的答案永远在你自己的工作负载里。

更长远地看,这一波更新标志着行业竞争焦点从”单个模型跑分”转向”多模型协同编排”:旗舰模型当总架构师和安全审计员,轻量模型当并行执行者。谷歌几天后又推出了可在同一会话内切换 Carbon 与 Hydrogen 的编排模式,用更少的配额拿到接近旗舰的效果。谁先把这套分工用到生产环境里,谁就能在成本和质量之间拿到更好的平衡点。

把视角放大到整个旗舰战场,这次开放的另一个信号是”成本战”正式开打。Claude Opus 5.5 与 GPT-6 Astra 在自动化基准上与 Gemini 4 Carbon 存在超过 10 个百分点的差距,而谷歌选择用与自家次旗舰持平的价格推出最强模型,等于把”性价比”变成了新的竞争维度。对竞品来说,接下来的压力不只是把分数追上来,还得回答一个更难受的问题:你的单任务成本能不能也降下来?对用户来说,这显然是好消息——旗舰能力正在从”少数人用得起的奢侈品”变成”按量计费的日用品”。

常见问题

Gemini 4 Carbon 现在怎么才能用上?

付费开发者可通过 Google AI Studio 或 Android Studio 中的 API 调用;企业用户走 Gemini for business;Google AI Ultra 订阅用户可在 Gemini 应用、搜索 AI Mode 和 Antigravity 中直接使用。

它多少钱?会不会很贵?

11 月 30 日前尝鲜价为每百万输入词元 2 美元、输出 10 美元,与 Argon 持平,缓存输入享 95% 折扣;之后恢复为输入 4 美元、输出 20 美元。

Gemini 4 Carbon 和 Argon 到底该用哪个?

谷歌官方建议:绝大多数软件工程和知识工作仍用 Argon;Carbon 适合多步骤调试、跨模块迁移、开放式科研等最难、最长的任务。

/swarm 是什么?需要额外付费吗?

/swarm 是 Antigravity 中预览的多智能体协作功能,一条提示词即可拉起由协调者、并行执行者和验证器组成的团队,目前随 Ultra 订阅提供预览,按实际词元消耗计费。

评测成绩可信吗?

CursorBench 4.0、WANDR、AutomationBench 均为第三方基准,但分数由谷歌与合作伙伴发布,属于厂商口径,建议在自己任务上实测后再决策。

它会不会带来更大的安全风险?

谷歌强化了防护:红队模拟中拦截了 99% 的攻击路径,完整网络攻击能力仅通过 Fairwind 计划向经过审核的防御者开放,普通 API 用户接触不到。

它的上下文窗口有多大?

与家族其他成员一致,提供约 100 万词元的统一上下文窗口,并支持 low、medium、high 三档思考深度调节,可按任务难度权衡速度与质量。

免费用户能用上吗?

API 调用需要付费层级,订阅端需要 Google AI Ultra 方案;科研人员可申请谷歌的科研支持计划,安全防御从业者可通过 Fairwind 计划获取专用版本。

THE END
喜欢就支持一下吧
点赞21 分享
评论 抢沙发
头像-知了AI
欢迎您留下宝贵的见解!
提交
头像-知了AI

昵称

取消
昵称表情代码快捷回复

    暂无评论内容