Google 發佈 Gemini 4 Carbon，提升長時間開發及漏洞發現與修復能力

Google於2026年10月28日發佈新款AI模型「Gemini 4 Carbon」。Google表示，該模型提升了處理跨越多個階段的長時間開發工作，以及從發現漏洞到修復漏洞的網絡防禦能力。Google在發佈當週開始向部分網絡防禦人員提供模型，並會逐步擴大提供範圍。Google表示，日後亦計劃向開發者、企業及一般用戶提供。

• Gemini 4 Carbon：我們的下一代前沿模型 - Google

持續數天的開發工作⁠、亦提升回答及執行的可靠性

Gemini 4 Carbon以10月13日開始提供的Gemini 4 Argon[1]為基礎，提升了編寫程式碼，以及使用工具推進工作的能力。Google內部曾有案例顯示，Carbon花數天時間調查並修復大型程式碼庫或低階系統中的漏洞成因。即使中途遇到瓶頸，模型仍會繼續工作。

Google表示，該模型亦減少了超出要求範圍行事，或未有充分完成所需工作的情況，並提升了遵守專案限制、將工作完成的能力。指示含糊時，模型會查閲相關資料；如發現矛盾，會在執行前告知用戶。

內部測試顯示，與Argon相比，Carbon提出無根據主張的情況減少約一半。Google表示，如調查或驗證方法有侷限，模型會在交付成果中註明；如執行條件不齊備，則會指出欠缺的條件並暫緩處理。此外，Google表示，Carbon在Terminal-Bench 4.0中提升了課題答對率，同時把評估中的作弊成功率降至0.0％，嘗試作弊的比例降至0.4％。

Google表示，在綜合評估AI模型能力的Artificial Analysis Intelligence Index v5.0中，Carbon取得59分，排名第一。Google在發佈時展示的比較表中，Argon的得分為50。

Google的模型評估資料除了列出這項綜合評估，亦載有Artificial Analysis測得的Terminal-Bench系列評測結果。以下是其他公司模型在編碼領域的Terminal-Bench 4.0（AA）及科學領域的Terminal-Bench-Science 0.1（AA）中的比較。

評估發現漏洞⁠、驗證漏洞可否被利用⁠、修復漏洞的效能

Google表示，Carbon在網絡防禦各階段的能力均有所提升，涵蓋發現漏洞、驗證漏洞可否被利用，以及修復成因。驗證漏洞可否被利用，有助防禦人員判斷是否需要修復漏洞，以及應優先處理哪些漏洞。

Google表示，在內部基準測試中，Carbon成功生成安全程式碼的比率超過Argon的兩倍。以下3項基準測試均在停用模型安全限制（防護機制）的條件下評估效能。SEC-bench Pro和ExploitGym由Google進行評估；CWE-bench v1則由Collinear AI進行評估。

• 發現漏洞（SEC-bench Pro）評估模型能否找出JavaScript引擎中的漏洞，並編寫驗證程式碼重現漏洞。單次嘗試的成功率為Carbon 88.2％、Argon 83.4％[2]。
• 驗證漏洞可否被利用（ExploitGym）評估模型能否編寫利用已知漏洞的程式碼。每項課題的限時設為10小時時，Carbon的成功率為54.8％，Argon為42.0％。採用標準的6小時限時時，兩者的成功率分別為53.5％及39.5％。評估期間沒有連接互聯網，亦在評估環境中停用了妨礙攻擊的緩解措施。
• 修復漏洞（CWE-bench v1）評估模型能否審核程式碼並修復漏洞。單次嘗試的成功率為Carbon 71.0％、Argon 68.0％[3]。

評估的詳細條件及判定方法，請參閲上文提及的模型評估資料。

亦提升抵禦提示詞注入的能力

Google表示，Carbon亦提升了抵禦間接提示詞注入的能力。這類攻擊會在模型處理的文件等內容中植入惡意指示，試圖令模型偏離原本要求。在Gray Swan的IPI基準測試中，容許進行15次攻擊嘗試的條件下，攻擊成功率由Argon的0.7％降至Carbon的0.0％。

先向防禦人員逐步提供⁠、再擴大至開發者及一般用戶

Google會先向部分網絡防禦人員提供Gemini 4 Carbon，再透過Fairwind Program逐步擴大至可信任的合作夥伴。該計劃考慮到有助發現及修復漏洞的能力亦可能被用於攻擊，因此會優先向防禦方提供模型。計劃對象包括政府、醫療機構及電訊營辦商等，參加者須經審核。

Google計劃繼續收集意見並改善防護機制，之後盡快透過各項產品向開發者、企業及一般用戶提供模型[4]。

預告的推出期間價格為每100萬個 token 輸入2美元、輸出10美元；快取輸入則按輸入費用減收95％。推出期間結束後，價格將調整為輸入4美元、輸出20美元。