Gemini 4 Carbon 正式開放使用,卻在快速模型週期中迅速顯得過時
Gemini 4 Carbon arrives just in time to feel like yesterday's news in the fastest model cycle yet
Google 在兩週的選定安全專家測試後,正式開放 Gemini 4 Carbon;Google 表示它與 Gemini 4 Argon 互補,面向複雜多步編碼、除錯及開放式科學研究。
文章並列 Carbon 與 Argon、Fable 5.2 的基準及任務成本資料,呈現模型表現、推理耗用與實際開支之間的關係。
大約兩星期前,Google 發布 Gemini 4 Carbon,當時看來將再次在 AI 模型領域領先。但這家廣告及雲端巨頭發布模型的時間拖得有點久。
如今,Carbon 已開始顯得沒那麼新鮮。Anthropic 剛發布其頂級模型 Fable 5.2;即使推理強度較低,該模型在 Artificial Analysis 測試中的表現仍勝過新的 Gemini 模型。眼下模型迭代的速度特別快。儘管如此,Carbon 經過兩星期由指定安全專家參與的測試階段後,如今已正式開放使用,仍值得留意。
Google 表示,Carbon 是對先前推出的 Gemini 4 Argon 的補充,而非取代它。Google 指,Argon 仍較適合大部分軟件工程及知識型工作任務,而 Carbon 則為挑戰模型智能極限的任務而打造。這有點令人意外,因為兩款模型的 token 價格相同,但 Carbon 在基準測試中的得分較高。
Google 列出的 Carbon 強項包括複雜的多步驟編碼與除錯,以及開放式科學研究。不過,面對複雜除錯或開放式研究,Carbon 為了進行更深入推理及執行更長的驗證循環,會比 Argon 使用更多 token。因此,儘管兩者的 token 價格相同,實際總費用很可能仍會高於 Argon。
兩星期前公佈的 Artificial Analysis 測試中,Carbon 每項成功完成的任務成本為 7.76 美元;這已按標準價格計算,即每百萬個輸入 token 收費 4 美元,每百萬個輸出 token 收費 20 美元。Carbon 的成本低於較舊的入門級模型 Flash 3.8,表現卻更好,實在難得。Gemini 4 的 Flash 版本可能很快推出。
同一項測試中,Opus 5.5 Max 每項任務的成本為 10.04 美元,GPT-6 Astra Max 則為 6.25 美元。Fable 5.2 在最高級別的成本高達 26.50 美元。在 High 級別,Fable 5.2 每項任務的成本「僅」約 9 美元,但在總體指數中仍領先 Carbon 兩分(62 對 60)。

付費級別的開發者及企業客戶可透過 Google AI Studio 的 Gemini API、Android Studio,或 Gemini for Business 使用該模型。入門價格維持每百萬個輸入 token 2 美元、每百萬個輸出 token 10 美元。
Google 推出可將單一提示詞轉化為協調運作的 AI Agent 團隊的 Agent 羣集
隨模型一同推出的,還有 Google 在 Google Antigravity 中預覽的「/swarm」功能。Google Antigravity 是 Claude Code 的同類產品。這項新功能會將單一提示詞轉化為一支協調運作的 Agent 團隊,並可即時追蹤各 Agent 的工作進度。Carbon 負責需要深入推理的工作,例如架構設計、協調及審核;速度較快、體型較輕的模型則會在平行運作的隔離工作空間中執行任務,並充當對抗式驗證器。
Google 以一款 3D 遊戲示範這項功能:用戶可化身為騎着 GBike 的鵜鶘,在 Mountain View 的 Google 園區探索;另一個示範則是根據歷史照片重建的艾菲爾鐵塔興建過程互動式 3D 場景;還有一部可供演奏、具備按座位呈現不同空間音響效果的 18 世紀古鋼琴。
業界正就這類 Agent 羣集的成本效益比展開討論。OpenAI 和 Anthropic 最近都表達審慎態度,研究人員也持懷疑態度。這類羣集的主要優勢似乎是透過平行處理提升速度,但情況相當複雜。
在部分基準測試中,Carbon 的表現跟得上新款 Fable 5.2,但成本低得多
除了10 月下旬已知的效能數據外,Google 還公佈了新的基準測試結果。Carbon 在程式編碼基準測試 CursorBench 4.0 中排名第一,領先 Fable 5.2;在 Perplexity 的 WANDR 和 Zapier 的 AutomationBench 中也排名第一,每項任務的成本不到次佳模型 Fable 5.2 的一半。

為分析包含圖表、藍圖和表格的複雜文件,Google 與 Artificial Analysis 合作推出新的多模態知識代理(MKA)基準測試。Carbon 在此排名第二,僅次於 Fable 5.2,略勝 Opus 5.5;但其平均成本不到表現最佳者的六分之一。
Gemini 4 Carbon 不到兩小時便發現真實零日漏洞
透過Fairwind Program進行為期兩週的早期測試後,Google 首次分享具體的網絡防禦實際成果。在保安公司 Wiz 的Scan for Good計劃中,Carbon 掃描兩家大型 SaaS 供應商時,不到兩小時便發現真實零日漏洞。Google 自身的雲端安全團隊亦使用該模型,為一個熱門開源專案中的兩個已知漏洞編寫可運作的概念驗證漏洞利用程式。
只有這樣,才能證明這些漏洞具有嚴重的可利用性,其嚴重程度可與PHP2Shell 漏洞相比。在 Google 的自主安全系統 Project Fortify中,Carbon 在開源程式碼庫上的漏洞偵測率較 Argon 高出 25% 以上。
Google 特別強調 Carbon 在網絡安全方面的能力。據 Google 表示,該模型在 SEC-bench Pro(尋找漏洞)、ExploitGym(利用漏洞)和 CWE-bench v1(修補漏洞)等基準測試中領先,但這只適用於透過 Fairwind Program 提供的版本。Google 沒有公佈具體數字。
Google 的 Carbon 是首個在提示詞注入測試中達到零成功率的 AI 模型
Google 亦公佈了完整的安全報告和模型卡。在一項包含 375 項任務的內部誠實度測試中,Carbon 通過了 92% 的測試(Argon:70%),並在 98% 的情況下拒絕捏造缺失的實驗數據。
在模擬網絡攻擊中,該模型阻止了自適應紅隊代理發動的 99% 攻擊路徑,並將每次嘗試的突破率由 Argon 的 3.1% 降至 0.8%。Trajectory Labs 的外部測試人員在 132 小時內進行超過 13,000 次查詢,未找到任何通用越獄方法。
在 Gray Swan IPI 基準測試中,Carbon 的提示詞注入成功率為零,Google 表示,這代表它一次也沒有被攻破。Google 表示,這是首次有任何模型達到這項里程碑。這不代表提示詞注入問題已解決;測試可能只是已達飽和。這仍然是進展,尤其是有些競爭對手在這方面仍較容易受攻擊。
不炒作的 AI 新聞 – 由人類精選
訂閲 THE DECODER,即可享受無廣告閲讀、每週 AI 電子報、每年六次的獨家「AI Radar」前沿報告、完整檔案庫存取權,以及留言區使用權。
來源:The Decoder · the-decoder.com