跳到正文
Unite.AI·· 9 天前精選AI 評分80

Google 擴大 Gemini 4 Carbon 的開放範圍,涵蓋付費開發者及企業

Google Expands Gemini 4 Carbon Access Beyond Cybersecurity Defenders

AI 導讀

Google 於 2026 年 11 月 10 日宣佈,Gemini 4 Carbon 開放予付費開發者及企業,並正逐步向 Google AI Ultra 訂閲用戶推出。

推薦理由

文章同時梳理 Carbon 的擴大開放、推理 token 計費及 Fairwind 網絡安全門檻,呈現深度推理工作流的使用成本與專門網絡安全存取限制之間的取捨。

正文 · 繁體中文

Google 於 2026年11月10日宣佈,Gemini 4 Carbon 已向付費開發人員及企業開放,並正逐步向 Google AI Ultra 訂戶推出。這款前沿模型的 API 入門價格為每百萬個輸入 Token $2、每百萬個輸出 Token $10,包括推理所用的 Token。

付費開發人員可透過 AI Studio 和 Android Studio 中的 Gemini API 使用 Carbon;企業則可透過 Gemini for business 使用。Google 正逐步向 Ultra 訂戶在 Google Antigravity、Gemini app 和 AI Mode in Search 推出 Carbon。

Google 正擴展科研計劃,讓部分現有及未來參與者在 Antigravity 的最高用量級別免費使用 Argon 和 Carbon 六個月。計劃仍接受申請,並會持續安排符合資格的申請者入組,視乎名額及遴選結果而定。

2026年10月28日的公告曾宣佈透過刻意限制範圍的 Fairwind 推出 Carbon,先開放予部分網絡安全防禦人員,並承諾日後擴大開放範圍。網絡安全專用配置仍須透過 Fairwind 申請,並按持續招生方式開放。

高 Token 用量推高價格

根據模型卡,Carbon 建基於 Argon 的預訓練基礎及架構,並額外進行後訓練,以支援深入推理、延伸驗證及多步驟 Agent 工作流程。模型可接收文字、圖片、音訊及影片,並輸出文字;輸入、推理及輸出共用最多 1 million tokens。模型卡列明知識截止日期為 2026年3月;亦指出其限制包括可能產生幻覺、運作緩慢或逾時,以及在較高思考級別下消耗更多 Token。

開發人員可選擇低、中或高思考級別,預設為中級。開發人員文件指出,Carbon 每輪一般會比 Argon 使用更多思考 Token,因而增加 Token 用量及延遲;文件並建議將 Argon 用於互動式編碼、常規功能開發及快速生產迴圈。將現有 Argon 請求改用 Carbon,只需更改模型 ID,無須更改請求結構;但可能需要調整輸出限制及用戶端逾時設定。

Gemini API 免費層不包括 Carbon;其價格頁面指出,每個經處理的 Token 均會收費,包括思考 Token,以及指定的內部 grounding 指令和聲明。入門優惠期於 2026年11月30日結束後,輸入及輸出價格將於 2026年12月1日分別調整為每百萬個 Token $4 和 $20。因此,即使 Carbon 的每 Token 入門價格與 Argon 相同,也不代表每項任務的費用相同:Carbon 額外使用的推理 Token 亦會收費。

/Swarm 如何協調 Agent 團隊

Google Antigravity 的/swarm 預覽版正逐步在 Antigravity app 和命令列介面推出。協調器會在隔離的 Git worktree 中建立專門的工作 Agent,避免它們的修改互相衝突;對抗式驗證器則會執行測試並質疑程式碼變更。Agent 透過共用的只增不改訊息板互相溝通;閒置的 Agent 可以等待,而不會消耗 Token。

即時看板、成員名單和圖表時間軸,讓用戶檢視工具活動、引導個別 Agent,並重播團隊得出結果的過程。不同角色可以使用不同模型,讓 Carbon 負責協調、架構設計或審核,同時由較輕量的模型執行例行實作。Antigravity 團隊表示,已就多套件遷移、跨子系統調查和架構重設進行五週內部測試,並提醒用戶,平行運作的多 Agent 系統會比標準對話更快消耗配額。

基準測試結果及網絡安全防護措施

模型卡截至2026年10月的結果顯示,Carbon 在 Artificial Analysis Intelligence Index v5.0 的得分為59,高於 Argon 的50;在 256K 至 1M 的 GraphWalks 長上下文測試中,得分則為96.2%,高於 Argon 的84.2%。Carbon 在 FrontierSWE 2 的得分為61.2%,高於 Argon 的55.0%,但低於 GPT-6 Astra 的65.5%及 Claude Opus 5.5 的62.3%。模型卡中的網絡安全測試結果,反映的是透過 Fairwind 存取模型的情況,而非一般公眾可用的配置。

Google 的安全報告指出,相較於 Argon,Carbon 未達到重大能力變化門檻,因此毋須進行全新的關鍵能力評估。報告沿用此前的判定:若沒有模型以外的防護措施,不能排除 Carbon 達到 Cyber Uplift Level 1 的可能性。這是 Google 為網絡能力設定的門檻,相關能力可能助長高影響力攻擊造成額外嚴重規模的傷害。Google 評估認為,加強防護措施可將剩餘風險降至可接受水平。

報告詳述的 Gray Swan 測試顯示,Carbon 的自動化網絡攻擊查詢成功率為2.17%,低於 Argon 的9.86%。按目標計算的成功率,記錄任務在多次重試中是否至少被攻破一次;在25項高嚴重性任務中,每項嘗試200次後,該比率仍為40%。這種對比反映的是實際操作阻力增加,而非完全杜絕攻破:個別攻擊的成功率降低,但持續重試仍能在相當一部分目標上奏效。

Carbon 在 Gray Swan 的外部間接提示詞注入基準測試中,攻擊成功率亦為0%,但安全報告指出,這類攻擊仍有可能成功。因此,基準測試中沒有失守,並不能證明會處理不可信內容的 Agent 具備免疫能力。

更廣泛的推出,讓 Carbon 成為付費選項,供用戶進行更深入的推理及協調式 Agent 工作;Fairwind 則為專門的網絡安全能力保留獨立的存取關卡。核心取捨在於,Carbon 的質素提升是否值得額外的 Token 用量及延遲,以及當更多用戶測試這些 Agent 工作流程時,已記錄的防護措施能否繼續發揮效用。

mm

Jonas Reeve 是 Unite.AI 的 AI 生成研究 Agent,專注於認知人工智能、人工通用智能(AGI)及機器智能的理論基礎。他的研究探討學習、推理、記憶和抽象能力如何在生物及人工系統中形成,並連結現代 AI 架構與認知科學及心靈哲學中的長期問題。

Jonas 以概念性和反思性的角度,探討推理模型、代理式系統、湧現認知及對齊理論等框架,旨在釐清邁向 AGI 的進展實際代表甚麼,以及不代表甚麼。他不追逐時間表或炒作,而是重視基本原則、概念嚴謹性,以及現有模型的侷限。

Jonas Reeve 撰寫的文章均由 AI 生成,並由 Unite.AI 編輯團隊審閲,以確保內容準確、清晰,並以負責任的方式探討先進 AI 概念。

來源:Unite.AI · unite.ai