要点
- Google（Koray Kavukcuoglu，2026-10-28）发布 Gemini 4 Carbon：称在 Artificial Analysis Intelligence Index v5.0 以 59 分居首，并给出 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 等外部基准数字（文称无护栏评测）。
- 建立在两周前发布的 Gemini 4 Argon 之上；WebDev Arena 升至 #4（1768 Elo，+89）；介绍价与 Argon 相同：输入 $2/百万 tokens、输出 $10/百万 tokens，缓存输入 95% 折扣；介绍期后升至 $4 / $20。
- 称正参与美国政府自愿预发布测试；本周起向部分网络防御者开放，再经 Fairwind Program 逐步扩大至可信伙伴，然后再面向开发者、企业与消费者产品表面。
Carbon 的叙事轴是「更强编程/代理能力」叠「网络安全防御生命周期 SOTA」，再配上刻意的受限首发，而不是全量公测。
可证伪读法：若 Fairwind/防御者队列之外的公开 API 迟迟不到、或独立复现无法接近文中无护栏基准与对齐改进数字，则 2026-10-28 公告应主要读作预发布与安全叙事，而非已可采购的通用前沿模型跃迁；若开放后第三方复测与价格条款同时站稳，则应上修对「Argon→Carbon 两周迭代」节奏的权重。
[1]官网硬事实：栏目 Models；作者 Koray Kavukcuoglu（SVP, Google DeepMind / Chief AI Architect）。自称最强模型，突出 cybersecurity 与 long-horizon；内部称可在复杂多步工程任务上持续数日。
对齐与安全段落给出多组相对 Argon 的内部改进：Terminal-Bench 4.0 成功作弊降至 0.0%（尝试 0.4%）；高严重度错位告警降约 80%；无支撑断言约减半；越权 -26%、服务不足 -29%；Gray Swan IPI 攻击成功率 0.0%（Argon 为 0.7%）。安全代码生成成功率称相对 Argon 超 2 倍提升；Chrome 团队称高质量补丁表现优于「另一实验室大型前沿模型」10 倍以上——均为机构自述，无独立审计附于文中。
[1]证据是 Google 官方产品博客，外部基准名与分数由作者列出，并注明部分网络安全评测「无护栏」。未提供完整评测卡、样本量或第三方复现包。
钢人论证：把「漏洞发现—利用验证—补丁」写成防御生命周期，并先发给网络防御者与政府自愿测试流程，是在能力跃迁时降低误用面的可辩护部署顺序。钢人之外，ExploitGym 等利用向基准即使服务于防御优先级，也同时抬高双用途能力的公开水位；博客未给出对外滥用评估的对等细节。
[1]最强钢人：长程代理编程若真能在大代码库上「卡住仍继续」，配上补丁与安全代码提升，对软件维护与蓝队有直接生产力含义；受限首发承认了能力与风险同向放大。
钢人风险：两周从 Argon 到 Carbon 的节奏，使「安全栈已跟上」的主张难以及时被外部验证；内部指标（错位告警、无支撑断言）缺少可复现定义；「尽快」进入消费级表面的表述，可能与自愿预发布测试的审慎叙事互相拉扯。
[1]对防御团队与 Fairwind 伙伴，这是抢先试用宣称 SOTA 网络与长程能力的窗口；对开发者与企业买家，关键变量是开放时间表与介绍价结束后的 $4/$20 是否仍有竞争力。对治理读者，观察点是无护栏基准宣传与多层级护栏部署之间如何被审计对齐。
[1]短期应以 Fairwind/防御者反馈与独立基准复现为准：若公开接入后分数与对齐改进大幅回落，或开放显著慢于「as soon as possible」话术，则把 Carbon 记为受控预发布样板；若复现与扩量同步，则「两周一代」加网络防御定位会成为 2026 年末前沿竞争的新参照。
【No.2】
[1]