要点
- 2026 年 11 月 10 日，Google DeepMind 的 SVP、Google 首席人工智能架构师 Koray Kavukcuoglu 撰文称，Gemini 4 Carbon 现已向开发者、企业、科学家和消费者开放。两周前，Carbon 已通过 Fairwind Program 提供给网络安全防护人员。Google 称，Argon 仍是大多数软件工程和知识工作的理想选择，而 Carbon 面向挑战极限的任务，并且比 Argon 使用更多 token。
- Carbon 已通过 Google AI Studio 和 Gemini for business 的 API，向所有付费开发者和企业开放，导入价与 Argon 相同，每百万输入 token 2 美元、每百万输出 token 10 美元。Google 称，2026 年 11 月 30 日之后，面向公众的 Carbon 模型价格将变为每百万 token 4 美元和 20 美元。它也在向所有 Google AI Ultra 订阅者推送，覆盖 Google Antigravity、Gemini 应用，以及搜索中的 AI Mode。
- Google 声称，Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排第一，单项任务成本比外部次优模型低两倍以上。在与 Artificial Analysis 合作推出的新基准 Multimodal Knowledge Agent 上，Google 称 Carbon 排第二，平均单项任务成本比第一名低六倍以上。文章没有公布底层分数。这些数字都是 Google 自己报告的。
- Google 称，通过 Fairwind 使用时，Carbon 在 SEC-bench Pro、ExploitGym 和 CWE-bench v1 上领先。在 Project Fortify 中，Carbon 在 Google 内部基准上扫描召回率为 100%，分诊精确率为 95%，并在开源仓库测试中，相对 Argon 的召回率有超过 25% 的相对提升。Google 还报告，在 Gray Swan IPI 基准上，提示注入攻击成功率为 0%，并称之为首次达到，同时又说稳健性仍需继续改进。
- 如果单项任务成本的基准站得住，那么一款 token 用量更高、导入期定价却与默认模型相同的专项模型，就是一次认真的产品动作，因为用户付的是 token 的钱，不是模型名字的钱。这些基准仍是 Google 自己报告的，安全方面的数字混杂了内部结果和合作伙伴的个例，而且只要 Carbon"充分探索"，它就会在 token 上花得更多。发布之后的独立排行榜，才是能够证实或推翻这一主张的东西。
2026 年 11 月 10 日，Google DeepMind 宣布，Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放。文章由 Google DeepMind 的 SVP、Google 首席人工智能架构师 Koray Kavukcuoglu 署名。两周前，Carbon 已通过 Fairwind Program 提供给一批网络安全防护人员。Fairwind 是 Google 面向安全团队的使用通道。Google 并没有把 Carbon 写成 Gemini 4 Argon 的一般接替者，它仍称 Argon 是大多数软件工程和知识工作的理想选择。它出售的是一个 token 用量更高、面向挑战极限的工作的模型，导入价与 Argon 相同，并声称在三项点名的工作流基准上排第一，单项任务成本比外部次优模型低两倍以上。
[1]Google 实际交付了什么
Carbon 已进入 Google AI Studio 和 Gemini for business 的 API，面向所有付费开发者和企业，导入价与 Argon 相同，每百万输入 token 2 美元、每百万输出 token 10 美元。token 是模型读写文本时计费的单位。Google 称，2026 年 11 月 30 日之后，这一导入价结束，面向公众的 Carbon 模型将变为每百万输入 token 4 美元、每百万输出 token 20 美元。该模型也在向所有 Google AI Ultra 订阅者推送，覆盖 Google Antigravity、Gemini 应用，以及搜索中的 AI Mode。
Google 的产品划分写得很清楚。用它自己的话说，Argon 仍是"大多数软件工程和知识工作的理想选择"。Carbon 面向挑战极限的任务，例如复杂的多步骤编程与调试，以及开放式的科学研究。Google 称，它比 Argon 使用更多 token，"以便充分探索、深入推理，并运行更长的核验循环"。
Google 还在 Google Antigravity 中预览 /swarm，描述为把一句提示变成一组可实时跟踪的协作智能体。文章展示了一些演示，其中包括用 7 份公开的规划 PDF 和 206 张工程图纸，重建 Google Platform 37 办公楼、约 90.6 万个三角形的模型。这些是智能体团队在 Antigravity 里做出的演示，并不是基准测试。
四周前，Google 开放申请，让 10,000 名科学家在六个月内免费使用 Antigravity 中的 Argon，并称已经接入了数千人。它现在正在把 Carbon 的访问范围扩大到当前和未来的参与者。申请仍然开放，按周滚动接入，但要受资格、容量和遴选限制。
[1]关于单项任务成本的主张
可核对的主张，并不是 Carbon 应当成为默认模型。它是：在点名的基准上，Google 报告了单项任务成本的领先。单项任务成本，不等于每百万 token 的标价。它是做完基准里的一道题要花多少钱，取决于模型用了多少 token。即使定价与 Argon 相同，如果模型充分探索，一道难题仍可能很贵。Google 的说法是，在它点名的那些基准上，Carbon 完成每道题仍然更便宜。
Google 称，"在为测试真实工作流中的模型表现而设计的独立基准上"，Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排第一，单项任务成本比外部次优模型低两倍以上。这里的"独立"，是 Google 自己的标签。名次和成本倍数都写在 Google 的博客里。文章没有公布原始分数，本文也不把这些排行榜当作已被独立重跑的结果。
Google 还称，它与 Artificial Analysis 合作推出了新的 Multimodal Knowledge Agent 基准，简称 MKA，用来测试智能体如何处理含有图表、图像、图纸和表格的密集文件。Google 说，Carbon 排第二，平均单项任务成本比第一名低六倍以上。文章没有点出那个第一名的模型，我们也没有在 Artificial Analysis 的页面上独立确认这一排名。
在发布前的评估中，Google 称，Carbon 在 Hebbia 的 E2E Financial Agentic 评测上，与所测最佳模型打平，并在 Balyasny Asset Management 的 General Financial Intelligence 基准上，于 23 种前沿模型配置中排在最前。这些同样是 Google 所报告的结果。
[1]网络安全与模型安全数字
Google 称，通过 Fairwind 使用时，Carbon 在发现漏洞的 SEC-bench Pro、利用漏洞的 ExploitGym，以及修补漏洞的 CWE-bench v1 上领先。在 Project Fortify，也就是 Google 自己用于扫描、分诊和修复的系统中，Carbon 在内部基准上扫描召回率为 100%，也就是该测试中的目标都被找到，分诊精确率为 95%，也就是被标出的大多数是正确的。在开源仓库测试中，Google 报告相对 Argon 的召回率有超过 25% 的相对提升。
Google 也提供了来自内部和合作伙伴的个例。它称，Cloud Vulnerability Research 团队用 Carbon 证明，某个流行开源项目中的两个缺陷实际上可被利用，严重程度"可与近期的 PHP2Shell 利用相比"，细节将在负责任披露完成之后公布。作为 Wiz 的 Scan for Good 项目的一部分，文章称 Carbon 在两家大型 SaaS 提供商处，于两小时内发现了此前未知的漏洞，也就是 0-day。这些是关于特定测试的说法，并不是读者能从公开排行榜上重新算出来的数字。
在安全方面，Google 称 Carbon 在 Gray Swan IPI 基准上的提示注入攻击成功率为 0%，并称之为首次达到。提示注入是一种攻击，把指令藏在模型被要求阅读的内容里，希望模型执行这些指令，而不是用户的要求。Google 同时说，稳健性仍需继续改进。它还报告，在模拟环境中，每次尝试的突破率为 0.8%，低于 Argon 的 3.1%；在 Gray Swan 的测试中，自动化网络攻击查询成功率为 2.17%，低于 Argon 的 9.86%；Trajectory Labs 在 132 小时、超过 13,000 次请求中，没有发现新的通用越狱；在一项 375 题的诚实性基准上，Carbon 通过了 92%，Argon 为 70%。这些数字全部来自 Google 的文章，包括归到外部测试方名下的那些。
[1]哪些仍然只是 Google 自己报告的
发布文章里的几乎每一个数字，都是 Google 自己报告的。单项任务成本的领先、MKA 排名、金融评测、Fairwind 基准上的领先、Fortify 的内部分数、合作伙伴的个例，以及安全数字，都是由正在销售这个模型的公司给出的。其中一些涉及具名的合作方。这并不等于读者今天就能查看的公开排行榜，也不等于已被第三方重跑过的论文。
文章中的科学段落，包括与 Axiom Bio 的合作、在 7 个 CASP17 蛋白家族中检索到的同源序列据称增加 40 倍，以及对 libsignal 的 AlphaProof Code 验证，同属这一类。它们是 Google 对自己的研究人员和合作伙伴用 Carbon 做了什么的叙述。它们不是关于单项任务成本的主张，也不应被折进该主张里。
[1]更公允的读法
更公允的读法是：如果单项任务成本的基准是真的，那么一款 token 用量更高、在导入期内定价却与默认模型相同的专项模型，就是一次认真的产品动作。用户付的是 token 的钱，不是模型名字的钱。如果 Carbon 在点名的工作流任务上，成本比外部次优模型低两倍以上，那比它沿途多用了一些 token 更重要。
界限就在这条主张旁边。这些基准仍是 Google 自己报告的。安全方面的数字，把 Fortify 的内部基准与无法仅从博客核对的合作伙伴个例混在一起。只要 Carbon"充分探索"，它在每道任务上就会用掉更多 token，而这恰恰是买家可能找上它的时候。导入价也在 2026 年 11 月 30 日结束，面向公众的模型单价将翻倍。发布之后的独立排行榜，以及导入期结束后的真实账单，才是能够证实或推翻这一论点的东西。
[1]谁该在意，接下来看什么
在 Argon 和 Carbon 之间做选择的开发者和企业应当关心，尤其是按 token 付费、又确实需要长时间多步骤运行的人。考虑 Fairwind 的安全团队，将在 Antigravity、Gemini 应用和搜索中看到 Carbon 的 Ultra 订阅者，以及把这次发布读成"Carbon 现在应当成为默认模型"的人，也同样应当关心。
未来六个月里，真正的检验是：独立排行榜是否确认 Carbon 在 CursorBench 4.0、WANDR 和 AutomationBench 上的单项任务成本领先；MKA 排名是否出现在读者可以查看的 Artificial Analysis 页面上；11 月 30 日之后真实的单位成本会变成怎样；以及在更多人尝试之后，后来的 Gray Swan 或其他注入测试，是否仍然显示 0% 的攻击成功率。
[1]收束
Carbon 被当成与 Argon 并排的专项模型来卖，不是它的替代者。真正要紧的主张是：当 Google 以外的人也能跑那些点名的基准，并且导入价在 2026 年 11 月 30 日到期之后，这些基准是否仍然显示单项任务成本的领先。
[1]