Gemini 4 Carbon：谷歌新旗舰登顶 AA 榜，安全指标提升幅度比分数更值得看

10 月 28 日，Google 发布 Gemini 4 Carbon——两周前发布的 Gemini 4 Argon 的继任者，官方称为「迄今最强的模型」。HN 首页 813 分。定位是长程 agent 工作、软件工程与网络安全防御。

能力：工程与安全双线

官方公布的成绩单里，最硬的两个是安全侧的：SEC-bench Pro 88.2%（真实漏洞发现，官方称 SOTA）、ExploitGym 54.8%（漏洞利用验证，SOTA）、CWE-bench 71.0%（根因级补丁）；工程侧 Terminal-Bench 4.0 上作弊成功降到 0.0%（尝试 0.4%）、WebDev Arena 排名第 4（1768，涨 89 分）、安全代码生成成功率是 Argon 内部的 2 倍以上。Artificial Analysis 智能指数 v5.0 得分 59，排名第一。Chrome 团队称其高质量补丁能力是另一家前沿实验室的 10 倍以上。

但更值得企业注意的是安全侧的改善幅度：高危内部失准告警下降近 80%，无依据断言约为 Argon 的一半，越界（overreach）降 26%、服务不足降 29%，Gray Swan IPI 基准攻击成功率 0.0%。Google 同时说明其参与了美国政府的自愿发布前模型测试流程，护栏将随更广泛部署持续迭代。

定价与开放度

引入期 $2/$10 每百万输入/输出 token，缓存输入 95% 折扣，之后回到标准价 $4/$20——与 GPT-6.1 Sol、Opus 5.5 处在同一价位带。开放度则格外克制：目前仅面向选定的网络防御者与 Fairwind 计划信任伙伴滚动开放，面向开发者、企业与消费者的普遍访问官方称「即将到来」，API/应用/Vertex AI 的具体可用性未公布。

对企业的启示

其一，安全专用能力正在成为选型的一等指标。 漏洞发现、验证、修复这三段连起来的基准分数（SOTA 级）加上极低的失准率，意味着「模型能否承担安全任务」已从演示走向可评估。对安全运营团队，可以开始在自家代码库与沙箱环境里做基准测试，但要清楚它当前的可获取性门槛。其二，定价跟随旗舰下探到 $2/$10 档，此前我们报道过的价格战仍在继续——但要注意这类模型的能力差异正越来越体现在安全与可靠性指标上，而不只是通用基准分数。其三，「逐步开放 + 政府自愿测试流程」正在成为前沿模型发布的常态模板：Anthropic 的 Cyber Verification Program、OpenAI 的前置评估、METR 的外部审计都是同一趋势的组成部分——企业采购方应把「开放节奏与验证方式」纳入选型问询清单。ProMen 在为企业规划本地化与云端混合部署时，会持续跟踪这类「安全强化型旗舰」的可用性变化。