今天，我們正式向開發者、企業、科學家和廣大用戶推出 Gemini 4 Carbon。作為我們迄今為止最強大的模型，Carbon 在複雜知識工作、軟體工程、網路安全以及科學推理等長周期智能體工作流中展現出了前沿的性能。
兩周前，我們通過 「Fairwind 計劃」 將 Carbon 開放給了一部分網路安全專家。繼近期發布 Gemini 4 Argon 之後，Carbon 再一次刷新了技術的邊界。Argon 仍然是絕大多數軟體工程和知識工作的理想選擇，而 Carbon 則專為挑戰模型智能極限的任務而生——例如複雜的、多步驟的編碼與調試，以及開放式的科學研究與探索。它通過消耗比 Argon 更多的 token 來進行深度探索、縝密推理並運行擴展驗證循環。
在評估真實工作流中模型性能的獨立基準測試中，Carbon 兼具頂尖的準確性及出色的性價比。它在 CursorBench 4.0、Perplexity 的 WANDR 以及 Zapier 的 AutomationBench 上均排名第一，且單個任務的成本比同類次優模型低了 2 倍以上。
為了將 Carbon 的強大能力應用到更大、更複雜的項目中，我們在 Google Antigravity 中推出了 /swarm 預覽版，該功能可以將單個提示詞轉化為一個可實時追蹤的協同智能體團隊。開發人員可以將 Carbon 分配給需要最深入推理的角色，例如架構設計、協調和審計，同時將其與並行隔離的工作區中速度更快、重量更輕的模型以及對抗性驗證器相結合，以測試每一次變更。
Gemini 4 Carbon 現已通過 Google AI Studio 中的 Gemini API 和 Gemini for Business 面向所有付費開發者和企業用戶推出，其首發體驗價與 Gemini 4 Argon 相同（每百萬輸入 token 2 美元，每百萬輸出 token 10 美元）¹。
更高精度的知識工作、
作品生成與數據分析
Gemini 4 Carbon 涵蓋法律、財務和企業運營等多個領域，它融合了前沿的視覺理解、推理能力和全面檢索功能，能夠從大量密集文檔和數據中提取出切實可行的洞察。它遵循嚴格的模式和格式，生成精美且精準的電子表格、演示文稿和報告。
現有的基準測試無法充分反映智能體如何處理包含圖表、圖像、藍圖、示意圖和表格等密集型文件的原生推理能力，因此我們與 Artificial Analysis 合作推出了全新的多模態知識智能體 (MKA) 基準測試，用於評估模型在 Agent 流程中的多模態表現。Carbon 在該基準測試中排名第二，同時其單項任務的平均成本比排名第一的模型低 6 倍以上。
在發布前評測中，Carbon 在 Hebbia 的 E2E 金融智能體評測中展現出了與所測試最佳模型持平的深度金融研究能力，並在 Balyasny Asset Management 的通用金融智能（General Financial Intelligence）基準測試中，在 23 個前沿模型配置中躍居榜首，該基準測試涵蓋法律專業知識、智能體工具的使用和執行、編碼和數據工程以及感知和上下文理解等多個領域。
「Gemini 4 Carbon 是我們評估過的用於深度金融研究的最強大的模型，它能夠構建更清晰、結構更完善的 Excel 模型，並製作更精煉的 PowerPoint 演示文稿。對於盡職調查工作流程而言，這無疑是一次真正的飛躍。」
—— Shanks Salwan
Hebbia 首席應用 AI 工程師
「我們的基準旨在跳出通用能力的範疇，評估金融團隊實際開展的工作。Carbon 在涉及複雜上下文和結構化交付物（尤其是圖表、代碼和表格）的任務中脫穎而出。」
—— Audrey Liu
Balyasny Asset Management 高級 AI 工程師
「Gemini 4 Carbon 的能力遠不止於研究。它能從工作場所數據中找到通話摘要、深埋的電子郵件或精確的漏斗數據，並將其轉化為針對性的分析和後續方案。在我們的評估中，它在任務完成率領先於我們測試過的所有前沿模型，我們很高興能將其帶給 Glean 的客戶，幫助他們應對複雜的多步驟工作。」
—— Thai Tran
Glean AI 產品負責人
改進的智能體編程、全棧開發
以及 3D 和 UI 設計
Carbon 在需要多智能體協作的工程任務中表現極為出色，例如多包遷移、跨子系統根本原因排查以及複雜的架構重構。對於 Web 應用開發，它能運行「構建並驗證」的循環、從錯誤中自動恢復，並同時檢查代碼和渲染出的 UI，從而構建出完整、可運行的應用程式。其更強的視覺設計、空間推理能力以及對環境細節的關注，也同樣適用於 3D 遊戲開發和創意編程。
「在我們極力想讓應用界面與已有 UI 框架保持一致時，我們在下班前給 Carbon 提交了一份需求清單。一夜之間，Carbon 從零開始構建了一個全新的 Rust UI 庫，並重寫了我們的 OpenCode 桌面應用，還附帶了可運行的 Demo。這是一個極其聰明的模型，現在已經成為我們處理最棘手任務時的首選規劃模型。」
—— Kit Langton
OpenCode 軟體工程師
「Gemini 4 Carbon 是迄今為止應對高難度布料模擬的最佳前沿模型。它對三維空間、物理學以及複雜而微妙的科學決策的深刻理解，使其變得非常可靠。我們使用了 6 天，期間只需極少的人工干預。它不僅提升了我們現有且經過精細調優的軟體模擬系統的運行速度，還增強了其仿真保真度。」
—— Andrew Carr
Cartwheel 首席科學家兼聯合創始人
「Gemini 4 Carbon 絕對尊重既有的軟體代碼。在我們 14,000 個測試用例的代碼庫中，針對 16 個實際存在的程序缺陷，Carbon 實現了 94% 的修復率，且零回歸。」
—— Baki Celtik
HubX 人工智慧工程師
「我們的遊戲角色必須能夠傾聽、遵循世界規則，並實時執行多步驟計劃。在測試中，Carbon 在這方面的表現極其出色。它準確地執行了玩家給出的複雜指令，同時嚴守世界設定的邊界，並能清晰解釋為何某些不可能的行動被禁止。這種卓越的判斷力讓遊戲角色真正活了過來。」
—— Brian Tanner
Artificial Agency 聯合創始人兼首席執行官
「在我們的測試中，Gemini 4 Carbon 能夠將分析嚴格立足於源內容，隨著證據的更新及時調整結論，並在最終的審查中給出明確的建議。這些能力在高度合規監管的環境中尤為寶貴。在這類環境中，決策往往取決於對複雜資訊的嚴謹審閱。例如，Carbon 在公共部門相關任務中拿到了 100% 的滿分，這進一步增強了我們對其提供準確建議能力的信心。」
—— Yashodha Bhavnani
Box 人工智慧產品副總裁
前沿的網路安全能力
Gemini 4 Carbon for cyber 為我們帶來了迄今為止最強大的網路安全能力，為安全團隊保護關鍵軟體提供所需的端到端智能。通過 Fairwind 計劃訪問時，Carbon 在發現（SEC-bench Pro）、利用（ExploitGym）和修補（CWE-bench v1）漏洞的關鍵基準測試中處於領先地位：它能夠檢查軟體、追蹤漏洞如何在不同系統之間被串聯利用，並生成經過驗證的根本原因修復更新檔。
Google 內部與外部的早期測試者在實踐中都已見證 Carbon for cyber帶來的顯著成效。
在 Project Fortify（Google 掃描、分類排查與修復的自主系統）中，Carbon 在我們的內部基準測試中在掃描方面實現了 100% 的召回率以及分類排查方面 95% 的準確率。在開源代碼庫測試中，相較於 Argon 既有的高召回率，Carbon 進一步提升了 25% 以上，成功挖掘出此前未被發現的真實邏輯漏洞。將這些成果推廣應用於 Google，作為全球最大的開源軟體用戶之一，不僅有助於保障我們自身的系統安全，也為整個開源生態系統的安全提供了助力。
Google Cloud 安全漏洞研究（CVR）團隊最近使用 Carbon 證實了一款流行的開源軟體中的兩個 Bug 實際上屬於可利用漏洞，其嚴重程度與近期的 PHP2Shell 漏洞相當。通過藉助 Carbon 構建概念驗證，CVR 團隊協助運營人員將該 Bug 重新定義為高危級別並迅速發布了更新檔。詳細資訊將在負責任的漏洞披露流程結束後予以公布。
作為 Wiz 的「Scan for Good」計劃的一部分，團隊使用 Carbon for cyber 來評估公共數字基礎設施中的漏洞。例如，在針對兩家大型 SaaS 提供商進行掃描時，該模型在兩小時內便發現了 0-day 漏洞，將原本需要數周的漏洞研究時間縮短至一個下午。團隊與受影響機構緊密合作並創紀錄地完成了修復，從而幫助降低了對數萬家公司的潛在影響。
「在對核心驅動漏洞研究的受控評估中，我們測試的每一個模型都找到了相同的核心內存損壞漏洞。Carbon for cyber 則更進一步：它理解驅動程式的約束條件，區分出哪些發現是切實有效的、哪些則不然，並額外挖掘出了 4 個經過核實的漏洞。這就是『發現問題』與『可付諸行動的結論』之間的本質區別。」
—— Chris Corde
SentinelOne 首席產品官
「Gemini 4 Carbon for cyber 是我們迄今測試過的得分最高模型之一，並且在我們的多項評估中，它僅用前代模型一半的步驟就達成了這一成果。其中一個突出表現是：它成功將多個難以利用的漏洞串聯起來，偽造成一個管理員會話（exploit）。在我們測試的大多數模型中，幾乎沒有能完成此項任務的，而 Carbon 卻能夠穩定解決。對於 Gemini 而言，這款模型帶來了一次跨越式的飛躍，更是防禦者工具庫中不可或缺的關鍵工具。」
—— David Slater
Armadin 創始人兼首席架構師
「Carbon for cyber 給我們留下了深刻印象。它能夠系統化、有條不紊地梳理龐大且多樣化的代碼庫，並生成深層攻擊鏈，這種能力堪稱同類最佳。即使在超長上下文窗口下，該模型的卓越表現也在 Chainguard Harness 中脫穎而出。我們會將把它更深入地集成到我們自主的漏洞發現與修復系統中。」
—— Dan Lorenc
Chainguard 創始人兼首席執行官
「將 Carbon for cyber 這種深度推理模型引入網路安全領域，能夠幫助防禦者深入評估複雜的代碼庫，並精準判斷漏洞是否具備真正的可利用性。我們早期測試表明，Carbon 具備極高水平的精準度，足以協助工程師穿透干擾噪聲，將精力集中在最能發揮人類經驗與判斷力的核心環節。」
—— John White
思科高級安全倡議小組總監
更強的科學與數學推理能力
Gemini 4 Carbon 在物理、數學和生命科學領域的推理能力顯著提升，能夠綜合實驗數據、驗證假設，並針對多步驟的專業領域問題進行推理。對於藥物毒性研究公司 Axiom Bio 而言，Carbon 目前已成為轉化科學（translational science）領域性能最領先的模型，其幫助他們發現了此前未留意的全新毒性機制。目前，Axiom 正將其生產環境下的科學分析與 AI Agent 全面遷移至 Carbon 和 Argon，以助力開發更安全的藥物。
Google 各地的研究人員一直在 Google Antigravity 中使用 Carbon 來為他們的工作提速：
代碼驗證：研究人員構建了一個名為 AlphaProof Code 的全新智能體框架用於形式化驗證，並將其投入到一項重大的安全挑戰中：從數學上證明 Signal 加密協議底層代碼的正確性。研究人員將 Carbon 與其他模型結合，把安全目標轉化為數學定理。隨後，AlphaProof Code 智能體藉助 Carbon 在 Lean（一種用於編寫數學證明的電腦語言）中生成了數百萬行代碼，幫助他們在幾周內證明了關鍵的安全屬性。而這一任務在過去通常需要專家團隊花費數年才能完成。這一結果表明了 Carbon 在實現可擴展形式化驗證的潛力，而形式化驗證一直被視為構建安全軟體的「黃金標準」。
酶測定法開發：Carbon 僅憑實驗室記錄本和原始數據，便超越了常規分析，成功識別出難以解讀的數據異常，並通過這些異常診斷出濕實驗中一些隱蔽的偏差（例如深孔板內自動化混勻不完全的問題），從而大幅提高了實驗的可重複性。此外，Carbon 還改進了色譜峰解卷積的方法，並發現了研究儀器中的微量樣品殘留，顯著加速了新測定法的開發，並縮短了計算與實驗之間的反饋閉環。
蛋白質結構預測：像 AlphaFold 3 這種結構預測模型，通常利用演化親緣關係的蛋白質多序列比對（MSA）來推斷胺基酸鏈的摺疊方式。因此，對於那些在標準資料庫中匹配項極少、研究較少的病毒、微生物和真核生物蛋白質上往往難以做出準確預測。我們的研究人員採用多智能體協作模式，利用 Gemini 4 Carbon 在拍字節級（PB）規模的未注釋序列庫、環境與病毒序列目錄以及 3D 結構資料庫中自主發現遠緣同源序列。例如，在 CASP17 盲測集的 7 個低同源性蛋白質家族中，Carbon 將檢索到的同源物數量平均提高了 40 倍，在無需重新訓練模型的情況下，為結構預測模型提供了更豐富的資訊。儘管更廣泛的基準測試仍在進行，但通過解決這一上游搜索瓶頸，我們有望為構建蛋白質組中那些難以表徵區域的結構模型，開闢一條切實可行的新途徑。
四周前，我們開放了申請通道，免費為 1,000 名科學家提供為期六個月的 Google Antigravity 中 Argon 的使用權限，以加快他們的研究步伐。目前，已有數千名科學家加入了該計劃。今天，我們將開放範圍進一步擴大，允許現有及未來的項目參與者使用 Carbon 模型。此後，隨著我們最新的前沿模型陸續推出，該計劃也將持續為他們提供使用權限。申請通道目前仍在開放，我們將根據資格審查、名額及篩選結果，每周滾動進行引入。
模型安全與保障方面的進展
隨著新模型的發布，我們持續深化安全保障措施、防範智能體濫用、強化模型對齊並減少潛在危害，確保這些保障力度與模型自身能力的提升保持同步。
由於 Gemini 4 Carbon 引入了更強大的網路安全能力，我們在 Argon 堅實的安全保障體系基礎上，進一步增強其抵禦惡意濫用與提示詞注入攻擊的穩健性。
降低前沿模型被濫用的安全風險：我們強化了針對濫用行為的安全保障機制，以確保更強的防禦性推理能力不會轉化為攻擊性風險。在基於 ExploitBench 和 CyScenarioBench 構建的模擬網路攻擊測試環境中，針對能夠在每次被攔截後疊代優化攻擊計劃的「自適應紅隊智能體」，Carbon 成功攔截了 99% 的攻擊路徑。Carbon 的安全保障機制將單次嘗試的突破率降低至僅 0.8%（低於Argon 的 3.1%）。同時在 Gray Swan 的測試中，我們的安全保障機制將自動化網路攻擊查詢的成功率降至 2.17%（Argon 為 9.86%）。此外，Trajectory Labs 的外部測試顯示，在長達 132 小時、超過 13,000 次請求的測試中，未發現任何新的通用「越獄」（jailbreak）手段。
促進安全且符合對齊的模型交互：發布 Carbon 時，我們展示了其在模型全生命周期monitor flag rates所衡量的對齊能力方面的顯著提升，以及數據捏造現象的減少。最新結果顯示，在包含 375 項任務的「智能體誠實度基準測試」（agentic honesty benchmark）中，Carbon 成功通過了 92% 的任務（相比之下 Argon 為 70%）——在 98% 的情況下拒絕填補缺失的實驗數據，並在 68% 的情況下主動指出方法論上的缺陷。
保護用戶免受間接提示詞注入（Indirect Prompt Injection）攻擊：兩周前，我們分享了 Carbon 在 Gray Swan IPI 基準測試中實現了 0% 的提示詞注入攻擊成功率，這是首次達成該里程碑。與此同時，我們也意識到，抵禦提示詞注入的穩健性依然是一個需要持續改進的領域。我們先進的「自動化紅隊測試」（automated red teaming）正在不斷突破現有極限，並且在某些特定場景分布下，模型面對複雜精密的攻擊仍有進一步提升的空間。這為我們持續推動提供了寶貴的數據，以推動模型安全邁向更高水平提供了關鍵數據支持。
