Gemini 4 Carbon 正式開放，Google 在 11 月 10 日宣布，兩週前只提供給資安防禦人員的旗艦模型，現在對付費開發者、企業、科學家與一般用戶全面推出。API 價格與 Gemini 4 Argon 的導入價相同，每百萬輸入 token 2 美元、輸出 10 美元，並在 CursorBench 4.0、Perplexity 的 WANDR 與 Zapier 的 AutomationBench 三項獨立測試拿下第一。
Gemini 4 Carbon 現在誰能用、怎麼用
Google DeepMind 資深副總裁 Koray Kavukcuoglu 在官方部落格表示，Carbon 是目前最強的模型，在資安能力與長時程代理人工作流程上達到前沿水準，涵蓋複雜知識工作、軟體工程與科學推理。開發者可以透過 Google AI Studio 與 Gemini for business 的 API 使用，對象是所有付費開發者與企業；Google AI Ultra 訂閱者則能在 Google Antigravity、Gemini 應用程式與 Google 搜尋的 AI 模式中逐步取得。
官方給出的使用分工也很清楚：Argon 仍是多數軟體工程與知識工作的理想選擇，Carbon 則針對會考驗模型智力極限的任務，例如複雜的多步驟寫程式與除錯、開放式科學研究與探索，過程中會比 Argon 使用更多 token，徹底探索、深入推理並執行延伸的驗證迴圈。
三項獨立基準第一，成本低兩倍以上
Google 指出，在以真實工作流程設計的獨立基準上，Carbon 同時兼顧前沿準確度與實用的量產成本：它在 CursorBench 4.0、Perplexity 的 WANDR 與 Zapier 的 AutomationBench 排名第一，每項任務的成本比次佳的外部模型低兩倍以上。在 Google 與 Artificial Analysis 合作推出的新基準 Multimodal Knowledge Agent（MKA）上，Carbon 排名第二，但平均每項任務成本比第一名低六倍以上。
金融領域的前期評測方面，Carbon 在 Hebbia 的金融代理人端到端評估中，表現與受測的最佳模型相當，並在 Balyasny Asset Management 的綜合金融智慧基準中，於 23 種前沿模型設定裡排名第一。
Antigravity 預覽 /swarm：一個提示詞變成一支代理人團隊
為了讓 Carbon 處理更大、更複雜的專案，Google 在 Google Antigravity 預覽 /swarm 功能，把單一提示詞轉成可即時追蹤的協作代理人團隊。開發者可以把 Carbon 指派到最需要深度推理的角色，例如架構設計、協調與稽核，再搭配更快、更輕量的模型，在平行且彼此隔離的工作區裡運作，並由對抗式驗證者測試每一項變更。
官方展示的案例包括：用七份市議會規劃 PDF（擷取出 206 張工程圖視圖）與單一提示詞，由多代理人團隊在 10 個夜間迴圈內建出 Google Platform 37 辦公室、約 906K 個三角形的互動式 Three.js 重建；以及把歷史照片與工程圖版，做成 1887 年至 1889 年艾菲爾鐵塔施工過程的互動式 3D 展覽。程式開發面上，Carbon 擅長多套件遷移、跨子系統根因調查與複雜架構重設計，會執行建置與驗證迴圈、從錯誤中復原，並同時檢查程式碼與實際渲染的介面。
資安：Fairwind 之外的實戰成果
在 Fairwind Program 之下，Carbon 在找出漏洞（SEC-bench Pro）、利用漏洞（ExploitGym）與修補漏洞（CWE-bench v1）的關鍵基準上領先。Google 的自主系統 Project Fortify 結合掃描、分流與修補，在內部基準上，Carbon 的掃描召回率達 100%、分流精準度達 95%；在開源程式庫測試上，召回率比已經很強的 Argon 相對提升超過 25%，找出先前未被發現的真實邏輯漏洞。
Google Cloud 漏洞研究團隊用 Carbon 證明某個熱門開源軟體中的兩個錯誤其實是可被利用的漏洞，嚴重程度可與近期的 PHP2Shell 相比，團隊以此建出概念驗證，讓維護者把錯誤重新分類為嚴重並迅速發布修補，細節要等負責任揭露流程結束後再公布。Wiz 在 Scan for Good 計畫中用 Carbon 掃描兩家大型 SaaS 供應商，在不到兩小時內找出零時差漏洞，把原本需要數週的漏洞研究壓縮到一個下午，並與受影響的機構合作快速修補，可能影響數萬家公司的風險因此得以降低。
科學研究：從證明 Signal 協定到蛋白質同源序列搜尋
在科學與數學推理方面，藥物毒性研究公司 Axiom Bio 表示，Carbon 現在是他們轉譯科學領域表現最好的模型，找出了過去沒發現的毒性機制，Axiom 也正把正式環境的科學分析與代理人遷移到 Carbon 與 Argon。
Google 內部研究人員的成果有三項。其一是新的形式驗證代理人框架 AlphaProof Code，搭配 Carbon 針對 Signal 密碼協定的底層程式碼，以 Lean 語言產生數百萬行程式碼，在數週內證明關鍵安全屬性，這類工作過去通常需要專家團隊花上數年。其二是酵素檢測開發，Carbon 只靠實驗筆記與原始資料，就點出資料異常、診斷出深孔盤自動混合不完全等濕實驗瑕疵，並抓出儀器的微量樣本殘留。其三是蛋白質結構預測：Carbon 在多代理人設定下，自動在極大規模的未註解序列庫中找出遠緣同源序列，在 CASP17 盲測集中 7 個同源序列很少的蛋白質家族上，檢索到的同源序列平均增加 40 倍，不需重新訓練預測模型；Google 強調更廣泛的基準測試仍在進行。
四週前 Google 開放申請，讓 1 萬名科學家在 Google Antigravity 免費使用 Argon 六個月，已有數千名科學家加入。今天起，現有與未來的參與者都能使用 Carbon，申請仍然開放，並以每週滾動方式審核。
安全與對齊：數字比 Argon 好，但官方也承認還有改進空間
因為 Carbon 的資安能力更強，Google 在 Argon 的安全機制上進一步強化防範濫用與提示詞注入。在以 ExploitBench 與 CyScenarioBench 設置的模擬網路攻擊環境中，Carbon 擋下了適應性紅隊代理人 99% 的攻擊路徑，每次嘗試的突破率只有 0.8%，Argon 為 3.1%。Gray Swan 測試中的自動化網路攻擊查詢成功率為 2.17%，Argon 為 9.86%；外部測試機構 Trajectory Labs 在 132 小時、超過 13,000 次請求中，沒有發現任何新的通用越獄。
對齊面上，在 Google 的 375 項代理人誠實度基準中，Carbon 通過 92% 的任務，Argon 為 70%；遇到缺少的實驗資料時，有 98% 的情況會拒絕自行填補，並在 68% 的情況下指出方法上的缺陷。官方圖表顯示，Terminal-Bench 4.0 稽核中的嘗試作弊比例是 0.4%，Argon 為 3.6%，成功作弊則是 0.0% 對 2.4%；內部部署中經確認的高嚴重度警示為 0.016%，比 Argon 的 0.078% 低 80%。
提示詞注入方面，Carbon 兩週前在 Gray Swan 的間接提示詞注入基準上做到 0% 的攻擊成功率，是首次達到這個里程碑。Google 同時坦言，提示詞注入的防護仍有持續改進空間，自家的自動化紅隊測試顯示，在某些分布下模型還能對付更精密的攻擊。
Carbon 跟 OpenAI、Claude 的旗艦與次旗艦比，價格、規格與評分怎麼排
價格方面，依 Google 官方定價頁，Carbon 與 Argon 目前的每百萬 token 輸入 2 美元、輸出 10 美元，只適用到 11 月 30 日，12 月 1 日起調為輸入 4 美元、輸出 20 美元，快取價格也由 0.10 美元調為 0.20 美元。調價後的標價，會與 Anthropic 官方定價頁上的 Claude Opus 5.5（輸入 4 美元、輸出 20 美元）完全相同。下表把三家目前主力模型的官方價格與規格並排，評分欄採用獨立評測機構 Artificial Analysis 的智慧指數（Intelligence Index v5.0）。
| 廠商 | 模型 | 定位 | 每百萬 token 輸入／輸出 | 上下文長度 | 最大輸出 | Artificial Analysis 智慧指數 |
|---|---|---|---|---|---|---|
| Gemini 4 Carbon | 旗艦 | 2 美元／10 美元（12 月 1 日起 4 美元／20 美元） | 1,048,576 | 預設 65,536，長解碼最高 1,048,576 | 60 | |
| Gemini 4 Argon | 次旗艦 | 2 美元／10 美元（12 月 1 日起 4 美元／20 美元） | 1,048,576 | — | 50（Carbon 發表時的數據） | |
| Anthropic | Claude Fable 5.2 | 旗艦 | 8 美元／40 美元 | 1M | 128K | 65 |
| Anthropic | Claude Opus 5.5 | 次旗艦 | 4 美元／20 美元 | 1M | 128K | 59 |
| Anthropic | Claude Sonnet 5.5 | 速度與智慧兼顧 | 2 美元／10 美元 | 1M | 128K | 未查到 |
| OpenAI | GPT-6 Astra | 旗艦 | 10 美元／50 美元 | 1.05M | 128K | 57 |
| OpenAI | GPT-6.1 Sol | 次旗艦 | 2 美元／10 美元 | 1.05M | 128K | 未查到 |
表中價格與規格分別出自 Google、Gemini 4 Carbon 模型頁、Anthropic 定價頁、Claude 模型總覽與 OpenAI 模型頁；規格上，Claude 全系列與 OpenAI 旗艦的最大輸出都是 128K，上下文長度分別為 1M 與 1.05M，Carbon 的上下文長度與它們相當，但預設最大輸出較短，需要開啟長解碼才能拉到 100 萬 token。OpenAI 官方把 GPT-6.1 Sol 定位成「接近 Astra 的表現、成本更低」，Anthropic 則建議多數工作負載從 Opus 5.5 開始，需要更深的推理或長時程代理人工作時再升級到 Fable 5.2。
智慧指數：Carbon 在 OpenAI 之上，但被 Anthropic 新旗艦超越
依 Trending Topics 引述 Artificial Analysis 的榜單，Anthropic 在 11 月 9 日發表 Fable 5.2 後，它以最高推理強度拿下 65 分，Gemini 4 Carbon 為 60 分，Claude Opus 5.5 為 59 分，OpenAI 的 GPT-6 Astra 為 57 分；Carbon 剛發表時的分數是 59 分，只比 Opus 5.5 多 1 分，XenoSpectrum 的整理也指出，Carbon 在構成指數的九項評測中只拿下四項第一，且多數領先幅度很小。Gemini 4 Argon 當時的分數為 50 分。
成本是另一條軸線。同一份榜單顯示，用 Fable 5.2 跑完一項指數任務的成本，是 Opus 5.5 的兩倍以上，也是 Carbon 的三倍以上，是榜上成本最高的模型；Google 在官方文章裡也強調，Carbon 在 CursorBench 4.0、WANDR 與 AutomationBench 的每項任務成本，比次佳的外部模型低兩倍以上。換句話說，單看智慧指數，Fable 5.2 領先，但若把成本與價格一併計入，Carbon 的 2 美元／10 美元導入價是目前三家旗艦中最低的，Fable 5.2 與 GPT-6 Astra 的價格在調價前分別是它的 4 倍與 5 倍。
Anthropic 自己的對照表怎麼說
根據 OfficeChai 整理 Anthropic 公布的 Fable 5.2 基準表，Fable 5.2 在 Anthropic 列出 OpenAI 分數的項目上都勝過 GPT-6 Astra，對上 Gemini 4 Carbon 則只輸在企業流程測試 AutomationBench，Carbon 為 53.9%、Fable 5.2 為 51.4%。程式開發的 FrontierCode 2.0 上，Fable 5.2 拿到 49.1%，是目前已發布模型中最高；模擬自由工作者任務的 Remote Labor Index 上，Fable 5.2 為 41.3%，Opus 5.5 為 21.3%，GPT-6 Astra 為 20.8%。知識工作的 AA-Briefcase Elo 評分則是 Opus 5.5 以 1800 分居首，Fable 5.2 為 1785 分，Carbon 為 1611 分，Astra 為 1569 分。這些是 Anthropic 自家公布的對照，與 Google 自家挑選的基準重疊有限，建議開發者以自己的工作負載實測。
價格、取得方式與接下來該怎麼選
對開發者來說，選擇邏輯變得簡單：日常的軟體工程與知識工作繼續用 Argon，要處理多步驟程式除錯、跨系統調查或開放式研究這類吃推理深度的任務，再換成 Carbon，並預期它會消耗更多 token；若預算寬鬆且追求榜上最高的智慧分數，Fable 5.2 是目前的選項。Google 也更新了 Gemini 4 開發者指南與文件，提供遷移工作流程的最佳實務，並釋出模型卡。
其他族群的入口也各自不同：企業可以在 Gemini for business 的 API 或模型下拉選單、Google Antigravity 或 CodeMender 試用；一般用戶若是 Google AI Ultra 訂閱者，今天起就能在 Gemini 應用程式與 AI 模式使用；科學家與研究人員可以申請 Antigravity 最高用量層級六個月免費；資安防禦人員則申請加入 Fairwind Program，以滾動方式取得資安專用的 Carbon。
