![文章封面](https://developer.qcloudimg.com/http-save/10106350/d2dc7fa54fb97dcc3cfb278c6ff804c2.jpg)

谷歌10月29日发布新一代前沿模型Gemini 4 Carbon，在三项安全相关基准上取得业内最高分：SEC-bench Pro（漏洞发现）88.2%，ExploitGym（漏洞利用）54.8%，CWE-bench（补丁修复）71.0%。IT之家当天报道了这一发布。这是谷歌继9月30日发布Gemini 4 Argon之后，在同一代模型序列下推出的新版本。

![](https://developer.qcloudimg.com/http-save/10106350/5a7ad862b8399bde02c36d97ed673f28.jpg)

## 安全与对齐指标的变化

Carbon的核心卖点集中在可信度而非单纯的能力分数。谷歌博客给出了几组对比数据：在Terminal-Bench 4.0测试中，Carbon的作弊成功率降到0.0%，尝试作弊的比例降到0.4%；高严重程度的失准（misalignment）警报减少了近80%；模型的过度执行（overreach）率下降26%，服务不足（under-service）率下降29%。在Gray Swan的间接提示注入（Indirect Prompt Injection，简称IPI，指攻击者把恶意指令藏在模型处理的外部内容里）基准上，前代Argon的攻击成功率已经是0.7%，Carbon进一步做到0.0%，官方说法是抵御了所有被评估的攻击尝试。

这些数字说明谷歌在这一代模型的训练和评估流程里，加重了对模型会不会被诱导做坏事、会不会自己作弊走捷径的测量权重。Terminal-Bench 4.0模拟的是智能体（Agent，指能自主调用工具、执行多步任务的AI系统）在终端环境里完成任务的过程，作弊率下降意味着模型更少通过违规手段达成任务目标，不等于任务完成率本身提高。

![](https://developer.qcloudimg.com/http-save/10106350/b9e19fc1fd6830cf367550a9b83e763f.jpg)

## 独立测试给出不同的画面

第三方媒体aihot发布的测试数据呈现了另一面，其评测方法与谷歌官方博客不同，两套结果暂无法互相验证。aihot称Carbon完成单个任务平均使用123k个输出token（Token是语言模型处理文本的最小单位），比Claude Opus 5.5的173k少29%；但该来源未披露两款模型测试时使用的硬件、提示词和评测版本是否一致，这一对比仅供参考。同一测试里，Carbon的幻觉率从4%上升到11%。这组数据和谷歌博客强调的安全性提升形成对照：生成内容更简洁，但编造错误信息的比例也更高，两者未必矛盾，但说明更安全不等于更准确。

在综合能力排行上，aihot引用的数据显示，Carbon在近期更新的5.0版Artificial Analysis Intelligence Index上拿到59分，前代Argon为50分。Carbon在WebDev Arena上以1,769分位列第四，比此前提升89 Elo分（Elo是一种通过两两对比结果计算相对实力的评分系统）。在Vals Index v2.2测试中，Carbon的准确率为70.36%，介于Claude Sonnet 5.5（70.85%）和Claude Opus 5.5（70.18%）之间，单次测试运行费用10.51美元，耗时不到48分钟。在Agent Arena中，Carbon的中位任务成本为1.80美元，比排名第一的Claude Opus 5.5（Max版）低72%。Code Arena的WebDev类别里，Carbon得1,768分，领先排名第十一的Argon 89分，总排名第四。这些对比同样来自aihot单一来源，测试环境未披露，结论仅供参考。

## 价格与迁移注意事项

Carbon沿用了缓存输入token大幅折扣的定价方式，缓存部分的价格比普通输入token低95%。这一机制此前已在Argon上使用，目的是降低需要反复处理长上下文（比如多轮对话历史或长文档）的应用成本。谷歌博客未说明Carbon相对Argon是否存在破坏性API变更，也没有给出具体的迁移步骤或参数对照，这部分信息暂缺，已部署Argon的团队目前只能依据输出token上限等已披露差异自行评估升级成本。

Argon本身在9月30日发布后，于10月13日实现全球可用。Argon当时的基准成绩包括：DeepSWE v1.1上77.9%、AutomationBench上51.3%排名第一、LVBench上91.7%、CWE-bench v1上68%并列第一。谷歌还提到Argon在一次量子算法优化任务中，几分钟内把已发布基线的表现提升了40%；谷歌博客未说明该基线来自哪个具体任务、是否为公开可复核的测试集，这应被视为一项营销性案例演示，不构成可比较的通用基准。Argon部署后还为谷歌数据中心释放超过300TiB内存，预计总节省在500TiB到1PiB之间；输出token上限从64K扩大到1M，这一项是Carbon沿用的能力基础，开发者从旧版本迁移时需要确认自身调用是否受此前64K上限的截断逻辑影响。谷歌在介绍Argon的另一篇博客中提到，使用Argon的Antigravity团队智能体代码提交量提升超过35%，代码回退减少近三分之一；在ADK框架（Agent Development Kit，谷歌的智能体开发框架）中，经Argon优化后，长会话的内存会话准备时间缩短40%，冷启动导入速度提升21%。

## 尚未明确的部分

谷歌官方博客没有提供幻觉率、Token消耗量等第三方测试里给出的数据，aihot的报道也没有提到谷歌强调的失准警报和过度执行率变化，两组数据分别出自各自来源，暂无法合并验证。谷歌博客未说明Carbon相对Argon在API层面是否有不兼容改动，哪些应用场景更适合优先升级，这部分指导性信息缺失。目前没有检索到独立安全研究机构或企业用户对Carbon实际部署效果的公开评价。幻觉率上升的具体原因，谷歌和第三方测试都未给出解释。

谷歌10月29日发布Gemini 4 Carbon，在漏洞挖掘、作弊率和提示注入防御上刷新纪录，第三方测试显示其幻觉率从4%升至11%，输出token数低于Claude Opus 5.5。

Gemini 4 Carbon发布：安全基准领先，幻觉率升至11%

人工智能

安全

新闻资讯

谷歌10月29日发布新一代前沿模型Gemini4Carbon，在SEC-benchPro等三项安全基准上取得业内最高分，作弊率降至0.0%，失准警报减少近80%。第三方测试显示其单任务token消耗比Claude Opus 5.5少29%，但幻觉率升至11%，综合能力评分59分，较前代提升9分。

智能体开发

量子算法

数据中心

智能体

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Gemini 4 Carbon发布：安全基准领先，幻觉率升至11%-腾讯云开发者社区-腾讯云

Gemini 4 Carbon发布：安全基准领先，幻觉率升至11%

Gemini 4 Carbon发布：安全基准领先，幻觉率升至11%

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐