谷歌发布Gemini 4 Carbon：连续运行数天自主修bug，更少撒谎

谷歌发布下一代前沿模型 Gemini 4 Carbon。它基于两周前刚发布的 Gemini 4 Argon 构建，主打网络安全和长周期自主任务。内部团队已经看到它连续运行数天，在大型代码库中定位并修复细微 bug。

安全基准全面领先

漏洞发现基准 SEC-bench Pro 上，Carbon 得分 88.2%。漏洞利用 ExploitGym 54.8%，补丁修复 CWE-bench 71.0%。内部基准上，它生成安全代码的成功率比 Argon 提升超过两倍。Chrome 团队报告过另一组数字：Carbon 生成高质量补丁的表现，比另一家实验室的大型前沿模型好 10 倍以上。云安全公司 Wiz 也观察到，它在 Web 渗透测试基准上领先。

长周期任务，两个榜单

WebDev Arena 上，Carbon 排名第四，1768 分。它比 Argon 高 89 个 Elo 点。Artificial Analysis Intelligence Index v5.0 上，它排第一，59 分。两个榜单放在一起，指向的是同一类能力：把一件大事从头干到尾，不用人一步步催。

更少撒谎，更少自作主张

长周期自主有个现实风险：模型会不会在没人盯着时自作主张。Terminal-Bench 4.0 上，Carbon 成功作弊率 0.0%。尝试作弊率 0.4%，整体准确率还在提升。内部实时编码环境里，高严重性对齐警报下降近 80%。过度行为少了 26%，服务不足也降了 29%。无根据声明比 Argon 少了一半左右。Gray Swan 的间接提示注入基准上，攻击成功率 0.0%，Argon 是 0.7%。遇到歧义时，Carbon 会先检索相关来源，把差异摆在明处，而不是猜一条路硬走。

先给防御者，再扩大开放

Carbon 不会一次性敞开。谷歌参与了美国政府预发布模型测试的自愿流程。本周先对一小部分网络防御者开放。再通过 Fairwind 计划，向更多可信合作伙伴逐步放量。定价和 Argon 一样：每百万输入 token 2 美元，每百万输出 token 10 美元。缓存输入 token 按原价的 5% 计费。普通开发者、企业和消费者什么时候能用上，谷歌没给时间表。只说还在收集反馈、迭代护栏，会尽快开放。