奇袭Claude！谷歌Gemini新旗舰全面上线，一夜复刻OpenCode桌面应用

智东西
编译 杨京丽
编辑 李水青

智东西11月11日消息，今天凌晨，谷歌宣布其最强AI模型Gemini 4 Carbon正式向开发者、企业、科研人员和消费者开放。Gemini 4 Carbon在网络安全能力和复杂知识工作、软件工程和科学推理等领域的长程Agent工作流中，均达到前沿水平。

▲谷歌宣布开放Gemini 4 Carbon（图源：X）

两周前（10月28日），Gemini 4 Carbon发布，并通过Fairwind计划向一批网络安全工作人员开放。此次扩大开放后，开发者和企业用户可通过Google AI Studio和Gemini for business调用API。Google AI Ultra订阅用户可在Google Antigravity、Gemini应用和谷歌搜索AI模式中体验该模型。

在用于衡量模型实际工作流表现的独立基准测试中，Carbon兼顾了前沿的准确性和实际部署的成本。它在Cursor测评榜单CursorBench 4.0、Perplexity的WANDR和Zapier的AutomationBench中均排名第一，单任务成本不到排名最高的外部模型的一半，优于Fable 5.2、Opus 5.5等模型。

▲Gemini 4 Carbon在CursorBench 4.0测评中表现（图源：Cursor）

在Artificial Analysis Intelligence Index上，Gemini 4 Carbon（high）以60分排名第二，仅落后于Claude Fable 5.2（max），超越Claude opus 5.5（max）、GPT-6 Astra（max）和GPT-6.1 Sol（max）等一众模型。

▲Gemini 4 Carbon在Artificial Analysis榜单上位列第二（图源：Artificial Analysis）

价格方面，Gemini 4 Carbon的API尝鲜价与Argon相同，每百万输入Token为2美元（约合人民币13.3元），每百万输出Token为10美元（约合人民币66.7元），优惠持续至11月30日。此后的输入和输出价格分别为4美元（约合人民币26.7元）和20美元（约合人民币133.4元）。

▲Gemini 4 Carbon价格（图源：谷歌）

目前，在Gemini 4系列中，谷歌仍推荐用Argon处理大多数软件工程和知识工作。Carbon则面向复杂代码调试、开放式科学研究等更难的任务，会消耗更多Token，进行更深入的推理，反复验证结果。

谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）发文称：“Carbon做了个鹈鹕骑车的Demo，所以你不用专门测试。”动画中，鹈鹕在谷歌园区中骑行。飞跃斜坡后，鹈鹕会张开翅膀维持平衡，随后平稳降落在地面上继续骑行。

模型开放后，部分开发者在海外社交平台X上发文称，Gemini 4 Carbon较Argon提升明显，能力很强，思考方式与Claude、GPT有所不同。

▲开发者对Gemini 4 Carbon的评价（图源：X）

还有开发者称，Gemini 4 Carbon较Gemini以往模型进步较大，但审美不如Fable和Opus，需要更详细的提示词或参考案例来引导。

▲开发者对Gemini 4 Carbon的评价（图源：X）

一、多模态知识工作评测排名第二，基于206张工程图复刻谷歌办公楼

在法律、金融和企业运营等场景中，Carbon可以检索和分析大量文档，结合其中的图表、图片和表格得出有材料支撑的结论，再按指定结构和格式生成电子表格、演示文稿或报告。

为了考察Agent处理工程蓝图、示意图和数据表等复杂资料的能力，谷歌与Artificial Analysis合作推出了多模态知识Agent评测（Multimodal Knowledge Agent，MKA）。谷歌称，Carbon在这项测试中排名第二，平均单任务成本不到榜首模型的六分之一。

谷歌展示了Carbon如何把不同类型的资料做成交互应用。其中，一组Carbon Agent根据一条提示词，将历史照片和工程图版做成了基于Three.js的3D展览，呈现埃菲尔铁塔从1887年到1889年的建造过程。

在另一项演示中，Carbon团队根据一条提示词和7份市议会公开的规划PDF，从中提取206张工程视图，经过一夜10轮迭代，做出了谷歌Platform 37办公楼的交互式3D模型，包含约90.6万个三角面。

二、多Agent协作能力突出，一夜重写OpenCode桌面应用

谷歌称，Carbon擅长需要多Agent协作的工程任务，包括跨软件包迁移、跨子系统排查故障根因和复杂架构重构。在开发网页应用时，Carbon会反复构建、运行和验证，遇到错误后尝试恢复，并检查源代码和页面实际渲染效果。

OpenCode团队曾在下班前给Carbon一份需求清单，希望让桌面应用与现有界面框架保持视觉一致。第二天，Carbon已从零构建了一个Rust界面库，重写OpenCode桌面应用，并交付了可运行的演示。HubX则在包含1.4万项测试的代码库中，用16项真实Bug修复任务测试Carbon，结果修复率为94%，测试中未出现回归。

谷歌展示的案例中，Carbon以Gemini Omni生成的视频为参考，在Blender中构建程序化遗迹、水下焦散光照和水体仿真，再将水下亚特兰蒂斯场景移植到Three.js，在浏览器中实时渲染，生成可交互3D游戏。

三、漏洞发现利用修复评测领先，谷歌内部扫描测试召回率达100%

Gemini 4 Carbon具备谷歌迄今最强的网络安全能力，可以为安全团队保护关键软件提供端到端支持。通过Fairwind计划使用的Carbon，在漏洞发现（SEC-bench Pro）、漏洞利用（ExploitGym）和漏洞修复（CWE-bench v1）三项关键评测中领先。

谷歌在内部自动化安全项目Project Fortify中测试了Carbon。该项目覆盖扫描、分诊和修复。按谷歌内部评测，Carbon的扫描召回率达到100%，分诊精确率达到95%。在开源代码库测试中，其漏洞发现召回率较Argon相对提升超过25%，识别出此前遗漏的逻辑漏洞。

在谷歌旗下网络安全公司Wiz的“Scan for Good”项目中，团队用Carbon评估公共数字基础设施的安全性。谷歌称，Wiz在检查两家大型SaaS服务商时，不到两小时就发现了此前未知的漏洞，随后与受影响机构合作修复，潜在影响涉及数万家公司。

四、参与验证Signal协议代码，科研免费计划扩大至Carbon

谷歌称，Carbon在物理、数学和生命科学推理方面有所提升，可用于整合实验数据、检验假设和处理多步骤问题。药物毒性研究公司Axiom Bio称，Carbon在其转化科学任务中表现最佳，帮助团队找到此前未发现的毒性机制。该公司正把用于实际科研的分析流程和Agent迁移到Carbon和Argon。

在谷歌内部，研究人员已将Carbon用于代码形式化验证、酶检测方法开发和蛋白质结构预测。

在代码验证方面，研究人员搭建了名为AlphaProof Code的Agent框架，用于对Signal加密协议的实际代码进行数学验证。研究人员借助Carbon和其他模型把安全目标转写为数学定理，Carbon生成了逾600万行经Lean自动检查的证明代码，将原本需要专家耗时数年的验证工作缩短至数周，约1%的代码库需要人工审查。

在酶检测方法开发方面，Carbon根据实验记录和原始数据找到难以解释的异常，帮助研究人员识别深孔板自动混合不充分、仪器中残留微量样品等问题，并改进色谱峰解析方法。谷歌称，这些改进提高了实验结果的可重复性，加快了新检测方法的开发。

在蛋白质结构预测方面，AlphaFold 3等模型可借助多序列比对，利用进化上相关的蛋白质序列推断折叠结构。对于数据库中已知同源序列较少的蛋白质，可供预测模型使用的信息也更少。谷歌称，在CASP17盲测集的7个低同源蛋白质家族中，Carbon协助检索到的同源序列数量平均增至原来的40倍，无需重新训练结构预测模型即可增加其可用信息。更大范围的评估仍在进行。

约四周前，谷歌启动了一项面向1万名科学家的免费计划，提供6个月的Google Antigravity使用权限，已有数千名科学家加入。此次开放后，已有和新加入的参与者均有机会使用Carbon和Argon。谷歌将根据资格、容量和筛选结果，每周分批开放，并计划在新一代前沿模型上线后继续向参与者提供访问权限。

结语：Carbon正式开放，复杂任务进入实战检验

从一夜重写桌面应用，到参与验证Signal协议的机器代码，谷歌展示了Gemini 4 Carbon如何在一项任务中反复调用工具、检查结果并修正方案。

Carbon上线后，谷歌为Gemini 4系列划出了更明确的分工：Argon处理大多数日常开发和知识工作，Carbon则用更多推理Token攻克需要多轮验证的难题。随着Carbon正式开放，其任务耗时、Token消耗量以及交付前还需要多少人工复核，将成为用户模型选择的考量因素。

来源：谷歌、X