Google DeepMind 喺美國時間 10 月 28 日推出新一代前沿模型 Gemini 4 Carbon。官方話佢係「資安防禦同長時程（long horizon，即需要多天、跨多個步驟先完成嘅複雜任務）能力最強」嘅一版，仲喺 Artificial Analysis 嘅 Intelligence Index v5.0 攞咗 59 分、排頭位。
呢個係緊接兩週前發布嘅 Gemini 4 Argon 之後又一出嘅新模型。兩週換一版，前沿模型嘅迭代節奏已經壓縮到以週為單位。
跑分同證據
官方喺無護欄（無 guardrails）條件下公佈咗一組資安數據：SEC-bench Pro（找漏洞）88.2%、ExploitGym（利用驗證）54.8%、CWE-bench（修補）71.0%，對應發現、驗證、修復三個環節。內部測試方面，產生安全程式碼嘅成功率聲稱相對於 Argon 有逾兩倍提升；Chrome 團隊則話 Carbon 產出高質量修補嘅表現，較另一間實驗室嘅前沿模型好逾 10 倍。
WebDev Arena 上，Carbon 分數上升 89 elo 點，來到第 4 名。
對齊同安全指標
安全對齊方面，官方列咗一組內部數字：Terminal-Bench 4.0 成功作弊率降咗到 0.0%（作弊嘗試 0.4%）；內部高優先級對齊警報減少近 80%；無根據聲稱（fabrication）相對 Argon 約減半；越權（overreach）減少 26%、服務不足減少 29%；Gray Swan 間接提示注入（IPI）攻擊成功率 0.0%，而 Argon 當時係 0.7%。
點樣先開放
呢度先係最重點。Google 話 Carbon 正參與美國政府嘅自願上市前測試；本週起先畀一部份資安防禦團隊，再經 Fairwind Program 逐步開放畀信任夥伴。開發者、企業同消費者要「盡快」先經產品介面用到。
呢個節奏跟 Argon 當時「跑分領先但一般用户唔可以即刻用」係一模一樣。
定價
跟 Argon 導入期相同：輸入每百萬 token 2 美元、輸出 10 美元，快取輸入再減 95%。導入期結束後調為輸入 4 美元、輸出 20 美元。
模姐驗嚇貨
跑分係廠商自己交卷，第三方跑唔跑得出同一個數字，仲要驗證。而「最強資安模型」喺呢個時點，唔該問嘅唔止係分數幾高，而係：呢個分數係邊個、用乜條件、用邊個測試集打出來嘅？仲有，呢個能力邊個可以拿到、邊個唔可以拿到，邊個決定？
模姐｜深度調教
