Gemini 4 Carbon 在指数中排名第一却无法使用：10月28日发生了什么变化

Google DeepMind 发布了Gemini 4 Carbon：我们的下一代前沿模型，发布时间为 2026 年 10 月 28 日；而在这篇文章中，有一个此后被到处引用的数字：在 Artificial Analysis Intelligence Index v5.0 上获得 59 分——位列第一，领先获得 58 分的 Claude Opus 5.5 一分，并领先 Gemini 4 Argon 九分；Gemini 4 Argon 是 Carbon 所基于的模型，也是 Google 自 10 月 13 日起一直在其付费 API 上销售的模型。Artificial Analysis 是这一数字背后的第三方评估机构，并且它在同一天就公布了该条目。而在 10 月 28 日、29 日或 30 日都没有等到的，是让指定项目之外的任何人调用该模型的方式。

那道差距——介于一个经过验证的榜首排名和一扇没有把手的门之间——就是本周的全部故事。Carbon 不是泄露，不是传闻，也不是有人在排行榜上瞥见的预览。它是一个已公布、已做基准测试、已定价的模型，有公开的价目表，却没有公开的模型 ID。下面要说的是：实际改变了什么，谷歌隐瞒了什么，以及当你不再只盯着头条分数、而是开始看那个平均分所源自的九项测试时，这些数字究竟意味着什么。

这篇帖子说了什么，以及它没有说的四件事

公告提到 Google DeepMind 高级副总裁兼首席 AI 架构师 Koray Kavukcuoglu，并将 Carbon 定位为一个基于 Argon 构建的网络安全与长周期工程模型。关于访问权限的措辞很精确，值得读两遍：“从本周开始，我们将向一部分网络防御者开放 Carbon”，随后“通过我们的 Fairwind Program 逐步向更多可信合作伙伴开放访问权限”，最终在保障措施完善后“尽快”向开发者、企业和消费者开放。谷歌还表示，它参与了美国政府的自愿发布前测试流程。在这一整段表述中，任何地方都没有出现日期。

模型页面通常包含的四项内容缺失了：

• 模型 ID——10 月 30 日核查的 Gemini API 模型列表不包含 Carbon 条目。其中唯一的 Gemini 4 字符串是 gemini-4-argon。

• 上下文窗口——谷歌的博文中未提及，其定价页面上也未见相关说明。Artificial Analysis 的模型页面标注为 1M；这是第三方数据，并非厂商规格，而且也是目前唯一在流传的数字。

• 参数量与架构——未披露，且此次发布未附带技术报告。

• 模型卡——截至10月30日尚未发布，这就是为什么所有二级媒体都在引用那篇博客文章，而不是规格说明。

相比之下，定价信息是完整公开的，这使得那些被略去的内容显得是有意为之，而非尚未完成：谷歌愿意先告诉你 Carbon 的价格，却还不愿意告诉你它究竟是什么。

59 是九项测试的平均分，Carbon 在其中四项测试中胜出

Artificial Analysis 自己的评测报告比排名更有用。Carbon 在 9 项组成评测中领先 4 项——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA——这意味着它的第一名成绩来自全面出色，而不是横扫全部项目。它未领先的地方，正是雇用智能体的开发者会首先注意到的方面。

• 编码智能体——Carbon 搭配 Antigravity CLI 在 Coding Agent Index 上得分为 59。Claude Opus 5.5 在 Claude Code 中达到 62。三分的差距，恰恰出现在 Google 营销宣传最着力强调的那类工作负载上。

• Terminal-Bench 4.0 — Carbon 以 64% 位列第二，落后于 Claude Opus 5.5。

• FrontierCode v1.1 — 以 51% 位居第二，再次落后于 Opus 5.5。

• AA-Briefcase — 1,609 Elo，较 Gemini 4 Argon 的 1,483 上升 126。这是本次发布中最大的单次跃升，但仍使 Carbon 落后于 Grok 4.7（1,638）、Muse Wonder（1,659）和 Kimi K3.1 Pro（1,678）。

• AA-Omniscience v1.1 — 54，领先于 Opus 5.5 的 48 和 Argon 的 46。准确率上升 10 个百分点至 58%，幻觉率从 4% 升至 11%。第二个数字并未出现在 Google 的帖子中。

那么，对 59 的诚实解读是：Carbon 是榜单上最强的通用模型，也是第二强的编程智能体，同时其幻觉率有所恶化——而这一点 Google 并未主动披露。这三项陈述都出自同一页面。

谷歌自己的表格，标注为谷歌的

供应商数据最终会出现在采购演示文稿中，因此应为其精确标明出处，而不应将其与独立评分放在同一句话里。以下所有内容均由 Google 报告，且未在 Google 外部复现：

• SEC-bench Pro — 在漏洞发现方面达到 88.2%，这是其主要的网络安全声明。

ExploitGym — 漏洞利用方面为 54.8%，而 Gemini 4 Argon 为 42.0%。

• CWE-bench — 补丁修复率达 71.0%。

• WebDev Arena —— 上升 89 Elo 至 1,768，排名第四。这是一个公开竞技场，因此可核查，这也是为什么它是最不需要附加说明的供应商说法。

• Gray Swan 间接提示注入——攻击成功率为 0.0%，而 Argon 为 0.7%。Terminal-Bench 4.0 作弊：0.0% 成功，0.4% 尝试。

• 内部工程说法——针对 Argon 的安全代码生成成功率提升逾 2 倍；Chrome 团队称，Carbon 生成的补丁比竞争对手实验室的前沿模型"好 10 倍以上"；严重失准警报下降近 80%；缺乏依据的断言大约减半；任务越界下降 26%，服务不足下降 29%。

谷歌的表格并非一片溢美之词，而它落败的两处恰恰值得记住：FrontierSWE 2 被 GPT-6 Astra 拿下，OSWorld-2.1 的离线子集则归于 Claude Opus 5.5。一篇公布自身败绩的发布文章，比一篇只列出十七项胜利、却不为其余项目留一栏的文章更可信——这正是为什么当厂商宣称全面横扫时，首先要看的就是那几行败绩。

费率卡，以及 Google 没有启动的计时器

Carbon 的推广价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入可享 95% 折扣。文章随后表示，推广期结束后“将适用每 100 万输入 token 4 美元、每 100 万输出 token 20 美元的价格”——但没有给出截止日期。相比之下，Argon 有一个明确的期限：其推广价格持续到 2026 年 11 月 30 日，标准价格于 12 月 1 日生效。Carbon 的计时尚未开始，而且只有在模型拥有可供销售的公开端点之后才会开始。

按标准定价计算，Artificial Analysis 将 Carbon 在单个 Intelligence Index 任务上的成本估算为 7.76 美元——比 Claude Opus 5.5（max）的 10.04 美元低约 23%，约为 GPT-6 Astra（max）6.25 美元的 1.2 倍，以上均按每个任务 123k 输出 token 计。这些是"每任务"美元，而不是"每 token"美元，这一区别很重要：一个每 token 更便宜、但思考时间更长的模型，每次回答的成本仍可能更高。

这是本次发布中，一旦 Carbon 获得端点就会立刻变得相关的那一部分，也是针对完整模型目录的透传规则所面向的那一部分。OrcaRouter 收取 0% 加价，并将提供商自己的标价直接透传，因此供应商的降价或提价当天就会在我们这边生效，而不必等一个重新定价周期之后。今天，该规则适用于我们确实会路由的 Google 模型；Carbon 不在其中，而那些声称并非如此的页面，兜售的是目前尚无人能交付的东西。

开发者本周究竟能做些什么

10 月 30 日，OrcaRouter 目录中没有任何与 Gemini 4 匹配的字符串。今天可调用的前沿 Gemini 模型都低一个层级，定价也相应：Gemini 3.1 Pro Preview 每百万 token 输入 $2、输出 $12，上下文窗口为 100 万 token；Flash 档——Gemini 3.8 Flash、Gemini 3.6 Flash、Gemini 3.5 Flash——输入价从 $0.75 起。这就是“顶级模型被设限”在实践中的含义：工作仍要交付，而它会在那款留有入口的最佳模型上交付。

如果你在为某个安全工作流评估 Carbon，那么在不把生产路径押注于未发布模型的前提下，可信的准备方式是先构建回退方案。使用单个密钥实现跨提供商的自动故障转移，意味着当主模型开始返回错误或变慢时，它会在同一次调用内被替换；因此，等到 Carbon 开放那天，切换只是改一下模型字符串，而不是重构架构。

设定值得关注日期的先例

Argon 是唯一可用于推算后续情况的模板。Google 于 2026 年 9 月 30 日发布 Argon，10 月 13 日在付费 API 上将其转为全面可用，并将优惠价格窗口开放至 11 月 30 日。从发布到可调用的端点，共十三天。把同样的算法套用到 Carbon 于 10 月 28 日的发布上，推算出的日期大约是 11 月 10 日——这只是基于单一先例的算术推算，并非承诺，而且 Google 已明确表示，政府的发布前测试必须先完成。

另一个变量就没那么令人安心了：两周后发布的模型，可能并不是那个拿下 59 分的模型。Carbon 建立在 Argon 之上，而 10 月 21 日有一则未经证实的观察——当时一个第三方竞技场监测方在 gemini-4-argon 这个别名上标记了一次能力变化，一些开发者将其解读为 Carbon 的权重提前到位。如果 Google 的计划是把 Carbon 的后训练并入 Argon 这个名字，而不是另开第二个端点，那么真正值得留意的根本不是什么新的模型 ID——而是你现在已经能调用的那个模型的一次版本号提升。

排名会维持一阵子；排行榜头名通常都是这样，直到下一个实验室给出回应。站不住脚的是本周多数报道背后的那个假设——排名第一的模型，就是能放进产品里的模型。10月30日，Gemini 4 Carbon 以公布分数领先一分成为全球最佳模型，也是这一代里唯一没有可调用地址的前沿模型。Gemini 4 Argon 按发布算早四周、分数低九分，却拥有地址、带真实截止时间的价目表，以及流量。