Gemini 4 Carbon：已发布、受限开放，性能比你能实际调用的模型高出九分

Gemini 4 Carbon 在 2026 年 10 月 28 日不再只是传闻，当时 Google DeepMind 发布了一篇题为“Gemini 4 Carbon：我们的下一个前沿模型”的文章。但它没有改变的一点是：依然无法使用。Gemini API 的模型列表中没有 `gemini-4-carbon` 这个字符串，其定价页面上没有条目，也没有模型卡和端点——在 10 月 29 日检查的模型列表中，只有一个 Gemini 4 条目，那就是 Gemini 4 Argon。因此，对今天的 Carbon 最诚实的描述是：一个围绕分阶段推出而包装的已发布公告——能力已有文档记录，访问权限被限量配给，价格尚未公布。

随之发布的独立测评让这不只是一份新闻稿。Artificial Analysis 于 10 月 27 日——Carbon 公告发布的前一天——将其 Intelligence Index 重构为 v5，而在这一重建后的评分体系上，两款模型均由同一套工具打分。Carbon 得 59 分，在 52 个上榜模型中位列第一。Argon 得 50 分，排名第十三。两者相差九分，而每项任务的成本几乎相同。这是一个关于大多数开发者都无法调用的模型的真实数字，而这两个事实之间的落差，正是本文所要探讨的。

谷歌实际上公开表态了什么

这份公告对买家需要的信息着墨甚少，却对实验室希望被评判的方面说得很具体。剥去措辞，只看其宣称：

• 定位 ——Carbon 被描述为两款 Gemini 4 模型中更强的一款，在同一代编号内接替 Argon。Google 公开宣称的重点是网络安全与长周期智能体工作——即智能体连续数天在死胡同中反复摸索、而非一次提示只得到一个答案的任务。

• 访问权限分阶段开放，且未设定日期——Carbon 最初仅向部分网络防御人员开放，随后通过 Fairwind Program 扩大范围，之后再"尽快"向开发者、企业和消费者开放。最后三类群体未给出具体日期。

• 监管路径 — 此次发布属于美国政府自愿性发布前测试流程的一部分。谷歌表示其正在参与该流程，并仍在扩大开放范围之前完善防护措施。

• 没有书面材料——没有公开的模型卡，没有端点，没有标识符。Google 为 Argon 公布的上下文窗口——统一的 1M tokens，解码最高可达 1M——并未针对 Carbon 重新说明；流传的 1M 数字来自 Artificial Analysis 的条目，那是第三方记录，而非厂商规格。

这就是那则公告。从“我们打造了更好的模型”到“这里是价格”之间的距离，在这种情况下，就是一篇博客文章与一款产品之间的距离。

九分的差距，以及测量它的仪器

指数重建的时间点才是需要牢牢记住的关键，因为它使本周流传的大多数前后对比图表失效：10月27日之前取得的分数与之后取得的分数不在同一尺度上。在当前榜单上，两个模型都是用同一套工具测量的：

• 智能指数 v5 — Carbon 59，在 52 个上榜模型中排名第一；Gemini 4 Argon 50，排名第十三。

• 每个索引任务的成本 — Carbon 为 7.76 美元，Argon 为 7.68 美元。每个任务多花八美分，就能多获得九点能力。

• 准确率 —Carbon 58%，较 Argon 提升十个百分点；AA-Omniscience 54 对 46。

• 幻觉 —Carbon 为 11%，高于 Argon 的 4%。在该追踪榜上，Carbon 仍位居倒数第二，但趋势方向不对。

• 输出量——每个索引任务 123,000 个 token，比 Claude Opus 5.5 的 173,000 个低 29%——尽管标价看上去完全一样，但每个任务的成本依然保持在低位，这在很大程度上就是原因所在。

• 速度——在高推理强度下，输出速度达每秒 99.8 个 token，首 token 耗时 97.48 秒。

哪个数字最重要，取决于你在构建什么。97 秒的首 token 对长时间运行的智能体任务无关紧要，对交互式界面却是不可接受的。而且“总体第一”并不等于“代码最佳”：在 Artificial Analysis 的 Coding Agent Index 上，Carbon 搭配 Antigravity CLI 得分为 59，比驱动 Claude Opus 5.5 的 Claude Code（62 分）低三分——而 Google 自己的 WebDev Arena 结果却指向相反结论：1,768 分、排名第四，提升了 89 Elo。

Google 自己的数字，以及如何解读它们

这篇文章附带着一套安全基准测试，其中每一个数字都是厂商自行报告的，而非经过独立复现。引用时请如此标注：在 SEC-bench Pro 的漏洞发现项上，Carbon 得分 88.2%，而 Argon 为 83.4%；利用验证赛道与长程智能体的结果也呈现出同样的模式——仅比在位者高出几个百分点。这些结果目前都还没有外部复现，而由构建该模型的实验室自行选定的基准，既能说明能力，也同样能说明意图。

对那一节更有用的解读，是它揭示了 Carbon 面向的是谁。一个以漏洞发现和长时程智能体持久力为代表成果的模型，通过一个具名计划率先向网络防御者发布，并不是作为通用聊天工具的升级版而推出的。它是作为一款专家型模型推出的——并且在定价时（如果定价的话）也相应地定价。

十月泄密事件说对了什么，以及哪些没有说对

值得保留的背景信息，因为早先的报道如今已得到部分证实。10月9日，Business Insider 报道——经泄密追踪媒体 TestingCatalog 转述——称 Google 员工当时正在内部测试一个名为 Carbon 的 Gemini 4 检查点，早期反馈称其在编码方面感觉可与 Claude Opus 5.5 相媲美，Barium-B 是被选中用于公开 Argon 发布版本的检查点，而 Carbon 究竟会成为 Argon 的一次更新，还是作为一个独立版本发布，尚未得到确认。

其中两项以特定方式应验了：Carbon 是一个独立的事物，而不是 Argon 的更新，而且它是两者中更强的那个。尚未得到印证的是那个讨喜的部分——“编码体验感觉可与 Claude Opus 5.5 相媲美”只是员工的印象，而独立编码测评显示，在 Claude Code 测试框架中，Carbon 落后 Claude Opus 5.5 三个点。感觉不是分数，而本周分数已经揭晓。

10月21日的那次发现，如今也有了不同的解读。有帖子声称，gemini-4-argon 这个别名背后的权重已经悄悄换成了 Carbon，并有一个来自第三方竞技场机器人的能力变更通知作为佐证。如今同一个追踪器分别给这两个模型打分——59 和 50——这一说法非但没有变得更可信，反而更站不住脚：如果 Argon 的别名自10月21日起就一直提供 Carbon，那么在一个每月重建的评测工具上，这两行不会相差九分。

仍然缺少什么，以及何时重要

三种缺失界定了下一阶段，每一种都带来不同的后果。

• 一个标识符——在 gemini-4-carbon 出现在模型列表之前，你构建的任何东西都无法命名它。这就是已公布的模型与可调用的模型之间的界线。

• 价格——任何档位都没有公布任何信息。Argon 的价格卡是该家族中唯一的锚点：在优惠费率下，每百万输入 2.00 美元、每百万输出 10.00 美元，缓存输入享 95% 折扣，之后为 4.00 美元和 20.00 美元。Carbon 会继承这一价格，还是打破它，是最具影响力的未知因素，因为在主力费率下九个百分点提升会重新定价市场的一大部分，而在前沿费率下九个百分点提升则不会。

• 模型卡——实际提供的是哪个检查点、采用哪种推理强度设置、上下文长度是多少。当前流传的 1M 数字来自第三方列表。

同样悬而未决的还有：Carbon 最终是否会成为一个 Argon 更新。公告将其描述为在同一世代内接替 Argon，这就留下了一种可能性：这两个名称日后会合并为同一个标识符——而这正是十月的报道无法排除的情形。

访问受限时该运行什么

Gemini 4 Carbon 和 Gemini 4 Argon 都不在 OrcaRouter 上。向我们的目录查询其中任何一个都不会返回任何结果，而且在 Google 让它们可供我们调用之前，这种情况会一直如此。如今任何声称出售“Gemini 4 Carbon 访问权限”的账号，卖的只是一个名号；唯一有文档记录的途径是 Fairwind Program。

可调用的是那个员工印象和编码指数都在持续以之为衡量标准的模型。Claude Opus 5.5 已在 OrcaRouter 上线，按 Anthropic 的标价——每百万输入 $4.00、每百万输出 $20.00，缓存读取 $0.20——原样透传、不加价，并与其它所有服务共用同一密钥。Gemini 3.8 Flash也在那里，每百万输入 $0.75、每百万输出 $3.75，缓存读取 $0.075；这正是你等待期间非前沿部分流量应承担的成本。

本周要做的决定并不是“我们是否应该转向 Carbon”，而是要围绕一个价格未知、受安全计划制约的九项能力差距，做多少规划才值得。等待没有任何成本：无论哪个标识符变得可调用，都会在它被列出的当天，按 Google 自己的价格添加到同一个端点，因为供应商公布价格与我们将其转嫁之间不存在重新谈判。围绕它做规划则要付出一次迁移。

我们正在按顺序关注这些内容：模型列表中出现的标识符；一份价格表；一张模型卡；以及 Fairwind 推广的第二阶段——在这里，“尽快”要么会得到一个日期，要么会悄然得不到日期。