Gemini 4 Carbon 对比 Gemini 4 Argon：你叫不出口的15天升级

两个模型，同一份价目表，相差九个指数点——而其中只有一个有端点。Gemini 4 Carbon 于 2026 年 10 月 28 日发布，是在 Gemini 4 Argon 于付费 Gemini API 中可调用十五天之后；Google 自己的文章称 Carbon 是两者中更强的一个。不过，强大并不等同于可用：今天 Google 的模型列表或定价页面上都没有gemini-4-carbon条目，而且运行它的人是网络防御人员，以及通过公司 Fairwind Program 获准加入的受信任合作伙伴。这场对比的诚实说法是：两个模型之间的能力比较，以及一个模型与一个计划之间的访问权限比较。

谷歌在10月28日公开记录了什么

这条消息来自 Google DeepMind 高级副总裁 Koray Kavukcuoglu，发布在一篇题为“我们的下一个前沿模型”的帖子中。Carbon 在同一代际编号内接替 Argon——后者于 9 月 30 日发布，自 10 月 13 日起正式可用。Google 表示的重点是网络安全和长周期智能体工作，也就是那种智能体在死胡同里连续摸索数天、而非一次提示就得到单一答案的任务。

有三个细节比营销宣传更重要：

• 访问权限分阶段开放，且未设定日期。Carbon 首先向“一部分网络防御者”开放，随后通过 Fairwind Program 扩大范围，然后“尽快”向开发者、企业和消费者开放。未给出最后三类群体的日期。

此次发布处于美国政府自愿的发布前测试流程之中。谷歌表示正在参与该流程，并在更广泛开放访问之前继续完善保障措施。

• 没有公开模型卡，没有端点，也没有标识符。于10月29日核查的 Gemini API 模型列表中，恰好只有一个 Gemini 4 条目——Gemini 4 Argon——而定价页面上没有任何 Carbon 条目。Google 为 Argon 公布的上下文窗口（统一为 100 万 token，解码上限可达 100 万）并未针对 Carbon 重新说明；Artificial Analysis 为其列出 100 万 token，这是第三方列表，而非 Google 的规范。

九点差距，以及是谁测量的

Artificial Analysis 于10月27日将其 Intelligence Index 重建为 v5，而这一天正是 Carbon 发布的前一天。此次重建替换了两项基准、升级了另外三项基准，并将该指数的大部分内容转为非公开。这个时间点正是本周你看到的任何前后对比图都需要谨慎对待的原因：重建前的分数与重建后的分数并不在同一量纲上。在当前重建后的榜单上，两个模型均已打分，且差距真实存在，并由同一套工具测得。

• 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。

• {{1}}标准定价下每项索引任务的成本{{/1}}——Carbon 为 7.76 美元，Argon 为 7.68 美元。较新的模型每项任务多花八美分，得分高出九分。

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

• 幻觉 — Carbon 为 11%，较 Argon 的 4% 有所上升。Carbon 在追踪器中仍位列倒数第二，但趋势方向不对。

• 输出量——每个索引任务 123k tokens，比 Claude Opus 5.5 的 173k 低 29%，这也是尽管标价相同、每任务成本仍保持较低的部分原因。

• 速度 — 根据 Artificial Analysis 的测量，输出速度达到每秒 99.8 个 token，在高推理强度下，首个 token 的时间为 97.48 秒。如果你要将该模型部署在交互式界面之后，而非用于长时间运行的任务，这就是你需要关注的数字。

Artificial Analysis 还衡量了标题所掩盖的内容：在其 Coding Agent Index 上，Carbon 搭配 Antigravity CLI 得分为 59，落后于 Claude Code 驱动 Claude Opus 5.5 所得的 62 分，相差三分。Google 自家的网页开发结果却指向相反方向——WebDev Arena 为 1,768，位列第四，提升了 89 Elo——这提醒人们，“总体第一”和“最擅长写代码”是不同的说法。

谷歌自己给出的数字是这篇文章中最响亮的

Google 公布了一套相当可观的安全性能数据，值得将实测结果与宣称区分开来。在用于漏洞发现的 SEC-bench Pro 上，Carbon 得分为 88.2%，而 Argon 为 83.4%。在用于验证漏洞利用的 ExploitGym 上，得分从 42.0% 提升至 54.8%。在用于打补丁的 CWE-bench 上，得分从 68.0% 升至 71.0%。在内部，Google 表示 Carbon 生成无漏洞代码的频率是 Argon 的两倍以上，并且其 Chrome 团队发现，在生成高质量补丁方面，它比“另一家实验室的大型前沿模型”好十倍以上——这一比较既未点名对手，也未公布方法。

安全指标比能力指标更重要，因为这是 Google 首次公布 Carbon 在行为上而非仅在评分上胜过 Argon。在 Gray Swan 的间接提示注入基准测试中，Carbon 的攻击成功率为 0.0%，而 Argon 为 0.7%。在 Terminal-Bench 4.0 上，0.4% 的运行尝试了作弊，且无一成功，而 Argon 的表现更差。内部实时编码中高严重程度的失准警报下降了近 80%，无依据主张减少了一半，越权行为下降了 26%，服务不足下降了 29%。

有两点提醒应当与这些数字放在一起看，而不是塞进脚注。谷歌表示，这些网络安全评估是在没有防护机制的情况下进行的——这是衡量模型原始能力的正确做法，却是预测已部署系统实际表现时的错误做法。而其中最大的几个倍数——安全代码提升2倍、打补丁提升10倍——来自内部基准测试和一份团队报告，并非独立结果。《The Register》在发布当日的解读是：安全方面的论证前景可观，但基本属于厂商自报；此后发表的任何内容都未改变这一判断。

发布报道中流传的数据显示，Carbon 在 Vals Index v2.2（70.4% 对 69.2%）、SWE-sweep（9.6% 对 4.3%）、FrontierSWE 2（61.2% 对 55.0%）、Agents' Last Exam v1.1（77.4% 对 69.0%）、OSWorld-2.1（81.5% 对 74.7%）和长上下文 GraphWalks（96.2% 对 84.2%）上均处于领先。除非基准测试所有者另有说明，这些数据均为 Google 报告；而这一模式是一致的：Carbon 带来的是广泛提升，而非全面领先，并且在若干软件工程和计算机使用测试上，它仍落后于 Opus 5.5 和 GPT-6 Astra。

标价相同，时钟不同

两个模型采用同一份公开价目表：初始阶段输入每百万 2 美元、输出每百万 10 美元，缓存输入可享 95% 折扣，之后涨至 4 美元和 20 美元。不对称之处在于时间表。Argon 的初始优惠期有明确日期——Google 的定价页面显示更高的价格从 2026 年 12 月 1 日开始——并且其 batch、flex 和 priority 层级也一并公布。Carbon 的折扣完全没有截止日期；公告只说“在初始优惠期之后”。

Artificial Analysis 将两者都按标准的 $4/$20 计价，这正是为什么其单任务成本数据才是比较它们的公平方式，而入門價格则不是。基于任一模型 $2/$10 制定的预算都暗藏一个断崖，而对 Argon 来说，这个断崖如今有了具体日期。

OrcaRouter 目前对这两个模型均不提供路由：Gemini 4 Carbon 没有可路由的公开标识符，Gemini 4 Argon 也不在我们的目录中。直通计费规则在这里仍然适用，因为它决定了当情况变化时会发生什么——我们按供应商标价收取 0% 加价，因此 Google 公布的价目卡就是客户看到的价目卡，包括在合同期内从 $2/$10 调整为 $4/$20 的情况。我们实际从同一系列中路由的是Gemini 3.8 Flash，每百万输入 $0.75、每百万输出 $3.75，缓存读取为 $0.075；它属于不同类别的模型，但却是本周就可以投入生产路径使用的 Google 端点。

谁应该选哪个

如果你是 Fairwind 边界内的防御者，选择权不在你手里，而 Carbon 现在可供你使用——有趣的问题是，这些安全收益能否在你的自有测试框架中依然成立，因为已公布的结果是在没有护栏的情况下测得的，而且部分是在 Google 的内部测试套件上测得的。

如果你正在构建的东西必须在本季度交付，那么 Argon 默认就是答案。它有端点、公开定价，以及折扣的截止日期，这些都比 Carbon 拥有的更多。它的弱点也已知：根据 Google 的发布数据，Terminal-Bench 4.0 处于五十几分的高段，而 Opus 5.5 为 66.4%；此外，它的幻觉率后来还被 Carbon 在错误的方向上反超。

如果你是在界定一款安全产品的范围，决策与其说取决于哪个模型胜出，不如说取决于哪个模型你能测试。Carbon 目前不可用，因此任何今天向你引用“Gemini 4 Carbon”性能的供应商，引用的只是一个标签。Argon 加上你自己的评估，才是诚实的基线，日后可据此核查 Carbon 的说法。

十五天的节奏才是真正的关键所在。

Argon 才问世四周。Carbon 是以同一代际编号内的形式出现的，而不是作为 Gemini 4.1 或 Gemini 5 推出，这说明了 Google 此后打算如何发布：用变体，而不是版本号。Ars Technica 在发布当天的解读是，Carbon 本质上是一个略好一点的 Argon——可能是一次后训练刷新——而发布说明也支持这种判断：价格相同、上下文相同、输入模态相同，能力组合不同。

对于任何进行集成的人来说，这会产生一个具体后果。模型名称不再是对行为的稳定描述。gemini-4-argon在10月13日描述的是一种行为，而在一次静默刷新后可能描述另一种行为；我们在10月21日报道的竞技场目击事件——其中一个别名似乎提供了不同的权重——既没有被这次发布证实，也没有被它否认。防御手段并不光鲜：固定你实际接受评估时所用的标识符，保留带日期的评估集，并把任何别名视为可能在你脚下发生变化的东西。

接下来看什么

• 第一个 gemini-4-carbon条目出现在 Google 的模型列表中——正是这一刻，而非公告发布之时，才是 Carbon 成为产品的那一刻。

• 12月1日，Argon 的入门折扣将于当日到期，对于每一位仍在使用该优惠的买家而言，实际对比情况都会随之改变。

• 一项在安全基准上开展、配有防护措施的第三方 Carbon 与 Argon 配对评估，因为目前尚无任何已发布的相关评估。

在那些中的第一个落地之前，排名归 Carbon，决定权归 Argon。对于一款刚刚被称为世界最佳的模型来说，这样写很不寻常，但端点给出的结果就是如此。