Gemini 4 Carbon 榮登指數榜首卻無法使用：10 月 28 日發生了什麼變化

Google DeepMind 發布了Gemini 4 Carbon：我們的下一個前沿模型，發布日期為 2026 年 10 月 28 日；而那篇文章裡藏著此後被各處引用的數字：在 Artificial Analysis Intelligence Index v5.0 上拿下 59 分——排名第一，領先得分 58 的 Claude Opus 5.5 一分，並領先 Gemini 4 Argon 九分；後者是 Carbon 所基於的模型，也是 Google 自 10 月 13 日起一直在其付費 API 上販售的模型。Artificial Analysis 是該數字背後的第三方評測機構，且同一天就公布了該列資料。10 月 28 日、29 日或 30 日都沒等到的是：讓具名計畫以外的人能呼叫該模型的方法。

那個落差——介於經核實的頂尖排名與一扇沒有門把的門之間——就是本週故事的全貌。Carbon 不是外洩，不是謠言，也不是有人在排行榜上瞥見的預覽。它是一個已公告、已基準測試、已定價的模型，有公開的價目表，卻沒有公開的模型 ID。以下說明實際改變了什麼、Google 隱瞞了什麼，以及當你不再只看頭條分數、開始看構成該分數平均的九項測試時，這些數字代表什麼。

這篇貼文說了什麼，以及它沒說到的四件事

這份公告點名 Google DeepMind 的資深副總裁暨首席 AI 架構師 Koray Kavukcuoglu，並將 Carbon 定位為一款建構於 Argon 之上的網路安全與長期工程模型。關於存取權限的措辭十分精確，值得反覆細讀：「從本週開始，我們將向一部分網路防禦人員開放 Carbon」，接著是「並透過我們的 Fairwind Program，逐步將存取權限擴展至更多受信任的合作夥伴」，最後則是在防護措施完善後，「盡快」向開發者、企業和消費者開放。Google 也表示，其正參與美國政府的自願性發布前測試流程。在這一連串表述中，完全沒有出現任何日期。

模型頁面通常會有的四項內容都缺少了：

• 模型 ID——於 10 月 30 日查核的 Gemini API 模型清單中，沒有任何 Carbon 項目。其唯一的 Gemini 4 字串是 gemini-4-argon。

• 上下文視窗 — Google 的貼文中並未提及，其定價頁面上也未出現。Artificial Analysis 的模型頁面列出 1M；那是第三方數據，並非廠商規格，也是目前唯一流傳的數字。

• 參數量與架構——未公開，且此次發布未隨附技術報告。

模型卡——截至10月30日{{1}}尚未發布{{/1}}，這就是為什麼每個次級媒體都在引用那篇部落格文章，而不是規格文件。

相比之下，定價是完整公開的，這讓那些省略的內容顯得是刻意為之，而非尚未完成：Google 願意先告訴你 Carbon 的價格，才願意告訴你 Carbon 是什麼。

59 是九項測試的平均值，而 Carbon 在其中四項勝出

Artificial Analysis 自己撰寫的評述比排名本身更有參考價值。Carbon 在 9 項組成評測中領先 4 項——HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 與 AutomationBench-AA——這意味著其榜首成績來自於全方位表現優異，而非橫掃整個評測項目。它未能領先的項目，正是開發者在挑選代理時會最先注意到的部分。

• 編碼代理 — Carbon 搭配 Antigravity CLI，在 Coding Agent Index 上得分 59。Claude Opus 5.5 在 Claude Code 中達到 62。三分之差，而這正好落在 Google 行銷著力最深的那項工作負載上。

• Terminal-Bench 4.0 — Carbon 以 64% 位居第二，僅次於 Claude Opus 5.5。

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

• AA-Briefcase — 1,609 Elo，較 Gemini 4 Argon 的 1,483 上升 126 分。這是本次發布中最大的單一躍升，但仍讓 Carbon 落後於 Grok 4.7（1,638）、Muse Wonder（1,659）與 Kimi K3.1 Pro（1,678）。

• AA-Omniscience v1.1 — 54，領先 Opus 5.5 的 48 與 Argon 的 46。準確率上升 10 個百分點至 58%，幻覺率則從 4% 升至 11%。第二個數字並未出現在 Google 的貼文中。

那麼，對第 59 頁的誠實解讀是：Carbon 是榜單上最強的通用模型，也是第二強的程式設計代理，但其幻覺率有所惡化，而 Google 並未主動披露這一點。這三項說法都出自同一頁。

Google 自家的表格，標註為 Google 的

廠商提供的數字最後會出現在採購簡報裡，因此值得給予精確的來源標註，而不是把它們和獨立評分擺在同一個句子裡。以下所有內容皆為 Google 自行呈報，且在 Google 之外均未經重現：

• SEC-bench Pro — 漏洞發現率達 88.2%，這是備受矚目的資安主張。

• ExploitGym — 漏洞利用方面為 54.8%，而 Gemini 4 Argon 為 42.0%。

• CWE-bench — 修補方面達 71.0%。

• WebDev Arena — Elo 上升 89 至 1,768，排名第四。這是一個公開競技場，因此可供查核，這也是為什麼它是廠商說法中最不需要附加但書的一項。

• Gray Swan 間接提示注入 — 攻擊成功率 0.0%，對比 Argon 的 0.7%。Terminal-Bench 4.0 作弊：0.0% 成功，0.4% 嘗試。

內部工程方面的說法——相較於 Argon，安全程式碼生成成功率超過 2 倍；Chrome 團隊聲明 Carbon 產生的修補程式比競爭實驗室的尖端模型「超過 10 倍」更好；嚴重失準警示下降近 80%；無依據的斷言大致減半；任務越權下降 26%，服務不足下降 29%。

Google 的表格並非全然好看，而它落敗的兩個地方正是值得記住的：FrontierSWE 2 由 GPT-6 Astra 拿下，OSWorld-2.1 的離線子集則歸 Claude Opus 5.5。一篇會公布自身敗績的發布文章，比一篇只列出十七項勝利、卻沒有為其餘結果留一欄的文章更可信——這正是為什麼當廠商宣稱橫掃全勝時，最先該查看的就是那些敗績行。

價目表，以及 Google 並未啟動的時鐘

Carbon 的初期價格為每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，快取輸入則享 95% 折扣。文章接著指出，優惠期結束後「每 1M 輸入 token 4 美元、每 1M 輸出 token 20 美元將適用」——但未提供結束日期。相較之下，Argon 有明確期限：其優惠費率持續至 2026 年 11 月 30 日，標準費率則於 12 月 1 日生效。Carbon 的計時尚未開始，而且要等到該模型有可販售的公開端點才會開始。

在標準定價下，Artificial Analysis 估計 Carbon 每項 Intelligence Index 任務的成本為 7.76 美元——較 Claude Opus 5.5（max）的 10.04 美元低約 23%，約為 GPT-6 Astra（max）6.25 美元的 1.2 倍，並以每項任務 123k 輸出 token 計算。這些是每項任務的美元成本，不是每 token 的美元成本，而這項區別很重要：一個每 token 較便宜但思考更久的模型，每次回答的成本仍可能更高。

這是本次上線中，一旦 Carbon 取得端點就會立刻變得相關的部分，也是完整模型目錄所適用之原價轉嫁規則所針對的部分。OrcaRouter 收取 0% 加成，並直接轉嫁供應商自身的定價，因此供應商降價或調漲時，我們這邊當天就會生效，而不必等到重新定價週期之後。目前該規則適用於我們確實有路由的 Google 模型；Carbon 不在其中，而那些聲稱並非如此的頁面，推銷的是目前還沒有人能交付的東西。

開發者這週究竟能實際做些什麼

10月30日，OrcaRouter 目錄中沒有任何與 Gemini 4 相符的字串。今日可呼叫的前沿 Gemini 模型低了一階，定價也相應調整：Gemini 3.1 Pro Preview每百萬 token 輸入 $2、輸出 $12，並具備 100 萬 token 的上下文；而 Flash 層級——Gemini 3.8 Flash、Gemini 3.6 Flash、Gemini 3.5 Flash——輸入價格從 $0.75 起。這就是「頂級模型設有門檻」在實務上的意思：工作仍必須交付，而交付靠的是有門可走的最佳模型。

如果你正在為安全流程評估 Carbon，在不把生產路徑押注在未發布模型上的情況下，可靠的準備方式是先建立備援。使用單一金鑰跨供應商自動容錯移轉，意味著主要模型開始回傳錯誤或變慢時，會在同一次呼叫內被替換，因此 Carbon 開放當天，切換只是變更模型字串，而不是重新架構。

決定值得關注日期的先例

Argon 是接下來發展唯一可用的範本。Google 於 2026 年 9 月 30 日發布，並在 10 月 13 日於付費 API 上正式全面推出，還將首發價格優惠期開放至 11 月 30 日。從發布到可呼叫端點只隔十三天。把同樣的推算套用到 Carbon 於 10 月 28 日的發布， implied 日期大約是 11 月 10 日——這是根據單一先例所作的推算，並非承諾，而且 Google 已明確表示政府發布前測試必須先完成。

另一個變數則較不令人安心：兩週後推出的模型，可能不是拿下 59 分的那一個。Carbon 是建構在 Argon 之上的，而且有一項來自 10 月 21 日、未經證實的觀察：當時一個第三方競技場監測器標記了 gemini-4-argon別名上的能力變更，部分開發者將其解讀為 Carbon 的權重提前到位。如果 Google 的計畫是把 Carbon 的後訓練併入 Argon 這個名稱，而非推出第二個端點，那麼該留意的根本不是新的模型 ID——而是你已經可以呼叫的那個模型的版本號變動。

排名會維持一陣子；排行榜首位通常如此，直到下一個實驗室給出答案。不會成立的是本週多數報導底下的假設——第一名的模型，就是你放得進產品的模型。10 月 30 日，Gemini 4 Carbon 以一個已公布的分數成為世界最佳模型，也是這一代唯一沒有位址的前沿模型。Gemini 4 Argon 以發布時間計早四週、分數低九點，卻有位址、有附真實截止期限的價目表，以及流量。