Gemini 4 Carbon 對比 Gemini 4 Argon：你無法稱之為的 15 天升級

兩個模型、一份費率表、相差九個指數點——而其中只有一個有端點。Gemini 4 Carbon 於 2026 年 10 月 28 日發布，是在 Gemini 4 Argon 於付費 Gemini API 中可供呼叫的十五天後，而 Google 自家的貼文將 Carbon 描述為兩者中較強的一個。不過，強大並不等同於可用性：目前 Google 的模型清單或其定價頁面上，都沒有 gemini-4-carbon 條目，而營運它的人是資安防禦人員，以及透過該公司 Fairwind Program 獲准加入的可信合作夥伴。這場對決最誠實的版本，是兩個模型之間的能力比較，以及一個模型與一項計畫之間的存取比較。

Google 在10月28日正式公開記錄了什麼

Koray Kavukcuoglu（Google DeepMind 資深副總裁）在題為「our next frontier model」的貼文中宣布了這項消息。Carbon 在同一世代編號內接替 Argon——Argon 於 9 月 30 日發布，自 10 月 13 日起正式全面可用。Google 表示的重點是網路安全與長時程代理工作，也就是代理會連續數日不斷走進死胡同仍持續推進，而非僅針對單一提示取得單一答案的那類任務。

有三個細節比行銷更重要：

• 存取是分階段且未定日期的。Carbon 首先提供給「一小部分網路防禦者」，接著透過 Fairwind Program 擴大，然後「盡快」提供給開發者、企業和消費者。最後這三類群體並未公布日期。

• 此次發布屬於美國政府自願性的發布前測試流程。Google 表示其正在參與該流程，並在擴大開放存取之前持續精進相關防護措施。

• 沒有公開的模型卡、沒有端點，也沒有識別碼。在 10 月 29 日查核的 Gemini API 模型清單中，恰好只有一筆 Gemini 4 項目——Gemini 4 Argon——而定價頁面則完全沒有 Carbon 的項目。Google 為 Argon 公布的上下文視窗（統一的 1M token，解碼可達 1M）並未針對 Carbon 重新說明；Artificial Analysis 為其列出 1M token，但這是第三方列示資料，而非 Google 的規格。

九個百分點的差距，以及是誰測量出來的

Artificial Analysis 於 10 月 27 日將其 Intelligence Index 重建為 v5，時間就在 Carbon 推出前一天；這次重建替換了兩項基準測試、升級了另外三項，並將該指數的大部分內容改為不公開。這個時間點正是本週查看任何前後對照圖表時必須謹慎的原因：重建前的分數與重建後的分數並非處於同一量表。在目前重建後的清單上，兩個模型都已獲得評分，而差距確實存在，且是以同一套工具測量得出。

• 智慧指數 v5 — Carbon 59，在 52 個列出的模型中排名第一；Gemini 4 Argon 50，排名第十三。

• 標準定價下每項索引任務的成本 — Carbon $7.76，Argon $7.68。較新的模型每項任務僅多花八美分，得分卻高出九分。

• 準確度 — Carbon 58%，較 Argon 高出十個百分點；AA-Omniscience 54 對 46。

• 幻覺——Carbon 11%，高於 Argon 的 4%。Carbon 在追蹤器中仍為第二低，但趨勢方向不對。

• 輸出量 — 每個索引任務 123k 個 token，比 Claude Opus 5.5 的 173k 低 29%，這也是儘管標價相同、每項任務成本仍維持低檔的部分原因。

• 速度 — 根據 Artificial Analysis 的測量，輸出速度為每秒 99.8 個 token，在高推理強度下首個 token 的時間為 97.48 秒。如果你是要把模型放在互動式介面後面，而不是執行長時間的任務，這就是值得留意的數字。

Artificial Analysis 也衡量了標題所掩蓋的事：在其 Coding Agent Index 上，Carbon 搭配 Antigravity CLI 得分 59，落後由 Claude Code 驅動 Claude Opus 5.5 的 62 分三分。Google 自家的網頁開發結果卻指向另一邊——WebDev Arena 為 1,768，排名第四，提升 89 Elo——這提醒了「整體第一」與「程式碼最強」是不同主張。

Google 自家的數字，是這篇文章中最響亮的。

Google 公布了一組相當可觀的安全評測結果，而值得做的是把「實際測量到的」與「所宣稱的」區分開來。在 SEC-bench Pro（漏洞發現）上，Carbon 得分 88.2%，Argon 則為 83.4%。ExploitGym 驗證漏洞利用，從 42.0% 提升到 54.8%。CWE-bench（修補）從 68.0% 升至 71.0%。在內部，Google 表示 Carbon 產生無漏洞程式碼的頻率是 Argon 的兩倍以上，而且其 Chrome 團隊發現，在產出高品質修補方面，它比「另一個實驗室的大型前沿模型」好上十倍以上——這項比較既未指名對手，也未公布方法。

安全指標比能力指標更具影響力，因為這是 Google 首次公布 Carbon 在行為上、而非僅在分數上勝過 Argon。在 Gray Swan 的間接提示注入基準測試中，Carbon 的攻擊成功率為 0.0%，而 Argon 為 0.7%。在 Terminal-Bench 4.0 上，有 0.4% 的執行嘗試作弊，且無一成功，而 Argon 的行為表現更差。內部即時程式編寫中的高嚴重度失準警示下降了近 80%，無依據的主張減半，過度干預下降 26%，服務不足下降 29%。

有兩點注意事項應該放在那些數字旁邊，而不是放在註腳裡。Google 表示，這些資安評估是在沒有護欄的情況下進行的；這是衡量模型原始能力的正確方式，卻不是預測已部署系統實際表現的正確方式。而最大的倍數——2 倍安全程式碼與 10 倍修補——是內部基準測試與一份團隊報告，並非獨立結果。The Register 在發布當天的解讀是，資安方面的論點很有前景，且主要是由廠商自行報告；此後發表的內容都沒有改變這一點。

在發布報導中流傳的數據顯示，Carbon 在 Vals Index v2.2（70.4% 對 69.2%）、SWE-sweep（9.6% 對 4.3%）、FrontierSWE 2（61.2% 對 55.0%）、Agents' Last Exam v1.1（77.4% 對 69.0%）、OSWorld-2.1（81.5% 對 74.7%）以及長上下文 GraphWalks（96.2% 對 84.2%）上領先。除非基準測試擁有者另有說法，這些都是 Google 回報的數據，而且模式一致：Carbon 是廣泛的改善，而非齊頭式的改善，且它在若干軟體工程與電腦使用測試上仍落後於 Opus 5.5 和 GPT-6 Astra。

同樣的標價，不同的時鐘

兩款模型採用同一份公開價目表：優惠期間每百萬輸入 2 美元、每百萬輸出 10 美元，快取輸入享有 95% 折扣，之後調漲為 4 美元與 20 美元。不對稱之處在於時程安排。Argon 的優惠期有明確日期——Google 的定價頁面指出，較高的費率自 2026 年 12 月 1 日起生效——而其批次、彈性與優先級方案也一併公布。Carbon 的折扣完全沒有結束日期；公告僅表示「優惠期過後」。

Artificial Analysis 將兩者都定價在標準的 $4/$20，這就是為什麼其每任務成本數據才是公平比較兩者的方式，而導入期優惠價則不是。若以任一模型的 $2/$10 價格為基礎編列預算，預算中就存在一個斷崖；而對 Argon 來說，這個斷崖現在已有具體日期。

OrcaRouter 目前並未路由這兩個模型：Gemini 4 Carbon 沒有可供路由的公開識別碼，而 Gemini 4 Argon 也不在我們的目錄中。直通規則仍是相關的規則，因為它決定當情況改變時會發生什麼——我們對供應商定價收取 0% 加價，因此 Google 公布的價目表就是客戶看到的價目表，包括合約中途從 $2/$10 調升至 $4/$20。我們確實會路由同系列中的 Gemini 3.8 Flash，每百萬輸入 $0.75、每百萬輸出 $3.75，快取讀取為 $0.075；這是不同類別的模型，但它是你本週就能放入正式環境路徑的 Google 端點。

誰應該選哪個？

如果你是在 Fairwind 防線內部的防禦者，選擇權就不在你手上，而 Carbon 現在已可供你使用——有趣的問題是，這些安全增益能否在你自己的測試框架下依然成立，因為已公佈的結果是在沒有護欄的情況下測量，且部分是在 Google 的內部測試套件上測量。

如果你正在打造必須在本季出貨的東西，Argon 預設就是答案。它有端點、已公開的價格，以及折扣截止日期，比 Carbon 擁有的還多。它的弱點眾所周知：根據 Google 公布的推出數據，Terminal-Bench 4.0 落在五十幾分的高段，而 Opus 5.5 為 66.4%；還有一個幻覺率，Carbon 後來在錯誤的方向上超越了它。

如果你正在評估安全產品，決策與其說取決於哪個模型勝出，不如說取決於哪個模型你能測試。Carbon 目前無法取得，因此任何廠商今天向你宣稱「Gemini 4 Carbon」的效能，都只是在引用一個標籤。Argon 加上你自己的評估，才是誠實的基準，日後可據此檢驗 Carbon 的說法。

十五天的節奏才是真正的重點

Argon 問世至今已四週。Carbon 是在同一個世代編號內推出，而不是以 Gemini 4.1 或 Gemini 5 的形式登場，這說明了 Google 接下來打算如何發布：推出變體，而非版本。Ars Technica 在發表當天的解讀是，Carbon 本質上只是稍微改良的 Argon——可能是後訓練更新——而版本發行說明也支持這個輪廓：價格相同、上下文相同、輸入模態相同，但能力組合不同。

對於任何正在進行整合的人來說，這會帶來具體的後果。模型名稱不再是行為的穩定描述。gemini-4-argon在10月13日描述的是一回事，而在一次無聲更新之後可能描述的又是另一回事；我們在10月21日報導過的競技場目擊事件——其中某個別名似乎提供了不同的權重——並未被這次發布所證實，也未被推翻。防禦之道並不光鮮：固定住你實際受評估時所用的那個識別碼，保留一套有標註日期的評估集，並把任何別名都視為可能在你腳下移動的東西。

接下來要看什麼

• 第一個gemini-4-carbon條目出現在 Google 的模型清單中——讓 Carbon 成為產品的是那一刻，而非發布公告。

• 12月1日，Argon 的初始優惠折扣到期，屆時對每個仍在使用它的買家而言，實際比較結果都會改變。

• 一項針對安全基準測試、由第三方進行、以成對方式比較 Carbon 與 Argon 的評估，並在護欄機制下執行，因為目前尚未有相關結果發表。

直到其中第一個落地之前，排名歸 Carbon，決定權歸 Argon。對於一個剛被稱為世界最佳的模型來說，這樣寫很不尋常，但端點所說的正是如此。