网易首页 > 网易号 > 正文 申请入驻

刚刚,Gemini 4 Carbon全面超越Opus 5.5!首发Token半价

0
分享至

梦晨 发自 凹非寺
量子位 | 公众号 QbitAI

Argon发布两周啊,谷歌火速掏出新旗舰Gemini 4 Carbon。

这次一举超越Claude Opus 5.5和GPT-6 Astra。

在刚刚更新的Artificial Analysis智能指数5.0中以59分的高分强势登顶全球第一。



两周前谷歌刚发Gemini 4 Argon时,硅谷还在热议谷歌内部泄露的一个神秘存档点“Carbon”,当时内部工程师给出的评价还是“编程体感逼近Opus 5.5”。

没想到短短半个月,正式版Carbon不仅在智商与长程编程上完成了对Opus 5.5的正面反超,更在代码安全与防作弊上大幅领先。

甚至点亮100%免疫提示词注入天赋。

这什么残暴的进步速度,RSI真让他们给玩明白了?



Carbon首发阶段延续了Argon的半价折扣,输入2美元/百万Token、输出10美元/百万Token,账面单价仅为Opus 5.5($4/$20)的一半。

并且针对Agent任务高频使用的缓存命中输入(cached input)给出了95%的骨折价优惠(低至0.2美元/百万Token)。

超越Opus 5.5,还能连肝数日死磕底层Bug

两周前发布的Gemini 4 Argon虽然在长文本和多模态上表现惊艳,但在综合智能指数(53分)和部分硬核终端任务上,依然被Opus 5.5压了一头。

这一次,Gemini 4 Carbon精准补齐了最后一块拼图,直接将能力推向了“全天候自主工程师”的形态。

在谷歌内部的实战编程环境中,研发团队观察到令人瘫坐的一幕:

Carbon能够连续运行好几天,在庞大复杂的代码库和底层系统中自己摸索;哪怕中途多次撞上“死胡同”(dead ends),它也能持续死磕到底,独立完成复杂的多步工程任务。从顺藤摸瓜定位极其隐蔽的Bug根因,到最终写出修复补丁,一气呵成。



这种长线执行能力直接体现在了多项硬核指标的反超上:

  • 命令行与终端工程

在Terminal-Bench 4.0(AA测试集)中,Carbon拿到65.2%,领先Opus 5.5(59.6%)和GPT-6 Astra(59.1%);

在科学终端任务Terminal-Bench-Science 0.1上同样以64.8%位列第一(Opus 5.5为59.0%)。

  • 超长上下文与多步决策

在256k至1M上下文的GraphWalks测试中,Carbon拿到96.2%,大幅甩开Opus 5.5(66.8%)和Astra(71.8%);

在模拟长周期商业经营的Vending-Bench 2中,Carbon最终账户余额达到16,484美元,接近Opus 5.5(9,235美元)的1.8倍。

  • 全栈开发与企业任务

在WebDev Arena上,Carbon凭借前端组件与输出质量的提升,Elo分数上涨89分来到1769分,虽然是全球第四,但平均任务成本更低。



在衡量企业级工作流价值的Vals Index v2.2上也以70.4%微弱领先Opus 5.5(70.2%)。

不过,从第三方评测机构Artificial Analysis的拆解来看,Opus 5.5在纯代码工程领域依然保有一部分护城河。

例如在谷歌自己公布的表格中,有两项指标Carbon未能登顶:

一项是衡量前沿软件工程的FrontierSWE 2,GPT-6 Astra(65.5%)与Opus 5.5(62.3%)依然排在Carbon(61.2%)前面;

另一项是计算机操作基准OSWorld-2.1离线子集,Opus 5.5以87.2%保持第一(Carbon为81.5%)。

此外,在搭配各自官方CLI工具的Coding Agent专项指数上,Carbon配合谷歌Antigravity CLI得分为59分,仍以3分之差次于Claude Code加持下的Opus 5.5(62分)。



这一波反重力还是拖了哈基米的后腿。



但对于开发者而言,Carbon真正的杀伤力在于Token消耗效率。

独立评测数据显示,Opus 5.5虽然能力强,但推理过程极为冗长,完成单次Intelligence Index评估平均要消耗17.3万输出Token。而Carbon仅需12.3万Token,输出量减少了29%。

这意味着,即便未来Carbon恢复到与Opus 5.5相同的$4/$20标准定价,Carbon的单次任务平均成本($7.76)也比Opus 5.5($10.04)低23%左右。

如果算上目前$2/$10的首发半价,Carbon在实际生产环境中的账单成本还不到Opus 5.5的四成。

补齐AI编程从“挖洞”到“打补丁”全满贯

除了常规编程,谷歌此次将Carbon的核心差异化卖点押注在了网络安全防御全生命周期上。

这也是被逼的没办法,总不能看着家前沿模型天天挖Chrome浏览器和安卓系统的漏洞是吧。

(以下外部基准测试均在移除安全护栏的满血状态下评估):

  • 第一步:大海捞针找真洞(Finding real vulnerabilities)

网络安全防御的核心,是赶在黑客之前从真实软件中揪出深藏的复杂缺陷。在包含V8引擎、Linux内核等真实高危漏洞的SEC-bench Pro测试中,Carbon拿下了88.2%,不仅大幅甩开前代Argon(78.8%),更直接超越了OpenAI的GPT-6 Astra(85.4%),创下全新SOTA。



  • 第二步:实战推演验风险(Validating risk through exploitation)

面对成百上千个潜在漏洞,安全团队到底该先修哪一个?这需要模型像真正的攻击者一样,去验证哪些漏洞是真正可被利用的(exploitable)。

在著名的漏洞利用基准测试ExploitGym上,Carbon以54.8%的成绩再次刷新SOTA(此前Argon为35.1%),帮防御者精准排定修复优先级。



  • 第三步:直击病灶打补丁(Patching at the root cause)

找到并验证漏洞后,终极考验是直接写出能跑通、且不破坏原有功能的修复代码。在Collinear推出的CWE-bench(涵盖73种常见弱点枚举的真实仓库审计修复测试)中,Carbon达到了71.0%,全面碾压Claude Opus 5.5(67.0%)和Argon(68.0%)。



除了刷爆外部榜单,Carbon在谷歌内部安全基准测试中,Carbon生成安全代码的成功率比Argon提升了2倍以上。

更夸张的战报来自谷歌自家的Chrome浏览器团队:在生成高质量安全补丁的实战对比中,Carbon的表现比另一家顶级实验室的大型前沿模型强出10倍以上。

整治Agent作弊,提示词注入100%免疫

模型在终端里连续跑几天,最令开发者头疼的往往不是算力账单,而是模型在遇到高压复杂任务时开始“耍小聪明”(Shortcut & Loophole Exploitation)。

此前针对Terminal-Bench 4.0的第三方审计就曾揭露,不少高分模型在修不好Bug时,会通过修改测试脚本或走漏洞来伪造“测试通过”。针对这一顽疾,谷歌在Carbon的对齐训练上做了一次重点收敛:

  • 作弊成功率直接干到0.0%

在终端操作基准Terminal-Bench 4.0上,Carbon在大幅提升整体准确率的同时,将“成功作弊率”硬生生压到了0.0%,连尝试走捷径作弊的比例都跌至0.4%。

在谷歌内部团队的实况编程环境中,高严重性的失调警报(misalignment alerts)更是暴跌了近80%。



  • 拒绝不懂装懂,幻觉率远低于竞品

在内部测试中,Carbon做出无根据断言(unsupported claims)的频率比Argon降低了约2倍。

面对证据缺失或操作受阻,它不再含糊其词或强行脑补,而是把方法论的局限性直接写进交付文档,或者拉出一张清晰的清单告诉人类“还缺什么条件”。



  • 不懂就问,明确执行边界

面对模糊不清的需求,Carbon不会盲目瞎猜或强行推进,而是先检索相关信源,把发现的矛盾点摆到台面上与用户确认。

在端到端执行多步计划时,它的越界操作(overreach)减少了26%,敷衍漏做(under-service)减少了29%。



  • 提示词注入100%免疫

当Agent在野外读取网页、邮件和外部代码库时,极易遭到“间接提示词注入”(IPI)的劫持。

在Gray Swan IPI基准测试中,前代Argon曾以0.7%的极低被攻破率领跑全。

而这一次,Carbon直接交出了0.0%攻击成功率的满分答卷,成功抵御了评估中的每一次攻击尝试。



14天闪击战背后:RSI全面提速

从9月底亮相、两周前刚刚全面铺开的Gemini 4 Argon,到今天横空出世、全面反超Opus 5.5的Gemini 4 Carbon。

CEO劈柴哥在x上更是凡尔赛地调侃道(doge):

我之前就说过,我们会周期性地发布模型……现在向大家介绍Gemini 4 Carbon。



结合此前曝出的内部信息来看,谷歌实际上在内部同时并行训练和评估了Argon、Barium、Carbon等多个Gemini 4存档点(其中公开发布的Argon实为内部的Barium-B存档点)。

在官方公告不起眼的角落里,谷歌DeepMind高级副总裁、首席AI架构师Koray Kavukcuoglu透露了真正的秘密:

“我们的研究人员正与我们的模型携手并进(working hand in hand),以更快的速度推进能力演进,同时同步强化安全护栏。”

换句话说,用最顶尖的AI去辅助训练、评估和优化下一代AI,已经在谷歌内部真正转了起来。



不过,谷歌还是你谷哥,发布≠上架。

由于Carbon具备较强的漏洞挖掘与利用能力,还要进行发布前测试流程。从本周开始,Carbon将率先向一部分网络安全防御人员开放。

还记得Argon从发布到真正给你用过了多久吗,这次等的也不会短就是了。

眼下Anthropic上市的关键节点上,这下该把Fable 5.5放出来了吧?

至于沉迷发中杯Terra模型和短信通知Dot的OpenAI,我祝他好运。



参考链接:
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/
[2]https://x.com/sundarpichai/status/2115489219804352921?a=TCW5gQam8bc7T7enVWo&s=20

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
乌克兰:悔到肠子青,当年卖给中国3架"废铁",如今成大国重器?

乌克兰:悔到肠子青,当年卖给中国3架"废铁",如今成大国重器?

唠叨说历史
2026-11-18 15:06:45
李一桐变得越来越妩媚了,黑丝袜搭配白衬衣尽显制服风韵!

李一桐变得越来越妩媚了,黑丝袜搭配白衬衣尽显制服风韵!

说不尽的人心
2026-11-22 10:41:55
2-0,4-0!英超疯狂1夜!曼联惨败,布莱顿大爆冷,积分榜出炉

2-0,4-0!英超疯狂1夜!曼联惨败,布莱顿大爆冷,积分榜出炉

过期少女致幻录
2026-11-23 03:34:31
股票跌、基金跌、黄金跌、比特币跌,为什么所有资产都在跌?

股票跌、基金跌、黄金跌、比特币跌,为什么所有资产都在跌?

村夫观天下
2026-11-22 21:31:28
3国分5金!国羽大赢家,王祉怡外战告捷,NO.1德比胜出,大马2冠,丹麦名将收退赛礼!

3国分5金!国羽大赢家,王祉怡外战告捷,NO.1德比胜出,大马2冠,丹麦名将收退赛礼!

刘姚尧的文字城堡
2026-11-22 20:13:56
终南山第一隐士:隐居30多年,天天清水煮白菜,现亲人已认不出他

终南山第一隐士:隐居30多年,天天清水煮白菜,现亲人已认不出他

快乐彼岸
2026-10-22 04:01:15
首都医科大学孙永全教授因病离世,年仅62岁

首都医科大学孙永全教授因病离世,年仅62岁

双一流高校
2026-11-23 00:08:08
29岁中国女排名将称国外没有瘦肉精!拒道歉不回应 网友:崇洋媚外

29岁中国女排名将称国外没有瘦肉精!拒道歉不回应 网友:崇洋媚外

念洲
2026-11-22 08:51:44
特朗普已乘专机离华,回国后的第一场记者会,就给日本浇下冷水?

特朗普已乘专机离华,回国后的第一场记者会,就给日本浇下冷水?

星落山间
2026-11-22 17:33:19
原来梁文锋很早就开始做准备了:DeepSeek成功避开英伟达垄断风险

原来梁文锋很早就开始做准备了:DeepSeek成功避开英伟达垄断风险

互联鱼
2026-11-21 00:10:08
一个害国害民的历史罪人,老百姓还把他当成英雄崇拜

一个害国害民的历史罪人,老百姓还把他当成英雄崇拜

小豫讲故事
2026-09-17 06:00:15
仰天长啸+捂脸痛哭!桥本一周两冠世排升13位 日媒:国乒也在忌惮她

仰天长啸+捂脸痛哭!桥本一周两冠世排升13位 日媒:国乒也在忌惮她

颜小白的篮球梦
2026-11-22 23:22:20
儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

儿子考上清大4年没回家,母亲到学校去探望,招生办:查无此人

温情邮局
2025-09-28 11:57:16
油价又调了,新能源车主下半年就剩两条路,第二条很多人不想承认

油价又调了,新能源车主下半年就剩两条路,第二条很多人不想承认

沙雕小琳琳
2026-11-23 03:06:58
报复连夜落地!凌晨4枚锆石狂轰6万人小城,普京赌的是乌军拦不住

报复连夜落地!凌晨4枚锆石狂轰6万人小城,普京赌的是乌军拦不住

观锐器
2026-11-19 23:10:04
0-3!迈阿密国际季后赛惨败,梅西0进球0助攻,下场不赢就出局

0-3!迈阿密国际季后赛惨败,梅西0进球0助攻,下场不赢就出局

体育知多少
2026-11-22 09:21:53
吃他汀一滴茶都不能喝?提醒:吃他汀还喝茶,5个后果或承担不起

吃他汀一滴茶都不能喝?提醒:吃他汀还喝茶,5个后果或承担不起

华庭讲美食
2026-11-22 14:02:23
1987年,邓小平在众目昭彰下,猛地指向刘华清和洪学智,大声追问杨尚昆:命令究竟有没有下达

1987年,邓小平在众目昭彰下,猛地指向刘华清和洪学智,大声追问杨尚昆:命令究竟有没有下达

唠叨说历史
2026-11-11 13:38:14
伊朗副外长证实调解方卡塔尔代表团访问德黑兰

伊朗副外长证实调解方卡塔尔代表团访问德黑兰

澎湃新闻
2026-11-22 01:49:02
77年我把大院千金藏在草垛,20年后她成一把手,开车堵了我家大门

77年我把大院千金藏在草垛,20年后她成一把手,开车堵了我家大门

卡西莫多的故事
2026-05-09 09:42:29
2026-11-23 04:11:00
量子位 incentive-icons
量子位
追踪人工智能动态
13709文章数 176603关注度
往期回顾 全部

数码要闻

英特尔最入门级Arc G3掌机芯片或命名为“Arc G3 Play”

头条要闻

“所有金条都卖光了” 有人一次性花超85万买金条

头条要闻

“所有金条都卖光了” 有人一次性花超85万买金条

体育要闻

全场挨打1比4溃败 阿隆索已过保质期?

娱乐要闻

杨颖姐弟烧香被偶遇,清秀少年变粗犷大叔

财经要闻

沪深交易所、中国结算推出一揽子降费措施

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

汽车要闻

插混尊贵型真的超值 15万级的第二代海豹07配置拉满

态度原创

房产
游戏
教育
旅游
时尚

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

GTA6爱爱戏制作难度极大!R星力求真实 啥场景都要有

教育要闻

“穿成这样,别的家长都听不进去了”,家长会家长穿成这样,不能理解

旅游要闻

【甘快看】文旅新探·探秘丨大地湾,渭水文脉八千年

这些才是适合50岁女性的穿搭!衣服不花哨、不老气,得体又自然

无障碍浏览 进入关怀版