Gemini 4 Carbon：AI 安全防御新标杆
Google 正式推出 Gemini 4 Carbon，这是目前最强的前沿模型，在网络安全和长周期任务上表现卓越。它在 Artificial Analysis Intelligence Index v5.0 中排名榜首，SEC-bench Pro 漏洞发现率高达 88.2%，ExploitGym 利用测试得分 54.8%，CWE-bench 补丁修复率达 71.0%。相比前代 Gemini 4 Argon，它在生成安全代码方面成功率提升超 2 倍，Chrome 团队反馈其补丁质量提升超 10 倍。此外，模型在减少幻觉、提升透明度及抵抗提示注入攻击方面取得重大突破，提示注入攻击成功率降至 0%。目前，Gemini 4 Carbon 已通过 Fairwind Program 向部分网络安全防御者开放，未来将逐步向开发者、企业和消费者推广。
Carbon 在终端基准测试 Terminal-Bench 4.0 中将成功作弊率降至 0.0%，作弊尝试率降至 0.4%，同时整体准确率得到提升。
HN 评论区
730- 827a
到了这个地步，如果有位 Google PM 递给我 100 美元说“去搞清楚怎么向 Gemini 4 Argon 发送提示词”，我大概只有 30% 的把握能搞定。我手机里的 Gemini App 最新模型只有 3.8 Pro；左下角虽然写着“Ultra”，但我真不觉得自己用的是 Ultra 套餐。至于如何在 Workspace 账号上注册该套餐，这已经超出了我们最聪明的大脑能理解的范畴。
看着他们努力追赶却徒劳无功，实在令人难过，因为他们内心最渴望的恐怕就是被自己的官僚主义压垮。到了这一步，我都不确定他们还有没有希望了。
- RajuChacha108
到了现在，前沿模型显然只需要少数几个分级版本就够了。
1. Ultra —— 最好且最贵，用于炫技和政府项目。
2. Pro —— 几乎最好但便宜得多，适合大多数生产力用户。
3. Flash —— 大众的主力工具。
4. Lite —— 给那些未开化的大众和农民用的。
这些标签后面根本不需要挂任何东西。事实上，行业完全可以像 SEMVER 一样标准化这些命名。
公司内部可以用具体数字来表示模型版本，但这些公司应该向 Chrome 靠拢。没人知道也不在乎自己用的是哪个版本的 Chrome。
对于许多系统来说，由于可靠性问题，真实的底层版本确实很重要。这部分信息可以提供给高级用户。
- solarpunk_enthu
鉴于该领域发展之快，在不发布模型的情况下展示基准测试数据毫无意义。如果他们决定一个月后发布，届时市场上很可能已经出现了更强的竞争对手，而那时的基准测试结果恐怕就不会这么亮眼了。
- gavinray
为了便于阅读，重新着色后的基准测试分数：
- PreciousH
刚想起来我还没试过 Argon，他们当时宣布了这个模型却推迟发布，我甚至不知道他们已经公开可用了。我不明白 Google 为什么觉得在存在其他优秀模型的市场中，这是一种很棒的策略。
- MrOrelliOReilly
在这个瞬息万变的时代，我很感激至少我还能依赖 Google 那些令人困惑、不断变化的产品名称。
- animalhot
Argon 一直是一匹稳健的良驹，提供了高质量的代码。尤其是当它通情达理且能很好地遵循指令时，帮助更大。Google 从来就不是一家强大的产品公司——他们曾有过大概 4 个不同的视频通话应用。
我相信我们需要多个实验室来构建优秀的模型，也很高兴看到 Google 正在大力投资以保持在前沿地位。
- zarzavat
也许有人该告诉 Gemini 团队这些模型的存在。当我打开 gemini.google.com 时，只看到了 3.6 Flash 和 3.1 Pro。
- eldenring
> 减少捷径和漏洞利用：在训练过程中，Carbon 进一步缓解了捷径尝试，同时确保了高质量的代码性能。Carbon 将 Terminal-Bench 4.0 上的成功作弊率降至 0.0%，作弊尝试率降至 0.4%——这一切都是在提高整体准确率的同时实现的。
这恐怕是目前让前沿模型变得可用最重要的事情，所以很高兴看到似乎取得了一些进展。在我看来，这正是上一代 Gemini 最大的问题。
- cvladan
我越来越感到恼火，因为所有公司都在根据股市行情来安排他们的所有决策。
偏偏在今天财报发布前两小时这么做。
就资本支出、现金流和新借款而言，这通财报电话会议恐怕会非常糟糕。