Gemini 4 Carbon发布：Agentic工作流与网络安全能力全面跃升

Google DeepMind 最新前沿模型 Gemini 4 Carbon 现已面向开发者、企业、科学家和消费者开放。这是继 Gemini 4 Argon 之后，Google 在模型能力上的又一次大幅推进。Carbon 并非要取代 Argon，而是定位为处理"测试模型智能上限"任务的尖端工具——复杂多步骤编码与调试、开放式科学研究，以及长周期自主智能体工作流。

Carbon 与 Argon：两种定位，一套价格

Google DeepMind 高级副总裁 Koray Kavukcuoglu 在公告中明确表示，Argon 仍是大多数软件工程和知识工作的理想选择，而 Carbon 则是为需要消耗更多 token、进行深入推理和扩展验证循环的任务而构建。换句话说，Carbon 用更高的计算投入换取更深的探索与验证能力。

价格策略上，Carbon 与 Argon 保持一致：每百万输入 token 2 美元，每百万输出 token 10 美元。这一定价对需要频繁调用前沿模型的企业来说，意味着可以在不增加预算的情况下获得更强的深度推理能力。开发者可通过 Google AI Studio 和 Gemini for business 的 API 访问；Google AI Ultra 订阅者则可在 Antigravity、Gemini 应用和搜索的 AI Mode 中体验。

基准测试：准确性领先，成本显著更低

在多个针对真实工作流设计的独立基准上，Carbon 表现出前沿准确性与实际生产经济性的组合。它在 CursorBench 4.0、Perplexity 的 WANDR 以及 Zapier 的 AutomationBench 上均排名第一，且每任务成本比次优外部模型低 2 倍以上。

多模态知识工作方面，Google 与 Artificial Analysis 合作推出了新的 Multimodal Knowledge Agent（MKA）基准，测试模型在智能体工作流中的多模态表现。Carbon 在该基准上排名第二，但平均每任务成本比表现最好的模型低 6 倍以上。这一结果说明，在密集文档、图表和工程图纸等场景中，Carbon 提供了极具性价比的选择。

智能体协作：/swarm 让单条提示变成团队作战

Carbon 的一大亮点是 Google Antigravity 中预览的 /swarm 功能。它能把单条提示转化为一组可实时追踪的智能体团队，开发者可以将 Carbon 分配到架构设计、协调和审计等需要最深推理的角色，同时搭配更轻量的模型并行工作，并用对抗性验证器测试每一处改动。

公告中给出的示例颇具说服力：七份公开的城市规划 PDF（提取出 206 个工程图纸视图）加一条提示，多智能体 Carbon 团队在夜间 10 轮循环中构建了 Google Platform 37 办公楼的交互式 906K 三角形 Three.js 重建模型；从历史照片和工程图版出发，同一机制还生成了埃菲尔铁塔 1887 至 1889 年建造过程的交互式 3D 展览。

在软件开发侧，Carbon 能运行构建-验证循环、从错误中恢复，并同时检查代码与渲染后的 UI，产出完整可用的应用。示例包括一个以鹈鹕骑 Google Bike 探索山景城园区的开放世界 3D 游戏，以及两条提示内重新设计的 Google 周边商店前端。

对抗性验证器：在多智能体协作中，对抗性验证器是一个被设定为“挑错”角色的智能体，其目标不是配合生成方，而是主动寻找产出中的逻辑漏洞、事实错误或实现缺陷。这种生成方与验证方分立的设计借鉴了生成对抗与红蓝对抗的思路，可以降低单一模型自我审查时的盲区。配合构建-验证循环（build-verify loop），系统能反复执行“生成改动—运行测试—读取报错—修复”的闭环，使长周期任务在无人值守下仍能收敛，这也是 Carbon 能在夜间连续运行多轮循环的前提。

Three.js 与三角形数量：Three.js 是运行在浏览器中的 JavaScript 3D 图形库。模型中的“906K 三角形”指场景几何体的三角面片总数，是衡量 3D 重建精细度与渲染开销的常用指标：数量越高，细节越丰富，但对渲染性能与内存的要求也越高。用它来描述建筑重建成果，实际上是在说明产出不仅是文字描述，而是可直接在浏览器中交互的完整图形资产。

网络安全：从发现到修复的全链路能力

Carbon 在网络安全基准上展现了目前最强的能力。通过 Fairwind Program 访问时，它在发现（SEC-bench Pro）、利用（ExploitGym）和修补（CWE-bench v1）漏洞的关键基准上均处于领先。

实际应用数据值得关注：在 Google 的 Project Fortify 自主系统中，Carbon 在内部基准上实现扫描 100% 召回率和分类 95% 精确率；在开源代码库测试中，相对 Argon 已经很强的召回率又提升了 25% 以上，发现了此前未被检测到的真实逻辑缺陷。Wiz 的 Scan for Good 项目团队用 Carbon 扫描两家大型 SaaS 提供商时，在两小时内发现了 0-day 漏洞，把通常需要数周的漏洞研究压缩到一个下午。

科研推理：从形式化验证到蛋白质同源搜索

Carbon 在物理、数学和生命科学推理上有明显提升。最引人注目的案例是 AlphaProof Code：研究人员用 Carbon 生成数百万行 Lean 代码，在数周内数学证明了 Signal 加密协议底层代码的安全属性——这类任务历史上需要专家团队数年时间。

蛋白质结构预测方面，研究团队用 Carbon 在多智能体设置下自主搜索数 PB 级未注释序列档案和 3D 结构数据库，在 CASP17 盲测集的 7 个低同源蛋白家族上，平均将检索到的同源物数量提升 40 倍，且无需重新训练结构预测模型。这为困扰 AlphaFold 3 类模型的同源序列稀疏问题提供了一条上游解决路径。

Lean 与形式化验证：Lean 是一种交互式定理证明器，同时是一门依赖类型论的函数式编程语言。形式化验证是指用数学方法严格证明程序或协议满足其规格说明，而非仅靠测试抽样。在 Lean 中，证明本身也是代码，由编译器逐行检查其逻辑正确性，因此“生成数百万行 Lean 代码”意味着把安全属性拆解为可机器检验的数学命题。这一过程传统上依赖受过专门训练的专家，周期以年计；大模型的价值在于承担命题拆解、引理搜索和重复性证明脚本编写等劳动密集环节，人类专家则负责关键建模决策与最终审核。

蛋白质同源搜索与 CASP：同源物是指不同物种或不同基因间由共同祖先演化而来、序列或结构相似的蛋白质。结构预测模型通常先用同源序列做多序列比对（MSA），从中提取共进化信号来约束三维结构。当目标蛋白所属家族在数据库中序列稀疏（低同源）时，MSA 信息不足，预测精度会明显下降，这是 AlphaFold 类模型已知的瓶颈。CASP 是每两年举办一次的结构预测盲测评估，目标结构在评测期间对参赛者保密。Carbon 在低同源家族上把检索到的同源物数量提升约 40 倍，相当于从上游把稀疏的输入变稠密，而无需改动下游预测模型本身。

安全与对齐：攻击成功率大幅下降

Carbon 的更强网络能力也带来了更高的滥用风险，Google 为此在 Argon 的安全栈上进一步加固。在植入 ExploitBench 和 CyScenarioBench 的模拟网络攻击测试环境中，Carbon 拦截了自适应红队智能体 99% 的攻击轨迹，每次尝试的突破率降至 0.8%（Argon 为 3.1%）；在 Gray Swan 的测试中，自动化网络攻击查询成功率降至 2.17%（Argon 为 9.86%）。Trajectory Labs 的外部测试在 132 小时、超过 13000 次请求中未发现新的通用越狱。

对齐方面，Carbon 在一个 375 项任务的智能体诚实度基准上通过 92%（Argon 为 70%），在缺失实验数据时 98% 的情况下拒绝填充，68% 的情况下能标记方法学缺陷。此前公布的 Gray Swan IPI 基准上，Carbon 实现了 0% 的提示注入攻击成功率，这是该里程碑首次被达成。

提示注入（Prompt Injection）：提示注入是一类针对大模型应用的攻击，攻击者把恶意指令伪装成模型处理的数据（网页内容、邮件、文档、工具返回值），诱导模型偏离原有任务、泄露系统提示或执行未授权操作。间接提示注入（IPI）指恶意指令并非由用户直接输入，而是藏在模型自主浏览或检索的外部内容里，对智能体工作流威胁尤其大，因为智能体会连续读取大量不可信内容并据此行动。Gray Swan 的 IPI 基准即专门测量模型在这类场景下被劫持的成功率；“0% 攻击成功率”意味着在该基准的全部测试用例中，模型均未被隐藏指令带偏。

如何开始使用

开发者可在 AI Studio 和 Android Studio 的 Gemini API 付费层构建应用；企业可通过 Gemini for business 的 API、模型下拉菜单、Google Antigravity 或 CodeMender 使用；普通用户通过 Gemini 应用和搜索 AI Mode（需 Google AI Ultra 订阅）。科研人员方面，Google 此前向 10000 名科学家开放了 Antigravity 中 Argon 的六个月免费访问，现已将 Carbon 纳入该计划，申请通道持续开放。