Google DeepMind 於 2026 年 11 月 10 日正式對外發布最新旗艦模型 Gemini 4 Carbon,開放對象涵蓋開發者、企業、科學研究人員與一般消費者。這款模型由 Google DeepMind 資深副總裁暨首席 AI 架構師 Koray Kavukcuoglu 對外宣布,定位為 Google 目前能力最強的前沿(frontier)模型,重點在於資安能力與長時間運作的代理式(agentic)工作流程,適用於複雜知識工作、軟體工程與科學推理等需要深度思考的任務。
背景與定位
Carbon 是繼兩週前發表的 Gemini 4 Argon 之後的另一款旗艦模型,兩者分工明確:Argon 仍是大多數軟體工程與知識工作的最佳選擇,而 Carbon 則針對考驗模型智能極限的任務而設計,例如多步驟的複雜程式除錯、開放式的科學研究與探索。Carbon 在處理這類任務時會消耗比 Argon 更多的 token,用來進行更徹底的探索、更深入的推理,以及執行更長時間的驗證循環。發布策略上,Carbon 先透過 Google 的 Fairwind Program 提供給一批資安防禦人員試用,之後才全面開放。
效能與成本表現
在測試真實工作流程的獨立基準測試中,Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 以及 Zapier 的 AutomationBench 上均排名第一,且每項任務的成本比次佳的外部模型低超過兩倍。定價方面,Carbon 與 Argon 相同,輸入 token 每百萬 2 美元、輸出 token 每百萬 10 美元,開發者可透過 Google AI Studio 的 Gemini API 付費層使用,一般消費者若是 Google AI Ultra 訂閱者,則能在 Gemini 應用程式、Search 的 AI Mode 以及 Google Antigravity 中使用。
在知識工作方面,Carbon 結合視覺理解、推理與深度檢索,能處理大量包含圖表、藍圖與表格的密集文件,並依嚴格格式產出試算表、簡報與報告。由於既有基準不足以衡量代理在這類多模態檔案上的推理能力,Google 與 Artificial Analysis 合作推出新的 Multimodal Knowledge Agent(MKA)基準,Carbon 排名第二,但平均每項任務成本比第一名低超過六倍。實際案例也相當具體:在 Google Antigravity 新推出的 /swarm 功能下,單一提示詞就能指揮多個 Carbon 代理協作,例如只用 7 份市議會規劃 PDF(萃取 206 張工程圖)就重建出 90.6 萬三角面的 Google Platform 37 辦公室互動 3D 模型,或把歷史照片與工程圖板轉成艾菲爾鐵塔 1887 至 1889 年興建過程的互動式 Three.js 展覽。
資安與科學推理能力
資安是 Carbon 最受矚目的強項。透過 Fairwind Program 存取的 Carbon for cyber,在漏洞發現(SEC-bench Pro)、漏洞利用(ExploitGym)與修補(CWE-bench v1)等基準上均居領先地位,能檢視軟體、追蹤跨系統的漏洞串連方式,並產生經過驗證的根因修補。Google 內部的自主資安系統 Project Fortify 在掃描階段達到 100% 召回率、分類階段達到 95% 精確度;開源程式碼測試的召回率也比 Argon 相對提升超過 25%。實際應用上,Google 雲端漏洞研究團隊用 Carbon 證明兩個開源軟體漏洞確實可被利用,促成維護者重新分級為重大並迅速修補;雲端安全公司 Wiz 的 Scan for Good 計畫則在掃描兩家大型 SaaS 供應商時,於兩小時內發現 0-day 漏洞,把原本需要數週的漏洞研究壓縮到一個下午。
科學推理方面同樣有具體成果。藥物毒性研究公司 Axiom Bio 認為 Carbon 是轉譯科學領域表現最好的模型,能找出以往未發現的新型毒性機制。Google 內部研究人員則用 Carbon 建構了形式化驗證框架 AlphaProof Code,以 Lean 語言產生數百萬行程式碼,協助在數週內數學證明 Signal 加密協定的關鍵安全屬性,這類工作過去往往需要專家團隊耗時多年。在蛋白質結構預測上,Carbon 能自主搜尋大量未註解序列資料庫中的遠端同源序列,讓低同源蛋白質家族檢索到的同源數量平均增加 40 倍,解決了 AlphaFold 3 這類模型在罕見蛋白上的資訊瓶頸。
安全與風險防護
由於 Carbon 強化了攻擊性資安相關能力,Google 在安全防護上也同步加強。在模擬網路攻擊測試環境中,Carbon 的防護機制擋下了 99% 來自自適應紅隊代理的攻擊軌跡,單次嘗試突破率降到 0.8%(Argon 為 3.1%);Gray Swan 的測試中自動攻擊成功率也從 9.86% 降到 2.17%。在間接提示注入(indirect prompt injection)攻擊方面,Carbon 在 Gray Swan IPI 基準上達到 0% 攻擊成功率,是首度達成此里程碑的模型,但 Google 也坦承面對更精密的攻擊仍有改善空間。誠實性方面,Carbon 在 375 項代理誠實基準上通過 92%(Argon 為 70%),面對缺失實驗數據時有 98% 的比例會拒絕自行填補。
影響與限制
Carbon 的出現代表前沿模型競爭已從單純的基準分數轉向「能力與成本的平衡」以及「實際工作流程中的代理表現」。對企業而言,能在維持前沿準確度的同時壓低每項任務成本,是採用高階模型的重要誘因;對資安與科學領域,模型從輔助工具進化為能執行端到端任務的代理。不過也有需要注意的限制:Carbon 的深度推理本質上消耗更多 token,未必適合日常輕量任務;形式化驗證與蛋白質研究等成果仍屬特定案例,更大規模的基準測試尚在進行;提示注入防護在複雜攻擊分布下仍待加強。科學研究者可透過 Google 既有的免費方案申請使用,資安防禦者則可申請加入 Fairwind Program 取得 Carbon for cyber,兩者皆採滾動式審核,須符合資格與容量限制。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理,並非原文逐字翻譯。