Gemini 4 Carbon 全面开放，谷歌这次是真的想卷死同行

Gemini 4 Carbon 全面开放，覆盖多类用户

谷歌最新的 AI 模型 Gemini 4 Carbon，刚刚全面开放了。两周前 Carbon 第一次亮相的时候，只给了一小批网络安全团队用，普通人根本碰不到。现在终于放开了，开发者、企业、科研人员、订阅了 Google AI Ultra 的普通用户，都能用上了。

三项真实工作能力评测全部第一

Carbon 在三个测真实工作能力的评测里全部拿了第一。CursorBench 4.0 测的是 AI 编程，Perplexity WANDR 测的是信息搜索和深度研究，Zapier AutomationBench 测的是能不能在真实的企业软件里完成自动化任务。三个方向，三个第一。

更有意思的是，它完成同样任务的成本，比排第二的模型还低了一倍多。

模型能力存在差异化格局

不过，这并不代表 Carbon 在所有维度都最强。Anthropic 几乎同一时间发布了 Claude Fable 5.2，在一些综合评测和真实软件工程任务上，Fable 5.2 的分数更高。现在的局面是，不同模型各有各的强项，谁也没有做到全面碾压。

Antigravity 新增 /swarm 多智能体协同功能

同时，谷歌给自家编程工具 Antigravity 加了一个叫 /swarm 的新功能。以前用 AI 写代码，就是一个 AI 在那单打独斗。现在你可以用一句话调度一群 AI 同时干活。让 Carbon 负责最难的架构设计和代码审查，简单的活交给更快更便宜的模型，还能专门安排一个 AI 来挑毛病，检查别人写的代码有没有问题。

谷歌拿这个功能做了好几个演示。其中一个是用 1887 年到 1889 年的历史照片和工程图纸，重建了埃菲尔铁塔的施工过程，直接生成了一个可以点击拖拽的 3D 展览。还有一个更夸张，用 7 份公开的市政规划 PDF 里的 206 张工程图，花了 10 轮夜间自动执行，重建出谷歌一个办公区域的 3D 模型，里面有大概 90 万个三角形网格。

谷歌 DeepMind 的高级副总裁还分享了另一个案例：团队用 Carbon 分析阿波罗登月舱的历史照片和技术图纸，尝试重建这个航天器的 3D 模型。登月舱没有完整的实物留在地球上，能用的只有老照片和工程资料，但 Carbon 还是做出来了。

以后的软件开发可能真的会变成管理一个 AI 团队，分配任务、检查进度、验收成果，跟管理真人团队的逻辑越来越像。

网络安全领域表现突出

在谷歌内部的漏洞扫描系统 Project Fortify 里，Carbon 做到了 100% 的召回率，意思是该发现的漏洞一个都没漏掉。分诊精确率也有 95%。在跟安全公司 Wiz 合作的项目里，Carbon 不到两小时就找到了零日漏洞，这种事以前安全研究员可能要花好几周。

谷歌的漏洞研究团队还用 Carbon 证明了一款流行开源软件里的两个缺陷确实可以被利用，帮维护者把它们重新定为严重级别，赶紧发了补丁。

当然了，模型越擅长找漏洞，就越让人担心被拿去做坏事。谷歌也想到了这一层。在模拟攻击测试中，Carbon 挡住了 99% 的攻击路径，单次突破防护的概率从 Argon 的 3.1% 降到了 0.8%。外部机构连续测了 132 小时，发了一万三千多次请求，没有找到新的通用越狱方法。最强的网络安全版本，谷歌也没有直接开放给所有人，还是通过受控的 Fairwind 计划来管理的。

科研与金融知识工作能力验证

科研方面有几个很有看头的案例，我感觉一个比一个硬核。

第一个是密码学。谷歌的研究团队搭了一个叫 AlphaProof Code 的框架，用 Carbon 生成了数百万行 Lean 代码，通过数学方法证明了 Signal 加密协议底层代码的安全性。这种形式化验证工作，过去需要专家团队花好几年，这次几周就搞定了。

第二个是蛋白质研究。做蛋白质结构预测的时候，有些冷门的病毒或微生物蛋白质，在现有数据库里找不到足够多的同类序列，预测就做不准。Carbon 在海量未标注的序列档案里自动搜索，把找到的同源序列数量平均提高了 40 倍。

第三个是实验室的检测工作。研究人员把实验记录和原始数据丢给 Carbon，它能发现一些人不容易注意到的异常。比如自动化混合不充分导致的数据偏差，色谱峰重叠，还有仪器里残留的上一个样本的痕迹。

这三个案例放在一起看就会发现，AI 在科研里的角色正在变。以前是帮你查文献、写摘要，现在开始帮你检查实验数据、寻找规律、做数学证明了。

在金融和企业知识工作方面，谷歌跟 Artificial Analysis 合作推出了一个新的评测，叫 Multimodal Knowledge Agent。这个测试要求模型同时处理大量表格、图表、图片和复杂文档。Carbon 在这个评测里排名第二，但成本比第一名低了六倍多。在 Hebbia 的金融 Agent 评估和 Balyasny 的金融智能评估里，Carbon 的成绩也都排在前列。

有时候想想，一个模型能在金融报告、代码审计、蛋白质研究、漏洞扫描这些完全不同的领域都拿到不错的成绩，这件事很值得我们思考。

定价策略与开发者反馈

价格方面，这可能是很多人最关心的。

Carbon 目前的 API 定价跟自家的 Argon 一样，每百万输入 Token 2 美元，输出 10 美元。对比一下，Claude Fable 5.2 是输入 8 美元，输出 40 美元。Carbon 只要它的四分之一。

不过要注意两件事。第一，这个优惠价到 11 月 30 号就结束了，之后会涨到输入 4 美元、输出 20 美元。第二，单价便宜不等于干完一件事的总花费低。谷歌自己也承认，Carbon 在复杂任务里会用掉比 Argon 更多的 Token，因为它要做更深入的推理和多轮验证。

最后说说开发者的真实反馈。

OpenCode 的工程师说，他们一个晚上就让 Carbon 从零搭了一套全新的 Rust UI 库，还重写了整个桌面应用，第二天早上打开一看，能跑。他说 Carbon 现在是他们处理最棘手任务的首选模型。

有开发者拿 Carbon 和 Fable 5.2 做了对比测试，结论是 Fable 5.2 的生成质量稍好一点，但 Carbon 便宜太多了。也有人只给了一张参考图片，Carbon 就搭出了一个带 92 个精密部件的 19 世纪巴黎风格物理实验室，材质、光影、UI 全是自己设计的。还有开发者用 Carbon 从零写了一整套 CUDA/C++ 路径追踪器，配上物理引擎，做出了一段 60 秒的连锁反应机械装置动画。

一个很有意思的评价是，Carbon 的思路跟 Claude 和 GPT 都不太一样。有时候你换一个模型试试，反而能得到更好的方案。这个思路其实放到很多事情上都适用。同一个问题，多一个视角，就多一种可能。

谷歌自己也很清楚 Carbon 的定位。日常的编程和知识工作，用 Argon 就够了。Carbon 更适合那些特别难、特别复杂、需要长时间深度思考的任务。

整体看下来，AI 大模型的竞争进入了一个新阶段。以前大家比的是谁能答对更多题，现在比的是谁能真正干完一件复杂的活，而且成本还得够低。各家都在往这个方向卷，谁先把价格打下来、把可靠性做上去，谁就能先拿到真正的商业场景。

对我们普通人来说，这些模型打得越厉害，我们能用到的工具就越强，价格就越便宜。看着就挺好的。