
> **导读**：谷歌又出手了。北京时间今天凌晨，Gemini 4 Carbon 正式发布，距离上一代 Argon 全面铺开只隔了 15 天。参数量、架构、技术报告，目前都还没公开。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/667933faf6c1199cc477bb2a679045f3.jpg)

| 项目 | Gemini 4 Carbon | Opus 5.5 | GPT-6 Astra | Gemini 4 Argon |
| --- | --- | --- | --- | --- |
| 智能指数 5.0 | 59 分（第一） | 58 | 57 | 50 |
| 长上下文 GraphWalks | 96.2% | 66.8% | 71.8% | — |
| FrontierSWE 2 | 61.2% | 62.3% | 65.5% | — |
| OSWorld 电脑操作 | 81.5% | 87.2% | — | — |
| Terminal-Bench | 65.2% | 低于 Carbon | — | — |
| SWE-sweep | 9.6% | 低于 Carbon | — | — |
| Vending-Bench 2 | 账上 16484 美元 | 9235 美元 | — | — |
| 幻觉率 / 正确率 | 11% / 58% | 最高推理档 50% | 最高推理档 50% | 4% / 48% |

## 一、榜单：智能指数拿下第一

先看榜单。Artificial Analysis 刚上线的智能指数 5.0，Carbon 拿下第一，**59 分**。**Opus 5.5** 是 58，GPT-6 Astra 57，Argon 50。这一版榜单做了大改，60% 的题目换成私有题库，编程和科学的权重提高了，所以这个分数要跟老版本分开看。9 项评测里 Carbon 拿下 4 项第一，**Opus** 守住了仓库级编程，Astra 守住了研究级物理。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/3e1b83a62e8ce7135f5270767d9c70d5.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/50c33b41a1a7fa1fc4fb893a1f0f0823.jpg)

### 官方成绩表：17 项赢了 15 项

官方那张成绩表，17 项赢了 15 项。最亮眼的是长上下文，GraphWalks中96.2%，Astra是71.8%，**Opus**是66.8%，这个差距相当大。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/6a65f7e87e529131c233369e185466da.jpg)

### 安全三连胜：但护栏是关掉的

安全方向三连胜：找漏洞 88.2%，验证利用 54.8%，补漏洞 71%，3 个环节全部第一。不过这组安全测试是在关闭护栏的条件下跑的，正式部署带上护栏，分数未必一样。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/ff12f3e403f8296652fc424fa6b45e89.png)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/f6ea671533e3bf49d600d89feca2e413.png)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/676674c7d08fa8d5ee2b60b9e8b0a526.png)

### 输掉的两项与其他代码项

剩下 2 项是这样：FrontierSWE 2，Carbon是61.2%，Astra是65.5%，**Opus**是62.3%；OSWorld 电脑操作，**Opus 87.2**%，Carbon 81.5%。其他代码项它都是第一，SWE-sweep是9.6%、Terminal-Bench是65.2%，都压过了 **Opus**。还有个有意思的，Vending-Bench 2 模拟经营，Carbon 跑完账上 **16484 美元**，**Opus** 只有 9235。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/ed25606f71d168ee51c674e7c2fa8186.png)

## 二、价格与成本效率

价格说清楚。Carbon 首发期输入每百万 token **2 美元**，输出 **10 美元**，是 **Opus** 的一半。首发期结束后涨到输入 **4 美元**、输出 **20 美元**，那时才跟 **Opus** 持平。缓存命中的输入 token **便宜 95%**，只付 5%，首发期折后每百万 **0.1 美元**。Argon 的首发价 11 月 30 号到期，Carbon 的截止日还没公布。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/822c3fe396b3a4f70db44d77328bbd39.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/b204e2df3c1be809add65eb1ffeb73c5.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/f9812d6144aa64fa9814c31d337b4108.jpg)

| 项目 | Gemini 4 Carbon | 对比 |
| --- | --- | --- |
| 首发期价格（每百万 token） | 输入 2 美元 / 输出 10 美元 | 是 Opus 的一半 |
| 首发期结束后 | 输入 4 美元 / 输出 20 美元 | 那时才跟 Opus 持平 |
| 缓存命中输入 | 便宜 95%，只付 5%；首发期折后每百万 0.1 美元 | — |
| 单任务成本（同标准定价） | 7.76 美元 | Opus 10.04 美元（低 23%）；Argon 7.68 美元（基本持平） |
| 输出 token 用量 | 12.3 万 | Opus 17.3 万（少 29%） |
| 首个 token 延迟 | 103 秒 | — |
| 输出速度 | 每秒 100 个 token | 法务检索平均一道题跑 50 多分钟 |
| 跑完整套指数 token 量 | 2 亿 | 中位数只有 6400 万 |

成本效率有实打实的数据。按同样的标准定价算，跑完一个任务 Carbon 花 **7.76 美元**，**Opus** 要 10.04，低 23%。输出 token 用量，Carbon 12.3 万，**Opus 17.3** 万，少 29%。跟自家 Argon 比是 7.76 对 7.68，基本持平，等于花同样的钱多拿 **9 分**。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/3a3a56c0648b7e60f1bb345618e99c9a.png)

## 三、代价：慢，而且啰嗦

代价在速度上，首个 token 要等 103秒，输出速度每秒 100 个 token，法务检索任务平均一道题跑 50 多分钟。另外它整体是偏啰嗦的，跑完整套指数生成 2 亿 token，中位数只有 6400 万。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/cd89de26677ade26f3724be91a8eddad.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/7d3aae1cbdb553a6885761b9dbc5ffb9.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/f4ebe35e010846d599f37a2729f4bfe4.jpg)

## 四、幻觉率与安全指标

幻觉率这块，Carbon 是 11%，Argon 上一代是 4%，确实涨了，同时正确率从 48% 提到 58%。横向看，**Opus** 和 Astra 在最高推理档都是 50%，Carbon 是全场第二低，只输给自家上一代。另外提示词注入攻击成功率降到 0，作弊成功率降到 0，内部失准告警降了 80%，越界行为降 26%。这些都是谷歌自己测的，还没有第三方复现。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/95ea27963a08e6a09bbbecf6dfe686ae.png)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/8095ea7e09fd9bb56ef7e97d12f19506.png)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/e421bd36104326d5da30c8e160ae22d8.jpg)

## 五、CLI 表现与知识工作短板

配合 CLI 工具的表现单独说。编程智能体指数上，Carbon 搭反重力拿 **59 分**，比 Argon 的 53 **高 6 分**；Claude Code 配 **Opus 5.5** 是 **62 分**领先。Artificial Analysis 的评语是，谷歌在这个方向历来偏弱，这次的进步很突出。知识工作还是短板，AA-Briefcase 上 Carbon **1609 分**，涨了 126，但 Kimi K3.1 Pro 是 1678，榜首 Sonnet 5.5 有 1812。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/65e7e21d07a83df3b30f3f063b0b3e8f.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/2708b93621b07dffb4bd7852325344af.png)

## 六、能不能用：还要再等等

最后是能不能用。本周起只给一小批网络安全防御方，后续通过 Fairwind 计划逐步扩圈，同时在走发布前测试流程。API 端点、产品时间表、首发价截止日，3 个都还没有。Argon 当时从发布到铺开用了 2 周，这次大概率要更久一些。

![](https://developer.qcloudimg.com/http-save/yehe-12823797/8993f3cb5b007074cef3ab601d9dc6af.jpg)

![](https://developer.qcloudimg.com/http-save/yehe-12823797/faadb41e50b76c7caebb36af7500758c.jpg)

你怎么看待谷歌的发布节奏？

![](https://developer.qcloudimg.com/http-save/yehe-12823797/9f570de4abea415a639a54e5a51dc607.png)


导读：谷歌又出手了。北京时间今天凌晨，Gemini 4 Carbon 正式发布，距离上一代 Argon 全面铺开只隔了 15 天。参数量、架构、技术报告，目前都还没公开。

Gemini 4 Carbon发布：多项测评超越opus5.5

谷歌又出手了。北京时间今天凌晨，Gemini 4 Carbon 正式发布，距离上一代 Argon 全面铺开只隔了 15 天。参数量、架构、技术报告，目前都还没公开。

人工智能

新闻资讯

谷歌发布Gemini 4 Carbon，智能指数59分居首，GraphWalks长上下文达96.2%，安全三连胜，首发价仅为Opus一半，单任务成本低23%，但幻觉率升至11%且响应慢，首发期有限，知识工作仍逊于竞品，API未开放。

提示词注入

网络安全

安全测试

智能体

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

Gemini 4 Carbon发布：多项测评超越opus5.5-腾讯云开发者社区-腾讯云

Gemini 4 Carbon发布：多项测评超越opus5.5

Gemini 4 Carbon发布：多项测评超越opus5.5

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐