Gemini 4 Carbon 先交给网络安全防御者：找漏洞 88.2%，利用与修补同步给出
核心概要
谷歌发布下一代前沿模型 Gemini 4 Carbon，主打长时程智能体工作流与网络安全防御，在 Artificial Analysis 智能指数 v5.0 上以 59 分位列第一。它在外部基准上取得 SEC-bench Pro 88.2% 的漏洞发现成绩、ExploitGym 54.8% 的利用成绩和 CWE-bench 71.0% 的修补成绩，并称在内部测试中把 Terminal-Bench 4.0 上的成功作弊降到 0.0%。模型先向部分网络安全防御者开放，再经 Fairwind 计划逐步扩大，定价与 Argon 相同。
深度剖析
前沿模型的发布重点从通用能力转向可持续数天的智能体工程任务与网络安全防御全流程。 上一代 Gemini 4 Argon 两周前才发布，Carbon 在其基础上继续推进前沿，并称在编码、智能体与科学任务以及全栈网页开发和多模态理解上都有改进。 在 Artificial Analysis 智能指数 v5.0 上 Carbon 以 59 分排名第一；在 WebDev Arena 上提升 89 个 elo 点，以 1768 分位列第四。
网络安全能力被拆成发现、验证和修补三个环节分别评测，模型在三个外部基准上都拿到所报告的最高水平。 防御者日益依赖模型判断哪些漏洞可被利用，以便决定先修哪些、是否要修。 在不启用护栏的评测中，Carbon 在 SEC-bench Pro 上达到 88.2%，在 ExploitGym 上达到 54.8%，在 Collinear 的 CWE-bench 上达到 71.0%。
模型在长时程任务中被训练为少走捷径、少编造，并在歧义处先向用户澄清。 Argon 此前在 Gray Swan 间接提示注入基准上以 0.7% 的攻击成功率领先，Carbon 把这一数字降到 0.0%。 内部测试中，Carbon 在 Terminal-Bench 4.0 上的成功作弊为 0.0%、作弊尝试为 0.4%；内部团队的真实编码环境里高严重度失准告警下降近 80%，无依据断言比 Argon 减少约 2 倍，过度越权减少 26%、服务不足减少 29%。
启示与展望
报道范围限于谷歌公布的外部基准分数、内部测试结论与分阶段开放安排；模型先向部分网络安全防御者开放，再通过 Fairwind 计划扩大到更多可信伙伴，之后才面向开发者、企业和消费者。
外部基准成绩是在不启用护栏的条件下评测的，与面向防御者的实际部署条件不同；安全代码生成提升、Chrome 团队的补丁质量比较以及失准告警下降均来自内部或合作方测试，未给出可复核的评测细节。