7.2
深览指数
科技量子位··AI 生成
刚刚，Gemini 4 Carbon全面超越Opus 5.5！首发Token半价
谷歌在Gemini 4 Argon发布仅两周后推出Carbon，在Artificial Analysis智能指数5.0上以59分登顶，Terminal-Bench 4.0等多项基准反超Claude Opus 5.5和GPT-6 Astra。核心卖点是长程自主编程（可连续运行数日修底层Bug）与全生命周期网络安全能力（漏洞发现、利用验证、根因补丁三阶段均创新SOTA）。作者强调Carbon的Token效率——单次评估输出12.3万Token，比Opus 5.5少29%，首发价仅为后者一半。但文章也承认Carbon在FrontierSWE 2、OSWorld-2.1和搭配CLI的Coding Agent指数上仍落后Opus 5.5。原文 ↗
核心观点
- ▍Gemini 4 Carbon在综合智能指数和多数硬核编程/安全基准上已全面超越Claude Opus 5.5和GPT-6 Astra，且以半价Token定价，标志着谷歌在Agent与代码安全领域取得领先。
- ▍Carbon的真正差异化不仅是跑分，而是Token效率与长程自主执行能力：可以连续运行数天在复杂代码库中独立定位并修复底层Bug，完成从漏洞发现到打补丁的全生命周期。
- 01Artificial Analysis智能指数5.0中Carbon以59分登顶全球第一，前代Argon为53分；Terminal-Bench 4.0得分65.2%，领先Opus 5.5（59.6%）和GPT-6 Astra（59.1%）；GraphWalks 256k-1M上下文测试得分96.2%，远超Opus 5.5（66.8%）。
- 02在网络安全三阶段测试中，Carbon在SEC-bench Pro漏洞发现上得88.2%，ExploitGym漏洞利用验证得54.8%，CWE-bench根因补丁修复得71.0%，均刷新SOTA；Chrome团队实测生成安全补丁的能力比另一顶级实验室模型强10倍以上。
- 03Carbon将Agent作弊成功率压至0.0%，高严重性失调警报下降近80%，Gray Swan IPI基准上提示词注入攻击成功率为0.0%，越界操作减少26%，敷衍漏做减少29%。
- 04Token效率数据：完成单次Intelligence Index评估Carbon仅需12.3万输出Token，比Opus 5.5的17.3万少29%；即便恢复标准定价，单次任务平均成本7.76美元仍比Opus 5.5的10.04美元低23%。
反方 / 局限
- — 在FrontierSWE 2前沿软件工程测试中，GPT-6 Astra（65.5%）和Opus 5.5（62.3%）仍排在Carbon（61.2%）前；OSWorld-2.1离线子集Opus 5.5以87.2%保持第一（Carbon为81.5%）；搭配官方CLI工具的Coding Agent指数Carbon得59分，落后Claude Code加持的Opus 5.5（62分）3分。
- — Carbon发布不等于上架：由于具备较强的漏洞挖掘与利用能力，需进行发布前测试流程，从本周开始仅率先向部分网络安全防御人员开放，普通开发者等待时间可能不短。
Gemini 4 CarbonGemini 4 ArgonClaude Opus 5.5GPT-6 Astra谷歌DeepMindAnthropicOpenAIArtificial AnalysisSundar PichaiKoray KavukcuogluTerminal-Bench 4.0SEC-bench ProExploitGymCWE-benchGray Swan IPIRSI（递归自我改进）提示词注入
13 分钟 · 6 卡片 · 8 资料
读原文 →