文章核心观点 - 谷歌发布新一代前沿模型Gemini 4 Carbon，以59分登顶Artificial Analysis Intelligence Index v5.0综合智能榜首，超越Claude Opus 5.5的58分和GPT-6 Astra的57分，较上一代Gemini 4 Argon的50分提升9分 [4][7] - Carbon将编程、长程智能体任务和网络安全能力作为核心发力方向，标志着前沿大模型竞争从综合评分转向更复杂的真实工程任务能力比拼 [2][7] - 谷歌采取“性能登顶但谨慎开放”的策略，Carbon首先向少量网络安全防御专家开放，再通过Fairwind计划逐步扩大范围，最终面向公众开放 [4][9] - 模型性能提升的同时沿用Argon首发定价，但首发优惠结束后将恢复至更高价格，实际智能体任务成本优势需结合单任务综合成本衡量 [40][42][45] - 谷歌发布Carbon同日，母公司Alphabet因AI投资成本膨胀、自由现金流恶化及搜索广告增速放缓遭遇资本市场冷遇，股价盘后一度下跌超10%，模型竞争力与资本信任正成为两场不同的比赛 [48][49][53] 综合智能与编程能力 - 在Artificial Analysis Intelligence Index v5.0中，Carbon以59分登顶第一，超过Claude Opus 5.5的58分和GPT-6 Astra的57分，较Argon的50分提升9分 [7] - 新版指数整合九项评测，涉及专业知识工作、复杂编程、科学推理、事实性知识和智能体自动化等任务，用更复杂的真实任务衡量模型能力 [9] - Carbon在九项测试中的四项取得第一，包括HLE-Diamond、Terminal-Bench-Science、AA-Omniscience和AutomationBench-AA，覆盖高难度知识与推理、科学环境终端操作、事实性知识及跨工具自动化任务 [11][12] - 在Artificial Analysis Coding Agent Index中，使用Antigravity CLI的Carbon高推理配置获得59分，Claude Code搭配Claude Opus 5.5最高推理配置获得62分，Carbon排名第二，差距缩小至三分 [13] - 在FrontierCode v1.1测试中，Carbon获得51%，Claude Opus 5.5获得56%，Anthropic在部分真实软件工程任务中仍保持优势 [18] - 在衡量专业知识工作的AA-Briefcase基准中，Carbon获得1609 Elo，较Argon的1483 Elo提高126分，其中演示文稿任务提升293 Elo，分析质量提升120 Elo，但仍落后于Grok 4.7、Muse Wonder和Kimi K3.1 Pro等部分竞争模型 [18][21] - 在WebDev Arena上，Carbon的Elo较此前提升89分，达到约1768分，排名第四，谷歌将这一变化归因于模型生成网页成果质量改善以及全栈开发、多模态理解和复杂工程能力的提升 [24] 长程智能体任务能力 - Carbon专为持续的智能体工作流程构建，设计初衷是应对难度更高、周期更长的工程难题，谷歌内部团队曾见证Carbon连续运行数天解决复杂的多步骤工程任务，例如在大型代码库和底层系统中查找并修复细微bug [6] - 谷歌在内部工程环境中观察到Carbon持续运行数天，可在大型代码库中追踪隐蔽错误、分析底层系统问题并尝试形成可运行的修复方案 [33] - 长程智能体任务的真正难点不仅在于生成代码，更在于能否长期保持对任务目标、执行状态和工程约束的理解，模型往往需要独立进行数十次甚至上百次工具调用，一旦早期判断偏差，后续执行可能逐渐偏离原始目标 [35][37] - Carbon专门针对长程任务优化，强调模型在遇到失败路径后继续分析和寻找解决方案，而非简单结束任务，试图让AI在复杂工程中完成更长、更可靠的工作闭环 [36][37] - 从代码生成到终端执行再到完整软件工程任务，Carbon的改进方向明确：不再只追求生成一段正确代码，而是让模型能够在真实开发环境中持续完成任务 [30] 网络安全能力 - 谷歌公布的三组网络安全测试数字：漏洞发现测试达到88.2%，漏洞利用验证达到54.8%，漏洞修复测试达到71.0%，Carbon在这三个关键基准中均取得领先成绩 [7] - 在安全代码生成任务中，Carbon的成功率达到Argon的两倍以上；Chrome团队内部测试显示，Carbon在生成高质量补丁方面相比另一家实验室的大型前沿模型取得超过十倍的表现提升 [39] - 谷歌决定首先向少量网络安全防御专家开放Carbon，再通过Fairwind计划逐步扩大测试范围，体现模型能力越强、如何控制其实际行为就越重要的谨慎开放策略 [9] 定价与成本 - Carbon初期API价格为每百万输入Token 2美元、每百万输出Token 10美元，缓存输入价格享受95%折扣，沿用Argon的首发定价 [41] - 首发优惠并非永久定价，优惠结束后Carbon将恢复至每百万输入Token 4美元、每百万输出Token 20美元，谷歌尚未公布优惠期具体结束日期 [42] - 在Artificial Analysis综合智能指数测试中，按标准价格计算，Carbon平均单任务成本约为7.76美元，Claude Opus 5.5最高推理配置约为10.04美元，Carbon平均单任务成本比Claude Opus 5.5低约23% [45][46] - 对于运行复杂智能体任务的开发者，Token单价并不能完全反映实际成本，模型能否一次性完成任务、是否需要反复修改、执行过程中消耗多少推理Token以及工具调用和运行时间都会影响整体费用 [44][45] 母公司Alphabet财报与资本市场反应 - 模型发布同日，Alphabet公布2026年第三季度财报，当季营收达到1275.8亿美元，同比增长25%，但低于华尔街约1279.7亿美元的预期；净利润为261.7亿美元，同比下降约25%，财报公布后股价一度在盘后交易中下跌超过10% [48] - 第三季度Google Cloud营收达到307.1亿美元，同比增长103%，创下新的增长纪录；谷歌CEO Sundar Pichai透露Gemini应用用户规模已突破10亿 [48] - Alphabet第三季度自由现金流为负90.7亿美元，较上一季度负59亿美元进一步恶化，公司同时预计2027年资本支出还将显著增加；谷歌搜索业务收入增速从上一季度的17%放缓至12%，广告业务增长前景受到关注 [49] - Alphabet当季确认约87亿美元的股权投资损失，对净利润及每股收益产生明显影响 [50] - 当前AI行业面临现实矛盾：一方面Gemini 4 Carbon证明谷歌仍有能力在前沿模型竞争中取得领先，另一方面训练更强模型、建设更庞大算力基础设施、维持高速技术迭代意味着越来越高的资金投入，赢得大模型排行榜第一名和赢得资本市场信任正成为两场不同的比赛 [52][53]