📰 重點摘要

Gemini 4 Carbon 是 Google DeepMind 發表的新一代旗艦模型，主打最先進的資安能力與長時程任務處理。它在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一，編碼與代理任務表現大幅進步。資安方面，Carbon 在尋找漏洞的 SEC-bench Pro 拿下 88.2%，在漏洞利用的 ExploitGym 為 54.8%，在修補漏洞的 CWE-bench 為 71.0%，均大幅領先。內部測試中，其產生安全程式碼的成功率比兩週前推出的 Gemini 4 Argon 提升超過兩倍，在實際編碼環境中的失準與捏造情況也減少。

在長時程工程任務上，Carbon 專為持續運作的代理工作流設計。團隊觀察到它能連續執行數天，遇到死路仍持續嘗試，處理大型程式碼庫與底層系統中的隱微錯誤，包括找出根因並修補。網頁開發品質也提升，在 WebDev Arena 躍升 89 個 elo 分，以 1768 分排名第四。

發布方式採審慎的階段式推進。Google 正參與美國政府的自願性模型發布前測試，本週起先開放給一部分資安防禦人員，再透過 Fairwind Program 逐步擴大到更多受信任夥伴，並持續收集回饋、調整防護機制，之後才會盡快開放給開發者、企業與一般使用者。定價與 Argon 相同，每百萬輸入 token 2 美元、每百萬輸出 token 10 美元，快取輸入 token 享 95% 折扣。原文後段關於 Chrome 團隊的實測回報內容已被截斷，詳細內容請見原文連結。

💬 JudyAI Lab 觀點

Gemini 4 Carbon把資安能力直接放到旗艦模型的主打位置，在找漏洞、利用漏洞、修補漏洞三項基準都大幅領先，同時以59分登上Artificial Analysis Intelligence Index v5.0第一名。

這則新聞反映的是模型競爭焦點正從「答得多聰明」轉向「能不能長時間可靠做事」。原文提到Carbon專為持續運作的代理工作流設計，能連續執行數天，遇到死路仍繼續嘗試，並在大型程式碼庫與底層系統中找出隱微錯誤的根因再修補。另一個值得留意的是發布方式：Google參與美國政府的自願性發布前測試，先開放給一部分資安防禦人員，再透過Fairwind Program逐步擴大，最後才對一般使用者開放。能力越強，越要先讓防守方上手，再擴大範圍，這種分階段釋出可能會成為高能力模型的常態。定價則與Argon相同，每百萬輸入token 2美元、輸出10美元，快取輸入享95%折扣，代表長時程代理任務的成本門檻沒有因為能力提升而變高。

建議先盤點手上最耗時的程式碼檢查或除錯流程，想想哪一段適合交給能長時間運作的代理，並預留人工審核的關卡。

📅 原文資訊

🔗 延伸閱讀