網路安全防禦能力的顯著提升
Gemini 4 Carbon 在網路安全防禦生命週期中展現了最先進的效能，涵蓋漏洞偵測、驗證與修復三個階段。在 SEC-bench Pro 基準測試中，Carbon 獲得了 88.2% 的最高分，能夠自主發現真實軟體中複雜的缺陷。
為了協助防禦者優先處理可被利用的風險，模型在 ExploitGym 基準測試中也創下 54.8% 的新紀錄。此外，在 Collinear 的 CWE-bench 測試中，Carbon 達到 71.0% 的分數，能將驗證後的發現直接轉化為可用的程式碼修復方案。
Google 內部團隊報告指出，與前代 Argon 相比，Carbon 在生成安全程式碼的成功率上提升了兩倍以上。Chrome 團隊也表示，在生成高品質修補程式時，Carbon 的表現比其他實驗室的大型前沿模型好十倍以上。雲端安全平台 Wiz 亦觀察到 Carbon 在其 Scan for Good 計畫的核心能力——網路滲透測試基準中領先。
長程代理工作流與程式開發改進
Carbon 專為處理更困難的長程工程問題而設計，旨在支援持續性的代理工作流。內部團隊觀察到，該模型能夠連續運行數天以克服死胡同，並處理涉及大型程式碼庫和底層系統的複雜多步驟任務，例如根本原因分析與細微錯誤修補。
基於使用者回饋，Google 重點提升了模型在編程、代理任務、科學任務以及全端網頁開發和多模態理解方面的表現。在 WebDev Arena 基準測試中，Carbon 的 Elo 分數增加了 89 點，達到 1769 分，排名第 4。
這些改進旨在讓模型能夠更可靠地執行多步驟計畫，同時尊重專案限制並嚴格保持在範圍內。內部測試顯示，Carbon 同時將過度延伸（overreach）減少了 26%，服務不足（under-service）減少了 29%。
安全性、對齊與抗提示注入能力
Carbon 延續了 Argon 的多層安全架構，包括模型訓練、即時濫用防禦、提示注入韌性以及思維鏈監控。在 Terminal-Bench 4.0 測試中，Carbon 將成功的作弊行為降至 0.0%，嘗試作弊的頻率降至 0.4%，同時還提高了整體準確率。
內部測試顯示，Carbon 相較於 Argon 將無依據的主張減少了約兩倍。模型會直接在交付物中加入方法論上的注意事項，或在行動受阻時列出仍需完成的事項，而不是捏造或迴避缺失的證據。在面對模糊情況時，Carbon 會檢索相關來源並向使用者呈現差異，而非強行猜測路徑。
在抗提示注入方面，雖然 Argon 之前在 Gray Swan 的間接提示注入（IPI）基準測試中以 0.7% 的低攻擊成功率領先，但 Carbon 達到了 0.0%，成功抵禦了所有評估的攻擊嘗試。內部即時編程環境中，高嚴重性對齊警報也減少了近 80%。
發布策略與定價資訊
Google 採取審慎的推出方式，正積極參與美國政府的自願性模型預發布測試流程。從本週開始，Carbon 將透過 Fairwind Program 向部分網路安全防禦者開放，並逐步擴大至其他受信任的合作夥伴。
在正式向開發者、企業和消費者提供之前，Google 將繼續收集回饋並迭代護欄機制。Gemini 4 Carbon 的定價與兩週前發布的 Gemini 4 Argon 相同：輸入每百萬 token 2 美元，輸出每百萬 token 10 美元，快取輸入 token 的價格則享有 95% 的折扣。
