谷歌新旗舰 Gemini 4 Carbon 宣称登顶:转型中的企业先别急着换,等它真正开放

它强在哪：安全三项全线领先，价格和上一代持平

按谷歌的说法，Carbon 是它目前最强的模型，主打网络安全和长周期任务。三个安全基准的数字值得记下来：找真实漏洞的 SEC-bench Pro 达到 88.2%，验证漏洞能不能真的被利用的 ExploitGym 是 54.8%，把漏洞修到根上的 CWE-bench 是 71.0%。谷歌还说，内部测试里 Carbon 生成安全代码的成功率比上一代 Argon 翻了一倍多，Chrome 团队反馈它生成高质量补丁的表现比另一家实验室的大模型好 10 倍以上——后两句是谷歌转述的内部反馈，不是第三方实测，先记下来、等独立验证。

价格方面，Carbon 和两周前发布的 Argon 持平：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入按 95% 折扣算。也就是说，谷歌这次没有用涨价换性能，账单压力没有立刻变大。

榜单刚换算法：第一名这个说法，要拆开看

这里有一处需要提醒老板的口径问题。Artificial Analysis 10 月 27 日发布的 v5 指数是该指数有史以来最大的一次升级：60% 的内容改用私有题库或保留答案，权重分成知识工作、编程、科学、综合四项各 25%，前十模型的单任务成本差 13 倍以上。v5 文章本身列出的第一名是 Claude Opus 5.5 的 58 分，Gemini 4 Argon 是 50 分——Carbon 的 59 分是谷歌 10 月 28 日自己宣布的，榜单页面尚未同步列出 Carbon。两份材料的发布时间差一天，数字对不上不一定是有人说错，更可能是口径和时间差。稳妥的读法是：Carbon 宣称登顶，等榜单更新后再核对一次。

还有一层：没有任何一个模型在 v5 的九项评测里全拿第一。Claude Opus 5.5 拿了三项，GPT-6 Astra 拿了两项，剩下四项分属四个模型。只盯总分第一名选型，等于默认自家任务和榜单权重完全一致——这个默认通常不成立。

企业现在做什么：排评审、备样本、设两道门

第一，把安全评审排进计划：让安全团队先列出自家最关心的三类漏洞——对外系统、内部工具、客户数据接口，评审标准先写好。第二，准备验证样本：挑 20 到 30 个真实历史漏洞，记下当时的修复耗时和返工情况，等 Carbon 开放后直接跑同一批样本比。第三，设两道门：第一道是开放门，模型真正可用才启动采购流程；第二道是验证门，自家样本跑赢现有方案才切流量。两道门都过了再谈预算，发布日当天的热闹不用跟。

转型落点：新旗舰的决策点是开放日加验证日

转型中的企业最容易在模型换代上花冤枉钱：发布当天立项、排队等开放、开放后才发现自家任务并不受益。把决策点从发布日改成“开放日加自家验证通过日”，预算花在验证过的能力上，而不是发布会上的数字上。Carbon 的安全数字如果属实，对安全团队是好消息；但好消息也要等它真正到手、跑过自家样本，才算数。