Google DeepMind今天正式发布了新一代旗舰大模型——Gemini 4 Carbon。在Artificial Analysis最新榜单中，它拿到59分，以1分的优势领先Claude Opus 5.5，比GPT-6 Astra高2分，将两周前刚发布的Gemini 4 Argon甩开9分，重新拿回了全球大模型综合能力第一的宝座。Arena.ai的榜单也表现出彩，Text Arena第一，Agent Arena第二。
这次升级的核心方向很明确：长时程工程和网络安全。前者意味着模型可以连续跑好几天，处理大型代码库和底层系统问题，自己找到并修复隐蔽的bug——在多个编程和智能体基准测试里都属于第一梯队。网络安全方面，它覆盖了从漏洞发现、风险验证到代码修复的完整流程。具体数据上，SEC-bench Pro得分88.2%、ExploitGym得分54.8%、CWE-bench得分71.0%，官方说安全代码生成成功率是Argon的两倍以上。
安全可靠性也有明显提升。Terminal-Bench 4.0测试中，模型作弊成功率降到了0%，高严重度行为不一致警报减少了近80%，间接提示词注入攻击防御成功率达到了100%，越权行动和任务完成度不足的情况也大大改善。
至于开放和定价，这周先向一小部分网络安全防御人员开放，后续通过合作计划逐步扩容。普通用户和开发者什么时候能用上？目前没有明确时间表。定价延续了Argon首发标准，推广期内每百万输入Token 2美元，输出Token 10美元，推广期结束后翻倍。
这种“发榜但不发人”的操作，业内不少人已经有点审美疲劳了。头部厂商频繁发布新模型，但真正能上手体验的总是少数人。榜单位置固然好看，但落地价值还得等大众验证。谷歌这波重回第一，到底是技术实力的证明，还是又一轮PPT竞赛？市场很快会给出答案。