Gemini 4 Carbon 先给了防守方两周，才轮到付费用户
先回答最要紧的那个问题：消息是真的。 北京时间 11 月 11 日凌晨（美东 11 月 10 日），Google 官方博客发布《Gemini 4 Carbon is now available》，署名 Koray Kavukcuoglu（Google DeepMind 高级副总裁兼首席 AI 架构师）；The Verge 当天跟进；国内官方账号在 01:23 发出译稿。模型 ID 是 gemini-4-carbon。
但「开放」这两个字值得拆开。它不是一次面向所有人的发版，更像一次分批放行——而这个分批的顺序，比跑分更能说明 2026 年下半年正在发生什么。
通稿里有三处容易被带偏，先把它们摆出来：
- Carbon 不是昨天才出现的。两周前它就已经在跑，只是只给网络安全防守方用。
- 「最强模型」是按它赢的那几张榜说的。Google 自己的评测表里，它输了三项。
- 首发价 $2 / $10 是促销，11 月 30 日之后翻倍到 $4 / $20。
先把时间线钉住
| 时间 | 事件 |
|---|---|
| 9 月底 – 10 月中 | Gemini 4 Argon 公布并上线，先给付费订阅与开发者 |
| 10 月 28 日 | Carbon 公布，同日通过 Fairwind 计划交给一批网络安全防守方 |
| 11 月 9 日（美东） | Anthropic 发布 Claude Fable 5.2 / Mythos 5.2 |
| 11 月 10 日（美东） | Carbon 对外开放：付费开发者、企业、Ultra 订阅用户 |
| 11 月 30 日 | Carbon 首发价到期，输入 / 输出单价翻倍 |
半个月里三次前沿模型动作，节奏是真的快。但更有意思的是「10 月 28 日到 11 月 10 日」这段——它多了一个以前没有的环节。
一份权重，四道门
官方原话是：两周前通过 Fairwind 计划「将 Carbon 开放给了一部分网络安全专家」。Fairwind 是 Google 面向网络安全防御者的项目，受邀制、审核制。也就是说，这颗模型先在防守方手里待了大约两周，用来找漏洞、验补丁，然后才轮到买 API 的人。
图 1：四道门。Carbon 不是「发布」，是「放行」；日期为北京时间，据官方公告与 The Verge 报道整理。
放行的入口，据官方与中文技术媒体整理一共五类：
- Google AI Studio 付费层（同时覆盖 Android Studio）
- Gemini API，模型
gemini-4-carbon - Gemini for Business，企业可通过 API、模型下拉、Antigravity、CodeMender 接入
- Google AI Ultra 订阅，在 Antigravity、Gemini 应用、搜索 AI Mode 里可用
- Fairwind 计划成员，继续保留 cyber 方向的访问
免费用户和低档订阅能不能用、什么时候能用，官方公告一个字没提。The Verge 的原话是「不清楚何时、甚至是否会开放」。
把它放到一周前那篇里看会更清楚：Anthropic 是按信任给同一份权重分层（Fable 对外、Mythos 给审核过的机构），Google 是按时间给同一颗模型分阶段。两种做法方向相反，指向的却是同一件事——前沿模型的发布不再是一个开关，而是一串审批。
它多花的不是参数，是 token
官方对 Carbon 与 Argon 的分工说得很直白：Argon 仍是「绝大多数软件工程和知识工作的理想选择」，Carbon 则「专为挑战模型智能上限的任务而生」，方式是消耗比 Argon 更多的 token 去探索、推理、跑更长的验证循环。
这句话比任何跑分都重要。它意味着 Google 把「思考时间」当成了新的性能旋钮：同一代里，一个便宜的模型和一个愿意多想很久的模型，前者是默认项，后者是专用项。
这也解释了定价。首发同价只是为了让你试，11 月 30 日之后翻倍才是它的真实位置。
官方表格里，它输了三项
Google 的评测表列了 17 项，Carbon 在大多数项目上第一。但把「输的那几行」单独拎出来看，边界就清楚了。
图 2：赢的地方集中在「跑得久、工具多、文档厚」，输的地方集中在单轮硬推理。数据为 Google 自测口径。
赢的部分很好理解：GraphWalks 96.2%（256k 到 1M token 的图遍历，第二名 84.2）、Terminal-Bench 4.0 65.2%、AutomationBench 53.9%、ExploitGym 54.8%（漏洞利用，第二名 42.4）。这些全是长链条、多工具、要反复试错的任务。
输的三项则指向另一类能力：
- FrontierSWE 2（智能体编程）61.2% vs GPT-6 Astra 65.5% —— 最讽刺的是，编程本该是它的主场
- OSWorld-2.1（电脑操作）81.5% vs Claude Opus 5.5 87.2% —— 差了近 6 个百分点
- RiemannBench（数学）72.0% vs 自家 Argon 76.0% —— 输给上一代
第三行最值得停一下。同一家公司的上一代模型，在一个纯推理基准上比新旗舰高 4 分。这不是笔误，是「用更多 token 换更深推理」这条路线的代价：它换到的是耐力，不是爆发力。
另外两个数字也被通稿省略了：
新合办的 MKA 榜只排第二。 Google 和 Artificial Analysis 一起做了个多模态知识智能体（MKA）基准，测模型怎么处理带图表、蓝图、表格的密集文件。Carbon 排第二，官方强调它「单任务平均成本比第一名低 6 倍以上」——注意，用的是成本优势，不是分数优势。
「全球第一」是十天前的榜位。 10 月 29 日那波中文报道说它在 Artificial Analysis 智能指数 v5.0 拿 59 分重回全球第一，那是对的。但 11 月 9 日 Fable 5.2 发布后，同一张榜上 Fable 5.2 是 65 分、Carbon 60 分。Google 今天这份评测表里干脆没放 Fable 5.2，只放了 5.1（49 分）。今天还在转「全球第一」的稿子，用的是十一天前的数据。
/swarm：卖的不是模型，是编制
发布里另一半内容更容易被忽略：Antigravity 上线 /swarm 预览版，把一条提示词变成「一支可实时追踪的协同智能体团队」。
图 3：一个模型 + 一群子智能体 + 一套验收。据官方公告与 Antigravity 文档绘制，/swarm 为预览版。
机制不复杂，但分工是有讲究的：Carbon 只做最吃推理的那几件事——架构设计、任务拆解、跨模块协调、审计；真正动手的活交给更轻更快的模型，跑在相互隔离的并行工作区里；再加一层「对抗性验证器」，每个变更都要被反驳一次。
官方给的三个演示都在强调同一件事——规模来自编制，不是来自单点聪明：
- 用埃菲尔铁塔 1887–1889 年的历史照片和工程图版，做成可交互的 Three.js 3D 展览
- 7 份市政规划 PDF（提取出 206 个工程视图），跑了 10 轮通宵迭代，重建出 90.6 万三角形的办公楼模型
- 一个开放世界 3D 游戏：骑 GBike 的鹈鹕逛山景城园区，Blender 建模、Three.js + WebGL 着色器、程序化音效加 Lyria 配乐
这些案例的证据等级要标清楚：厂商演示、单次运行、不可复现。 但它们说明了产品思路的转变——从「给你一个更强的模型」，变成「给你一套调度和验收」。
一周前 Anthropic 讲的 advisor / orchestrator 是同一件事的另一半：小模型遇到难题向大模型请教，大模型把简单活派下去。两家都在把「模型组合」写进产品，而不是留给用户自己在代码里拼。
钱：单价翻倍，账单可能反向
| 阶段 | 输入 / 百万 token | 输出 / 百万 token |
|---|---|---|
| 11 月 10 日 – 11 月 30 日（首发） | $2 | $10 |
| 12 月 1 日起 | $4 | $20 |
官方脚注写得很清楚：优惠期结束后适用 $4 / $20，「此定价仅适用于面向公众开放的 Carbon 模型」。首发价与 Argon 持平。
横向比，这个价格仍然激进。据 The Verge 的换算，$2 / $10 大约是 GPT-6 Astra 的五分之一、Fable 5.2 的四分之一；即便翻倍之后，按 token 算依然明显便宜。
但单价和账单是两回事，这一周把这件事演了两遍：
Anthropic 那边，Fable 5.2 单价降了 20%（$8 / $40），Artificial Analysis 却测出它 max 档单任务约 $26.5，是 Opus 5.5 的 2.6 倍——因为它话多。Google 这边反过来，单价要翻倍，却宣称在 CursorBench 4.0、Perplexity 的 WANDR、Zapier 的 AutomationBench 上排名第一的同时，单任务成本不到次优外部模型的一半。
两个方向相反的价格故事，指向同一个结论：当模型可以自己决定想多久，token 单价就不再是可比的单位了。 该看的是「这类任务跑一次多少钱」，而这个数只能自己测。
为什么先给防守方
回到那两周。看完安全章节，这个顺序就不奇怪了——Carbon 这一代最突出的增量能力，恰好是攻防两端通用的。
官方给的安全数字（口径为厂商与受邀测试方自测）：
- 在基于 ExploitBench、CyScenarioBench 搭的模拟攻击环境里，针对会在被拦截后迭代改进攻击计划的自适应红队智能体，拦截了 99% 的攻击路径
- 单次尝试突破率降到 0.8%（Argon 3.1%）
- Gray Swan 测试中，自动化网络攻击查询成功率 2.17%（Argon 9.86%）
- Trajectory Labs 的外部测试：132 小时、超过 13,000 次请求，没发现新的通用越狱手段
- 两周前宣布的那条：Gray Swan 间接提示词注入（IPI）基准上 0% 攻击成功率，官方称是首次达成
对齐侧也有一组：375 项任务的「智能体诚实度」基准，Carbon 通过 92%（Argon 70%）；98% 的情况下拒绝编造缺失的实验数据；68% 的情况下主动指出方法论缺陷。
这些数字放在发布里，本身就是一种表态：能力越往网络安全走，发布流程就越不能是一次性上线。 先给防守方，既是测试，也是让补丁先于利用出现。
冷静的部分同样要写：这些全是自测与受邀测试方口径。而且「0% 注入成功率」官方自己补了一句——自动化红队正在不断突破现有极限，在某些特定攻击分布下，模型仍有提升空间。0% 是某个基准上的 0%，不是安全性的终点。
真要上手，先看这几条
- 规格：模型 ID
gemini-4-carbon；统一上下文 1,048,576 token；标准同步请求最大输出 65,536 token，走 Long Decode 可扩到 1,048,576；输入支持文本、图像、视频、音频、PDF，输出为文本（据 Google AI Studio 文档口径） - 别默认切过去。官方自己的建议是 Argon 更适合多数软件工程与知识工作，Carbon 留给「搞不定」的那一类。默认换成 Carbon，账单和延迟都会变
- 思考 token 是计入输出的，它的定价逻辑就是「多花 token 换深度」。跑之前先算一遍单任务成本，别只看每百万单价
- 11 月 30 日前把基准跑完。之后单价翻倍，同一套评测的结论可能就变了
- 中国大陆不在 Google AI 服务的开放范围内，想直接调用并不容易；国内能用的多是第三方转发，能力与限额都有折扣
一个判断
这次发布真正改的不是分数，是三个「单位」。
能力的单位，从「一次回答」变成了「一笔 token 预算」。 Carbon 与 Argon 的差别不是参数量，是愿不愿意想更久。以后选模型，要先选「愿意为这次任务花多少推理」。
发行的单位，从「发版」变成了「放行」。 一份权重，四道门，两周的防守窗口。想用上最新模型，除了钱，还得看你属于哪一类身份。
使用的单位，从「一个模型」变成了「一支带验收的团队」。 /swarm 把编排做成了产品功能：谁负责想、谁负责干、谁来反驳，都写在界面里。
最该冷静的还是证据等级。跑分是厂商自测，榜首十天内换过人，价格是促销价，案例是单次演示。唯一不需要等第三方复核的结论是那个日期：11 月 30 日，价格翻倍。
把它和站里最近两篇放一起看，线索是连着的：Fable 5.2 把同一份权重按信任分级发了两次，Carbon 把同一颗模型按时间分四批放行；而 Karpathy Skills 把判断压进 2.3 KB 的文本、Diagram Design 把品味写成 CI 可校验的规则——三种做法，都在回答同一个问题：能力过剩之后，怎么把边界装进去。 只是这一次，边界同时有价格、有审批流，还有一个 11 月 30 日的到期日。
配图与参考
本文 3 张配图均为自绘，依据 Google 官方发布公告（2026-11-10 美东）、DeepMind 官方评测表、Google AI Studio 文档口径与公开报道整理。跑分均为厂商自测，非独立评测；榜单分数会随 effort 档位与测试时点变化，本文已标注差异。
- 官方：Google DeepMind · Gemini 模型页（含量化评测表与安全章节） · Google 官方账号中文公告（腾讯新闻，2026-11-11 01:23） · Gemini API 文档
- 外媒：The Verge：Google releases Gemini 4 Carbon with agent 'swarm' feature · cnBeta 译稿（网易转载）
- 中文报道：快科技：Carbon 发布与 AA 榜首位（10 月 29 日口径） · AI Studio 规格整理：1,048,576 上下文与 Long Decode · 五类接入入口整理
- 站内相关：凌晨 3 点，Anthropic 把同一个模型发了两遍 · Karpathy Skills · Diagram Design