Gemini 4 Carbon 全面开放：三大评测登顶、成本减半，AI 竞争进入实干阶段

谷歌最新旗舰模型 Gemini 4 Carbon 正式结束此前仅对小范围网络安全团队开放的限制，全面向开发者、企业、科研人员以及订阅 Google AI Ultra 的普通用户敞开大门。两周前它首次亮相时还颇为神秘，如今随着全面开放，外界终于得以看清其真实实力：在三项衡量真实工作能力的评测中全部登顶，完成同等任务的成本却比第二名低了一倍以上。这份成绩单背后，是大模型竞争逻辑的悄然转变——比拼的不再是答题能力，而是真正干完一件复杂活的能力与成本。

评测登顶与成本优势

先看评测成绩。Carbon 在三个测真实工作能力的评测里全部拿到第一：CursorBench 4.0 考察 AI 编程，Perplexity WANDR 考察信息搜索和深度研究，Zapier AutomationBench 考察能否在真实企业软件里完成自动化任务。三个方向、三个第一，且完成同样任务的成本比排名第二的模型低了一倍多。不过这并不意味着它在所有维度都最强——几乎同期发布的 Claude Fable 5.2 在部分综合评测和真实软件工程任务上分数更高。当前格局是各家模型各有所长，谁也没有实现全面碾压。

多智能体协同编程

更值得关注的是谷歌为编程工具 Antigravity 新增的 /swarm 功能。过去用 AI 写代码，是一个模型单打独斗；现在可以用一句话调度一群 AI 同时干活：让 Carbon 负责最难的架构设计和代码审查，简单任务交给更快更便宜的模型，再专门安排一个 AI 检查别人写的代码有没有问题。谷歌用这套机制重建了埃菲尔铁塔施工过程的可交互 3D 展览，还基于 7 份市政规划 PDF 中的 206 张工程图，经 10 轮夜间自动执行，重建出约 90 万三角形网格的办公区 3D 模型。软件开发正在变成管理一个 AI 团队。

从产业实践看落地路径

从多年产业实践经验来看，这类多智能体协同与高性价比旗舰模型的组合，对企业落地有着直接的参考价值。第一，任务分层调度是控制成本的关键：Carbon 的 API 定价为每百万输入 Token 2 美元、输出 10 美元，仅为竞品的四分之一，但要注意优惠价截止后价格将翻倍，且复杂任务会消耗更多 Token——企业应把深度推理留给难任务，日常编程和知识工作交给轻量模型。第二，评测成绩只是起点，真实业务场景中的可靠性、数据安全和成本核算才是选型核心，谷歌自己也承认单价便宜不等于总花费低。第三，像 /swarm 这样的协同模式提示我们，未来的 AI 落地不是找一个万能模型，而是构建一套分工明确、互相校验的智能体工作流，架构设计、执行、审查各司其职。

安全与科研场景的硬核验证

Carbon 在安全与科研领域的实测表现同样硬核。在谷歌内部漏洞扫描系统 Project Fortify 中，它做到了 100% 的召回率，分诊精确率 95%；与安全公司合作的项目里，不到两小时就找到了零日漏洞，而这类工作以前可能要花数周。防御侧，它挡住了模拟攻击测试中 99% 的攻击路径，外部机构连续测试 132 小时、发送一万三千多次请求，未发现新的通用越狱方法。科研方面，谷歌团队用它生成数百万行 Lean 代码，几周内完成了过去需要专家团队数年的加密协议形式化验证；在蛋白质研究中，它把冷门蛋白的同源序列数量平均提高了 40 倍；还能自动发现实验数据中混合不充分、色谱峰重叠等人为难以察觉的异常。在金融领域，它以第一名六分之一以下的成本拿下多模态知识智能体评测的第二名。AI 的角色正在从辅助查文献，转向检查数据、寻找规律、完成证明。

整体来看，大模型竞争已进入新阶段：从比谁答对更多题，转向比谁能真正干完复杂的活、且成本足够低。谁先把价格打下来、把可靠性做上去，谁就先拿到真正的商业场景。而对用户来说，模型竞争越激烈，可用工具就越强、价格就越便宜——这或许是当下最确定的红利。