Gemini4Carbon正式上线，支持多智能体协作与超长推理任务

Google DeepMind 今日正式向开发者、企业、科研人员及公众开放 Gemini 4 Carbon 模型服务。这是继 Gemini 4 Argon 之后，谷歌推出的又一旗舰级大语言模型，也是目前 Gemini 系列中综合能力最强、面向高阶任务设计的公开版本。

与侧重日常知识问答与基础编程的 Argon 不同，Carbon 被明确定位为处理“高难度、长周期、强逻辑”任务的专用模型。其核心优势在于支持更长的上下文窗口、更高的 Token 消耗预算，以及更强的自我修正与多步推理能力。在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 三项权威自动化编程基准测试中，Carbon 均位列第一，单任务成本较次优竞品低逾50%。

多智能体协同：从指令到完整产品的闭环能力

Gemini 4 Carbon 最具突破性的升级在于其对多智能体（Multi-Agent）任务的原生支持。谷歌在其 AI 编程平台 Google Antigravity 中推出了 /swarm 功能预览版——开发者仅需输入一条自然语言指令，系统即可自动调度多个 AI Agent 分工协作，完成从架构设计、代码编写、测试验证到部署发布的全流程。

其中，Carbon 扮演“总指挥”角色，负责任务拆解、进度监控与质量审查；轻量级模型承担具体编码工作；另有独立的验证 Agent 实时检查输出结果的正确性与安全性。这一机制显著提升了复杂项目的执行效率与可靠性。

谷歌展示了多个实证案例：一支由 Carbon 协调的 AI 团队，在数小时内完成了一款开放世界 3D 游戏的全部开发。玩家可操控一只骑自行车的鹈鹕，在模拟的谷歌山景城园区中自由探索。项目涵盖 Blender 三维建模、Three.js/WebGL 游戏引擎开发、程序化音效生成，以及由 Lyria 模型创作的背景音乐。

另一项更具挑战性的演示是城市规划重建任务：Carbon 接收7份共含206张工程图纸的 PDF 文件，目标是重建谷歌 Platform 37 办公楼。经过10轮通宵运行的多智能体协作，最终生成一个包含约90.6万个三角形面片的交互式 Three.js 三维模型。类似方法还被用于复原埃菲尔铁塔历史建造过程的可交互展览，以及依据 CAD 图纸与 X 光影像还原一架61键机械结构古钢琴。

在网页设计领域，Carbon 仅通过两轮提示词，即为 Google Merchandise Store 提出五套视觉方案，并联动 Nano Banana 2.1 模型生成配套商品图片，大幅缩短创意迭代周期。

第三方开发者反馈进一步印证其实用价值。OpenCode 工程师 Kit Langton 表示，团队曾长期无法将桌面应用适配现有 UI 框架；提交需求后，Carbon 在一夜之间从零构建出一套 Rust UI 库，并完成应用重写。HubX 则在拥有1.4万项测试的大型代码库中交予 Carbon 处理16个真实 Bug，最终报告94% 的问题解决率，且未引入任何新回归缺陷。

网络安全能力跃升：零日漏洞发现提速至小时级

安全能力是 Carbon 的另一支柱。在 SEC-bench Pro、ExploitGym 与 CWE-bench 等专业漏洞评估基准中，Carbon 均取得领先成绩。谷歌内部安全系统 Project Fortify 的数据显示，其漏洞扫描召回率达100%，分类精确率达95%；相较 Argon，开源代码测试中的召回率提升超25%。

更具实战意义的是，Wiz 安全公司利用 Carbon 在不到两小时内发现了两家大型 SaaS 服务商的零日漏洞，将传统需数周的人工分析压缩至几小时。SentinelOne 与谷歌云团队也分别借助该模型快速验证了开源软件漏洞的可利用性。

性能与定价：高能力不等于高门槛

尽管定位高端，Carbon 的 API 定价策略延续了 Argon 的亲民路线：截至11月30日，每百万输入 Token 收费2美元，每百万输出 Token 收费10美元；自12月1日起将调整为4美元与20美元。该价格仍显著低于同类高阶模型的市场均价。

从公开基准数据可见，Carbon 在多数维度表现突出：在 AA Index v5.0（通用能力）中得分为59，高于 Argon 的50；在 Vals Index v2.2 中达70.4%，领先 Argon 的69.2%；在代理式编程（SWE-sweep）任务中以9.6% 的成功率远超 Argon 的4.3%；在长上下文理解（GraphWalks）中达到96.2%，位居榜首。尤其在网络安全专项测试（SEC-bench Pro）中，Carbon 以88.2% 的得分超越 Argon（83.4%）与 GPT-4（85.4%）。

值得注意的是，Carbon 并非取代 Argon，而是与其形成互补分工。Argon 继续承担高频、短周期的知识检索与常规编码任务；Carbon 则聚焦于需要深度思考、反复试错与跨模块协同的复杂场景。这种“分层模型策略”正成为头部厂商应对多样化AI需求的主流路径。

技术演进背后的逻辑

Gemini 4 Carbon 的推出，标志着大模型能力重心正从“单轮强响应”转向“长周期任务执行”。过去一年，行业普遍关注推理速度与上下文长度，而 Carbon 显著强化了“持续工作流管理”能力——它不仅能理解复杂指令，更能规划子任务、分配资源、监控进度并修正错误，接近人类工程师的协作模式。

这背后是谷歌对“AI 工程化”的深度投入。Antigravity 平台与 /swarm 架构并非孤立功能，而是与 Google Cloud 的 Vertex AI、BigQuery 与 Artifact Registry 等基础设施深度集成，旨在构建端到端的 AI 开发流水线。多智能体范式若能稳定落地，或将重塑软件开发、科研建模乃至产品设计的工作流程。

目前，Carbon 已通过 Google AI Studio 与 Vertex AI API 向符合条件的用户开放。早期参与 Fairwind 计划的网络安全团队已于两周前率先试用，此次扩围意味着更多组织可将其纳入生产环境。

随着模型能力边界持续外延，真正的挑战已不再是“能否做到”，而是“如何可靠、可控、可审计地做到”。Gemini 4 Carbon 的实践表明，下一代 AI 系统将更强调任务完整性、过程透明性与结果可验证性——这或许是通往实用化 AGI 的关键过渡阶段。