Gemini 4 Carbon 评测与价格：Agent 成本降低 72%，为何暂不开放？

Gemini 4 Carbon 是 Google DeepMind 面向复杂工程、网络安全和长程 Agent 任务的模型。它的主要变化集中在安全任务能力与执行成本：本文所整理的 Agent Arena 数据中，每任务中位成本为 1.80 美元，比 Claude Opus 5.5 (Max) 低 72%。

为什么能力更强，却暂不向公众开放？原因与网络安全能力的双重用途有关：自动发现漏洞、验证漏洞利用、生成修复补丁的能力，既能帮助防御，也可能被用于攻击。因此，谷歌选择先向受邀防御机构开放，再逐步扩大合作范围。

本文按 2026 年 10 月 29 日的文章资料整理评测、定价与开放安排。榜单名次、推广折扣和访问资格会随时间变化，具体使用仍需以对应平台的最新信息为准。

Gemini 4 Carbon 与 Argon 有什么区别？

距离 Gemini 4 Argon 发布约两周，Carbon 再次更新了谷歌的前沿模型阵容。Argon 偏向通用任务，Carbon 的定位更强调复杂工程、深度推理、网络安全全流程与长链路智能体执行。

这里的长程 Agent，指需要连续规划、调用工具、检查结果并调整执行路径的任务，例如较大范围的代码重构、自动化测试和安全巡检。判断这类模型是否适合生产流程，需要同时看任务完成情况与实际成本。

评测表现：综合第一，编程 Agent 仍有竞争

Artificial Analysis：综合智能指数 59 分

原文整理的 Artificial Analysis Intelligence Index v5.0 与 Coding Agent Index 数据如下：

这两项结果对应不同能力范围。综合指数领先，并不意味着 Carbon 在所有编程任务中都超过 Opus 5.5。

Chatbot Arena：文本第一，Agent 第二

Gemini 4 Carbon (High) 在原文所述 Arena 榜单中的表现为：

原文还提到，Carbon 在这三个榜单上均进入性能与效率的帕累托前沿。理解这一指标时，需要保留榜单自身的任务范围与计费口径，不能直接推导出某个模型在所有业务场景中都最划算。

网络安全能力：从发现漏洞到验证和修复

Carbon 的重点之一，是把漏洞发现、利用验证、原因定位和修复补丁连接起来。原文列出的安全基准结果包括：

这些结果反映特定基准上的表现，不能直接当作任意真实系统的漏洞发现率或修复成功率。

对防御团队来说，值得关注的是任务衔接能力：模型能否在代码库中找到问题，构建有效验证，再给出可审查的修复方案。落地时仍应通过实际代码库验证补丁质量与执行边界。

Agent 成本降低 72%，具体比较的是什么？

原文引用的 Agent Arena 数据是：Gemini 4 Carbon 的每任务中位成本为 1.80 美元，相比 Claude Opus 5.5 (Max) 低 72%。

这里比较的是榜单任务的执行成本，不是 API 输入或输出单价统一下降 72%。模型调用次数、输出长度、工具使用和失败重试，都会影响业务中的最终费用。

对准备部署 Agent 的团队，这个结果提供了一个选型信号：可以把 Carbon 纳入成本与任务完成情况的对照评估。实际决策仍需要用自己的重构、测试或巡检任务复测，不能仅凭一次榜单结果承诺同等降本。

为什么暂不向公众开放？普通开发者何时能用？

按原文整理的开放安排，普通消费者、一般开发者与企业客户目前尚不能直接获得访问权限。谷歌计划分阶段扩大范围：

1. 先向受邀防御机构开放：优先覆盖网络安全防御机构和关键基础设施守护者。
2. 通过 Fairwind Program 扩大合作：面向经过资格审核的可信合作伙伴。
3. 收集反馈并完善防护后再评估扩大开放：后续开发者、企业与公众的具体时间，原文未给出确定日期。

限制开放与安全任务的双重用途有关。同一套漏洞发现和验证能力，可以帮助防御者修复系统，也可能降低攻击者构建利用工具的门槛。

因此，当前的重点在于先通过受控合作收集实战反馈，再决定更大范围的访问安排。对普通开发者而言，暂时无法把 Carbon 当作已经普遍可用的 API 来规划上线日期。

Gemini 4 Carbon API 价格与推广折扣

原文列出的价格与 Argon 持平，单位为美元 / 百万 Token：

缓存输入价格相对普通输入低 95%，但这一价格只适用于满足缓存计费条件的输入。

原文还引用 Artificial Analysis 对 50% 首发折扣的说明，并提到 Rohan Paul、MarkTechPost、IT 之家等对推广期结束后价格的追踪：未来可能恢复到输入 4 美元、输出 20 美元 / 百万 Token。

**这一后续价格属于原文所述的可能变化，不能视为已经确定执行的调价通知。**原文没有给出折扣结束日期，预算测算应分别考虑当前报价与潜在恢复价格。

对模型选型的启示：同时评估能力、成本与可用性

Carbon 展现的方向，是模型进一步进入安全巡检、代码重构、自动化测试等具体执行流程。对于团队来说，能否稳定完成业务任务，比单一榜单名次更接近采购和部署的实际问题。

选型时可以同时考察三件事：任务能否完成、完成一次需要多少钱、团队是否能够取得稳定访问权限。Carbon 的 Agent 成本表现值得关注，但当前有限的开放范围，也会直接影响它何时能进入真实工作流。

对于已有 Agent 项目的团队，现阶段更有价值的准备，是整理一组可重复评估的业务任务，记录完成质量、总消耗与重试情况。获得访问资格后，再用相同任务比较模型表现。

相关阅读

• GPT-6.1 Terra 价格与能力定位：电脑操作任务如何选型
• Genie 4 世界模型解析：实时交互、原生音频与 Gemini 模拟大脑