在 2026 年 11 月 10 日正式开放了 Gemini 4 Carbon，这是它当前能力最强的推理模型，定位是处理“长周期、高复杂度”的任务，而非日常轻量对话[citation:1][citation:5]。

它是什么，强在哪

Carbon 是 Gemini 4 Argon（两周前发布）的专项增强版，核心区别在于它愿意在单个任务上投入更多的推理 Token，进行假设探索、结果验证和边缘情况检查，适合那种“跑几天也要把问题彻底解决”的场景[citation:1][citation:4]。官方明确说，日常软件工程和知识工作仍然推荐用 Argon，Carbon 是留给“挑战智能极限”的任务的[citation:5]。

它的核心能力集中在三个方向：

复杂软件工程与智能体任务：能处理跨多个软件包的迁移、跨子系统故障定位、复杂架构重构，甚至通过“构建-运行-验证-修复”的循环完成全栈应用开发[citation:1]。在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 三项独立工作流基准上均排名第一，且单任务成本比表现最好的外部模型低一半以上[citation:2][citation:4]。

网络安全：这是 Carbon 最突出的专项。在漏洞发现（SEC-bench Pro）得分 88.2%，漏洞利用验证（ExploitGym）54.8%，漏洞修复（CWE-bench）71.0%，均处于领先水平[citation:1][citation:14]。云安全公司 Wiz 用它扫描两家大型 SaaS 服务商，不到两小时就发现了真实的零日漏洞[citation:1][citation:7]。

科学研究：在蛋白质结构预测中，Carbon 在 CASP17 盲测的 7 个低同源蛋白家族上，平均将检索到的同源序列数量提高了 40 倍。最著名的案例是配合 AlphaProof Code，四周内生成了超过 650 万行经过机器检查的数学证明代码，用于验证 Signal 加密协议的底层代码安全性[citation:1][citation:4]。

关键规格与价格

• 上下文窗口：1,048,576 Token；标准输出上限 65,536 Token，通过 Long Decode 机制可扩展至 1M Token[citation:1]。
• 输入支持：文本、图像、视频、音频、PDF。
• 推理强度：low / medium / high 三档可调。
• 价格：首发优惠价 每百万输入 2 美元 / 每百万输出 10 美元，持续到 11 月 30 日；之后恢复为 4 美元 / 20 美元[citation:1][citation:2]。

需要留意的另一面

有分析指出，Carbon 的“跑分强”存在代价。在 Artificial Analysis 的知识评测子集中，它的幻觉率从 Argon 的 4% 上升到了 11%[citation:15]。同时在部分通用软件工程测试（如 FrontierSWE 2）和电脑操作测试（OSWorld-2.1）中，它仍然落后于 Claude Opus 5.5 或 GPT-6 Astra[citation:15]。所以它的“最强”是有明确边界的：在网络安全、长周期科学推理、复杂代码重构这些专项上它领先，但在需要低幻觉、高可靠性的通用日常场景里，Argon 或竞品可能更稳。