刚刚，Gemini 4 Carbon 正式发布，哈基米重回世界第一
Gemini 终于又支棱起来了。 当全世界的目光都聚焦在苹果首款触控屏 MacBook Pro 身上， Google DeepMind 刚刚正式宣布推出新一代旗舰模型 Gemini 4 Carbon。 按照官方公布的数据，Gemini 4 Carbon 在最新 Artificial Analysis Intelligence Index v5.0 榜单中拿下 59 分，超越 Claude Opus 5.5 和 GPT-6 Astra， 登上全球大模型榜首。 更惊人的是，Gemini 4 Carbon 已经能连续数天处理复杂工程任务，自主寻找、验证并修复软件安全漏洞，在多项网络安全基准测试中刷新纪录。 然而，如此强大的模型，普通用户暂时还用不上：谷歌决定优先向少数网络安全防御人员开放，其他用户何时能够体验仍没有明确时间表。 重回世界第一，Gemini 也开始卷能力上限了 回顾今年的大模型竞争，谷歌的更新节奏明显正在「知耻而后勇」。 此前，接连推出 Gemini Flash 3.5 至 3.8 系列后，谷歌迟迟没有兑现新一代旗舰 Pro 模型的期待。另一边，Anthropic 和 OpenAI 持续刷新能力上限，国产模型也在不断追赶，谷歌急需一款有分量的产品重新证明自己的实力。 直到两周前前，Gemini 4 Argon 才终于上线。 Argon 意为「氩」，是一种性质稳定的惰性气体，常用于焊接和半导体制造中的保护环境。Argon 在文笔写作、表达质量等方面取得了明显提升，但距离全面领先顶级模型仍有差距。 如今，谷歌又带来了 Carbon，也就是「碳」 。作为构成生命与有机化合物的重要元素，碳既能形成柔软的石墨，也能构成坚硬的金刚石。 （PS：照这个更新速度，元素周期表跟产品路线图没什么区别了） 图｜官方博客：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/ 真正让 Gemini 4 Carbon 引起关注的，还是它公布的一系列成绩。 就在 10 月 27 日，独立模型评测机构 Artificial Analysis 刚刚升级了 Intelligence Index v5.0。这套综合指数涵盖知识工作、编程、科学和通用推理四大领域，各占 25%，其中 60% 的评测权重采用私有测试数据或隐藏答案，进一步提高了测试难度。 昨天新版榜单发布时，Claude Opus 5.5 以 58 分排名第一，GPT-6 Astra 以 57 分紧随其后，GPT-6.1 Sol 则以 55 分位居第三。 而 Gemini 4 Carbon 直接拿到了 59 分，比 Argon 高出 9 分，也以 1 分优势超过此前榜首的 Claude Opus 5.5。 不止 Artificial Analysis， Arena.ai 最新公布的榜单也显示，Gemini 4 Carbon（High）在 Text Arena 登顶第一、Agent Arena 排名第二、Code Arena WebDev 排名第四。 向左滑动查看更多内容 伴随着新模型登顶，谷歌内部也开始为 Gemini 积极造势。此前从 Anthropic 跳槽至 Google DeepMind 的华人研究员姚顺宇，同样为 Gemini 系列宣传打 call。 除了综合排名，Gemini 4 Carbon 在实际工程任务上的表现也有明显变化。 过去，大模型可以在几分钟内写出一段程序，但面对大型软件工程，问题就复杂得多。一个隐藏在数百个文件中的故障，可能需要开发者反复检查依赖关系、定位异常、修改代码，再经过多轮测试才能解决。 对于 AI 而言，难点除了编程能力，还有能否在长时间执行任务的过程中保持目标一致，并在失败之后继续尝试。 谷歌表示，Gemini 4 Carbon 已经能够连续运行数天，处理大型代码库和底层系统中的复杂工程问题，即使遇到障碍，也能持续寻找其他方案，最终定位并修复一些隐蔽的软件缺陷。 网页开发方面，Gemini 4 Carbon 在 WebDev Arena 上的 Elo 评分提升了 89 分，达到 1769 分，排名第四。 相比过去随叫随到的编程助手，谷歌希望 Gemini 4 Carbon 能够成为真正承担复杂工程任务的自主 Agent。 不过，前代 Gemini 4 Argon 虽然能力有所提升， 但实际使用时额度消耗较快， 稍微处理几个复杂任务，就可能触及使用限制。希望这一代 Carbon 在提升能力上限的同时，也能改善额度消耗和使用限制问题。 AI 开始自主寻找、利用和修复漏洞 如果说长程编程体现了 Gemini 4 Ca
