Google DeepMind 在 10 月 28 日發布 Gemini 4 Carbon：Artificial Analysis Intelligence Index v5.0 拿下 59 分（第 1），資安三項測試全面領先，但首波只開放給受審核的資安防守者。
這是 2026 年第一次有前沿模型「先給防守方、後給一般人」。過去模型發布是盡量鋪開、搶開發者；Carbon 反過來，先把最強的能力鎖在有身分審查的通道裡。這個順序本身就是新聞。
一表看懂：Carbon 是什麼、有多強
| 項目 | 內容 |
|---|---|
| 發布日期 | 2026-10-28 |
| 定位 | Gemini 4 系列旗艦，主打長跨度代理任務與資安防禦 |
| 前代 | Gemini 4 Argon（2026-10-01 發布，時隔不到一個月） |
| AA Intelligence Index v5.0 | 59（第 1 名） |
| 定價（首發優惠） | 每百萬 input token $2、output $10 |
| 定價（優惠結束後） | 每百萬 input $4、output $20 |
| 快取折扣 | cached input 打 95% 折扣 |
| 取得方式 | 第一週僅限受審核的資安防守者；後續走 Fairwind Program 逐步開放 |
| 一般開發者可用時間 | 官方沒有給日期，只說「as soon as possible」 |
Google DeepMind 高級副總裁暨首席 AI 架構師 Koray Kavukcuoglu 在官方部落格的說法是：「Gemini 4 Carbon 是我們最強的模型，具備最先進的資安與長跨度能力。」他也強調，Carbon 距 Argon 只有兩週，「展現了我們推進前沿的速度」。
Benchmark：五個贏、兩個輸，差距比標題小
先把數字攤開。下面這張表同時標了對照組，因為「第一名」這句話只有在你看見第二名差多少時才有意義。
| 測試項目 | Carbon | 對照組 | 這項在測什麼 |
|---|---|---|---|
| AA Intelligence Index v5.0 | 59（#1） | Claude Opus 5.5：58、GPT-6 系列：57、Gemini 4 Argon：50 | 綜合智力 |
| SEC-bench Pro | 88.2% | GPT-6 Astra：85.4%、Argon：83.4% | 在真實大型軟體（瀏覽器引擎、Linux 核心）裡自主找漏洞 |
| ExploitGym | 54.8% | GPT-6 Astra：42.4%、Argon：42.0%、Opus 5.5：34.5% | 把已知漏洞的概念驗證，做成可實際運作的 exploit |
| CWE-bench | 71.0% | Argon：68.0%、GPT-6 Astra：68.0% | 針對已確認的漏洞做根因修補、產出安全程式碼 |
| Terminal-Bench 4.0 | 65.2% | Claude Opus 5.5：59.6% | 終端機裡的長流程任務 |
| WebDev Arena | 1768（#4） | 較 Argon 前進 89 分 | 全端網頁開發品質 |
| GraphWalks（256K–1M BFS） | 96.2% | GPT-6 Astra：71.8%、Argon：84.2% | 超長文本裡的關係走訪 |
| OSWorld-2.1 | 81.5% | Claude Opus 5.5：87.2%（贏）、Argon：74.7% | 實際操作電腦 |
| FrontierSWE | 61.2% | GPT-6 Astra：65.5%（贏）、Opus 5.5：62.3% | 軟體工程任務 |
三件事值得特別看：
第一，59 分只贏 1 分。 領先是真的，但只有 1 分的領先，在競爭對手每兩三週就推新模型的節奏下，媒體普遍認為這是「暫時的第一」，而不是結構性優勢。
第二，Carbon 不是全面最強。 實際操作電腦（OSWorld-2.1）輸 Claude Opus 5.5 將近 6 個百分點，純軟體工程（FrontierSWE）輸 GPT-6 Astra 超過 4 個百分點。Carbon 的強項集中在三塊：資安、超長上下文、終端機長流程。如果你的用途是「叫 AI 幫我點完十個網頁後台」，Carbon 不見得是首選。
第三，也是最關鍵的——資安三項數字全是 Google 自報。 目前只有少數防守方能碰到模型，外部研究者無法重現 88.2%、54.8%、71.0% 這些數字，測試框架（Google 自家的 Antigravity）也不公開細節。這不代表數字造假，但它現在是「廠商自報」等級的證據，不是獨立評測。文章後面談風險時會回到這一點。
為什麼「先給防守方」：Fairwind 與政府預先測試
官方說明寫得很直接：Carbon 會「從本週開始開放給一小群資安防守者」，之後透過 Fairwind Program 逐步放給受信任夥伴，再「盡快」開給開發者、企業與消費者。
Fairwind 的門檻不只是填表：
- 機構背景審查：看申請單位的安全歷史與營運紀錄，對象包含政府／國家資安主管機關、關鍵基礎設施營運商（醫療、能源、金融）與核心技術平台；全球已有 650 家以上夥伴在名單內。
- 使用者層級的抗釣魚 MFA：要求 WebAuthn／FIDO2 這類硬體金鑰等級的驗證，不能用簡訊。
- 角色限定：權限只給資安、事件應變與滲透測試團隊，不能整個部門共用一組 key。
- 完整稽核紀錄：機構要記錄並追蹤每一次模型存取。
- 用途限制：限於威脅模擬、逆向工程、惡意程式分析等防禦與學術用途，禁止轉售或轉分享。
同時 Google 表示正參與美國政府的自願性模型預先發布測試流程（pre-release testing），在正式大規模部署前先過一輪安全與風險審查。這個流程本身是 2026 年才成形的制度，Carbon 是最早一批走完的模型之一。
至於一般使用者要等多久？各家媒體只能拿 Argon 當參照：Argon 從發表到登上 Gemini App 大約兩週。但官方對 Carbon 完全沒給時程，只說要「收集防守者回饋、完善 guardrails 後再開」。
對齊數據：這次最容易被忽略的一段
多數報導聚焦在資安 benchmark，但 Carbon 的發表文件裡有一組「行為改善」數字，對實際寫程式的人反而更有感：
| 指標 | 變化 |
|---|---|
| Terminal-Bench 4.0 成功作弊率 | 降到 0.0%（作弊嘗試率 0.4%） |
| 高嚴重度對齊失誤警報（內部即時開發環境） | 下降近 80% |
| 未受支持主張／捏造率 | 比 Argon 少約 2 倍 |
| 越權（overreach）行為 | 減少 26% |
| 服務不足（under-service） | 減少 29% |
| 間接提示注入（Gray Swan 基準）攻擊成功率 | 從 Argon 的 0.7% 降到 0.0% |
| 內部安全程式碼生成成功率 | 比 Argon 提升 超過 2 倍 |
「捏造率減半」和「會把方法上的保留條件寫進交付物，或直接拒絕執行」這兩件事，是 2026 年 AI 代理最實際的痛點：不是模型不會寫，是它會假裝自己會。Google 這次把它當成可量化指標拿出來講，方向是對的；同樣地，這些數字也是內部測試、自報。
定價：跟 Argon 一樣，但比對手便宜一大截
Carbon 首發價沿用 Argon：input $2／output $10（每百萬 token），優惠期後回到 $4／$20；cached input 一律打 95% 折扣。對照同期競品：
| 模型 | Input（每百萬） | Output（每百萬） |
|---|---|---|
| Gemini 4 Carbon（首發） | $2 | $10 |
| Gemini 4 Carbon（優惠後） | $4 | $20 |
| Claude Opus 5.5 | $4 | $20 |
| GPT-6 Astra | $10 | $50 |
| Claude Fable 5.1 | $10 | $50 |
如果 Carbon 真的如願在資安與長跨度任務上維持這個水準，$2／$10 是這一代前沿模型裡最便宜的入場價。對要跑「長時間代理」的工作流（一條任務燒幾百萬 token 很正常）差別非常大。
雙用途風險：一個 54.8% 的 ExploitGym 分數意味著什麼
ExploitGym 測的是「把一個已確認的漏洞，做成可以真正打進去的 exploit」。Carbon 拿 54.8%，意思是超過一半的測試案例，它能自己走完整條路。
防守方拿這個能力，可以在廠商修補前先驗證「這個漏洞到底能不能被利用」，決定修補優先順序——這正是資安團隊最缺的人力。但同一份能力，對攻擊方就是把 exploit 開發的門檻與成本直接砍掉。研究文獻對這類能力的定性就是「本質上雙用途（inherently dual-use）」，沒有辦法只給一邊。
Google 的處理方式是分層：
- 推理階段拒絕過濾：公開版與標準 API 會拒絕攻擊性 exploit 開發請求；只有通過審核的防守者能走「移除過濾器」的特別通道。
- 思維鏈監控＋即時濫用防禦：不是只看最終輸出，也看推理過程。
- 存取治理：就是前面那套 Fairwind 審查、FIDO2、角色限定、稽核與禁止轉售。
- 政府預先測試：走完自願性流程才擴大範圍。
這套設計合理，但有個結構性問題：一旦 Carbon 進入一般 API，「受控通道」就不再是唯一入口。能力本身不會因為換了 endpoint 而下降，防護只能靠拒絕分類器與濫用偵測——而分類器是可以被繞的。這也是為什麼有分析者認為，Google 把最強的資安模型先鎖在防守方手上，既是風險管理，也是在替未來「分級開放」立下先例。
對台灣讀者的三個實際判斷
一、現在還不能用的，先不要排進規劃。 Carbon 沒有給開發者時間表。要評估模型能力，現階段用 Argon 或 Claude Opus 5.5 的實測比較實際；Carbon 的資安數字只能當「上限參考」。
二、企業資安團隊該現在動作。 Fairwind 的申請需要背景審查與 FIDO2 建置，這些不是一天能完成的。如果你的團隊本來就在做弱點管理或滲透測試，這是少數能提早拿到前沿模型能力的窗口。
三、不要只看總分決定模型。 這張表裡 Carbon 在 OSWorld-2.1 與 FrontierSWE 是輸的。真正的選型應該是「拿你自己的 20 個任務跑一次」，而不是看別人的 benchmark 排名。
接下來要追的三件事
- Carbon 什麼時候進一般 API、價格是否維持 $2／$10。 首發價通常有期限。
- 外部能否重現資安三項數字。 一旦開放給更多防守方，第三方評測就會出現；那時才是這些數字真正站得住或站不住的時候。
- 「先給防守方」會不會變成慣例。 如果下一代前沿模型都照這個模式走，開發者取得新模型能力的時間會整體往後延，模型的選擇策略也要跟著改。
延伸閱讀
- Gemini 4 Argon 正式發布：1M token 輸出、DeepSWE 77.9% 登頂
- OpenAI 前沿模型訓練全面斷網：DNS 隧道越獄與離線世界全解析
- Kimi K3.1 Pro 發布：Terminal-Bench 4.0 拿 65.7%、開源新高
本文為獨立報導，無商業合作。數字以 Google 官方發布頁與 Artificial Analysis 公開榜單為準，資安 benchmark 為 Google 自報、尚未經外部獨立驗證。