AI图鉴

AI图鉴首页 › AI 资讯 › Google Deepmind 发布 Gemini 4 碳在Argon以全局收益

Google Deepmind 发布 Gemini 4 碳在Argon以全局收益刚刚两周之后

来源:The Decoder · 发布时间:10-29 · 由 AI图鉴每小时自动聚合

Gemini 4 Argon的两周后,Google DeepMind正在释放Gemini 4 Carbon,超过的人工分析智能指数v5有59分。 谷类

Google Deepmind 发布 Gemini 4 碳在Argon以全局收益刚刚两周之后

关键点

- Gemini 4 Argon, Google DeepMind 发布 Gemini 4 Carbon,它的下一个前沿型号刚过两周。 Carbon 超过人工分析智能指数v5,有59分,从Argon的50分上升。

- Google 称 Carbon为多日自主开发工作流程而建。 它在人工分析的编码Agent指数(59分对Argon的50分)中快速缩小了差距,但仍跟随Claude Opus 5.5(62分).

- 由于其先进的网络安全能力,Carbon正在通过美国政府的自愿预测试程序,一开始只能提供给选定的安全专家。 定价和Argon一样

Google Deepmind在Argon刚过两周就运出Gemini 4 Carbon,新模型在人工分析智能指数上占据了首位。

碳在最近更新的人工分析智能指数5.0上得分59分,而前身Argon的踪迹为50分。 Google除了在代理任务和编程方面普遍受益外,还突出跨越整个网络防御生命周期的能力,从发现和验证弱点到补丁。

为多天编码会话而建

Google Deepmind 称它为需要持续代理工作流程的"非常困难,长视距工程问题"设计了Carbon. 内部团队运行该模型长达数天的直线,其间它独自通过死端工作,并在大型代码库和低级软件Google 声称中处理诸如root-cause分析和微妙bug修正等复杂,多步骤的任务。

Google还报告了在科学推理,多式联运理解,以及基于用户反馈的全存储网页开发方面的改进。 网络开发中质量更高的产出和文物将Carbon在WebDev Arena上提升了89个Elo点,在WebDev Arena上以1,769位居第四位。

在Gray Swan的间接提示词注入基准测试上,Carbon将攻击成功率从带Argon的0.7%推低到0.0 %,根据Google屏蔽了每次测试的操纵尝试。 这并不意味着提示词注入已经解决,但测试似乎已经饱和。

独立评价支持 Google 的数字

根据人工分析,碳在其最高推理级别("高")领先智能指数v5,主要因为复杂推理,知识检索,以及科学任务中得分最高,在指数的9个个别评价中位居第四名。

在Antigravity上的代理编码中,Carbon仍然以3分跟随Opus 5.5的Claude Code,尽管比起Argon从53跳到59跳。 在AA-Briefcase的代理知识工作方面,碳(高)比Argon(高,1,483埃洛)获得126分,达到1,609埃洛,受演示质量(+293埃洛到1,598)和分析质量(+120埃洛到1,671)的驱动。 它仍然落后于Kimi K3.1 Pro(1,678 Elo),Muse Wonder(最大,1,659 Elo),以及Grok 4.7(x高,1,638 Elo).

与阿尔贡相比,答案精度从48%上升到58%,而幻觉率则从4%上升到11%. 这更高,但仍是排名第二的。 Claude Opus 5.5(最大)和GPT-6 Astra(最大)各占50%.

Vals AI的评价平台将Carbon的准确度排在第二位,为70.36%,落后于Claude Sonnet 5.5(70.85%),领先于Claude Opus 5.5(70.18%)和Argon(69.24%),成本均较低。

在Vals.ai上,Carbon还同时领先金融指数和法律研究基准测试。 在法律研究中,Vals AI记录了大约45%的引用来源,更频繁的工具呼叫,以及比Argon更长的答复。

但金融与税收Agent 基准测试的任务需要与Argon的两倍多的时间,而在法律研究中,Carbon平均每项任务需要50分钟以上的时间。 该模型生成的推理符比Argon多2.3倍,输出符比Argon多64%,虽然这还不到Sonnet 5.5和Opus 5.5输出符数的一半。

在Arena.ai上,Gemini 4 Carbon(High)以1,528分的成绩取得文本竞技场领先,在Argon(1,520分)的赛事中被挤过。 在Agent Arena,该模型在超过21,900个真实会话中位居第二,领先于GPT-6 Astra和Fable-5.1,净提高16.2%,可引导性最高得分(+18.6%). 其1.8美元的任务成本中位数低于第一位Claude Opus 5.5(Max)的72%.

在Code Arena的WebDev类中,Carbon总共达到1,768分(比第11位的Argon领先89分),仅落后Claude Sonnet 5.5(xHigh,1,770分)两个。 这使得它在帕雷托曲线上跨越所有三个学科。

没有护栏的碳铅安全基准测试

在几次安全测试中,Google运行该型号时没有安全护栏。 在SEC-bench Pro中,它测量现实世界软件中自主的脆弱性发现,碳得分为88.2%,并领导所有测试模型。 在测试一个系统能否将发现的弱点转化为工作开发的探索中,该模型达到了54.8%。 Carbon在CWE-Bench的写作修饰中也拥有广泛的第一领先地位。

Google还引用了无法独立核实的内部结果。 据报道,在内部的基准测试上,Carbon生产的安全代码比Argon多一倍以上,在Google的Chrome团队的测试中,它写安全补丁的表现比一个无名竞争者的前沿模型要好十倍多。

安保专家首先进入

Google正在逐步推出该模型,并参与美国政府的释放前测试过程,引用了Carbon的先进安全能力。 部分网络安全专家从本周开始首先接入。 通过Google Deepmind's Fairwind Program,之后访问范围将扩大到更多信任的伙伴。

公司计划通过产品接口向开发商,企业,消费者开放该模式,之后收集更多的反馈并调整安全护栏。

Gemini 4 Carbon 发布以与Argon相同的引入价格:每百万输入令牌2美元,每百万输出令牌10美元,其中缓存输入令牌从常规输入价格中得到95%的折扣。

在人工分析情报指数中,碳成本为7.76美元,比Claude Opus 5.5(最大,10.04美元)低约23%,比GPT-6 Astra(最大,6.25美元)高约1.2倍。 它平均每项任务有123,000个输出令牌,比Anthropic型号(173,000个令牌)少29%,获得几乎完全位于Argon的价位(7.68美元).

人工分析的计算依据是每百万输入令牌4美元和每百万产出令牌20美元(缓存输入令牌加0.20美元)的常规列表价格,而忽略了目前贯穿2026年底的50%的介绍性折扣。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 597 款 AI 工具分类导航 · 每日 AI 热门项目与动态