Google 新一代前沿旗舰模型 Gemini 4 Carbon 正式登场 官方评测拿下综合智力第一，第三方评测机构 Artificial Analysis… · @cfenghub · TwKit

@cfenghub

Google 新一代前沿旗舰模型 Gemini 4 Carbon 正式登场 官方评测拿下综合智力第一，第三方评测机构 Artificial Analysis 跑分也都直呼意外。 从硬核能力、价格账单到架构优势，一次拆开： 一、 核心能力：专攻长程推理与终端硬活 1. 编程智能体脱胎换骨：配合 Google 自家的 Antigravity CLI 工具，Carbon 在 Coding Agent 榜单拿下 59 分，紧咬 Claude Opus 5.5（62分）位列全球第二， 直接追平 Sonnet 5.5。Terminal-Bench 4.0 终端控制更是冲到了 65.2%，彻底洗刷了过去写代码不行的历史包袱。 2. 超长程因果与自主闭环：长上下文图推演（GraphWalks）达到 96.2% 的断层领先（竞品普遍在 60-70% 区间）。官方强调它具备“连续工作数天不卡顿、不走捷径”的自纠错韧性。 3. 科学推理与网络攻防拉满：SEC-bench Pro 拿下 88.2%，漏洞利用 ExploitGym 拿到 54.8%，在网络安全与严谨科研推演上几乎全线霸榜。 第1条听听就好了，gemini每个版本都这么说， 第2条绝对认同，gemini的长上下文最少2M起步， 第3条gemini是有这实力的，但具体没用过carbon的后端能力，不评论，但是这里有个很关键的问题，长程下的幻觉率，这是gemini这么多代老大难的问题，不要说2MB，能不能撑过500K都要打问号； 二、 价格与用量：把高端算力成本打下来 1. 基础定价：标准输入/输出为 $4 / $20 每百万 Token，与 Argon 持平，但当下首发直接给出了 50% 折扣！ 2. 缓存成本极其低廉：Cached input 享受 95% 巨额折扣，每百万 Token 仅需 $0.20，极为适合代码库或长文档的常驻外挂。 3. 实际单任务成本：跑一次综合智力测试任务的平均成本仅 $7.76，相比 Claude Opus 5.5（$10.04）直接便宜了 23%[cite: 16]；单次任务消耗 12.3 万输出 Token，比 Opus 少用近 29% 的废话，效率更紧凑。 高端是自己说的，不是用户评的，所以这一条还是要打个问号，只便宜23%，为什么不用Opus5.5? 三、 关键优势与战略定位：打靶高价值工程 1. 极低的幻觉率：AA-Omniscience 权威知识评测得分 54（第一名），高压测试下的幻觉率仅 11%，而同级别的 Opus 5.5 和 GPT-6 Astra 幻觉率都在 50% 上下。在严肃工程和合规场景下，这个差距是决定性的。 2. 差异化取舍：在 AA-Briefcase 这类通用文案与日常办公上（1609 分），它依然落后于 Kimi K3.1 Pro（1678 分）和 Grok 4.7。Google 显然放弃了在轻度闲聊上卷边际效应，算力全部压向复杂的工业代码、终端控制与深度推理。 总结一句话： 用仅次于 Claude 的代码工程能力，叠加断层领先的超长文低幻觉（参考）和有竞争力的定价，Gemini 4 Carbon 这次能否走入高阶 Agent的牌桌值得期待。openAI危险了。 https://x.com/GoogleDeepMind/status/2115489356437651654/photo/1

曝光 54 · 评论 0 · 点赞 0 · 书签 0