Google 發布 Gemini 4 Carbon 模型,強化資安防禦與長程代理任務能力
文章摘要
Google 正式發布 Gemini 4 Carbon 模型,其在 Artificial Analysis Intelligence Index v5.0 以 59 分位居榜首,並於 SEC-bench Pro、ExploitGym 及 CWE-bench 分別繳出 88.2%、54.8% 與 71.0% 的優異漏洞偵測與修復成績。此模型強化了長程代理任務執行力,能連續數日處理複雜的多步驟工程任務,並在 WebDev Arena 以 1768 分位列第四。在資安防禦層面,Carbon 生成安全代碼的成功率較 Argon 提升逾兩倍,處理高質量修補程式的能力亦較其他模型高出十倍。該模型採用與 Argon 相同的計費標準,輸入端每百萬 Token 為 2 美元,輸出端為 10 美元,快取輸入享有 95% 折扣。Google 目前採取審慎推廣策略,配合美國政府預發布測試,本週先開放予特定網路防禦人員,隨後透過 Fairwind Program 逐步擴展至受信任合作夥伴,待完善防護機制後,將進一步向開發者與企業公開。
AI 大叔解析
【核心判斷】
Google 在短短兩週內把競爭拉到長程代理(Long-horizon Agent)與主動資安防禦,但目前一般企業根本用不到。Gemini 4 Carbon 雖然在 Artificial Analysis Intelligence Index v5.0 拿了 59 分登頂,且在 SEC-bench Pro 展現 88.2% 的漏洞偵測率,更主打能連續跑好幾天處理跨大型程式庫的除錯與修補;然而受限於美國政府預先測試流程,初期只對特定網路防禦人員開放,一般開發者目前只能看得到、摸不著。
【毒舌吐槽】
兩週前才端出 Argon,現在又端出 Carbon,這種改版速度看起來像是把還在實驗室通電的半成品直接推上前線。更諷刺的是,它在 ExploitGym 拿到 54.8% 的漏洞利用成績,證明它既能當防禦神盾,也能當拆鎖工具,結果 Google 只能搬出 Fairwind 計畫慢慢審核、小量釋出。這意味著官方宣傳的「能跑好幾天」的超級工程特工,多數團隊在可預見的近期內連下個 API Key 測試的資格都沒有。
【為什麼重要?】
長程代理若真能連續執行數日不迷航,將直接改變底層系統除錯與弱點修復的維運常態。過去 AI 寫扣最怕上下文一長就開始胡言亂語(Fabrication),這次內部團隊強調降低了偏離與偽造率,更在 CWE-bench 拿到 71.0% 的修補成績、WebDev Arena 站上第四名(1768 分),代表其針對死胡同(Dead ends)具備一定程度的反覆驗證機制,不再只是單次生成的玩具。
然而算力成本將是後續落地的最大痛點。雖然導入期維持每百萬輸入 2 美元、輸出 10 美元(快取享 95% 折扣),但官方已明訂優惠期結束後價格直接翻倍至輸入 4 美元、輸出 20 美元。當一個任務需要讓模型「連續運作數天」來抽絲剝繭大型專案時,持續累積的 Token 消耗與翻倍後的計費,可能會讓長程代理從「省人力的幫手」變成「吃預算的怪獸」。
【影響對象與建議】
- 資安與 SecOps 架構師:可密切追蹤 Fairwind Program 的釋出進度,評估未來將 CWE-bench 71.0% 修補能力整合進 CI/CD 的可行性,但現階段無須調整現有防禦工具鏈。
- 企業技術主管(CTO/CIO):評估長程代理任務時,務必將優惠期後「輸入 $4 / 輸出 $20」的翻倍定價納入專案 TCO 試算,避免讓持續數日的代理工作流程在正式上線後引發預算災難。
Google 在短短兩週內把競爭拉到長程代理(Long-horizon Agent)與主動資安防禦,但目前一般企業根本用不到。Gemini 4 Carbon 雖然在 Artificial Analysis Intelligence Index v5.0 拿了 59 分登頂,且在 SEC-bench Pro 展現 88.2% 的漏洞偵測率,更主打能連續跑好幾天處理跨大型程式庫的除錯與修補;然而受限於美國政府預先測試流程,初期只對特定網路防禦人員開放,一般開發者目前只能看得到、摸不著。
【毒舌吐槽】
兩週前才端出 Argon,現在又端出 Carbon,這種改版速度看起來像是把還在實驗室通電的半成品直接推上前線。更諷刺的是,它在 ExploitGym 拿到 54.8% 的漏洞利用成績,證明它既能當防禦神盾,也能當拆鎖工具,結果 Google 只能搬出 Fairwind 計畫慢慢審核、小量釋出。這意味著官方宣傳的「能跑好幾天」的超級工程特工,多數團隊在可預見的近期內連下個 API Key 測試的資格都沒有。
【為什麼重要?】
長程代理若真能連續執行數日不迷航,將直接改變底層系統除錯與弱點修復的維運常態。過去 AI 寫扣最怕上下文一長就開始胡言亂語(Fabrication),這次內部團隊強調降低了偏離與偽造率,更在 CWE-bench 拿到 71.0% 的修補成績、WebDev Arena 站上第四名(1768 分),代表其針對死胡同(Dead ends)具備一定程度的反覆驗證機制,不再只是單次生成的玩具。
然而算力成本將是後續落地的最大痛點。雖然導入期維持每百萬輸入 2 美元、輸出 10 美元(快取享 95% 折扣),但官方已明訂優惠期結束後價格直接翻倍至輸入 4 美元、輸出 20 美元。當一個任務需要讓模型「連續運作數天」來抽絲剝繭大型專案時,持續累積的 Token 消耗與翻倍後的計費,可能會讓長程代理從「省人力的幫手」變成「吃預算的怪獸」。
【影響對象與建議】
- 資安與 SecOps 架構師:可密切追蹤 Fairwind Program 的釋出進度,評估未來將 CWE-bench 71.0% 修補能力整合進 CI/CD 的可行性,但現階段無須調整現有防禦工具鏈。
- 企業技術主管(CTO/CIO):評估長程代理任務時,務必將優惠期後「輸入 $4 / 輸出 $20」的翻倍定價納入專案 TCO 試算,避免讓持續數日的代理工作流程在正式上線後引發預算災難。