Gemini 4 Carbon: Google Reclaims the Top Spot with a Two-Week Update, But You Still Can’t Use It ...

Original Media · 11m · 中文 · YouTube · Best Partners TV

本期速览

谷歌发布 Gemini 4 Carbon,以 59 分登顶 Artificial Analysis 智能指数,超越 Claude Opus 5.5 与 GPT-6 Astra。该模型在网络安全(漏洞全链路)与长程任务(百万 Token、多天连续运行)表现突出,可靠性大幅提升(作弊率近零、注入防御 100%)。但它在多项关键基准落后对手,智能体组合不及 Claude Code,且暂不对公众开放——需经美国政府预发布测试与可信伙伴计划先向防御者放行。谷歌 Q3 营收增 25% 但资本开支暴增 114%,自由现金流转负,盘后股价跌近 10%。

为你解答

PRO members can sign in and request more information — or their own version of this digest, tuned to what they care about.

Sign in to unlock

本期要点

•

Gemini 4 Carbon 在 Artificial Analysis v5.0 拿下 59 分,从 Claude Opus 5.5(58 分)与 GPT-6 Astra(57 分)手中夺得榜首。

•

网络安全全链路领先:漏洞发现 SEC-bench Pro 88.2%、验证 ExploitGym 54.8%(Astra 42.4%)、修补 CWE-bench 71%(四次重试达 81%)。

•

长程能力跨越门槛:100 万 Token 上下文、可连续运行数天,GraphWalks 96.2%(对手 71.8%/66.8%),Terminal-Bench 4.0 65.2%(对手 59.6%/59.1%)。

•

可靠性显著改善:作弊率 0.0%、走捷径仅 0.4%、无依据断言减半、越权 -26%、敷衍 -29%、提示词注入 0/15 拦截、高严重性对齐警报 -80%。

•

权衡取舍:幻觉率从 4% 升至 11%(仍远低于 Opus/Astra 的 ~50%),正确率从 48% 升至 58%,从“谨慎不答”转向“敢答且基本可靠”。

•

短板明确:WebDev Arena 第 4、FrontierSWE 2 落后 Astra、OSWorld-2.1 落后 Opus、编程智能体指数(配 Antigravity)59 分不及 Opus+Claude Code 的 62 分、知识任务落后 Grok/Muse/Kimi。

•

分阶段发布:美国政府预发布测试 → 网络安全防御者(Fairwind 可信伙伴计划)→ 逐步扩大;无公开时间表。双刃剑逻辑:先把找/验/补漏洞的强模型交给守门人。

•

谷歌 Q3:营收 1275.77 亿美元(+25%),云 307.09 亿美元(+103%,利润率 36.2%),积压订单 5610 亿美元;但资本开支 513.55 亿美元(+114%),自由现金流 -90.65 亿美元,净利润 -24%,盘后股价跌近 10%。