谷歌上周发布新一代 AI 模型 Gemini 4 Carbon，在第三方评测机构 Artificial Analysis 的 Intelligence Index V5 基准上以 59 分登顶，比 Anthropic 的 Claude Opus 5.5 高 1 分，比 OpenAI 的 GPT-6 Astra 高 2 分。这是谷歌在经历一年发布节奏不稳后的一次明显回归，也延续了 2026 年前沿模型排名快速更迭的态势。

从分数看，Gemini 4 Carbon 在九项评测中的四项拿到第一，且每任务成本低于多个高分竞品。具体而言，其 Intelligence Index 每任务成本为 7.76 美元，比 Claude Opus 5.5 的 10.04 美元低约 23%，但约为 GPT-6 Astra（6.25 美元）的 1.2 倍。它每任务输出 12.3 万 token，比 Claude Opus 5.5 的 17.3 万 token少 29%。在相同 4 美元/20 美元的标准定价下，其每任务成本与 Gemini 4 Argon 的 7.68 美元接近，但 Intelligence Index 得分高出 9 分。

不过，Gemini 4 Carbon 并非全面领先。Artificial Analysis 指出，它在编程任务上不如搭配 Claude Opus 5.5 的 Claude Code，在知识工作方面也落后于 Grok 4.7、Muse Wonder 和 Kimi K3.1 Pro。在 Arena.ai 的帕累托前沿图上，它在较高价格区间占据首位，但低价格区间仍由中国开源模型如 GLM 5.3-Flash 和 DeepSeek V4 Pro 主导。

更受关注的是幻觉控制。Gemini 4 Carbon 在 Artificial Analysis 新推出的 AA-Omniscience v1.1 测试中得分 54，为所有模型最高，该测试追踪模型的知识召回与幻觉倾向。但需注意，该指标采用 -100 到 +100 的刻度，最高分仅 54，说明即便是 2026 年最顶尖的前沿模型，在信息准确回忆上仍远未达到稳定可靠。对政府和企业而言，更低的幻觉分数正成为选用 AI 时的重要卖点。

发布策略上，谷歌采取了审慎节奏。公司表示正参与美国政府自愿性的模型发布前测试流程，并率先通过 Fairwind 计划向部分网络安全防御者开放 Gemini 4 Carbon，之后经可信合作伙伴逐步扩大可用范围。谷歌称，在向开发者开放前，希望继续迭代护栏机制，使模型在网络安全场景更安全有效，并增加恶意行为者利用其进行攻击的难度。

安全方面，谷歌强调 Carbon 在 Gray Swan 间接提示注入基准中抵御了所有不当诱导尝试，并称其将无依据回应的比例较两周前发布的 Gemini 4 Argon 降低一半。若无法完成某项操作，模型会直接表示无法执行，而非编造答案或含糊其辞；在信息存在差异或不确定性时，它也更倾向于向用户呈现来源和建议操作，谷歌称这将模型越权行为减少了 26%。

整体来看，Gemini 4 Carbon 在智能、成本与可靠性之间寻求平衡，其表现可能影响企业选择模型时的权衡逻辑，也折射出前沿实验室在发布节奏、政府审查与安全护栏上的共同转向。