谷歌 DeepMind 于 11 月 10 日正式开放 Gemini 4 Carbon，面向开发者、企业、科研人员与普通消费者。该模型被定位为谷歌当前最强的前沿模型，核心卖点是网络安全能力与长周期智能体工作流，覆盖复杂知识工作、软件工程和科学推理等场景。此前两周，谷歌已通过 Fairwind Program 向部分网络安全防御方先行提供 Carbon。

Carbon 是继 Gemini 4 Argon 之后的新成员。谷歌方面表示，Argon 仍是多数软件工程与知识工作的理想选择，而 Carbon 面向的是考验模型智能上限的任务，例如复杂的多步骤编码与调试、开放式科学研究与发现。这类任务需要消耗更多 token 来深入探索、推理并运行扩展验证循环。

在独立基准测试中，Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上均排名第一，且单任务成本比表现次优的外部模型低 2 倍以上。谷歌强调，Carbon 在保持前沿准确率的同时兼顾了生产环境的经济性。

为将能力延伸到更大规模的项目，谷歌在 Google Antigravity 中预览了 /swarm 功能，可将单条提示转化为一组可实时追踪的协同智能体。开发者可以把 Carbon 分配到架构设计、协调和审计等最需要深度推理的角色，同时搭配更快、更轻的模型，在并行隔离的工作区中运行，并由对抗性验证器检验每一次改动。

定价方面，Carbon 通过 Google AI Studio 和 Gemini for business 的 API 向所有付费开发者与企业开放，入门价格与 Gemini 4 Argon 相同：每百万输入 token 2 美元、每百万输出 token 10 美元。该模型也正陆续向所有 Google AI Ultra 订阅用户开放，覆盖 Google Antigravity、Gemini 应用和搜索中的 AI Mode。

在知识工作场景，Carbon 结合前沿视觉理解、推理和穷尽式检索，能够跨大量密集文档与数据合成有依据的洞察，并遵循严格的模式与格式要求，生成精确的电子表格、演示文稿和报告。由于现有基准不足以衡量智能体对含图表、图像、蓝图、示意图和表格的密集文件进行原生推理的能力，谷歌与 Artificial Analysis 合作推出新的 Multimodal Knowledge Agent（MKA） 基准。Carbon 在该基准上排名第二，平均单任务成本比排名第一的模型低 6 倍以上。

谷歌还展示了多个演示案例。借助 Antigravity 的 /swarm 功能，一组 Carbon 智能体仅凭单条提示，就将历史照片和工程图版转化为埃菲尔铁塔 1887 至 1889 年建造过程的交互式 Three.js 3D 展览；另一组智能体基于七份公开的市议会规划 PDF（提取出 206 个工程图视图），经过 10 轮夜间循环，构建出谷歌 Platform 37 办公室的交互式 90.6 万三角面 Three.js 重建模型。Carbon 还在极少提示下，基于一篇学术论文构建了交互式多尺度纺织品可视化器，包含虚拟纤维有限元框架、交互式 3D 纱线网格、110 根纤维的极坐标追踪以及动态应力-应变曲线。

在金融研究领域，Carbon 在 Hebbia 的 E2E Financial Agentic 评估中，表现与测试中的最佳模型持平；在 Balyasny Asset Management 的 General Financial Intelligence 基准上，于 23 种前沿模型配置中排名居首，该基准覆盖法律专业知识、智能体工具使用与执行、编码与数据工程，以及感知与上下文理解。

工程与创意任务方面，Carbon 在多包迁移、跨子系统根因调查和复杂架构重构等需要多智能体协作的任务上表现突出。在 Web 应用开发中，它能运行构建与验证循环、从错误中恢复，并同时检查代码与渲染后的 UI，从而产出完整可用的应用。更强的视觉设计、空间推理和对环境细节的关注，也延续到 3D 游戏开发和创意编程中。

谷歌展示的案例包括：Carbon 构建了一款开放世界 3D 游戏，玩家扮演骑 GBike 的鹈鹕探索谷歌山景城园区，协调子智能体在 Blender 中基于 Omni 和 Nano Banana 参考建模 3D 资产，用 Three.js 与 WebGL 着色器搭建浏览器游戏，并将程序化 Web Audio 音效与 Lyria 音乐配对。Carbon 还在两条提示内重新设计了 Google Merchandise Store，提出五种艺术方向概念，并用 Nano Banana 2.1 生成全新产品图像。此外，它从 Gemini Omni 生成的视频参考出发，构建了电影感的多镜头水下亚特兰蒂斯场景，在 Blender 中建模程序化废墟、体积焦散光照和水体模拟，再将整个环境转换为 Three.js 以实现浏览器实时渲染。

从产业视角看，Carbon 的发布延续了谷歌以多型号覆盖不同任务谱系的策略：Argon 主打通用效率，Carbon 则瞄准高推理强度、高 token 消耗的智能体场景。其基准排名与成本优势若能在生产环境中兑现，可能影响开发者在多模型编排中的选择，并加剧前沿模型在智能体工作流与单位任务经济性上的竞争。不过，上述基准多为厂商合作或特定场景测试，实际落地效果仍需观察。