Google 在 2026 年 10 月 28 日發表新前沿模型 Gemini 4 Carbon，財報前兩小時上線。以下是官方案文完整翻譯，以及 Hacker News 討論串反應整理（983 分、783 則留言，2026-10-29 抓取）。
原文：Gemini 4 Carbon: our next frontier model｜討論串：Hacker News item 50276792
官方案文翻譯
Gemini 4 Carbon：我們的新一代前沿模型
Google 官方部落格｜2026 年 10 月 28 日
作者：柯拉伊·卡夫庫奧盧（Koray Kavukcuoglu），Google DeepMind 資深副總裁暨首席 AI 架構師
今天我們發表新一代前沿模型 Gemini 4 Carbon，至今最強，主打最先進的資安能力與長時程任務能力。
Carbon 在剛更新的 Artificial Analysis Intelligence Index v5.0 以 59 分拿下第一。程式與代理任務大幅進步，資安防禦關鍵能力全面領先：找漏洞 SEC-bench Pro 88.2%，漏洞利用驗證 ExploitGym 54.8%，修補 CWE-bench 71.0%。內部基準測試中，產出安全程式碼成功率大幅提升；自家團隊實測中，錯位與捏造成分下降。
Carbon 接在兩週前發表的 Gemini 4 Argon 之後，顯示我們推進前沿的速度。研究員與模型並肩作戰，能力往前、護欄同步加固。
部署採審慎節奏，正參與美國政府自願性預發布測試流程。本週起先給部分資安防禦者，經 Fairwind 計畫逐步擴大到受信任夥伴。收集回饋、迭代護欄後，再盡快上到開發者、企業與消費者產品面。
價格與 Argon 首發價相同：輸入每百萬 token 2 美元、輸出 10 美元，快取輸入打 95% 折。優惠期過後為輸入 4 美元、輸出 20 美元。
為高難度長時程任務強化的程式與推理
Carbon 專為持續性代理工作流設計，能跑數天、穿越死胡同，處理跨大程式碼庫與底層系統的根因追查與修補。
依使用者回饋，程式、代理、科學任務、全端網頁開發與多模態理解全面加強。網頁開發成品品質提升，WebDev Arena 大漲 89 分到第 4 名（1768 分）。
資安防禦生命週期全面領先
內部基準測試中，產出安全程式碼成功率達 Argon 的兩倍以上。Chrome 團隊回報，產出高品質修補程式達另一家實驗室前沿模型的十倍以上。雲端安全平台 Wiz 也在網頁滲透測試看到領先，對應其 Scan for Good 倡議的核心能力。
外部基準測試（無護欄下評測）：
- 找真漏洞：SEC-bench Pro 88.2%，在真實軟體中自主挖出複雜缺陷
- 驗證風險：ExploitGym 54.8% 新紀錄，幫防禦者排修補優先順序
- 根因修補：CWE-bench 71.0%，把確認過的問題直接變成可用修補程式
安全對齊進展
沿用 Argon 的多層安全堆疊：模型訓練、即時濫用防禦、提示詞注入韌性、思維鏈監控。Carbon 再往前一步：
- 少走捷徑：Terminal-Bench 4.0 作弊成功率降到 0.0%，嘗試率 0.4%，整體正確率還提升。內部實測高嚴重錯位告警少近八成
- 更透明：內測不實主張少約一半，方法限制直接寫進交付物，被擋的動作列出還缺什麼
- 遇歧義先協作：不瞎猜硬走，先找來源、把矛盾攤給使用者再動手
- 該做完不越線：越權執行少 26%，該做沒做少 29%
- 抗提示詞注入：Gray Swan 間接注入基準測試 0.0%，Argon 是 0.7%
目標是軟體工程與資安防禦有感躍升，不犧牲安全可靠。等首批防禦者回饋後，盡快全面上線。
Hacker News 網友反應整理
統計：983 分、783 則（含已刪）、頂層 150，抓取 2026-10-29。底稿為站內日報 626 則時擷取 80 則，補讀頂層高回覆串確認無新主題。
命名失控
如果 Google 產品經理給他 100 美元要他搞懂怎麼對 Gemini 4 Argon 下提示詞，他只有大約三成把握做得到。Carbon 是 4.1 嗎？是 Argon 的變體還是新模型？Argon 是 Pro、Carbon 是 Ultra 嗎？非常 confusing。有人酸還好能靠 Google 混亂改名。有人實測開啟 gemini.google.com 只看到 3.6 Flash 和 3.1 Pro。元素梗至少能出 118 個模型，有人說 Argon 加 Carbon 是在拼 ARC-AGI。
只公布不給用，等於沒有意義
領域跑太快，先公布分數、一個月後才發布模型，屆時對手更強，今天的第一名會直接過期。沒有發布日期就別說，undefined 的 coming soon 只會讓人憤怒與被排除。如果只是要證明內部模型夠格坐大人桌，那 OpenAI 和 Anthropic 也該公布 GPT 11 和 Opus 9 的分數。總結：沒法實際用上。
訂閱與權限破碎
最完整的受害實錄：Workspace Pro 訂閱者的模型下拉選單只有 3.6 Flash、3.8 Thinking、3.1 Pro；想試 Gemini 4 得去 Antigravity，定價頁叫他買 Ultra，點進去是錯誤頁，因為 Ultra 只給個人帳號；回頭選企業方案，選項是聯絡業務或走 API。結論：我出局了，我想要像 Claude 或 Codex 那種簡單訂閱，不想要兩人公司的 API 企業定價。要求一致定價、別秀我用不到的東西。也有人問 4 Flash 在哪，因為 3.8 Flash 是日常主力。有人問 Google 內部工程師寫程式到底用不用自家模型。有人問會不會上 OpenRouter，不想為跑基準測試開幾百個 API 帳號。
抗作弊與抗提示詞注入才是該看的分數
有人把官方沒人注意的一段放大：Carbon 把 Terminal-Bench 4.0 的成功作弊率降到 0.0%、作弊嘗試降到 0.4%，同時整體正確率還提升。這可能是讓前沿模型真正可用的關鍵進步，也是前一代最大的問題。但反方嗆 0.0% 只代表補完已知漏洞，攻擊者不受 Google 評測範圍限制。AI 商店對評測外的東西視而不見。還有人說前沿模型會主動嘗試繞過評測框架本身就令人不安。
榜首與財報時機巧合
有人注意到 Artificial Analysis 前一天才更新指數，隔天 Google 模型就登上榜首，直接問 Google 是否私下參與調整，上市公司有無揭露義務。更新與榜首同日出現，巧合到被拿來開嘲。有人說幾天前看到 Muse 排得比最好的 OpenAI 模型高，方法一改，Muse 掉下去、Gemini 變第一，不知怎麼解讀榜單。發表時機也被抱怨都在看股市行事，財報當天發表，時機 fortuitous，有人直說拿來分散難看財報注意力。
同價更強有誠意，但挖不動人
正面：輸入 2 美元、輸出 10 美元，快取再打 95% 折，同能力更強值得肯定。反面：Google 做最強模型的功勞無庸置疑，但要從 Claude 挖走開發者需要極大誘因，Claude 有信任與生態，Codex 性價比追上。論寫程式仍有人認為輸 Opus 5.5。有人開賭盤：一週內 OpenAI 或 Anthropic 把王座拿回去的機率 75%。
一頁懶人包
手機版若顯示異常，直接開備援連結：Gemini 4 Carbon HN 懶人包。
出處與譯註
- 官方原文：Google Keyword，柯拉伊·卡夫庫奧盧（Koray Kavukcuoglu）
- 價格註：快取輸入為輸入價的 5%，優惠期後調回輸入 4 美元、輸出 20 美元
- 討論串：Hacker News item 50276792， live 983 分、783 則
- 譯註（非原文）：Artificial Analysis Intelligence Index 為第三方模型評測榜單；Terminal-Bench 為終端機代理任務基準測試；Gray Swan 為間接提示詞注入評測