Gemini 4 Carbon 传闻扩散，谷歌官方未回应

10 月下旬起，一份标题为「Gemini 4 Carbon is now available」的报道在中文科技社区流传，称谷歌 DeepMind 发布新一代旗舰模型 Gemini 4 Carbon，在第三方评测机构 Artificial Analysis 的 Intelligence Index 上以 59 分位列第一。报道给出的原文链接指向 blog.google 的 Gemini 模型栏目。谷歌官方博客与 DeepMind 官方账号目前没有同名发布内容，该榜单也没有对应条目。

事件经过

流传的报道称，Gemini 4 Carbon 于 11 月 11 日全球全量开放，同系列还有一个名为 Argon 的版本。对比对象被写成 Claude Opus 5.5 的 58 分与 GPT-6 Astra 的 57 分。定价为每百万 token 输入 2 美元、输出 10 美元，12 月 1 日起调整为输入 4 美元、输出 20 美元。上述数字没有附带榜单页面或定价页链接。

同一批材料内部存在时间冲突。发布日出现 10 月 28 日、10 月 29 日、11 月 6 日与 11 月 11 日四种写法。开放范围出现三种表述：全球全量开放、仅向网络安全防御方开放、仅 Ultra 订阅用户可用。三种说法不能同时成立，材料也没有说明哪一种是最初口径。

报道还提到一套配套计划，包括名为 Fairwind 的项目、命令行中的 /swarm 功能，以及位于 Platform 37 办公楼的团队。这三项在谷歌公开信息中没有对应描述。

可核实的事实与缺口

Artificial Analysis 是真实存在的第三方模型评测机构，其 Intelligence Index 目前公开的版本为 v3.0，没有 v5.0 的记录，榜单上也没有 Carbon、Argon、Opus 5.5、GPT-6 Astra 中的任何一个条目。谷歌公开的模型线目前可核实到 2025 年 11 月的 Gemini 3 系列。

基准名称部分为真。CWE-Bench 是评估模型定位软件漏洞能力的学术基准，Terminal-Bench 也真实存在，公开版本为 2.0。ExploitGym 与「Terminal-Bench 4.0」没有对应页面。报道给出的 Sec-Bench Pro 88.2%、ExploitGym 54.8%、CWE-Bench 71.0%、Terminal-Bench 4.0 的 65.2%（Argon 57.1%）因此无法与任何公开成绩对照。

报道中的背景名词多数真实：Google Antigravity 是 2025 年 11 月随 Gemini 3 发布的 agent-first 开发平台，内含 Agent Manager；Nano Banana 对应 Gemini 2.5 Flash Image 与 Nano Banana Pro 图像模型；Lyria 是 DeepMind 的音乐生成模型。这些产品确实存在，但它们的存在不能证明 Carbon 的存在。报道另称 AlphaProof Code 用四周生成了 650 万行 Signal 协议形式化证明，AlphaProof 是 DeepMind 真实的数学证明项目，「AlphaProof Code」与该成果则没有来源。

技术细节的矛盾

报道的一处写明，谷歌没有公布 Carbon 的层数、参数规模与架构。另一篇署名为「本地部署实战」的文章却给出了具体配置：混合专家架构、第三层动态路由、32K 上下文窗口，单张 RTX 4090 以 4-bit 量化跑到 28 tokens/s。两处说法直接冲突。

32K 上下文与当前旗舰模型的公开水平差距明显。2025 年以来，谷歌、Anthropic、OpenAI 的旗舰模型上下文窗口普遍落在 20 万至 100 万 token 区间，Gemini 系列一直把长上下文作为主要卖点之一。一个被描述为旗舰的模型把窗口压到 32K，与产品线定位不符，该部署数据也没有第三方复现记录。

多智能体分工方案同样缺少文档支撑。报道称 Carbon 负责架构设计与代码审查，轻量模型负责执行，再由验证 Agent 复核。演示项目共六个，包括鹈鹕骑自行车的小游戏、埃菲尔铁塔 3D 展示、61 键古钢琴、阿波罗登月舱重建、双生黑洞模拟与鸟声合成器，全部只见于中文二手转述与社交平台截图，没有可回溯的原始视频链接。

发布惯例与行业背景

前沿模型的发布通常有固定路径：官方博客给出模型卡与系统卡，说明训练数据截止时间、上下文窗口、定价、可用区域与安全评估结果，同时在自家产品和云平台上架。谷歌 2025 年 11 月发布 Gemini 3 时即按此流程推进，同步公开基准成绩与 Antigravity 平台。报道描述的 Carbon 发布缺少其中大部分环节。

美国政府与前沿模型公司之间存在模型发布前自愿提交测试的机制，这类安排确实存在。报道称谷歌就该模型参与了这一流程，但没有机构公告或公司声明可查。

报道引用两处外部表态：马斯克在社交平台留言「Impressive」，以及 Chrome 团队称该模型修 Bug 的效率是其他前沿模型的十倍以上。两条均无原始帖文或采访记录。材料还提到 Hassabis 曾逆向游戏二进制、为《Theme Park》新增设施并移植到 Web 端；Hassabis 在 1990 年代于 Bullfrog 参与该游戏开发是可核实的经历，上述具体行为则没有来源。

尚未明确的问题

缺失的关键数字包括模型参数量、官方上下文窗口、训练数据与算力规模、推理延迟以及安全评估报告。报道承认架构未公布，又在别处给出架构细节，两段内容出自同一批材料。

Argon 的分数有两种写法：一处称 Carbon 的 59 分比 Argon 高 9 分，即 Argon 为 50 分；另一处称 Argon 以 53 分登顶，两个数字不能同时成立。另有单一来源转述称谷歌内部文档正在测试 Carbon、员工认为其接近 Opus 5.5，并提到 Jetski 平台与 Barium 代号，谷歌未作回应。

成本侧的说法是单任务成本比第二名低 50% 以上、平均单次 7.76 美元，报道没有给出测算方法与原始榜单。

观察

这组材料的价值不在模型本身，而在它呈现的信息链条。真实机构名、真实基准名、真实产品名被嵌入同一篇叙述，使整体可信度看起来高于实际。对读者而言，可操作的判断标准是三条：官方博客是否有对应的模型卡页面，第三方榜单是否有可点开的成绩条目，定价页是否在云平台上架。三条都缺时，跑分与定价只能当作未证实说法处理。对行业来说，前沿模型的发布节奏确实在加快，谷歌、Anthropic、OpenAI 之间的版本间隔已从年缩短到季度级别，这为传闻提供了生长空间；同时第三方评测机构的影响力上升，也使其榜单成为传闻常用的背书对象。目前尚不清楚该报道的最初来源，若后续出现官方页面，此前列出的日期与开放范围仍需重新对照。

本文编译自 blog.google Gemini 模型栏目（https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/），版权归原作者所有。