Gemini 4 Carbon 登顶独立榜单,网络安全成绩亮眼但先限防御者使用
Latent Space · rss · 2026-10-29
Google DeepMind 在 Argon 之后两周发布 Gemini 4 Carbon,主打网络安全与长程任务,Artificial Analysis Intelligence Index v5 以 59 分登顶(此前 Opus 5.5 为 58)。
模型与获取
- 1M token 上下文与 1M 最大输出,支持文本/图像/视频/语音输入
- 首批通过 Fairwind Program 面向受信任的网络防御者开放,开发者 wider access 待定
- 定价:Phil Schmid 引述 $2/$10 每百万 tokens;Artificial Analysis 列 $4/$20 标准价带无截止日的五折;缓存输入 $0.20
关键成绩
- 网络安全:SEC-bench Pro 88.2%(漏洞发现)、ExploitGym 54.8%、CWE-bench 71.0%(修补)
- 编码:Coding Agent Index 59(Antigravity CLI),低于 Claude Code + Opus 5.5 的 62;FrontierSWE 61.2%,落后 GPT-6 Astra(65.5)
- 知识工作:AA-Briefcase 1609 Elo,较 Argon 涨 126 分,仍落后 Grok 4.7 等模型(1678)
- 成本:每任务 $7.76(Opus 为 $10.04),输出 tokens 少 29%
- 幻觉率从 Argon 的 4% 升至 11%,但仍为实测第二低;Text Arena 第一(1528),Vending-Bench 2 第一
其他要点
- Pichai 在财报会上称未来 12 个月因 RSI 持续加速;有内部工程师称发布已像「周期性检查点」
- scaling01 认为 Google 仍落后 OpenAI/Anthropic 下一波约两个月;中美差距约 3.3 个月
- 榜单完整性:AA v5 新指数 60% 用私有测试;Cognition 数据里出现神秘模型「Obsidian 3」(46.8%,超 Opus 5.5),未证实
- 安全研究:DeepSeek V4.1 Flash-1017 被指 46.4% 误报率(把真实对话当评估);GPT-5.4 受红心图像 100% 诱导写递归代码且 74.7% 理由解释错误;Anthropic 的 GRAFT 把 reward hack 更新限制在训练后删除的参数中;Qwen3.5 权重内嵌测谎器 91% 命中零误报
- 未经证实:The Information 称 Kimi K3.1 Pro 蒸馏自 GPT-6 Astra;「欧洲主权 AI」Giotto 被批评为 Kimi 换皮
「模型」频道最新
- 「Sol 6.1 Ultra」自己想出水反光技巧,却也被吐槽活干 10% 就摸鱼 — teortaxesTex · 2026-10-29
- Anthropic：Claude 的网络攻击能力并非专项训练而是自然涌现 — repligate · 2026-10-29
- LiquidAI LFM3-1.7B GGUF 版冲上 Hugging Face 热榜 — LiquidAI · 2026-10-29
- Reflection 将 Beam 501B 量化到 MXFP4,双 MI300X 跑满 1M 上下文 — ben_burtenshaw · 2026-10-29
- 零重训把英伟达30B语音LLM从67.5GB剪到10GB，WER仅5.16% — Illustrious_Row_9971 · 2026-10-29
- 博主实测 Claude/GPT/Gemini/GLM/Kimi 报价：转售商价差高达3倍 — Life-Situation-1533 · 2026-10-29