AI宝库

AI宝库首页 › AI 资讯 › Google Deepmind 发布 Gemini 4 碳在Argon获得全面收

Google Deepmind 发布 Gemini 4 碳在Argon获得全面收益仅两周后

来源:The Decoder · 发布时间:10-29 · 由 AI宝库每小时自动聚合

在Gemini 4 Argon的两周后,Google DeepMind正在释放Gemini 4 Carbon,而人工分析智能指数为超过 v5,得分59分。 谷类

Google Deepmind 发布 Gemini 4 碳在Argon获得全面收益仅两周后

关键点

- Gemini 4 Argon后两周,Google DeepMind 发布 Gemini 4 Carbon,它的下一个前沿模型。 Carbon 超过人工分析智能指数v5 有59分,从Argon的50分上。

- Google 称 Carbon为多日自主开发工作流程所建。 它在人工分析的编码Agent指数(59分对Argon的50分)中快速地缩小了差距,但仍然跟随了Claude Opus 5.5 (62分).

- 由于其先进的网络安全能力,Carbon正在经历美国政府的自愿预测试过程,一开始只能供选定的安全专家使用。 定价和Argon一样

Google Deepmind在Argon刚刚两周后就将Gemini 4 Carbon运出,而新型号在人工分析智能指数上占据了首位。

碳在最近更新的人工分析智能指数5.0上得分59分,而前作"Argon踪迹"以50分。 Google除了在代理任务和编程方面普遍受益外,还突出了跨越整个网络防御生命周期的能力,从发现和验证弱点到补丁。

为多天编码会话所建

Google Deepmind 称它为需要持续代理工作流程的"许多更难,长视线的工程问题"设计了Carbon. 内部团队对模型进行了多天的直通运行,其间它独自通过死端来工作,并在大型代码库和低等软件Google 声称中处理了"根"等复杂多步骤的任务。

Google还报告在科学推理,多模式理解,以及基于用户反馈的全网开发方面的改进。 网络开发中质量更高的产出和文物将"碳"推高了"WebDev Arena"上89个埃洛分,以1,769分位列第四。

在Gray Swan的间接提示词注入基准测试上,Carbon将攻击成功率由以Argon为单位的0.7%推到0.0 %,阻止了按照Google进行的每次被测试的操纵尝试。 这并不意味着提示词注入是被解开的,但测试看起来是饱和的。

Google数字的独立评价

根据"人工分析","碳"在其最高推理级("高")领先"智能指数v5",这主要是因为在复杂的推理,知识检索,和科学任务中得分最高,在指数的9个个别评价中占据了第一位。

在Antigravity上的代理编码中,Carbon仍然以相较于Argon从53起跳出到59起,以3分的分数跟随了Opus 5.5的Claude Code. 在关于AA-Briefcase的代理知识工作方面,碳(高)比Argon(高,1,483埃洛)获得126分,达到1,609埃洛,受展示质量(+293埃洛到1,598)和分析质量(+120埃洛到1,671)的驱动。 它仍然落后于Kimi K3.1 Pro(1,678 Elo),Muse Wonder(最大为1,659 Elo)和Grok 4.7 (x高为1,638 Elo).

与阿尔贡相比,答案精度从48%上升至58%,而幻觉率从4%上升至11%. 这更高,但仍是排名第二的。 Claude Opus 5.5 (最大)和GPT-6 Astra (最大)各占50%.

Vals AI的评价平台将Carbon的准确度排在第二位,为70.36%,落后于Claude Sonnet 5.5(70.85%),领先于Claude Opus 5.5(70.18%)和Argon(69.24%),成本均较低。

在Vals.ai上,Carbon还同时领先金融指数和法律研究基准测试。 在法律研究中,Vals AI记录了大约45%被引用的来源,更频繁的工具呼叫,以及比Argon更长的响应。

但"金融与税收"(Financial and Tax Agent 基准测试)中的任务需要与"阿尔贡"(Argon)相比的两倍多的时间,"法律研究"(Legal Research)中,"碳"(Carbon)平均每项任务需要超过50分钟。 该模型生成的推理符比Argon多出2.3倍,输出符比Argon多出64%,虽然这还不到Sonnet 5.5和Opus 5.5的输出符数的一半。

在Arena.ai上,Gemini 4 Carbon (High)以1,528分的成绩取了Text Arena领先的成绩,在Argon上行(1,520分). 在Agent Arena,该模型在超过21,900个真实会话中位居第二,领先于GPT-6 Astra和Fable-5.1,净提高16.2%,可引导性分数最高(+18.6%). 其1.8美元的任务成本中位数低于第一位Claude Opus 5.5 (Max)的72%.

在Code Arena的WebDev分类中,Carbon总共达到1,768分(比第11位的Argon领先89分),仅落后于Claude Sonnet 5.5分(x High, 1,770分). 这使得它处于帕雷托曲线上,跨越了所有三个学科。

没有护栏的碳铅安全基准测试

在几次安全测试中,Google在没有安全护栏的情况下运行了该型号。 在SEC-bench Pro中,它测量现实世界软件中的自主脆弱性发现,碳得分为88.2%,并领导所有测试模型。 在测试一个系统能否将发现的弱点转化为工作开发的探索基因上,该模型达到了54.8%。 Carbon在CWE-Bench上还拥有广泛的第一领先的写作修饰。

Google还引用了无法独立核实的内部结果。 在内部的基准测试上,据报道Carbon生产的安全代码比Argon多出一倍多,在Google的克罗姆团队的测试中,它写安全补丁的表现比一个无名竞争者的前沿模型要好十多倍。

安保专家先进入

Google正在逐步推出该型号并参与美国政府的放行前测试程序,引用了Carbon的先进安全能力。 部分网络安全专家从本周开始首先接入。 通过Google Deepmind's Fairwind Program,之后访问范围会扩大到更多信任的伙伴。

公司计划在收集更多回馈并调整了安全护栏后,通过产品接口向开发商,企业和消费者开放。

Gemini 4 Conform 发布以与Argon相同的入门价格:每百万个输入令牌为2美元,每百万个输出令牌为10美元,其中缓存输入令牌得到95%的平价优惠。

人工分析情报指数中每个任务碳成本为7.76美元,比Claude Opus 5.5(最大,10.04美元)少了约23%,比GPT-6 Astra(最大,6.25美元)多出约1.2倍。 它平均每项任务有123,000个输出令牌,比Anthropic型号(173,000个令牌)少了29%,而获得几乎完全位于Argon的出价点(7.68美元).

人工分析的计算依据是每百万个输入令牌4美元和每百万个产出令牌20美元(缓存输入令牌外加0.20美元)的常规列表价格,而忽略了目前2026年底的50%入门折扣。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

本文由 AI宝库自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI宝库首页 · 提交工具 · 商务合作 · 关于本站 · 596 款 AI 工具分类导航 · 每日 AI 热门项目与动态