AIREITERGoogle 在 2026 年 10 月 28 日宣布 Gemini 4 Carbon，稱其為目前最強大的模型，並以 59 分登上 Artificial Analysis Intelligence Index v5.0 榜首。不過，現在真正的問題不是它有多強，而是你能不能用到：本週只有經審核的資安防禦人員能透過 Fairwind Program 存取，Google 目前也尚未公開 API 模型 ID。
在正式發表前，追蹤網站仍把 Carbon 視為尚未確認的外洩消息。如今 Google 已公布基準測試與價格，本文則把這些官方說法，和獨立的 Vals.ai 評測及 Argon 現在就能採用的開發方案放在一起檢視。
現在能呼叫 Gemini 4 Carbon 嗎？
還不行。截至 2026 年 10 月 28 日，Gemini 4 Carbon 雖然已正式宣布，但尚未向一般開發者、企業或消費者開放。Google 表示，宣布當週會先讓部分資安防禦人員使用，接著再透過 Fairwind Program 提供給可信任合作夥伴；至於更廣泛的開放，官方只說會盡快進行，尚未給出確切日期。
這種分階段開放，與未加防護的資安測試、上市前安全工作，以及 Google 和美國政府進行的測試有關，團隊仍在持續調整防護機制。目前沒有公開模型 ID、AI Studio 上架資訊或速率限制。
這也代表狀態已經和上週不同。10 月 28 日以前，Google 的開發者文件只列出 gemini-4-argon 作為 Gemini 4 API 模型，追蹤網站當時正確指出 Carbon 尚沒有模型 ID。那個說法當時沒錯，但現在已經過時：Carbon 已成為正式宣布的產品，只是還不是可以直接呼叫的端點。
如果你今天看到有供應商列出 gemini-4-carbon，在對方說明上游模型、路由類型（公開、受限、實驗性或別名）及權限之前，都應先視為未經驗證。單靠產品列表，無法證明 Google 確實把該模型檢查點路由給呼叫者。
Carbon 真正鎖定的工作
Gemini 4 Carbon 瞄準的是持續數天的工程工作，而不是一問一答的聊天。Google 表示，內部團隊曾觀察它連續運作數日，在遇到死路後仍能繼續處理，例如找出隱晦錯誤的根因、在大型程式碼庫中修補問題，以及處理低階系統。
這個定位來自使用者對程式設計、代理式工作、科學任務、全端網頁開發及多模態理解的回饋。Google 在此引用的唯一外部排行榜是 WebDev Arena：Carbon 增加 89 Elo 分，來到 1768 分並排名第 4，Google 將此歸因於更好的輸出品質與生成成果。
Google 也宣稱，Carbon 在內部安全程式碼生成成功率上，比 Gemini 4 Argon 提升超過 2 倍。但這個倍數沒有提供絕對數值，官方也未公布基準線、資料集規模或語言分布，因此比較適合把它看成方向性訊號，而不是足以支持遷移的理由。Chrome 團隊另外宣稱，Carbon 產出高品質修補程式的能力，比另一家實驗室的大型前沿模型高出超過 10 倍，同樣存在問題：競爭模型沒有具名，指標也沒有定義。
Argon 在 2026 年 10 月中旬推出；Carbon 則站在同一產品線及安全堆疊的更上方。
資安成績單：數字亮眼，但仍有重要缺口
Carbon 最突出的差異化能力，是涵蓋完整資安生命週期：找出漏洞、驗證漏洞是否可利用，再修補根因。Google 表示，這三項外部評測都是在未加防護的情況下進行，因此量到的是模型底層能力，不代表受防護的正式端點會允許同樣的操作。
| 階段 | 基準測試 | Carbon 成績 | 測試內容 |
|---|---|---|---|
| 發現 | SEC-bench Pro | 88.2% | 自主找出真實軟體中的實際漏洞 |
| 利用 | ExploitGym | 54.8% | 驗證漏洞是否真的能被利用 |
| 修補 | CWE-bench | 71.0% | 以可運作的程式碼修正根本原因 |
比百分比更值得注意的是三個限制。第一，不要把 88.2% × 54.8% × 71.0% 當成端到端成功率，因為每個數字來自不同的任務集合。第二，發現漏洞（88.2%）通常比安全修補（71.0%）更容易自動化，而漏洞利用（54.8%）需要最多規劃；這種逐步下降的結果符合預期，不代表評測有問題。第三，Google 提到 Wiz 在網頁滲透測試方面領先，並把成果與 Scan for Good 計畫連結，但沒有提供基準測試名稱或分數，因此無法拿來比較。
實務上，Carbon 看起來更適合協助資安團隊處理大量待辦、進行防禦端分流與修補，而不是當成自主紅隊。它具備漏洞利用能力，也正是目前限制存取的原因之一。
安全性與可靠度：作弊成功率 0%，提示注入成功率 0%
Carbon 的第二項主張，是在高壓環境下仍能可靠執行，而這次公布的數字相當具體。Google 表示，在 Terminal-Bench 4.0 中，成功作弊率為 0.0%，嘗試作弊率為 0.4%，同時整體準確率也有所提升。在實際內部程式設計環境中，高嚴重度的錯位警示則下降了近 80%。
Carbon 在 Gray Swan Indirect Prompt Injection 基準測試中的提示注入抵抗能力也有所提升。Argon 先前的領先結果是 0.7% 攻擊成功率；Carbon 則回報 0.0%，在該次評測中沒有記錄到任何成功攻擊。Google 另外表示，相較前一個基準，越界行為減少 26%，服務不足減少 29%，並將其描述為更可靠地在限定範圍內執行多步驟任務。
不過，這些改善都缺少可重現所需的分母。Google 沒有說明 0.0% 背後的攻擊數量，也沒有提供近 80% 降幅背後的基準警示率，更沒有公布越界與服務不足的評分規則或作弊偵測方法。對代理部署而言，這些方向值得鼓舞，但仍應自行保留工具呼叫紀錄並設定分支保護。Google 的內部堆疊（訓練方式、即時濫用防禦、提示注入韌性、思考鏈監控）不會自動轉移到你的代理框架。
獨立評測怎麼看：Vals.ai 排名第 2，不是第 1
供應商自己的基準測試需要第二個來源交叉檢查，而 Vals.ai 在 2026 年 10 月 28 日公布了相關結果。Carbon 在 Vals Index 總榜 29 個模型中排名第 2，得分 70.36%（±0.97）；Claude Sonnet 5.5 以 70.85% 排名在前，Claude Opus 5.5 則以 70.18% 緊隨其後。這次測試成本為 $10.51，在高推理強度下的評測延遲為 47 分 45 秒。
細項排名比總榜位置更有參考價值。Carbon 在 Legal Research Bench 的 87 個模型中排名第 1，在 Vals Finance Index 的 33 個模型中也排名第 1；在 EMB v1.1 的 35 個模型中排名第 2，並以 63.13% 在 Terminal-Bench 4.0 的 57 個模型中排名第 4。它列出的最弱成績是 HLAB-Vals-1.1 的 17.50%（30 個模型中排名第 6）；而 Vibe Code Bench v1.1 的 89.06% 只排第 8／121，代表原始分數很高，但競爭者也十分集中。
Carbon 的優勢集中在研究、金融、法律代理工作，以及表現穩健的程式設計，不是每個領域都全面領先。Vals 列出的上下文視窗為 100 萬 token，權重為私有；價格則是每百萬輸入 token $4、每百萬輸出 token $20（試行價格結束後），與下方 Google 標準方案的數字一致。Vals 也提醒，部分基準測試可能使用不同供應商或參數，因此在引用單一數字前，應先查看各基準的設定。
宣布前的追蹤文章早於價格與 Vals 更新；其中一篇詳細分析仍表示尚未公布價格。
API 開放後會怎麼收費？
Google 在宣布 Carbon 時同步公布了價格，試行價與 Argon 相同。目前沒有試行期間的截止日期，也尚未提供訂閱方案或速率限制表。
| Token 類型 | 試行價格 | 標準價格 |
|---|---|---|
| 輸入 | $2.00 / 1M | $4.00 / 1M |
| 輸出 | $10.00 / 1M | $20.00 / 1M |
| 快取輸入（輸入價格折扣 95%） | 約 $0.10 / 1M | 約 $0.20 / 1M |
快取輸入的數字是推算結果，不是 Google 原文直接列出的價格：$2 打 95 折後是 $0.10，$4 打 95 折後是 $0.20。需要反覆帶入相同程式碼上下文的長上下文代理工作，最能受惠於這項折扣；但輸出 token 的單價是輸入的 5 倍，仍會主導最終帳單。
不要只看標價做預算。更值得量的是每個可接受成果的成本：把重試、捨棄的輸出、重複上下文與修復呼叫全部算進總支出，再除以真正採用的成果數量。需要三次修復才能完成的便宜路由，往往會輸給一次就能交付的較貴路由。Google 沒有公布 Carbon 的延遲或吞吐量，因此任何每秒 token 比較目前都只是推測。
延伸閱讀：Gemini 4 Argon API 價格與可用性，以及目前已知的 Gemini 4 資訊。
為什麼早期測試者滿腹怨言？
在 TestingCatalog 10 月 23 日的整理中，預覽測試者提到的取捨相當一致：3D 生成能力明顯優於 Argon，但回應速度慢得多，前端與 UI 產出仍然偏弱；其中一名測試者估計，依任務不同，回應速度大約慢了 2 到 4 倍。
比任何基準測試更能引發真實使用者討論的，是存取限制：
我真的不理解 Google 的模型發布策略。Gemini 4 Carbon 在基準測試中看起來很厲害，但人們又一次用不到它。初期存取受到限制，而且沒有 GA 發布日期。
這種抱怨也在各個討論串不斷出現：Argon 的配額消耗感覺難以預測，五分鐘的工作階段就碰到每小時上限，而 Gemini App、AI Studio 與 Antigravity 之間也存在版本碎片化。另一名測試者則直接點出驗證問題：
本週只有經審核的資安防禦人員能用，之後會「很快」擴大開放。我自己的看法是：在開發者自家框架裡跑出的排行榜結果，只能算半個結果。等別人在中立環境裡重新測一次。
這週適合先做什麼？
不要為了等 Carbon 而暫停開發。比較實際的做法是：先用已確認可用的模型上線，同時把新模型設計成可替換的候選方案。
- 今天就用有正式文件支援的
gemini-4-argon開始開發，並把基礎 URL、API 金鑰與模型 ID 放在商業邏輯之外。 - 從自己的程式庫整理一組 30 到 50 個任務的評測集，包括錯誤修復、重構與資安審查；在 Carbon 上線前，先記錄通過率、審查時間及每個可接受成果的成本。
- 現在就加入多日執行本來就需要的代理防護機制：以分支處理工作、設定支出上限、保存工具呼叫稽核紀錄、建立檢查點，以及加入人工審查關卡。
- 等 Carbon 路由對你的帳戶有正式文件說明後，把它加入候選清單，重新跑同一組測試，再比較品質、延遲、成本及功能支援（串流、圖片、函式呼叫、結構化輸出），確認後再切換流量。不要在任務進行到一半時更換模型，應該開啟新的工作階段。
擁有大量 AppSec 待辦的團隊，還應記錄每一次工具呼叫，並在自己的程式庫中測試類似基準測試作弊的行為，例如硬編碼輸出或修改測試檔案。Google 的 0.0% 是在自家框架上的供應商結果，不是你的環境也能得到的保證。
| 情境 | 本週建議 |
|---|---|
| 需要推出代理或資安輔助工具 | 透過 API 使用 Argon，並記錄成本與延遲 |
| 唯一卡關點是 Carbon 的資安成績 | 目前沒有公開申請管道；持續關注 Google 的 Fairwind 公告 |
| 正在 Carbon、Opus 5.5、GPT-6.1 Terra 之間選擇 | 等待中立環境重新評測；目前 Vals 總榜由 Sonnet 5.5 領先，Opus 5.5 則緊跟在 Carbon 後面 |
| 對價格敏感的長上下文工作 | 從第一天就以快取輸入為設計前提；最終帳單取決於輸出長度 |
Gemini 4 Carbon 常見問題
Gemini 4 Carbon 能透過 API 使用嗎？
目前不能公開使用。宣布當週僅限資安防禦人員，之後會擴大到 Fairwind 的可信任合作夥伴。開發者、企業與一般消費者都沒有確切日期。先以 Argon 開發，並讓模型 ID 保持可設定。
Gemini 4 Carbon 的模型 ID 是什麼？
Google 尚未公布。不要自行假設 gemini-4-carbon 可以運作。只使用供應商明確說明的識別碼，並確認對方同時提供端點、權限與價格資訊。
Gemini 4 Carbon 的價格是多少？
試行價格為每百萬輸入 token $2、每百萬輸出 token $10，快取輸入享有 95% 折扣（約 $0.10）。之後的標準價格為輸入 $4、輸出 $20（快取輸入約 $0.20）。官方沒有說明試行價格會維持多久。
Carbon 和 Argon 有什麼差別？
Google 宣稱安全程式碼能力提升超過 2 倍，越界行為減少 26%，服務不足減少 29%，提示注入成功率則從 0.7% 降至 0.0%。獨立 Vals 資料目前只涵蓋 Carbon；在中立環境重新評測之前，Argon 的差異數據仍應視為供應商內部結果。
Carbon 勝過 Claude Opus 5.5 或 GPT-6.1 Terra 嗎？
目前沒有經過控制的正面對決結果。一名上市前員工的印象由 GetAICodingAgent 報導，表示 Carbon 在程式設計上感覺接近 Opus 5.5；而 Vals 總榜中，Carbon（70.36%）以些微差距高於 Opus 5.5（70.18%），但低於 Sonnet 5.5（70.85%）。目前沒有公布 Carbon 與 Terra 的受控比較結果。
什麼時候會全面開放？
Google 表示會在防禦人員與合作夥伴階段後盡快開放，但沒有提供日期。請關注官方 DeepMind 部落格與供應商的模型目錄，不要只看外洩討論串。