谷歌在10月28日公布Gemini 4 Carbon时，把最抢眼的数字放在网络安全评测里：SEC-bench Pro为88.2%，ExploitGym为54.8%，CWE-bench为71.0%。但普通开发者当天并不能在产品页面里直接调用它。首批入口只向一部分网络防守人员开放，并通过Fairwind Program逐步扩大到受信任伙伴。

这组“高分与窄门”的组合，比单看榜单更能说明Carbon现在的位置。谷歌把它称为目前最强的模型，强调长周期任务、编码和网络安全能力，同时又把部署状态留在测试、反馈和防护调整阶段。模型能力被宣布了，产品可用性却没有同步放开。

网络安全能力先进入受控场景

Carbon延续Gemini 4 Argon之后的模型路线，重点放在复杂、多步骤、长时间任务。谷歌称，它在编码与智能体任务上有明显提升，并在内部使用中降低了错位执行和捏造内容的情况。对网络安全工作而言，这类能力既可以帮助发现漏洞、复现实验和生成补丁，也可能把攻击步骤组织得更快，因此开放方式本身就是产品设计的一部分。

首批使用者被限定为网络防守人员，谷歌还表示正在参与美国政府的自愿预发布模型测试。这个顺序意味着公司想先在可识别的专业人群和有反馈渠道的环境里观察模型，而不是把基准高分直接换成全面上线。

公告给出的三个网络安全指标覆盖不同环节：发现漏洞、利用漏洞和修补漏洞。它们能说明模型在特定测试集上的表现，却不能自动证明真实企业环境中的结果。代码库规模、权限配置、依赖版本、业务规则和人工复核都会改变最终效果。尤其是利用能力与修补能力同时增强时，谁能访问模型、怎样记录操作、哪些任务需要审批，会和模型本身一样重要。

少越界与少漏做被放在同一张表上

Carbon还有一组更贴近智能体使用的内部结果。谷歌称，模型在多步骤计划中将“越界执行”减少26%，同时把“服务不足”减少29%。这两个方向通常彼此拉扯：限制太严，模型可能不敢完成任务；追求完成率，又可能擅自扩大范围。

把两项一起报告，说明Carbon试图解决的并不只是答题准确率，而是代理执行中的边界判断。对企业用户来说，真正棘手的场景往往不是模型不会写一段代码，而是它能否在拥有工具、文件和系统权限时，只做被授权的那部分，还能把任务交付完整。

不过，这些数字来自谷歌自己的评测和内部环境。公告没有把它们写成所有工作流都能复现的承诺。企业若以后获得访问，仍需要在自己的仓库、审批链和风险等级上做验证，特别是涉及生产变更、敏感数据与安全工具时。

定价出现了，产品时间表仍没有落地

谷歌称Carbon正式推出时将沿用Argon的入门价格：每百万输入token 2美元、每百万输出token 10美元，缓存输入价格比普通输入低95%。价格先被公开，给开发团队留下成本比较的基础，但“正式推出”与“现在可用”是两个状态。

公司表示会继续收集反馈、调整防护，之后才向开发者、企业和消费者产品开放，公告没有给出确定日期。因而当前能成立的判断是：Carbon已经进入有限测试，定价方向已经公布，全面产品入口仍待后续。

这次发布把模型竞争推到一个更现实的关系上。基准决定模型能做什么，访问政策决定谁现在能做，权限与审计决定它在组织里可以做到哪一步。Carbon的高分吸引注意力，受限入口则提醒用户，网络安全模型的成熟度不能只看跑分，还要看它怎样被放进真实系统。当前最先变化的不是所有人手里的工具，而是少数防守团队获得了一条更强、也更需要约束的新入口。