谷歌在10月28日公布Gemini 4 Carbon時，將最引人注目的數字放在了網絡安全評測中：SEC-bench Pro為88.2%，ExploitGym為54.8%，CWE-bench為71.0%。但普通開發者當天並不能在產品頁面中直接使用它。首批入口只向一部分網絡防禦人員開放，並通過Fairwind Program逐步擴大到受信任的合作伙伴。

這組「高分與窄門」的組合，比單看排行榜更能說明 Carbon 現在的位置。谷歌將它稱為目前最強的模型，強調長週期任務、編碼和網絡安全能力，但同時又將其部署狀態保持在測試、反饋和防護調整階段。模型能力已經宣佈，但產品可用性卻沒有同步放開。

網絡安全能力先進入受控場景

Carbon 延續 Gemini 4 Argon 之後的模型發展路線，重點放在複雜、多步驟、長時間任務上。谷歌表示，其在編碼與智能體任務上有了明顯的提升，並在內部使用中降低了錯位執行和捏造內容的情況。對於網絡安全工作而言，這類能力不僅可以幫助發現漏洞、復現實驗和生成補丁，也可能讓攻擊步驟組織得更快，因此開放方式本身就是產品設計的一部分。

首批使用者被限定為網路防禦人員，谷歌還表示正在參與美國政府的自願預發布模型測試。這個順序意味著公司希望先在可識別的專業人群和有反饋渠道的環境裏觀察模型，而不是將基準高分直接換成全面上線。

公告中提到的三個網絡安全指標涵蓋了不同的環節：發現漏洞、利用漏洞和修補漏洞。這些指標可以說明模型在特定測試集上的表現，但卻無法自動證明在真實企業環境中的結果。代碼庫規模、權限配置、依賴版本、業務規則以及人工複核都會影響最終效果。尤其是當利用漏洞的能力和修補漏洞的能力同時增強時，誰能夠訪問模型、如何記錄操作、哪些任務需要審批，這些因素將與模型本身一樣重要。

將「少越界」與「少漏做」放在同一張表格上

Carbon還有一組更貼近智能體使用的內部結果。谷歌稱，該模型在多步計劃中將「越界執行」減少了26％，同時將「服務不足」減少了29％。這兩個方向通常會相互牽制：限制太嚴，模型可能不敢完成任務；追求完成率，又可能擅自擴大範圍。

將這兩項一起報告，說明 Carbon 试图解決的並不只是答題準確率，而是代理執行中的邊界判斷。對企業用戶來說，真正棘手的場景往往不是模型不會寫一段代碼，而是它能否在擁有工具、文件和系統權限時，只做被授權的那部分，還能把任務完整地交付出來。

不過，這些數字來自谷歌自己的評測和內部環境。公告並沒有將其描述為所有工作流程都能複現的承諾。企業若以後獲得訪問權，仍需在自己的倉庫、審批鏈和風險等級上進行驗證，特別是涉及生產變更、敏感數據和安全工具時。

定價已出，但產品時間表仍未確定。

谷歌表示，當 Carbon 正式推出時，將沿用 Argon 的入門價格：每百萬輸入 token 收費2美元，每百萬輸出 token 收費10美元，緩存輸入的價格比普通輸入低95%。價格先被公開，為開發團隊留下成本比較的基礎，但「正式推出」與「現在可用」是兩個不同的狀態。

公司表示會繼續收集反饋、調整防護措施，之後才向開發者、企業和消費者開放該產品，公告中沒有給出確切的日期。因此，目前可以確定的判斷是：Carbon已經進入有限測試階段，定價方向也已公佈，但全面產品的推出仍需等待後續通知。

這次發布將模型競爭推到了一個更現實的關係上。基準決定了模型能夠做什麼，訪問政策決定了誰現在能夠做什麼，權限與審計則決定了它在組織內能夠做到哪一步。Carbon的高分吸引了注意，而受限的入口則提醒用戶，網絡安全模型的成熟度不能僅從跑分來判斷，還需要看它如何被應用到真實系統中。目前最先發生變化的並非所有人手中的工具，而是少數防禦團隊獲得了一種更強大、也更需要約束的新入口。