Gemini 4 Carbon 規格整理:分數、價格、開放狀態,加上 3D 與程式動畫案例清單
模型資訊
| 項目 | 內容 |
|---|---|
| 名稱 | Gemini 4 Carbon |
| 公布日期 | 2026 年 10 月 28 日 |
| 定位 | Google 新的旗艦模型,主打長時間自己做事的任務、寫程式和資安 |
| 上下文長度 | 100 萬 token(Artificial Analysis 頁面資料) |
| 輸入 | 文字、圖片、語音、影片(Artificial Analysis 頁面資料) |
| 同代的另一款 | Gemini 4 Argon,9 月 30 日推出,已經可以用 |
誰能用?
一般人目前還不能用。
Google 公告寫的是這週先開放給「一部分的資安防禦單位」,再透過 Fairwind 計畫逐步開放給更多受信任的合作夥伴,同時繼續收集回饋。什麼時候開放給一般開發者或一般使用者,官方沒有說明。
幾個常見的疑問:
- Gemini App、AI Studio 能用嗎? 公告沒有提到這些管道。Artificial Analysis 的模型頁寫「沒有公開的 API」。
- 為什麼 Arena 已經有排名、網路上也有人在分享作品? 公告前一週,Arena 的匿名對戰裡出現一個明顯比 Argon 強的版本。它當時掛的還是 Argon 的名字,但測試者認為那其實是 Carbon 的測試版,Google 沒有證實。使用者不能自己選,後來也抽不到了(TestingCatalog、作者貼文)。10 月 28 日 Arena 團隊和 Artificial Analysis 的實測,則是拿到預覽權限做的。
- Fairwind 是什麼? Google 給政府單位、基礎設施業者、大型科技平台提早使用防禦型模型的計畫,SecurityWeek 報導有 650 多個組織參加。
想先用到最接近的版本,可以用已經開放的 Gemini 4 Argon。
價格
單位:每百萬 token,美元。
| 模型 | 輸入 | 輸出 | 備註 |
|---|---|---|---|
| Gemini 4 Carbon 優惠價 | $2 | $10 | Google 公告,跟 Argon 同價;快取輸入再打 5% |
| Gemini 4 Carbon 正式價 | $4 | $20 | Google 公告註腳:優惠期結束後適用。優惠期多長,官方沒有說明 |
| Claude Opus 5.5 | $4 | $20 | 多家價格追蹤網站資料 |
所以「定價一樣」是指正式價,現在的優惠價是 Opus 的一半。不過目前一般人也還買不到。
分數比較
綜合榜(第三方)
| 榜單 | Carbon | Opus 5.5 | 誰測的 |
|---|---|---|---|
| 綜合智力指數 v5.0 | 59 | 58 | Artificial Analysis |
| Arena 文字榜 | 第 1 名(1528) | Arena(OfficeChai 報導) | |
| Arena 網頁開發榜 | 第 4 名(1768) | Google 公告自己寫的 | |
| Arena 代理榜 | 第 2 名 | 第 1 名 | TestingCatalog 報導 |
| 寫程式代理榜(Coding Agent Index) | 59 | 62 | Artificial Analysis(Lindy 等媒體引用) |
綜合榜只差 1 分,寫程式代理榜是 Opus 領先。
Google 官方評測表重點
Google 公布的總表有 17 項,Opus 5.5 有數字的 16 項裡,Carbon 贏 14 項、輸 2 項。
| 項目 | 測什麼 | Carbon | Opus 5.5 |
|---|---|---|---|
| Vals Index v2.2 | 綜合 | 70.4% | 70.2% |
| SWE-sweep | 寫程式代理 | 9.6% | 3.6% |
| FrontierSWE 2 | 寫程式代理 | 61.2% | 62.3% |
| Terminal-Bench 4.0 | 終端機操作 | 65.2% | 59.6% |
| Agents’ Last Exam v1.1 | 操作電腦 | 77.4% | 71.6% |
| OSWorld-2.1(離線題組) | 操作電腦 | 81.5% | 87.2% |
| AutomationBench(Zapier) | 知識工作自動化 | 53.9% | 42.5% |
| Vending-Bench 2 | 經營販賣機的模擬帳戶餘額 | $16,484 | $9,235 |
| Chartography | 看懂圖表 | 72.5% | 66.3% |
| Blueprint-Bench 2 | 看懂藍圖 | 58.6% | 51.2% |
| GraphWalks | 超長文件(25.6 萬到 100 萬 token) | 96.2% | 66.8% |
| RiemannBench | 數學 | 80.0% | 69.6% |
| Terminal-Bench-Science 0.1 | 科學任務 | 64.8% | 59.0% |
差距最大的是超長文件(96.2% 比 66.8%)。輸的兩項剛好是寫程式代理和操作電腦。
資安(大多是 Google 自測)
| 項目 | 測什麼 | Carbon | Opus 5.5 | 誰測的 |
|---|---|---|---|---|
| ExploitGym | 把已知漏洞做成真的能用的攻擊 | 53.5%(每題 6 小時);54.8%(每題 10 小時) | 34.5%(每題 6 小時) | Google 自測,Opus 數字取自 Anthropic 公開報告 |
| CWE-bench | 修補漏洞 | 71.0% | 67.0% | Collinear 公開榜 |
| SEC-bench Pro | 找出漏洞 | 88.2% | 沒有比 | Google 自測 |
要注意三件事:
- Google 公告寫的 54.8% 是每題跑 10 小時的成績,Opus 是 6 小時。同樣 6 小時是 53.5% 比 34.5%,差距還是很大。
- 這些都是「沒有開防護」的測法,Carbon 由 Google 自己跑,對手的數字是從各家公開報告抄來的,條件不一定相同。
- 同一張 ExploitGym 圖裡也有 Anthropic 專做資安、限定審核才能用的 Claude Mythos 5.1,分數是 30.4%(6 小時)。
另外,Google 公告說 Chrome 團隊回報,在產生高品質補丁這件事上,Carbon 比「另一家的大型前沿模型」好 10 倍以上。比的是哪一家、10 倍怎麼算,官方沒有說明,也沒有公開數據。
知識考:答對率、幻覺率、作答率
Artificial Analysis 的 AA-Omniscience 是一份冷門知識考,會把「不知道還硬答」算成扣分。
| 項目 | Carbon | Opus 5.5 |
|---|---|---|
| 答對率 | 58.3% | 65.5% |
| 幻覺率(沒答對的題目裡,答錯而不是說不知道的比例) | 11.4% | 50.3% |
| 有作答的比例 | 64.3% | 86.7% |
我自己換算:每 100 題,Opus 大約答錯 17 題,Carbon 大約答錯 5 題。Carbon 答對的比較少,但不會的題目多半會說不知道,比較不會一本正經地亂講。
3D 與程式動畫案例
下面的作品都是用程式(多半是 three.js)在網頁上做出來的,不是生成影片。模型名稱、製作時間都是作者自己說的。
影片裡的三個
| 作品 | 作者 | 作者說法 | 連結 |
|---|---|---|---|
| 雙黑洞 Two Black Hole Horizons | @thtbee_ | 照兩張圖盡量重現,全用 three.js,花了 1 小時 40 分 | 貼文 |
| 富士庭園 Fuji Garden | @doe_naps | 可以用蝴蝶的視角飛進去,有水面倒影、會走動做事的小人 | 貼文 |
| 水墨黑貓 Ethereal Cloudy Cat | @thtbee_ | 全用 three.js,57 分鐘,會追小蝴蝶;作者說音效很吵 | 貼文 |
這三件都是公告前在 Arena 測到的測試版。
Arena 團隊的 47 分鐘實測(10 月 28 日)
Arena 團隊拿 Carbon 的預覽版跟 Argon、Opus 5.5、GPT-6.1 Sol 等模型比 3D、創意、視覺解說和介面設計。影片連結
| 時間點 | 內容 | 畫面上顯示的成本 |
|---|---|---|
| 0:15 | 白宮 3D,Carbon 對 Argon、Opus | |
| 6:28 | Carbon 不夠好的地方:細節不足 | |
| 15:33 | 莫內麥草堆畫作轉場 | |
| 18:37 | 梵谷畫作世界,梵谷臥室做成 3D | 約 $1.86 |
| 26:27 | 倫敦歷代,從西元 100 年的羅馬倫敦開始,有時間軸 | 約 $2.24 |
| 33:20 | 視覺解說:閃電怎麼形成 | |
| 39:45 | 金門大橋完工動畫,海報風 | 約 $1.06 |
片中 Opus 5.5 做的白宮細節也很強,所以 3D 不能說 Carbon 全面贏。
公告前的其他測試版作品
| 作品 | 作者 | 作者說法 | 連結 |
|---|---|---|---|
| 可樂瓶 SVG | @dummerspast39 | 在 Arena 大約 5 分鐘做出來,覺得比 Opus 好;畫面有可口可樂商標 | 貼文 |
| 城堡光線切換 | @Mr_Salio | 3D 品質很高;影片裡有黃金時刻、藍調時刻、月光、晨霧四種光線 | 貼文 |
| 河谷下雨(像素方塊風) | @abhinavflac | 有水面倒影和動態天氣,比 Argon 多花 2 到 3 倍時間 | 貼文 |
| 水晶柑橘 | @pankajkumar_dev | 互動 3D,約 20 分鐘 | 貼文 |
| 機械蜜蜂 | @thtbee_ | 做出蜜蜂跳 8 字舞和翅膀的動作,有爆炸圖和藍圖模式 | 貼文 |
公告後的其他實測
| 作品 | 作者 | 說明 | 連結 |
|---|---|---|---|
| 白宮 3D:Carbon 對 Opus 5.5 | @exploraX_ | 作者說兩邊都很強,很難選 | 貼文 |
| Chrome 小恐龍遊戲 | @noclipepe | Carbon 34 分 41 秒、$5.20;Opus 5.5 38 分 55 秒、$8.53 | 貼文 |
更多案例影片,有人整理在 這個 GitHub 頁面。
要小心看的地方
- 很慢。 Artificial Analysis 量到開始回覆前要等約 118 秒,Argon 約 49 秒;開始輸出後的速度差不多(每秒約 85 對 83 token)。測試者 Lumina 的說法是依任務不同慢 2 到 4 倍(TestingCatalog 轉述,沒有公開測法)。
- 很多分數是 Google 自己公布的。 資安三項裡有兩項是 Google 自己跑的,「好 10 倍以上」是 Chrome 團隊的內部回報。
- 社群作品的模型名稱是作者自述。 公告前的社群作品,是不是 Carbon 是測試者自己判斷的,Google 沒有證實。只有 Arena 團隊 10 月 28 日的實測,是確定拿預覽權限做的。
- 寫程式代理榜 Opus 領先。 Artificial Analysis 的寫程式代理榜 Opus 62、Carbon 59;Google 自己的表也輸在 FrontierSWE 2 和 OSWorld-2.1。
- 綜合榜只贏 1 分。 59 比 58,差距很小,換個測法排名就可能不一樣。
資料來源
- Google 公告:Gemini 4 Carbon: our next frontier model
- Google 評測方法說明:Gemini 4 Carbon Model Evaluation(PDF)
- Artificial Analysis:Carbon 與 Argon 比較、AA-Omniscience
- SecurityWeek:Google Says Gemini 4 Carbon Leads in Finding, Exploiting and Fixing Vulnerabilities
- Fairwind 計畫:deepmind.google/fairwind-program
- TestingCatalog:Gemini 4 Carbon early test results
- OfficeChai:Gemini 4 Carbon Tops Text Arena
- ExploitGym 說明:Berkeley RDI
以上資料整理到 2026 年 11 月 1 日,Carbon 還在分階段開放,分數和開放狀態之後可能會變。
想看我實際拿新模型做動畫、做短影音的過程,追蹤我的 IG 👉 @life.coach.mtcity,新模型的實測我都會放在那裡。