Gemini 4 Carbon Intelligence Index v5 发布说明

Gemini 4 Carbon 性能概览

Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 中稳居第一，得分为 59 分。与之前的 Gemini 版本相比，该模型在复杂推理、科学任务和基于知识的工作方面表现出显著提升。虽然它在九项指数评估中的四项（包括 HLE-Diamond 和 Terminal-Bench-Science）中处于领先地位，但在 Artificial Analysis Coding Agent Index 上目前排名次于 Claude Opus 5.5。

技术能力与基准测试

Gemini 4 Carbon 在代理知识工作方面表现出显著改进，特别是在 AA-Briefcase 评估中，其 Elo 分数比 Gemini 4 Argon 模型提高了 126 分。尽管有这些提升，但在某些知识密集型任务中，它仍落后于 Grok 4.7 和 Muse Wonder 等模型。

在编码基准测试中，Carbon 在 Artificial Analysis Coding Agent Index 上得分为 59 分，落后于得分 62 分的 Claude Opus 5.5 (max)。然而，这对 Google 来说是一个显著的进步，因为该公司在编码相关的代理任务中历来表现不佳。该模型具有 1M token 的上下文窗口，并支持包括文本、图像、视频和语音在内的多模态输入。

成本与可用性

Gemini 4 Carbon 目前正处于向部分用户分阶段推出的过程中，尚未公开发布。Google 对该模型的标准定价（每 1M 输入 token 4 美元，每 1M 输出 token 20 美元）实施了 50% 的发布折扣。与 Claude Opus 5.5 相比，Carbon 的单任务成本更低，估计为 7.76 美元（Claude 为 10.04 美元），同时保持了相当的智能指标。

社区反响与担忧

这一公告在开发者社区中引发了质疑，主要是因为该模型的可用性有限。许多用户对无法独立测试该模型表示沮丧，一些人指出，之前的 Google 模型在发布后不久就出现了性能下降或“被阉割”的情况。

关于 Artificial Analysis 指数方法论的讨论也随之出现，一些观察人士质疑指数更新相对于主要模型发布的时间安排。批评者对基准测试的透明度提出了担忧，指出很大一部分评估是私有的，公众无法复现。

"这个指数存在一个问题，许多模型在模型选择器中列出，但在指数中却缺失。这使得观察随时间推移的改进变得有些困难。" — @terhechte

"一个尚未发布模型的基准测试绝对是可疑的。我还认为 Google 应该停止‘发布’那些实际上无法使用的模型。" — @tlogan

"根据他们最新的更新，我觉得他们的指数很难信任，而且有点阴暗。对 AA 指数有贡献的基准测试中，60% 现在是私有的，没有人能复现它们。" — @GodelNumbering