Gemini 4 Carbon登顶智能指数 谷歌首次开放攻防模型

谷歌突袭发布Gemini 4 Carbon：智能指数登顶，攻防能力首次公开

距离上一代旗舰发布仅两周，谷歌CEO皮查伊便突袭推出Gemini 4 Carbon。据Artificial Analysis智能指数V5数据，Carbon以59分斩获全球第一。更引人关注的是其网络安全能力：漏洞发现率达到88.2%，漏洞修补率高达71.0%。谷歌通过Fairwind先锋安全计划，率先向受信任的防御方开放这一能力，随后再逐步向全球开发者开放。官方推特同步确认，Carbon在网络安全与长程任务中达到前沿水准。

这一举措标志着大模型竞争进入实战攻防阶段——模型不再只是生成内容，而是直接参与关键基础设施的漏洞识别与修复。

评测霸榜与极致性价比：Carbon的全面碾压

在Artificial Analysis的深度横评中，Carbon在9项核心基准中独占4项冠军，覆盖钻石级科学难题与自动化测试。编码代理能力上，仅Claude Opus 5.5能与之抗衡。谷歌同步推出开发者50%首发折扣，以性价比撬动模型生态。

大模型竞技场Marina的数据显示，Carbon在性价比维度重塑了排名。著名编程助手Klein评价称，Carbon是业内首个全面超越Claude与GPT的前沿模型，几乎所有基准测试均击败Opus 5.5，而调用成本仅需其一半。两周内相较前代Argon实现18%的提升，顶尖模型的迭代周期已被压缩至半月级别。

实战表现同样亮眼：在Grace 1间接提示注入测试中，攻击者尝试15次，Carbon的攻击成功率维持0%，远优于GPT的8.5%和Grok的51.8%；在Vending Bench自动售货机经营模拟中，从500美元起步一年赚取16484美元，力压Astra与Opus登顶。

不过，DeepMind训练工程师在社交媒体上的回复耐人寻味：代号被抹黑的下一代Gemini模型实际上还未登场。社区解读为谷歌手中仍握有参数更大、架构更激进的隐藏王牌。

MoE（Mixture of Experts，混合专家）架构是理解本次模型竞赛的关键技术背景。与传统的稠密模型每次推理都激活全部参数不同，MoE 将模型拆分为多个“专家”子网络，并通过门控机制在每次前向传播中只路由到少数专家。因此模型可以拥有很大的总参数量（决定知识容量），但实际推理只激活一小部分（决定计算成本与延迟）。文中英伟达 Nemotron 3.5 Transcribe 的“30B 总参数、仅激活 4B”正是典型表述——总参数衡量模型规模，激活参数才真正对应显存与算力开销。这也解释了为何厂商在宣传时同时给出两个数字：它既是能力指标，也是性价比指标。

**间接提示注入（Indirect Prompt Injection）**指攻击者不直接对模型下指令，而是把恶意指令隐藏在模型会读取的外部内容中——网页、邮件、文档、搜索结果甚至短信。当智能体带着工具权限去处理这些内容时，就可能被“劫持”去执行攻击者的意图，例如泄露数据或发起越权操作。Grace 1 这类测试让攻击者在多轮尝试中寻找突破口，统计攻击成功率。文中 Carbon 在 15 次尝试下成功率为 0%，而 Grok 高达 51.8%，差距反映的是模型对不可信内容的隔离与指令优先级判断能力，这在智能体大规模接入真实系统后尤为关键。

OpenAI的反击：API额度返还与短信智能体

面对谷歌攻势，OpenAI迅速对开发者抛出福利：符合条件的ChatGPT Pro与Business订阅用户，每月可领取最高500美元API额度。Pro用户按单位发放100-500美元，企业工作区合计同样最高500美元。这是OpenAI首次大规模返还API算力，正面狙击谷歌的价格战役。

产品端，ChatGPT智能体接入iMessage与RCS短信。用户可直接发文字、照片或语音备忘给Dot，Dot不仅能执行任务，还会主动发短信同步进展。OpenAI核心成员Tibo演示了极简交互：呼唤Siri给ED发短信即可派发复杂研究任务。这种无感接入表明个人智能体正在取代传统独立客户端形态。针对ChatGPT与Word工作区合并的传闻，Tibo辟谣称部分弹窗为误发，但证实团队计划在今年内打通二者能力。

**RCS（Rich Communication Services，富通信服务）**是传统短信（SMS）的升级标准，支持已读回执、输入状态提示、高清图片与文件传输、群聊和卡片式交互，能力接近即时通讯应用，但依托运营商原生通道而非独立 App。与 iMessage 类似，RCS 能让智能体以“发短信”这种零学习成本的方式触达用户——用户无需安装新客户端，直接在系统短信界面与智能体对话、发送语音备忘或照片。对平台方而言，这意味着智能体的入口从独立应用下沉到操作系统级的通信层，这正是文中“个人智能体正在取代传统独立客户端形态”的技术基础。

开源阵营：语音、小模型与智能体工程多点开花

英伟达发布Nemotron 3.5 Transcribe模型，采用30B总参数的MoE架构，运行时仅激活4B参数。单个模型覆盖40种语言的高精度转写，角色区分错误率低至1.8%——这一表现拔得头筹，而激活参数仅为竞品的六分之一，意味着开发者能以极低显存成本部署顶尖多语言语音能力。

国内方面，腾讯在数字生态大会宣布混元Hi4正式版即将上线，轻量化Hi4 Flash紧随其后，重点强化长程复杂任务与思维链推演，并首度融入视觉理解能力。阿里巴巴ATH团队发布仅有0.8B参数的统一文档模型Ovis OC23，在OmniDocBench达到96.74，PureDocBench以82.31力压对手夺得第一，并在OCRBench双榜摘金，重新定义了边缘文档处理的性能天花板。

开源社区同样活跃：DeepSeek^广告 Harness上线实验性组件，支持将复杂任务动态拆解并派发给Codex或Claude作为子代理；MiniMax Code团队开源McodeStack工程资产，将内部技能与工作流封装为标准文档，任何支持技能协议的AI代理均可加载。更疯狂的实验来自极客社区——开发者将完整RISC-V CPU架构编译进Qwen 3.5 4B的模型权重中，利用Gated DeltaNet层作为精确内存模型，仅凭前向传播即可无差错运行程序，算术基准从48%提升至满分100%，打开了神经网络作为确定性虚拟机的新维度。

编程代理与数学证明：生产力革命的双重验证

GitHub Universe大会上，微软发布Copilot Fusion模型：速度提升40%，成本最多降低77%，并通过Projects平台实现跨代码仓库的多智能体编排。实测显示，Fusion与Copilot加Opus 5.5的顶配组合在编码代理指数上差距缩小至不到2分，而每个任务API调用成本仅需其一半，配合首发7折优惠。

Anthropic的终端智能体在政务场景取得突破：面向10个州政府机构的34名开发者开放试点，高达80%的人员在30分钟内配好环境，四周试点结束时71%的开发者确认每月节省20小时以上工时。

数学领域，Xeon开源成果显示，数十个AI代理仅用24天将长达1.5万页的有限单群分类证明转化为约4300万行Lean代码，AI编写的数学代码规模正以每37天翻倍的速度增长。商汤开源视频生成模型Sense Nova 6.8 Code 2 Video，通过生成可执行代码制作短视频并全量开源权重；快手可灵AI成为好莱坞动画长片MiniBots的独家技术合作方，定于2027年供应。

Lean 是一个交互式定理证明器兼编程语言，它要求每一个数学命题都以严格形式化的代码书写，并由内核逐条机械验证，因此不存在“看似正确但实则有漏洞”的证明。将长达 1.5 万页的有限单群分类证明翻译为 Lean 代码，本质上是把人类自然语言数学重构为机器可检验的形式化对象。这项工作的意义在于：一旦证明被形式化，它就成为可被机器检索、复用与自动组合的可靠资产，AI 代理可以在其上批量尝试引理与证明策略。文中“AI 编写的数学代码规模每 37 天翻倍”正是以这种可验证形式化产出为计量单位。

商业大盘与算力博弈：AI变现全面兑现

皮查伊披露Alphabet三季度年化收入达5000亿美元，谷歌云收入同比狂飙103%，自研模型API每分钟吞吐近320亿Token，并明确指出递归自我改进正加速研发。微软云业务超过630亿美元，同比增速逆势提速至30%。一级市场上，Cognition被曝收到700-800亿美元估值的投资邀约，较9月份480亿美元估值仅一个月便大幅飙升。

算力供应链底层，Anthropic将2028年AMD显卡订单拉高3倍至3000兆瓦，OpenAI的AMD部署计划上调至8000-9000兆瓦。美国司法部已对英伟达与Hugging Face的投资合作展开反垄断调查。Artificial Analysis测算中美顶级模型综合性能差距已收缩至3.3个月，但APAC AI数据显示美国垄断全球78%的实际有效算力，中国芯片总数占全球18%，有效算力仅占10%。模型军备竞赛正在演变为技术迭代速度与物理算力储备的极限博弈。

**有效算力（effective compute）**与芯片数量是两个不同概念。芯片总数只统计硬件保有量，而有效算力还要考虑单卡性能、互联带宽、集群规模、供电与散热条件、实际利用率以及能否稳定调度等工程因素。同样数量的加速卡，如果缺乏高速互联或电力保障，实际可用的训练吞吐会显著缩水。因此文中出现“中国芯片总数占全球 18%，有效算力仅占 10%”的落差，反映的是硬件之外的系统级与供应链约束。同理，厂商以“兆瓦”为单位披露 AMD 显卡订单，也是用功率容量而非卡数来衡量真实部署规模，因为功耗预算往往才是数据中心扩张的硬边界。