Google 在美國時間 10/28 發布新一代前沿模型（frontier model）Gemini 4 Carbon，主打資安能力。Google 表示，Carbon 在漏洞發掘、漏洞利用與軟體修補等資安任務上，都達到最先進水準；不過，這款模型沒有直接開放給一般開發者與企業，而是先交給一部分資安防守方使用。
讓經過審核的防守方先用上新模型，並非 Google 所獨有的做法：Anthropic、OpenAI 今年 4 月也都以審核、分級的方式，限制特定模型的使用對象。至於 Carbon 的資安成績，有多少來自 Google 自行公布的數據，又有哪些限制？
Google 稱 Carbon 從找漏洞到寫修補都領先，數據從哪裡來？
Google 公布了三項外部資安基準測試（benchmark，用來比較模型能力的標準化測驗）的成績：負責找漏洞的 SEC-bench Pro 為 88.2%，Google 稱取得明顯領先；測試漏洞利用（exploitation）的 ExploitGym 為 54.8%，官方稱創下新的最先進水準；測試漏洞修補、由 Collinear 提供的 CWE-bench 為 71.0%，官方表示 Carbon 能把經過驗證的發現，直接轉成可運作的程式碼修正。這三項成績都是在未加護欄（guardrails，模型用來阻擋濫用的安全限制）的狀態下測得，測的是模型本身的能力；不過，使用者實際拿到的版本會套用安全限制，表現未必等同這些分數，《VentureBeat》也提醒，實際部署時的分數可能不同。
Google 也引用了內部團隊與旗下公司的觀察。依內部基準測試，Carbon 生成安全程式碼的成功率，是兩週前更廣泛推出的 Gemini 4 Argon 的 2 倍以上；Google 的 Chrome 團隊則回報，Carbon 產出高品質修補程式的表現，比另一家實驗室的大型前沿模型好 10 倍以上，但沒有點名對手，也沒有公布數據。Google 旗下的雲端資安平台 Wiz，同樣觀察到 Carbon 在網頁滲透測試（penetration testing，模擬攻擊以找出系統弱點的檢測）的基準測試中領先。
資安之外，Google 表示 Carbon 是為更困難、需要長時間處理的工程問題而設計，內部團隊曾看到 Carbon 連續運作數天，在遇到瓶頸時持續推進複雜的多步驟工程任務。
先交給防守方：Fairwind 計畫怎麼篩選？Anthropic、OpenAI 也有類似做法
Google 表示，對 Carbon 的推出採取審慎做法：從本週起先開放給一部分網路防禦者，再透過 Fairwind 計畫，逐步擴大到更多受信任的合作夥伴；開發者、企業與一般消費者的開放時間，目前只標示「即將推出」。根據《Reuters》報導，Google 在開放的同時仍持續測試安全防護措施；Google 也表示，正在參與美國政府自願性的模型發布前測試。
Fairwind 是 Google DeepMind 為受信任夥伴提供的先行存取計畫。根據計畫官方頁面，目前全球有超過 650 個合作夥伴，優先開放給三類對象：政府與國家網路主管機關；醫療、電信、能源、金融等關鍵基礎設施營運者；以及核心技術平台。申請的機構要接受背景審查，使用者須採用抗網路釣魚的多因素驗證；存取權只能交給內部資安、事件應變或滲透測試團隊，也不得分享、轉發或販售。
前一代 Argon 也走過同樣的路徑。根據《VentureBeat》，Argon 在 9/30 先透過 Fairwind 開放給經核准的資安夥伴，10/13 才更廣泛推出；Carbon 何時擴大開放，Google 尚未公布。
這種做法，其他 AI 公司今年也採用過。Anthropic 在 4/7 宣布 Project Glasswing，將 Claude Mythos Preview 提供給 AWS、Apple、Cisco、CrowdStrike、Google、摩根大通（JPMorgan Chase）、微軟、NVIDIA 等合作夥伴，另外開放給 40 多個開發或維護關鍵軟體基礎設施的組織，同時表示不打算全面開放這款模型。OpenAI 則在 4/14 宣布擴大 Trusted Access for Cyber 計畫，採分級方式開放，最高層級的客戶才能使用 GPT-5.4-Cyber，並先以有限、逐步的方式，開放給經過審核的資安廠商、組織與研究人員。
智慧指數只領先 1 分、部分評測仍落後，Carbon 的成績怎麼看？
Google 強調，Carbon 在第三方評測機構 Artificial Analysis 的智慧指數（Intelligence Index）v5.0 以 59 分排名第一。不過根據《VentureBeat》整理，以高推理模式受測的 Carbon，只比 Claude Opus 5.5 的 58 分、GPT-6 Astra 的 57 分高出 1 到 2 分；v5.0 也修訂了題庫，這次的排名不宜與舊版分數混在一起比較。
《VentureBeat》也指出，在 Google 公告的 17 項基準測試中，Carbon 有 15 項取得最高成績，但仍有落後之處：軟體工程測試 FrontierSWE 2，Carbon 的 61.2% 落後 GPT-6 Astra 的 65.5% 與 Opus 的 62.3%；電腦操作測試 OSWorld-2.1 的離線子集，Opus 的 87.2% 也高於 Carbon 的 81.5%。此外，Google 的圖表並未提供不確定性估計（誤差範圍）。
Artificial Analysis 的知識可靠度測試則呈現另一種取捨：Carbon 的答對率從 Argon 的 48% 提升到 58%，但幻覺率也從 4% 升到 11%。這裡的幻覺率，是指在沒答對的回應中（包括答錯、部分正確與未作答），答錯所占的比例。Artificial Analysis 指出，11% 仍是所有模型中第二低，僅次於 Argon；以最高推理設定受測的 Claude Opus 5.5 與 GPT-6 Astra 都是 50%。
價格方面，Carbon 的導入期價格與 Argon 的導入價相同，每百萬 token（模型處理文字的計量單位）輸入 2 美元、輸出 10 美元；導入期結束後，調整為輸入 4 美元、輸出 20 美元。據《VentureBeat》，Argon 的導入價到 11/30 結束，Carbon 的導入期何時結束則未說明。以 Artificial Analysis 的測算，Carbon 跑完一項智慧指數任務的成本為 7.76 美元，比最高推理設定的 Claude Opus 5.5（10.04 美元）低約 23%，約為最高推理設定的 GPT-6 Astra（6.25 美元）的 1.2 倍。
整體而言，Carbon 的資安成績多由 Google 及旗下團隊公布，目前尚未見到第三方獨立重現的結果；實際部署的版本套用了安全限制，表現也可能與測試分數不同。企業何時能實際使用，官方目前只寫「即將推出」，在 Carbon 更廣泛開放之前，這些成績仍有待更多使用者實際驗證。
【推薦閱讀】
◆ GPT-6 Astra 正式登場，為何 OpenAI 總裁認為 AGI 時代已到？
＊本文開放合作夥伴轉載，資料來源：Google、Google DeepMind、Artificial Analysis 1、Artificial Analysis 2、Anthropic、OpenAI、《Reuters》、《VentureBeat》，首圖來源：Google
