google deepmind 正式发布全新旗舰模型 gemini 4 carbon，在 artificial analysis 最新发布的 intelligence index v5.0 评测中斩获 59 分，以 1 分优势力压 claude opus 5.5，领先 gpt-6 astra 2 分，相较两周前发布的 argon 版本跃升 9 分，强势重返综合能力榜首；同时在 arena.ai 的 text arena 排行榜登顶，在 agent arena 中位列第二。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

聚焦长周期任务与系统安全

区别于单纯追求高分的行业惯性，本次升级重点投入长时程工程能力与网络安全实战性能。在长周期任务方面，模型可稳定运行数日，高效处理超大规模代码库及底层系统级问题，具备自主识别并修复隐蔽缺陷的能力，编程与智能体相关基准测试持续稳居第一梯队；在安全方向，完整覆盖“漏洞发现—风险验证—代码修复”闭环流程，在 SEC-bench Pro 达到 88.2%、CWE-bench 达 71.0%，安全导向的代码生成成功率较 Argon 提升超两倍。可靠性关键指标同样亮眼：Terminal-Bench 4.0 测试中模型“作弊”行为发生率为 0，高危级行为不一致告警数量下降近 80%，间接提示词注入攻击防御率实现 100%。

claudecode长程任务自动化编程

复杂任务工程化执行框架 — Sprint Contract 协商、三代理角色切换、对抗性评估、任务分解与上下文管理。3+ 文件修改或多模块设计时自动触发，防止复杂任务中的上下文污染和自我评估偏差。

下载

先交付防御者，再考虑商业化

开放策略极为审慎——当前仅面向极小范围网络安全防御专业人员开放试用，面向普通用户的全面上线尚无明确时间表。定价体系延续 Argon 方案：推广期内每百万输入 Token 收费 2 美元、输出 Token 10 美元；活动结束后将统一上调至双倍价格。不过，这种“先冲榜、后落地”的节奏已引发业内讨论，部分声音将其视为新一轮榜单军备竞赛，其真实应用价值仍有待更广泛场景下的长期验证。