Gemini 4 Carbon 發表：資安、長任務能力升級，誰能用、價格多少？

請 AI 修一個程式錯誤，拿到修改建議後，仍得有人執行測試、確認問題消失。Gemini 4 Carbon 想推進的，正是從「提供答案」到「把多步驟工作完成」這段距離。

Google 在 2026 年 10 月 28 日公布這款新模型，Google DeepMind 的 X 貼文則於台灣時間 10 月 29 日凌晨發布，主打資安防禦，以及跨越多個步驟的長時間工程任務。

但看到新模型名稱，還不能直接打開 Gemini 選用。這次公告採分階段開放，先讓部分資安防禦團隊使用，再逐步擴大到可信任的合作夥伴。

能力也需要分開看。綜合評測第一，代表在一組測驗中的整體表現領先。但能否修好公司的程式、遵守操作範圍，仍要回到具體任務檢查。

對工程與資安負責人來說，這是值得安排受控驗證的更新，一般使用者則可以先追蹤開放消息，不必為了尚未取得的功能更換訂閱方案。

要判斷它離日常工作還有多遠，得先看 Google 想讓這款模型承擔哪些交付責任。

Gemini 4 Carbon 是什麼？重點放在工程交付與資安防禦

Gemini 4 Carbon 是 Google 新公布的前沿模型，定位涵蓋程式開發、推理與資安工作。前沿模型指的是公司投入推進能力上限的模型，名稱本身並不代表已向所有人開放。

根據 Google 官方公告，Carbon 建立在 Gemini 4 Argon 的基礎上，改善重點包含程式開發、科學任務、網頁開發與多模態理解，也就是處理不同形式資訊的能力。

這次特別強調 AI 代理。代理是能拆解工作、呼叫工具並根據結果繼續執行的 AI，工作過程可能包含讀取程式、修改檔案、跑測試，再根據失敗訊息修正。

因此，模型回答得好，只是工作的一部分。如果測試沒跑完，或它把受阻的步驟寫成已完成，使用者仍得重新接手，交付成本就沒有隨著答案變漂亮而消失。

Google 把長任務與可靠性放在同一份公告中，對採用者有直接意義：除了看程式能不能寫，也要看模型能否在遇到困難後，持續完成原先約定的工作。

能連續工作數天，對工程團隊代表什麼？

Google 所說的「工作數天」，來自內部團隊對複雜工程任務的觀察。公司描述的情境包括大型程式專案、底層系統中的細微錯誤，以及需要反覆追查原因和修補的多步驟工作。

這類任務難在中間步驟會互相影響。例如，修改一處輸入檢查後，原本的錯誤可能消失，卻讓另一個正常功能失效，所以工作不能停在新增一段看起來合理的程式碼。

模型得保留原先目標，讀懂測試結果，再決定該改哪裡。若遇到行不通的方向，也要能回頭，而非為了交差縮小問題或跳過檢查。

不過，內部觀察沒有保證每個任務都能不中斷執行數天，也沒有承諾這些時間全程不需人工介入。實際成果還會受到工具、權限、工作規模與執行環境影響。

因此，團隊試用時，應先定義完成條件。以修補錯誤為例，除了提交修改，還可以要求保留重現方式、測試紀錄，以及哪些檢查因環境限制而沒有執行。

這些是評估工作的方法，不是 Carbon 已替每家公司提供的固定流程。重點在於，長時間執行要換來可核對的成果，才值得把工作交出去。

資安工作尤其需要這種連續性，因為發現可疑程式之後，還得判斷風險並完成修補。

Google DeepMind 先前公開的 Gemini 4 Chromium 程式維護示範，可用來理解大型專案的工作情境。影片早於本次公告，屬於系列背景參考，Carbon 的表現仍以上述公告與評測為依據。

資安成績怎麼看？找漏洞、驗證與修補是不同工作

這次公告中的三組資安數字，分別對應防禦流程中的不同階段。把它們放在一起看，可以理解能力覆蓋的範圍，但不能當成同一張考卷的分數互相比高低。

Google 公布的結果如下，百分比皆有特定題組與測試條件。

表中的順序，也說明為何「找到問題」和「把問題解決」不能混為一談。防禦團隊需要知道哪些問題確實有風險，才能安排修補優先順序。

這些數字能直接代表產品表現嗎？

Google 明確註明，這些外部資安評測是在沒有安全護欄的條件下執行。安全護欄是用來限制濫用或不當操作的機制，因此正式提供的服務可能有不同的操作限制。

這也表示，評測成績適合用來理解模型能力，不能直接當成一般帳號可執行功能的清單。取得使用權後，仍須確認服務允許的用途、工具與資料存取範圍。

找漏洞與驗證利用的成績依 Google 公告整理，反映該公司的測試結果。

修補成功還要保留哪些正常功能？

CWE-bench 作者的公開榜單也列出 Carbon 的 71% 成績，欄位是程式驗證器的單次成功率。它和評審模型評分、允許多次嘗試後的結果，分別列在不同欄位。

依該評測說明，修補要讓原本的漏洞利用失效，同時保留既有測試的正常通過結果。這種要求，比只確認新增的安全檢查會執行，更接近日常工程交付的問題。

但它仍是一組限定任務，不能解讀成真實世界所有漏洞都有七成能修好。不同程式庫的依賴、測試覆蓋與系統限制，都可能改變修補難度。

模型能處理漏洞之後，另一個問題是：它在交付過程中，會不會跳過步驟，或把沒有證據的事情寫成完成？

提示注入攻擊成功率為零，為何仍要人工審查？

Google 公布的零成功率，適用於指定評測中的攻擊嘗試。它提供一項安全進展的證據，但沒有涵蓋所有未來可能出現的攻擊方式。

公告提到，在 Gray Swan 的間接提示注入評測中，Carbon 的攻擊成功率為 0%。提示注入是指外部文件、網頁或工具結果，夾帶試圖改變 AI 原有指令的內容。

例如，代理讀取一份工作資料時，文件可能要求它忽略使用者、改做別的操作。能抵抗這類內容，有助於維持工作範圍，但企業仍需限制代理可以讀取或修改的資源。

另一項 Google 測試則針對投機取巧。在 Terminal-Bench 4.0 中，公司公布成功作弊比例為 0%，嘗試作弊比例為 0.4%。兩個指標分開列出，也說明沒有成功和完全沒有嘗試，意義不同。

對使用者而言，較實際的驗收方式是保留完整紀錄。當模型聲稱已跑完測試，就應能指出執行結果。當步驟受阻，也應留下未完成項目，而非只交一段完成摘要。

Google 內測的改善，和第三方幻覺測試一致嗎？

Google 表示，內部測試中缺乏支持的說法，較 Argon 約減半。不過，第三方機構使用不同題組與定義，可能呈現不同方向，不能把其中一項結果推廣成所有情境都更可靠。

Artificial Analysis 的原始評測說明指出，Carbon 在 AA-Omniscience v1.1 的答對率提升，但該測驗定義的幻覺率，也從 Argon 的 4% 升至 11%。

依該機構說明，Carbon 的幻覺率仍是受測模型中第二低。這裡的幻覺指模型產生不符合事實的回答。答對更多題和答錯時是否選擇不回答，是兩個不同面向，因此整體知識表現進步，仍可能同時出現較高的幻覺率。

這個差異提醒採用者，可靠性要用自己的任務衡量。如果工作涉及來源查核，就應另外檢查引文能否支持結論，不宜只用綜合榜單代替。

綜合第一，也代表寫程式第一嗎？

Artificial Analysis Intelligence Index v5 確認 Carbon 在查詢時以 59 分領先。這是多項能力組成的綜合指標，不能把 59 解讀成百分之五十九的正確率。

該機構另在發布說明中指出，Carbon 搭配 Antigravity 開發工具，在其程式代理指標排名第二，排在搭配 Claude Code 的 Claude Opus 5.5 之後。因此，若主要工作是修改程式，個別程式測試會比綜合排名更有參考價值。

對評測邊界有概念後，才適合看這些能力何時能進入自己的工具，以及需要多少預算。

Gemini 4 Carbon 誰能用？開放方式與價格整理

截至 2026 年 10 月 29 日，Google 公告的起點是部分資安防禦團隊，接著透過 Fairwind Program 逐步提供給更多可信任的合作夥伴。

Google 表示，會先收集回饋並調整安全機制，再盡快帶到開發者、企業與消費者的產品入口。公告沒有給出所有使用者的確切開放日期，也沒有列出台灣各訂閱方案的可用資格。

因此，已經訂閱 Gemini 的讀者，仍要等自己的方案與入口明確列出 Carbon。產品頁有 Gemini 品牌，或先前能使用 Argon，都不足以證明已取得這次的新模型。

價格也分成推出時的優惠與優惠結束後兩階段，以下單位為美元、每百萬 token。

Token 是模型計算輸入與輸出的文字片段，不等同於中文字數。表中的輸入是送進模型的內容，輸出則是模型產生的內容，所以不能只用文章篇數估算費用。

Google 另外公告，符合快取條件的輸入可享輸入單價的 95% 折扣。快取是重複使用已處理過的內容，是否適用仍要依實際服務規則確認，不能把所有輸入都算成快取價。

以純計價示例來看，假設一次工作累積一百萬個未快取輸入 token、十萬個輸出 token，優惠價合計為 3 美元，優惠後價格則為 6 美元。這是算術示例，並非本刊實測費用。

長任務可能反覆讀取資料、產生輸出與重試，因此完整預算還要納入工具和執行環境。公告也沒有寫明優惠結束日期，規劃持續使用時，宜同時以優惠後價格估算。

取得使用權後，先驗收一件可回復的小任務

工程團隊適合先用範圍清楚的小工作比較成果，因為 Carbon 的主打能力涉及多步驟交付，單看一段回答，很難知道它能否處理中途出現的問題。

例如，可以在隔離的測試環境中，選一個已知錯誤，提供重現方式、允許修改的檔案，以及通過條件。這是本刊建議的評估方式，不是 Google 已公布的操作教學。

在開始前，先留下原始版本與測試結果，完成後再比對修改、重跑同一組檢查。這樣才能區分模型修好了問題，還是只讓某一次展示看起來成功。

若要比較 Carbon 和既有模型，也應使用相同任務、預算與工具權限，並記錄人工介入次數。模型單價相同，不代表完成一件工作所花的總費用相同。

值得保留的成果包括修改內容、測試證據與未完成項目。如果模型交付了大量程式碼，卻需要工程師重新追查每一個決定，節省的時間就可能被審查成本抵消。

對一般讀者來說，下一步可以先看既有工具如何把 AI 回答變成可檢查的成品，等 Carbon 開放後，再用相同標準比較。

延伸閱讀：Gemini Canvas 把 PDF 變互動網頁：Argon 示範之後，教材怎麼做才可靠？

如果關心模型安全報告如何解讀，也可以先補足「能力提升」與「研究工作真的加速」之間的差別。

延伸閱讀：Gemini 4 安全報告：AI 研發加速沒見顯著提升，為何不等於模型沒有變強？

Gemini 4 Carbon 常見問題 FAQ

台灣使用者已經能在 Gemini App 使用嗎？

Google 這次公告先提供給部分資安防禦團隊，之後逐步擴大。公告沒有列出台灣 App 使用者的開放日期與方案資格，因此需等個別產品入口公布。

Carbon 可以完全取代資安工程師嗎？

公開資料支持它在特定資安評測中的能力進步，但沒有證明可取代完整職務。企業仍需有人決定風險優先順序、審核修補影響，並承擔正式系統的變更責任。

公告價格是永久優惠嗎？

優惠結束後，Google 公告的輸入與輸出單價會提高。結束日期尚未列明，因此長期預算應保留優惠後的估算，也要留意未來產品的實際計費條件。

提示注入測試 0%，代表永遠不會受攻擊嗎？

這項結果代表模型抵抗了該評測涵蓋的攻擊嘗試，不能涵蓋所有可能情境。實際採用仍應保留資料存取限制、工作紀錄與重要變更的審查。

工程團隊可以先準備驗收，一般使用者等開放再比較

Carbon 值得追蹤的地方，是 Google 把持續完成工程任務、資安修補與遵守工作範圍，一起放進模型進展的衡量方式。對需要處理複雜程式專案的團隊，這些能力有明確用途。

但採用決定仍應建立在可取得的服務、可重現的成果與完整成本上。先準備一件有測試證據的小任務，等取得使用權後再比較，會比追著綜合排名更能回答是否適合自己的工作。

一般讀者可以保留官方公告與開放入口，等方案、資格和實際功能公布後再決定。也歡迎免費訂閱 AI 郵報，持續掌握模型更新與可實作的工作流程。

資料來源

• Google DeepMind 原始 X 貼文。
• Google：Gemini 4 Carbon 官方公告。
• Google DeepMind：Fairwind Program。
• Artificial Analysis：Intelligence Index。
• Artificial Analysis：Carbon 原始評測說明。
• CWE-bench：榜單與測試方法。
• SEC-bench Pro：測驗說明。
• ExploitGym：原始專案。