近期，谷歌公司首席执行官Sundar Pichai在社交媒体平台上宣布，其内部旗舰模型Gemini 4 Carbon已向开发者、企业、研究人员及消费者全面开放。这一宣布标志着该模型自首次发布以来，只有短短两周的时间就进入了广泛使用阶段。在10月28日，谷歌首次展示了Carbon模型在网络安全、软件工程及长时间任务处理中的能力。然而，最初的使用范围仅限于特定的网络安全防御团队。此次的开放将使用户能够在Google AI Studio、Gemini for Business以及面向Google AI Ultra订阅用户的Gemini应用和搜索AI模式中广泛应用该模型。这一转变相比于先前版本，更多地强调了模型在真实工作场景下的实际应用能力。

根据官方披露，Gemini 4 Carbon在CursorBench 4.0、Perplexity WANDR及Zapier AutomationBench这三项针对真实工作流程的评测中均排名第一。其中，这三项评测分别考察了AI编程、信息检索与复杂任务执行以及企业应用的业务流程自动化能力。尤其是在Zapier AutomationBench中的表现，其模型在真实业务工具和工作流中的自动化任务能力显著提高，Carbon的得分达到53.9%，超过了Gemini 4 Argon（51.3%）、Claude Opus 5.5（42.5%）及GPT-6 Astra（41.4%）。此外，在更注重代码和系统操作的Terminal-Bench 4.0测试中，Carbon以65.2%的成绩领先于Argon（57.1%）和GPT-6 Astra（59.1%），而在GraphWalks测试中，该模型的F1分数为96.2%，明显高于Argon的84.2%。这项测试涵盖了256K至1M Token的上下文范围，主要评估模型在长距离信息关联与图结构搜索任务中的能力。

需要指出的是，尽管Carbon在以上评测中表现出显著的优势，但并不能因此判断其在所有领域处于绝对领先。根据Anthropic于11月9日发布的Claude Fable 5.2版本，其在Artificial Analysis最新评测中的综合排名表明，Claude Fable 5.2在最高推理配置下的Intelligence Index得分为65，而Gemini 4 Carbon的高配置得分为60。此外，在FrontierSWE v2的真实软件工程任务中，Claude Fable 5.2的得分为69.9%，相比之下Carbon为61.2%。这表明不同模型在代码修改、终端任务及企业工作流等场景中的表现存在明显差异， Carbon的优势并不意味着其在所有编程能力方面均处于领先地位。谷歌官方也指出，Gemini 4 Argon更适合多数常规软件工程及知识工作任务，而Carbon则专注于需要深入推理、复杂调试和长时间验证的高难度工作。值得注意的是，在上述三项工作流评测中，Carbon的单任务成本相比表现次优的外部模型降低超过2倍，这对需频繁调用模型的企业具有重要现实意义。 球友体育

在此次发布中，谷歌进一步提出了对AI编程工作方式的创新。在Antigravity的预览中推出了/swarm功能，使得开发者能够通过简单的提示词调度多个Agent以同时处理不同任务，并实时查看各自的执行进度。这一设计有效解决了现阶段AI编程中的一个关键问题，尽管单一模型的编程能力不断提高，但是在长时间的任务执行中，模型可能出现偏离目标的情况。

综上所述，Gemini 4 Carbon在复杂工作环境中的应用潜力得到了充分展示，其在实际工作场景中的表现及任务成本的降低为企业应用提供了重要依据。然而，模型的表现仍需在更广泛的应用范围内进行验证，以期在未来实现更全面的能力提升和应用适应性。