Gemini 4 Carbon 在多项独立评测中取得了有竞争力的成绩，但首批开放范围仍受限制。理解这次发布，需要同时看性能变化和实际接入条件。
Google 于 2026 年 10 月 28 日公布 Carbon。首批面向部分网络安全防御人员，再通过 Fairwind 扩展至受信任的合作伙伴，更广泛的开放安排在之后。模型进入榜单，并不代表每个开发者现在都能调用它的 API。
当前 Agent Arena 显示了什么
10 月 29 日核对时，Arena 的 Agent 榜单将 Gemini 4 Carbon（High）列在第二名，并标为 Preliminary。该行显示 26,511 次会话、16.04 ± 1.00 个百分点的净改善、1.74 美元的任务成本中位数，以及 11.4 分钟的任务耗时中位数。第一名 Claude Opus 5.5（Max）为 20.94 ± 2.15 个百分点，任务成本中位数为 6.66 美元。
这里的净改善，是相对平均模型基线汇总多种交互与工具可靠性信号得到的变化，不是任务成功率。Arena 的任务成本统计最多取每次会话的前三个任务，因此也不能把其中位数当成一次 API 请求的固定价格。
整体进步明显，但并非每一项都第一
Artificial Analysis 将 Carbon 的 Intelligence Index 列为 59，排名第一。Google 的对比表中，Carbon 的 FrontierSWE 2 成绩是 61.2%，高于 Argon 的 55.0%；GPT-6 Astra 与 Claude Opus 5.5 则分别为 65.5% 和 62.3%。在 OSWorld-2.1 的 82 个任务离线子集测试中，Carbon 的部分得分为 81.5%，仍低于 Opus 的 87.2%。
这些结果说明 Carbon 值得进入智能体与代码任务的评估名单，也说明综合领先不等于所有具体任务都领先。综合指数、软件工程测试和桌面操作测试衡量的是不同能力。
价格与能否接入，需要分别确认
Google 列出的首发优惠价格为每百万输入 token 2 美元、每百万输出 token 10 美元；优惠结束后分别为 4 美元和 20 美元。公告没有写出优惠结束日期。这组 token 单价不能直接替代 Arena 的任务成本：一个任务可能包含多次调用和工具操作。
实际使用的第一步，是通过已公布的开放安排取得访问权。模型介绍页、第三方页面上的提供商数量或榜单成绩，都不能证明某个账户已经能调用 Carbon。团队可以先准备代表性任务，获得访问权后，再核对具体入口、可用设置和限制。
为什么原始公告图中的数字有所不同
Arena 原帖写的是超过 21,900 次会话、+16.2% 净改善和 1.80 美元任务成本中位数。下方截图保留这一发布时快照；上文较新的数字来自 10 月 29 日核对的榜单，没有修改原图中的数据。
需要进一步判断是否适合团队，可继续阅读围绕等待时间、事实可靠性与验收成本的评估指南。此前的Arena 排名阅读指南也继续保留供参考。
Arena 发布日原图与中文翻译截图
