Google 新模型不谈聪明，谈两件事：跑得久，和别越界

先看它把自己放在什么位置

十月二十八日，Google DeepMind 发布 Gemini 4 Carbon。官方给的定位不是 "更聪明"，而是两个很具体的方向：网络安全，和长程任务——指需要连续几十上百步、跑很久才能做完的活。署名作者是 Koray Kavukcuoglu，Google DeepMind 高级副总裁兼 Google 首席 AI 架构师。

能对账的数字有三个：在刚更新到 v5.0 的 Artificial Analysis 智能指数上，Carbon 以 59 分排第一；在找漏洞的 SEC-bench Pro 上 88.2%，在漏洞利用的 ExploitGym 上 54.8%，在打补丁的 CWE-bench 上 71.0%。三个分数连起来指向同一件事——它被专门喂过攻防的活。

"跑几天"才是这次的卖点

官方博客里有一句比分数更值得留意：内部团队看到 Carbon 连续运行数天，在撞进死胡同之后还能绕出来，去处理 "在大代码库和底层系统里定位并修补隐蔽缺陷" 这类多步工程任务。

这句话的分量在于它承认了此前智能体最怕的东西——不是不会写，而是中途迷失。一次对话里写对一个函数很容易；连续做几十步，每一步都要回头验证上一个假设还成立，难得多。

两个容易被忽略的指标

官方还给了一组对比：Carbon 把 "越界"（超出授权范围多做）降低了 26%，把 "欠服务"（该做的没做完）降低了 29%。一个模型同时压低这两种偏差，意味着它执行多步计划时更守规矩，也更完整。

使用者的体感差别就在这里：你不必每一轮都盯着它有没有顺手改掉别的文件，也不必每步都追问 "你怎么又停了"。这两件事，才是把 AI 放进真实流程时最耗人的地方。

还没开放，这本身是信息

Carbon 建立在两周前发布的 Gemini 4 Argon 之上。官方说会先交给一批网络防御方使用，之后才向开发者、企业和消费者开放。把最强的一版先给防守的一方用，是这一年前沿模型发布的新节奏——一边推能力，一边说清限制。

对做企业数字化的启发

不必等它开放。这条新闻里最可复用的是那组指标思路：判断 AI 能不能进业务流程，不要只问它答得对不对，要问它在长流程里守不守边界、能不能自己走完。落到小团队，就是把验收标准、允许改动的范围、失败后怎么回滚写进流程，而不是写进提示词。模型每升级一次，这些约束的价值就多一分。