刚刚,谷歌 Gemini 4 Carbon 全面开放:一夜重写 OpenCode 桌面应用、多项复杂编程评测登顶
FIELD
NOTE

ARTICLE DETAIL

最新动态

从事实、趋势与实践出发,为您梳理文章中的关键信息,帮助读者更高效地理解内容重点。

ORIGINAL REPORT

刚刚,谷歌 Gemini 4 Carbon 全面开放:一夜重写 OpenCode 桌面应用、多项复杂编程评测登顶

新球体育比分中心-足球篮球即时赛况编辑部
738 阅读
约 5.5 分钟

作者|冬梅 AI 大模型的竞争,正在从谁更会回答问题,转向谁能真正完成一项复杂工作。 刚刚,Google CEO Pichai 在 x 上宣布,内部旗舰模型 Gemini 4 Carbon 正式向开发者、企业、科研人员和消费者扩大开放。 距离这款模型首次亮相,才刚不到两周。 10 月 28 日,Google 首次公布 Carbon 时,重点展示了其在网络安全、软件工程和长程任务方面的能力,但使用范围主要限制在特定网络安全防御团队。如今,这款模型终于走出受限测试阶段,开始进入 Google AI Studio、Gemini for business、Google Antigravity,以及面向 Google AI Ultra 订阅用户的 Gemini 应用和搜索 AI Mode。 这次开放,相比此前大模型发布时强调知识问答、数学推理和代码生成能力,Google 这次将真实工作场景放在了更显眼的位置。 1 Gemini 4 Carbon 全面开放,三项 Agent 评测第一 根据官方披露,Gemini 4 Carbon 在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 三项面向真实工作流程的评测中均排名第一,完成任务的成本比表现次优的外部模型低超过 2 倍。这三项评测分别涉及 AI 编程、信息检索与复杂任务执行,以及跨企业应用的业务流程自动化。 其中,Zapier AutomationBench 测试模型能否在真实业务工具和工作流中完成自动化任务。Google DeepMind 公布的成绩显示,Carbon 得分为 53.9%,超过 Gemini 4 Argon 的 51.3%、Claude Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%。 在更加偏向代码和系统操作的 Terminal-Bench 4.0 测试中,Carbon 取得 65.2% 的成绩,高于 Argon 的 57.1% 和 GPT-6 Astra 的 59.1%。 在面向长上下文推理的 GraphWalks 测试中,Carbon 的 F1 分数达到 96.2%,而 Argon 为 84.2%。这项测试的上下文范围为 256K 至 1M Token,主要考察模型在长距离信息关联与图结构搜索任务中的表现。 但值得注意的是,这些成绩并不意味着 Carbon 已经全面领先竞争对手。 Anthropic 于 11 月 9 日发布 Claude Fable 5.2 后,Artificial Analysis 的最新综合评测排名已经发生变化。在其发布版本对比中,Claude Fable 5.2 最高推理配置的 Intelligence Index 得分达到 65,而 Gemini 4 Carbon 的 high 配置得分为 60。 在 FrontierSWE v2 真实软件工程任务中,Claude Fable 5.2 取得 69.9%,Carbon 则为 61.2%。也就是说,不同模型在代码修改、终端任务、企业工作流和长程推理等场景中的表现已经出现明显分化。 所以 Carbon 在部分 Agent 任务中的优势,并不能说明其编程能力全面第一。 此外,Google 官方也明确指出,Gemini 4 Argon 仍然更适合大多数常规软件工程和知识工作任务,Carbon 则主要用于需要深入推理、复杂调试和长时间验证的高难度工作。 而 Google 此次强调的另一项指标是任务成本。 按照官方说法,在上述三项工作流评测中,Carbon 的单任务成本比表现次优的外部模型低超过 2 倍。 对于需要频繁调用模型、执行大量工具操作的企业而言,这一指标可能比单纯的基准测试得分更有现实意义。 2 一条指令调度整个 Agent 团队,Google Antigravity 开始“群体作战” 比评测成绩更值得关注的,是 Google 对 AI 编程工作方式的改变。 在此次发布中,Google 宣布为 Antigravity 预览推出 /swarm 功能。简单来说,开发者不再需要让一个 Agent 独立完成所有工作,而是可以通过一条提示词,调度多个 Agent 同时处理不同任务,并实时查看各自的执行进度。 这些 Agent 可以承担不同角色。 例如,让 Carbon 负责复杂的软件架构设计、任务协调及代码审查,再把相对简单的工作分配给速度更快、成本更低的模型。多个 Agent 可以在隔离的工作空间中并行执行任务,还可以引入专门负责对抗性验证的 Agent,对代码修改结果进行检查。 这样的设计,试图解决当前 AI 编程面临的一个现实问题:即使单个模型的编程能力越来越强,它仍然可能在长时间执行任务时偏离目标,或

about image
分享这篇内容

让更多人看到有价值的信息

返回资讯列表

YOU MAY ALSO LIKE

推荐阅读

继续浏览平台精选内容,发现更多行业观察。

TRENDING NOW

热点内容

从正在发生的行业事件到读者关注的热门话题,我们将值得关注的内容集中呈现,方便您快速了解当前讨论焦点。

查看全部资讯
[新浪彩票]足彩第26122期大势:塞维利亚不败

HOT / 1

[新浪彩票]足彩第26122期大势:塞维利亚不败

动态提点: 1、西汉姆联VS雷克斯汉姆:西汉姆联在经历开局的短暂磨合后状态不俗;雷克斯汉姆在升入英冠后展现了极高的战术韧性与抗压能力。 2、柏林联合VS沙尔克04:柏林联合在新赛季开局阶段遭遇了防线重组的阵痛;沙尔克04在重返德甲后的开局阶段展现出了出色的防守抗压能力。 3、达姆施塔特VS比勒费尔德:达姆施塔特联赛遭遇3连败,联赛走势不足;比勒菲尔德连续3个客场不胜,客场气势走低。 4、纽伦堡VS

主场憾负青岛!广东109-112吞下失利,胡明轩带伤苦战23分难救主

HOT / 2

主场憾负青岛!广东109-112吞下失利,胡明轩带伤苦战23分难救主

北京时间11月2日,CBA常规赛迎来一场焦点对决,广东坐镇主场迎战青岛。经过四节激烈比拼,广东最终109-112惜败对手,没能守住主场。这场失利,也让广东第一阶段的赛程画上了一个略显遗憾的句号,球队战绩定格在3胜5负。 本场比赛广东后场阵容捉襟见肘,徐杰缺席比赛,后场的组织、攻坚重任,很大一部分都落到了胡明轩肩上。全场胡明轩出战34分钟,交出23分2篮板4助攻1抢断的数据,投篮16投7中,三分线外

DeepSeek融资中最低调的一笔钱,16.5亿元,来自一桌浙江实业家

HOT / 3

DeepSeek融资中最低调的一笔钱,16.5亿元,来自一桌浙江实业家

中国最传统的那批钱,正在用"抱团"的方式,买一张通往 AI 的船票。 近日,创投圈最值得关注的事件之一,是DeepSeek完成的第二轮融资:募资1055亿元,投后估值6155亿元,近30家机构入局。 股东名单上,腾讯、宁德时代继续加码;中国移动、中国电信、中信资本、中国人寿等国资排队进场;中芯国际、长鑫存储补上芯片一环;美团、吉利、vivo、美的、立讯、携程、小红书带来场景与终端。 市场化基金中,

“火出圈了”!大连英博夺冠,连卖手机的都兴奋,山东老铁享五折

HOT / 4

“火出圈了”!大连英博夺冠,连卖手机的都兴奋,山东老铁享五折

北京时间2026年11月12日,大连英博夺冠的热度,已经从梭鱼湾蔓延到了手机店。大连一位手机店主自掏腰包宣布:凡身份证为山东、且现场观看过大连队决赛的球迷,凭票根可享五折购机。网友调侃:“山东球迷来大连看球,本来只想买瓶水,结果被店主拉进店里,手机直接五折。这波不是促销,是足球城请客。” 先看这波“出圈”有多暖。大连夺冠,靠的是山东泰山末轮阻击成都。大连人记情,文旅率先出手:山东游客免费游老虎滩、

斯波:没玩过GTA 如果R星给我送台游戏机我肯定也会去玩

HOT / 5

斯波:没玩过GTA 如果R星给我送台游戏机我肯定也会去玩

直播吧11月19日讯 NBA常规赛,热火主场对阵雄鹿,本场比赛热火和GTA6联动,在主场将举办“罪恶都市之夜”活动。 赛前,热火主帅斯波谈及了GTA6在日前发售:“今晚注定是个非同寻常的夜晚,我相信一定会非常有趣。得益于与GTA的特别联动,今晚的常规赛将吸引全球目光。这简直太酷了,所有的体验都直接翻了十倍,能在常规赛中迎来这样的跨界盛宴,实在令人兴奋。虽然我以前没玩过这款游戏,但对其大名早已如雷贯