Gemini 4 Carbon 登顶了，评论区先问什么时候能用

Artificial Analysis 更新了 Intelligence Index v5，Gemini 4 Carbon 以 59 分排第一，Coding Agent Index 上以 59 分排第二，前面只有 Claude Code 配 Claude Opus 5.5 的 62 分。模型还没公开，只对部分用户开放，Google 给了 50% 发布折扣，结束日期没写。榜单先到，产品还没到，这是整件事最值得看的地方。

Artificial Analysis 是做模型评测的机构，Intelligence Index v5 是它的综合指数，Coding Agent Index 看的是编码代理在真实任务里的表现。分数不是日常体验，但能看出模型在哪些任务上强，哪些还差一口气。

Gemini 4 Carbon 在 Intelligence Index v5 的 9 项评测里拿了 4 项第一：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA。复杂推理、知识、科学任务表现突出，编码和知识工作也有明显进步，但不是全面领先。

编码代理这块，Carbon 配 Antigravity CLI 拿到 59 分，比 Gemini 4 Argon 高 6 分，落后 Claude Code 配 Claude Opus 5.5 的 62 分。Terminal-Bench 4.0 得分 64%，FrontierCode v1.1 得分 51%，后者落后 Claude Opus 5.5 max 的 56%。Google 过去在编码上不算强，这次追到第二，改善幅度比排名本身更显眼。SWE-Atlas-QnA-AA 上它得 64%，Muse Code 配 Muse Wonder Full 是 69%，Carbon 在中游。

知识工作方面，AA-Briefcase 上 Carbon 得 1609 Elo，比 Argon 的 1483 高 126 分，但仍落后 Grok 4.7 xhigh 的 1638、Muse Wonder max 的 1659、Kimi K3.1 Pro 的 1678。提升最大的是 Presentation，涨 293 Elo 到 1598；Analytical Quality 涨 120 分到 1671。分数在涨，位置还没到最前面。

AA-Omniscience v1.1 上，Carbon 得 54，比 Claude Opus 5.5 max 的 48 高 6 分，比 Argon 的 46 高 8 分。准确率从 Argon 的 48% 升到 58%，幻觉率从 4% 升到 11%。11% 仍是所有模型里第二低，仅高于 Argon；Claude Opus 5.5 max 和 GPT-6 Astra max 的幻觉率都是 50%。准确率和幻觉率一起涨，这个取舍需要看具体场景。

成本上，Carbon 每个 Intelligence Index 任务花 7.76 美元，比 Claude Opus 5.5 max 的 10.04 美元少约 23%，比 GPT-6 Astra max 的 6.25 美元高约 1.2 倍。每个任务输出 123k tokens，比 Claude Opus 5.5 max 的 173k 少 29%。标准定价是每百万输入 4 美元、每百万输出 20 美元，和 Gemini 4 Argon 一样；缓存输入打 95% 折扣，每百万 0.20 美元。同样价格下，Carbon 每任务成本和 Argon 的 7.68 美元接近，Intelligence Index 高 9 分。

模型细节：上下文窗口 1M tokens；支持文本、图像、视频、语音输入，输出文本。

评论区没有榜单那么整齐。有网友直接问，模型不开放，分数就不算真的。有人怀疑 benchmark 被专门优化，有人要等自己信任的工程师验证后再用。Jon C 的质疑更具体：公司可以在全面发布前发布 AA 分数，这需要标准化；如果 Fable 5.5 在 Carbon 之前公开且分数更高，Carbon 就从未真正登顶。另一位网友 Jon Cheney 的做法是分开用模型，一个想问题，一个写代码，他身边每天构建的人不再忠于单一实验室。

更多分析看 Artificial Analysis 的模型页：https://artificialanalysis.ai/models/gemini-4-carbon

这次榜单给出的信号不复杂：Gemini 4 Carbon 在知识、科学、综合推理上站到第一，编码追近 Claude Opus 5.5，成本比 Opus 5.5 低，幻觉率仍控制在低位。问题也在明面上：模型没公开，折扣有期限没日期，评论区在等真实可用。榜首和日常体验之间隔着一条时间线，Google 这次先把分数发了出来，产品还在路上。