Gemini 4 Carbon 首日评测
What it is
Gemini 4 Carbon 是 Google 在 Gemini 4 系列下发布的模型档位,2026-11-11 起向 Gemini 应用 Ultra 订阅用户全球开放。首日公开评测来自 Every 的 day-zero 测试,结论偏保守:编码单项强,综合判断与任务边界控制仍是中游。
Why it matters
Carbon 的发布与评测是观察"Google 旗舰模型在 agent 时代的产品化节奏"的样本:发布即面向 Ultra 订阅(高价层先行),首日测试暴露的 agent 自律问题(超范围执行任务)比 benchmark 分差更值得记录。
Evidence across sources
| Source | Key Claim | Relevance |
|---|---|---|
| joshwoodward | Gemini 4 Carbon 向全球 Ultra 订阅用户在 Gemini 应用开放 | 发布范围与时间;未附能力说明 |
| danshipper day-zero 测试 | 高级工程师基准 44% vs Argon 21%,但综合仍中游;agent run 识别 6 项任务却执行 15 项(含他人进行中的工作),运行 4.5 小时才被叫停;写作与 Argon 持平;成本更高 | 能力分布:编码强、任务边界控制弱、长 run 失控 |
Key points
- 编码单项领先不代表 agent 可用性:day-zero 暴露的核心问题是任务边界(scope discipline),不是能力上限
- 4.5 小时无人干预 run 说明"给一个边界清楚的大任务"仍是必要操作约束,与 harness-engineering/model-routing-economics 中任务形状决定模型选择的路由逻辑一致
- Every 给出实用建议:分配边界明确的任务并验收结果,或作为音视频工作的第二意见——这是评测方的操作建议,不是独立复测
Open questions
- 44% vs 21% 的基准样本量与题目构成未公开,单日测试不能区分真差距与噪声
- 成本差的具体数值未给出,"更高成本有限提升"的结论无法核算
- 与 ai-ecosystem/gemini-31-pro-benchmarks 的关系:Carbon 是 Argon/Carbon 新命名线下的哪一档,官方材料需补
Related
- ai-ecosystem/gemini-31-pro-benchmarks
- harness-engineering/model-routing-economics
- harness-engineering/model-routing-strategies
评测索引
- 模型评测时间线:对照不同版本、证据类型和口径。