AI系列之模型速评：Google：Gemini 4 Carbon面向付费用户开放，多工作流基准登顶并上线多智能体编排

（以下内容从西南证券《AI系列之模型速评：Google：Gemini 4 Carbon面向付费用户开放，多工作流基准登顶并上线多智能体编排》研报附件原文摘录）
投资要点
事件：北京时间11月11日，Google宣布向付费用户全面开放新一代旗舰推理模型Gemini4Carbon（gemini-4-carbon），并在代理开发平台GoogleAntigravity同步上线多智能体协同功能/swarm（预览版）。同日，Carbon正式上线GitHub Copilot及Cursor，Google亦联合Artificial Analysis发布多模态知识智能体基准MKA。
距先导内测仅两周，Carbon定位“高难度长程任务与网安防御”，同步推出/swarm多智能体编排。Carbon基于约六周前发布的Gemini4Argon构建，曾于10月28日面向受邀网安人员小范围发布，本次全面开放仅隔两周。官方建议日常编程与知识工作优先使用高效率的Argon，将Carbon定位于复杂多步编程、跨系统调试、科学探索及网安防御。据官方模型卡，Carbon支持100万tokens上下文与最高100万tokens连续输出，支持文本、图像、音视频输入及三档可调推理深度（low/medium/high）。为发挥其长程能力，Antigravity新增/swarm预览功能，可将单条提示词转化为由协调者、独立Git工作树并行执行者及对抗验证者组成的智能体团队，支持将Carbon绑定于顶层架构与审计角色，搭配轻量模型并行改代码。渠道方面，API付费层（AIStudio、Android Studio，免费层不开放）、Gemini for business及GitHubCopilot（Pro+/Max/Business/Enterprise）已直接开放；C端面向Google AIUltra订阅用户在Gemini App、搜索AI Mode及Antigravity推送；网安专用版Carbon for cyber继续通过Fairwind审核开放。
能力层面，Carbon在工作流、长上下文及网安评测中领先，第三方综合榜单位列全球第二。据Google与CursorBench、Sugra基准数据，Carbon在智能体编程CursorBench4.0（60.4%）和终端工程Terminal-Bench4.0（65.2%）上均居第一，高于Claude Fable5.2（60.0%/61.6%）与Opus5.5（57.8%/59.6%）；业务流自动化AutomationBench（53.9%）、搜索智能体WANDR及模拟经营Vending-Bench2（$16,484）同样位列榜首；256k–1M长上下文GraphWalks（96.2%）、工程图纸理解Blueprint-Bench2（58.6%）及数学推理RiemannBench（80.0%）大幅领先竞品；网安三大基准SEC-benchPro（88.2%）、ExploitGym（54.8%）和CWE-bench（71.0%）均夺冠。但并非全面占优：FrontierSWE v2（61.2%）、FrontierCode2.0（40.6%）及桌面操作OSWorld-2.1（81.5%）仍低于Fable5.2（分别为69.9%、49.1%、89.3%）。第三方方面，据Artificial Analysis最新v5.0.1榜单，Carbon（High档位）以60分位居综合智能指数第二，仅次于Fable5.2Max（65分），领先Opus5.5（59分）、GPT-6Astra（57分）与Argon（50分）。
官方同步披露多项跨学科标志性案例，指向多智能体工程与科学发现能力。据Google披露，Carbon多智能体团队仅凭7份市政规划PDF（206张工程图）和单条提示词，经10轮夜间循环构建出90.6万三角形的办公楼交互式3D模型；结合AlphaProof Code框架在数周内生成数百万行Lean代码，完成对Signal加密协议核心代码的数学形式化证明（传统需数年）；在CASP17盲测集7个低同源蛋白家族中检索到的远缘同源物数量平均提升40倍；云安全平台Wiz利用其在2小时内挖出两家大型SaaS服务商的0-day漏洞。
首发期延续$2/$10折半促销价，标准单价与Argon持平（$4/$20），单任务成本约为Fable5.2Max的29%。据官方定价披露，Carbon在11月30日前享首发半价，每百万tokens输入/输出为$2/$10；12月1日起恢复标准定价$4/$20，与Argon及Opus5.5持平，仅为Fable5.2标准单价（$8/$40）的一半。据Artificial Analysis，Carbon（High档位）输出速度约78tokens/s，单任务平均输出12.3万tokens（较Opus5.5少29%），标准单价下单任务平均成本仅$7.76（Medium档位$6.59），仅为Fable5.2Max（$26.54）的29%。但在相同单价下，因Carbon思考链更长，实际账单仍高于Argon。
第三方机构确认帕累托成本优势，企业客户反馈聚焦于交付物质量与零回归修复。Artificial Analysis指出，Carbon处于智能指数与成本的帕累托前沿，显著补齐了Google在终端编程（Coding Agent指数59分，仅次于Opus5.5的62分）和演示文稿生成上的短板；在MKA评测中，Carbon（High）得分54%，仅次于Fable5.2（Max）的57%。据谷歌披露，Carbon平均单任务成本约为榜首模型的六分之一。客户反馈方面：金融投研平台Hebbia称其构建的Excel模型与PPT为已测模型中最强；对冲基金Balyasny称其在内部23个模型配置中排名第一；OpenCode工程师称其一夜间从零写出新Rust UI库并重写桌面应用；HubX实测1.4万个测试代码库中的16个Bug修复实现94%解决率且零回归；SentinelOne称其在内核驱动评估中额外发现4个经验证漏洞。
我们认为：1）头部厂商旗舰模型迭代已压缩至“双周级”，Google（11月10日开放Carbon）与Anthropic（11月9日发布Fable5.2）正面交锋，且双方均采用“带护栏公众付费版+受审核机构专用网安/科研版”的双轨分发机制，验证了高风险前沿能力的商业化范式；2）Google采取“与Argon同单价、按推理深度自然分层”的定价策略，Carbon High档位在综合智能接近Fable5.2Max（60vs.65）的同时，标准单任务成本（$7.76vs.$26.54）低逾70%，促销期成本优势更达近7倍，凸显自研TPU算力底座的推理经济性壁垒；3）Antigravity/swarm将“重型模型负责顶层架构审计+轻量模型并行编码”的异构多智能体协同产品化，10轮夜间循环或百万行形式化证明使单任务tokens消耗较常规对话跃升百倍以上，持续拉动推理算力与高阶订阅变现；4）模型在金融建模、工程图纸理解与0-day漏洞挖掘上的落地，表明竞争正从单点跑分转向端到端工程构件交付。
风险提示：大模型迭代不及预期风险；12月促销期结束后调用成本翻倍导致需求波动风险；行业竞争加剧风险；海外监管政策变化风险；第三方评测口径变化导致数据不可比风险。