刚刚，Gemini 4 Carbon全面超越Opus 5.5！首发Token半价

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI Argon发布两周啊，谷歌火速掏出新旗舰Gemini 4 Carbon。 这次一举 超越Claude Opus 5.5 和 GPT-6 Astra。 在刚刚更新的Artificial Analysis智能指数5.0中 以59分的高分强势登顶全球第一。 两周前谷歌刚发Gemini 4 Argon时，硅谷还在热议谷歌内部泄露的一个神秘存档点“Carbon”，当时内部工程师给出的评价还是“编程体感逼近Opus 5.5”。 没想到短短半个月，正式版Carbon不仅在智商与长程编程上完成了对Opus 5.5的正面反超，更在代码安全与防作弊上大幅领先。 甚至点亮100%免疫提示词注入天赋。 这什么残暴的进步速度，RSI真让他们给玩明白了？ Carbon首发阶段延续了Argon的半价折扣， 输入2美元/百万Token、输出10美元/百万Token ，账面单价仅为Opus 5.5（$4/$20）的一半。 并且针对Agent任务高频使用的缓存命中输入 （cached input） 给出了 95%的骨折价优惠 （低至0.2美元/百万Token）。 超越Opus 5.5，还能连肝数日死磕底层Bug 两周前发布的Gemini 4 Argon虽然在长文本和多模态上表现惊艳，但在综合智能指数（53分）和部分硬核终端任务上，依然被Opus 5.5压了一头。 这一次，Gemini 4 Carbon精准补齐了最后一块拼图，直接将能力推向了“全天候自主工程师”的形态。 在谷歌内部的实战编程环境中，研发团队观察到令人瘫坐的一幕： Carbon能够 连续运行好几天 ，在庞大复杂的代码库和底层系统中自己摸索；哪怕中途多次撞上“死胡同”（dead ends），它也能持续死磕到底，独立完成复杂的多步工程任务。从顺藤摸瓜定位极其隐蔽的Bug根因，到最终写出修复补丁，一气呵成。 这种长线执行能力直接体现在了多项硬核指标的反超上： 命令行与终端工程 在Terminal-Bench 4.0（AA测试集）中，Carbon拿到 65.2% ，领先Opus 5.5（59.6%）和GPT-6 Astra（59.1%）； 在科学终端任务Terminal-Bench-Science 0.1上同样以 64.8% 位列第一（Opus 5.5为59.0%）。 超长上下文与多步决策 在256k至1M上下文的GraphWalks测试中，Carbon拿到 96.2% ，大幅甩开Opus 5.5（66.8%）和Astra（71.8%）； 在模拟长周期商业经营的Vending-Bench 2中，Carbon最终账户余额达到 16,484美元 ，接近Opus 5.5（9,235美元）的1.8倍。 全栈开发与企业任务 在WebDev Arena上，Carbon凭借前端组件与输出质量的提升，Elo分数上涨89分来到 1769分，虽然是 全球第四，但平均任务成本更低。 在衡量企业级工作流价值的Vals Index v2.2上也以 70.4% 微弱领先Opus 5.5（70.2%）。 不过，从第三方评测机构Artificial Analysis的拆解来看， Opus 5.5在纯代码工程领域依然保有一部分护城河 。 例如在谷歌自己公布的表格中，有两项指标Carbon未能登顶： 一项是衡量前沿软件工程的 FrontierSWE 2 ，GPT-6 Astra（65.5%）与Opus 5.5（62.3%）依然排在Carbon（61.2%）前面； 另一项是计算机操作基准 OSWorld-2.1 离线子集，Opus 5.5以87.2%保持第一（Carbon为81.5%）。 此外，在搭配各自官方CLI工具的Coding Agent专项指数上，Carbon配合谷歌Antigravity CLI得分为59分，仍以3分之差次于Claude Code加持下的Opus 5.5（62分）。 这一波反重力还是拖了哈基米的后腿。 但对于开发者而言，Carbon真正的杀伤力在于 Token消耗效率 。 独立评测数据显示，Opus 5.5虽然能力强，但推理过程极为冗长，完成单次Intelligence Index评估平均要消耗 17.3万输出Token。 而Carbon仅需 12.3万Token ，输出量减少了29%。 这意味着，即便未来Carbon恢复到与Opus 5.5相同的$4/$20标准定价，Carbon的单次任务平均成本（$7.76）也比Opus 5.5（$10.04） 低23%左右 。 如果算上目前$2/$10的首发半价，Carbon在实际生产环境中的账单成本还不到Opus 5.5的四成。 补齐AI编程从“挖洞”到“打补丁”全满贯 除了常规编程，谷歌此次将Carbon的核心差异化卖点押