谷歌 Gemini 4 Carbon 登顶全球第一！GPT 和 Claude 这次真遇到对手了

谷歌这次发布的 Gemini 4 Carbon，确实有点东西。而且AA榜单更新到V5之后，Gemini 4 carbon直接超越所有的大模型，拉到了全球榜单的首位。

距离上一款 Gemini 4 Argon 面向普通开发者开放才过去半个月，谷歌又拿出了一个更强的模型。不得不说谷歌真的把钱都投入到大模型的研发上，导致昨天股价一泻千里，直接跌幅超过10%。

看来谷歌是铁了心的要把自己的大模型给搞起来了。这次新版本的模型不是简单地在某个数学榜单刷分，而是在综合智能、编程、Agent、网络安全等多个方向取得了领先成绩。

先来看看最新的AA榜单排名，从成绩来看，Carbon 相较 Argon 直接提高了 9 分，提升幅度不小。

但需要注意，Carbon 比 Opus 5.5 只高 1 分，比 GPT-6 Astra 高 2 分。 这说明它站上了第一梯队的最前面，但还谈不上对其他模型形成碾压。

而在几个更有意思的专项测试中，Carbon 的表现更加突出：

其中我比较关注的是 GraphWalks，它评估的是模型在超长上下文中追踪复杂关系的能力。这次 Carbon 达到 96.2%，而 GPT-6 Astra 是 71.8%，Opus 5.5 是 66.8%。

也就说，在特定长上下文推理任务中，Carbon 的优势非常明显。当然，单项评测不能直接等同于真实业务中的百万 Token 理解能力。

当让，在其他榜单上，Gemini 4 Carbon也拿到了第一名。（ LMArena Text Arena 和 Agents' Last Exam（ALE） 两项评测中都取得了非常亮眼的成绩。）

在LMArena 评测榜单中，相比 Argon，用户偏好进一步提升。 原始评分提高约 11 分。领先 Claude 顶级模型。 相比 Opus 5.5 高约 24 分。

不过，有两个细节要注意。首先，Elo 类评分不是正确率，1540 分不代表回答正确率 95% 或者 99%。其次，Carbon 目前只有约 4403 次投票，样本量明显少于一些已经上线更久的模型。再加上排名差距相对有限，后续还可能变化。

在”Agent的最后考试“中，Carbon 相比 Argon 提高了 8.4 个百分点。它的任务来自真实职业场景，早期基准覆盖超过 1500 个专家任务、55 种职业，涉及办公软件、信息处理、研究分析等复杂工作。

例如，一个 Agent 可能需要读取文件、整理数据、跨多个软件执行操作、生成最终交付物，还要保证过程中没有出现严重错误。

因此，与 LMArena 相比，ALE 更重视工具使用、规划、执行和结果质量。

Google 还在官方提到，Carbon 在内部测试中已经能够持续运行数天，完成大型代码库的问题定位、调试和修复任务。

Gemini 4 Carbon 到底能做什么？我们来看别人实际测试出来的案例。

花瓣、金属结构、光照，还有旁边飞动的小蜜蜂，组成了一个完整的 3D 动画。测试者说，这是用 three.js 制作的，前后花了约 1 小时 43 分钟。蜜蜂甚至不在最初要求里，而是模型在自由发挥时加上的细节。

有人让它搭建霍格沃茨风格的体素城堡，镜头可以从外部切到内部；还有日式庭园、宝塔岛屿，不只是摆出建筑，也展示了不同视角和光照。

不过，城堡作者明确说了：这是四次结果里最好的一次。画面惊艳，和每次都能稳定做出来，是两回事。

霍格沃茨体素城堡：8秒循环动图

可乐瓶、PS5 手柄，还有经典的“鹈鹕骑自行车”，都有人拿来测试。它们考验的不只是画得像，还包括结构、细节，以及动画能不能协调起来。

港口鹈鹕骑自行车：8秒循环动图

有人展示了马里奥风格的平台游戏，包含地上和地下场景。作者说，大约花了 30 分钟，首次尝试就得到了这个结果。但视频展示出来了，不代表所有碰撞、关卡和重启逻辑都经过了验证。

马里奥风格平台游戏：8秒循环动图

从这些实际案例来看，Gemini 4 Carbon 的能力确实很强，尤其是 3D 场景、SVG 动画和小游戏，已经不只是简单地生成代码，而是能够把一段文字描述变成一个相对完整的作品。

但是，生成速度比较慢，而且效果惊艳不代表每次都能稳定复现。

对于程序员来说，我更关心的其实不是模型能不能花两个小时做出一个漂亮的网页，而是它能不能在真实项目中理解代码、定位 Bug、完成修改，并保证不破坏原有功能。

Google 宣称 Carbon 已经能够持续运行数天，完成复杂代码库的调试和修复。虽然目前还缺少足够的公开案例验证，但这至少反映了一个趋势：

大模型正在从代码生成工具，向能够长期自主工作的 Coding Agent 发展。

至于这次 Carbon 登顶多个榜单，我觉得也没必要过度神化。Claude 在 Coding Agent 上依然很强，GPT 也有自己的优势。

未来大模型真正的竞争，不是谁在榜单上高一两分，而是谁能用更低的成本、更短的时间、更少的人工干预，把事情真正做完。

谷歌这次确实证明了自己有能力坐上第一梯队的头把交椅。至于能坐多久，就看 OpenAI 和 Anthropic 下一轮怎么接招了。

后台策略工程师

人工智能

谷歌Gemini 4 Carbon登顶全球AI榜单，综合智能、编程、Agent、网络安全领域全面领先。实测显示其擅长3D动画、SVG生成及小游戏开发，支持长周期复杂任务，长上下文推理能力显著超越GPT-6与Claude。但优势有限，且效果稳定性与生成速度有待市场验证。

代码生成工具

网络安全

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

谷歌 Gemini 4 Carbon 登顶全球第一！GPT 和 Claude 这次真遇到对手了

谷歌 Gemini 4 Carbon 登顶全球第一！GPT 和 Claude 这次真遇到对手了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐