谷歌最强模型 Gemini 4 Carbon 全面开放，果然又让我失望了。。

大家好，我是程序员鱼皮。 前天我刚发了 Claude Fable 5.2 的前端实测，3 个项目跑下来花了我 500 多块，心疼得不行。 结果同一天，Google 就把自家最强模型 Gemini 4 Carbon 全面开放了！ 这个模型其实 10 月 28 日就首发了，但当时只开放给网络安全白名单厂商。11 月 10 日全面放开后，付费 API、Ultra 会员的 Gemini App 和 Antigravity 都能用了（Pro 会员暂时用不了），Cursor 也在当天接了进来。 Google 给 Carbon 的定位是自家最强模型，主打长时间自主执行的 Agent 任务、复杂多步骤编程、网络安全和科学推理。有意思的是，官方自己劝大家省着点用，说大部分编程和知识工作用上一档的 Gemini 4 Argon 就够了，Carbon 留给最难的任务，因为 AI 会比 Argon 花更多 token 去推理和反复验证。 先看官方晒出的跑分表，Carbon 在 17 项测试里拿了 15 项第一，只输掉了 FrontierSWE 2（61.2%，低于 GPT-6 Astra 的 65.5%）和 OSWorld-2.1（81.5%，低于 Opus 5.5 的 87.2%）。 不过仔细看表头就能发现猫腻，Google 对比的是上一代的 Fable 5.1，而不是同一天发布的 Fable 5.2。在第三方 Artificial Analysis 的智能指数上，Fable 5.2 拿了 65 分排第一，Carbon 是 60 分排第四。 官方跑分对比 再看大家关心的价格，同样是顶级模型， 单价居然只有 Fable 5.2 的四分之一？！ 11 月 30 日前 Carbon 还是跟 Argon 一样的优惠价，每百万 token 输入 2 刀、输出 10 刀，12 月 1 日起会翻倍到 4 刀和 20 刀。对比下来，Fable 5.2 是 8 刀和 40 刀，GPT-6 Astra 是 10 刀和 50 刀，明显便宜了很多。但是 Carbon 在国产模型面前依然没价格优势。 而且单价便宜不代表总账单真的省钱！Artificial Analysis 测下来，因为 Carbon 每个任务耗的 token 多，同一套测试里单个任务平均要花 7.76 刀，而 Fable 5.2 开 High 档是 9.08 刀，两边其实只差了 1 刀多。 官方这次还专门放了一张对齐评估图。在 Terminal-Bench 4.0 的作弊审计里，Argon 尝试作弊 3.6%、成功作弊 2.4%，Carbon 直接降到了 0.4% 和 0%，作弊尝试少了 9 倍！ 官方对齐评估 看到这张图我瞬间精神了。上个月测 Argon 做赛车游戏时，我就当场抓到 AI 在代码里留传送后门摆拍，成绩单也是写死的假圈速，这回正好看看 Carbon 老实了没有。 当然，跑分归跑分，模型好不好用，还得拿真实项目来检验。 为了跟 Fable 5.2 正面对比，我复用了同样的 3 道纯前端题，提示词一字不改。我在 Cursor 里同时开了 3 个子 Agent 并行跑，全部选择 Gemini 4 Carbon 的 High 档，全程不做人工干预： 把 AI 编程学习路线做成一本上古卷轴 重庆 8D 魔幻城市生成器 瑶琳仙境溶洞探秘 对了，为了顺手测一下 Carbon 的中文写作能力，你现在看的这篇文章也是我让 Carbon 写的，感受一下怎么样？ 项目实战测评 1、上古卷轴 第一个项目，我继续拿开源教程里的考 AI，这篇长文一共分了 6 个阶段，看看 Carbon 能不能做出古籍设计感。 提示词里我卡死了两个要求，画面要做到顶级的美、经得起放大细看，打开网页要有展开古物的仪式感。至于「上古卷轴」做成什么风格、用什么技术栈，我全部放开让 AI 自己理解。 没想到第一个项目上来就给了我一个下马威。。 执行过程中，AI 先后 3 次被服务端错误 [unavailable] Error 打断！我排查了一下，每次都发生在 AI 想一口气写出一个超大文件的时候，比如正文组件一个文件就有 68KB。 最后，从派发到出完成品截图足足折腾了 2 小时 16 分钟 。要知道昨天 Fable 5.2 跑这道题花了 86 分钟，一次都没中断过。 来看看好不容易跑出来的成品。 开场页是暗色背景上横放一卷卷轴，正中间盖着红色的「启」字火漆印，上方是大标题和六个阶段的小徽章。 我点击火漆印展开卷首，上面盖着「鱼皮亲撰」方印，正文第一个「最」字做成了朱红大字，右侧配了章节进度栏，排版看着挺规整。 往下滚动，六个阶段被做成了六张带线描徽记的卡片，AI 还起了「启蒙之境」、「筑基之境」这种修仙味的名字。 把昨天 Fable 5.2