摘要

Google DeepMind 11 月 11 日宣布 Gemini 4 Carbon 面向全球全量开放，定位处理长周期复杂任务，在 CursorBench 4.0 等三项独立工作流基准上排名第一。同日公布 AlphaProof Code 研究：由 Carbon 驱动的 Agent 四周内为 Signal 加密协议生成超 650 万行 Lean 证明，把 AI 编程推进到"用数学证明代码安全"的层面。

事件经过

Google DeepMind 于 11 月 11 日宣布，Gemini 4 Carbon 当天正式开放，官方给出的定位是"Google 目前能力最强的模型"，专门面向复杂、长周期任务，愿意投入更多推理资源，通过持续执行、检查和修正完成软件工程、网络安全、知识工作与科学研究中的复杂任务。

与此前的 Gemini 4 Argon 相比，Carbon 的取向更明确：不满足于快速给出答案，而是花更多时间与算力把复杂事情真正做完。DeepMind 负责人 Demis Hassabis 给出的例子是，Carbon 逆向工程了他早年开发的游戏《Theme Park》的二进制文件，在游戏中新增一项 DeepMind 主题游乐设施，并一次性把整个游戏移植到 Web 端。

模型开放当天，Google DeepMind 同步公布了 AlphaProof Code 研究：研究人员用 Carbon 驱动的 AI Agent，对 Signal 加密协议的底层代码进行形式化验证，最终生成超过 650 万行经过机器检查的数学证明代码，原本需要专家团队数年完成的工作在四周内完成。

关键能力与数据

开放渠道：消费者侧由 Google AI Ultra 订阅用户通过 Gemini App 与 Google 搜索 AI Mode 使用；开发者通过 Google AI Studio 与 Android Studio 中的 API 使用；Ultra 用户可通过 Google Antigravity 使用，企业用户通过 Gemini for Business 使用

科研与安全通道：科学家与研究人员可经 Google Antigravity 申请最长 6 个月免费资格；网络安全防御人员可申请加入 Fairwind 计划

核心机制：Extended Verification Loops（扩展验证循环），面对复杂任务投入更多 Thinking Tokens，探索多条解决路径并在执行中反复检查、修改、测试

基准表现：在 Google 公布的独立工作流基准中，Carbon 于 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 均排名第一，单项任务成本比表现最好的下一款外部模型低两倍以上

形式化验证规模：约 650 万行 Lean 证明代码，建立在约 2.6 万行经过审核的形式化规格与机器码语义之上；验证对象深入到编译后的 AArch64 设备代码，而非停留在源码层面

可靠性设计：AI Agent 会自动标记需要人工复核的部分，最终仅约 1% 代码库需要额外人工关注；研究团队还向隔离版本重新植入两个真实历史漏洞，系统均生成机器检查通过的反例证明

多智能体：Google 正在 Antigravity 中预览 /swarm 功能，用户给出一个任务即可让多个 Agent 组成协作团队，分别承担架构设计、任务协调、代码实现与审查

行业意义

Carbon 的意义不在榜单分数，而在把"性能上限"与"可验证性"绑在一起。形式化验证长期是软件工程里成本最高的安全保障手段之一，AI Agent 接手规格起草、证明路径探索与 Lean 代码生成后，这层成本结构开始松动。

对行业更直接的影响是分工变化：人类专家负责定义与审核安全规格，机器负责在规格边界内穷举证明，再由独立证明内核校验。Google DeepMind 表示，后续希望把这套能力扩展到医疗设备固件、电网软件等关键基础设施，并与自动化漏洞修复工具 CodeMender 结合，形成"发现漏洞—修复—形式化验证"的闭环。这意味着大模型厂商的竞争维度，正从回答问题、生成代码，转向承担可追责的交付结果。

原文出处

- 来源：机器之心 Pro（网易号转载），2026-11-11 - 链接：https://www.163.com/dy/article/LBEV45LS0511AQHO.html - 官方参考：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/ 、 https://deepmind.google/blog/introducing-alphaproof-code/