Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra：领先一分的 Carbon，这个月多数人只能看榜单

1.3K 0

9 月 30 日，谷歌发布 Gemini 4 Argon，第一批用户是网络安全防御方。10 月 1 日有人把 Gemini API 的模型列表翻了一遍，61 个型号里没有 argon，直接请求返回 404。10 月 14 日 Argon 才开放给 AI Pro 和 Ultra 订阅用户。到 10 月 28 日，Gemini 4 Carbon 发布，第一批用户还是网络安全防御方。

同一个剧本，四周之内演了两遍。

Argon 的推广价是每百万 token 输入 2 美元、输出 10 美元，谷歌当时只说之后会涨到 4 美元和 20 美元，没给日子。这个推广价还没到期，接班的型号就来了，而且 Carbon 的价目表跟 Argon 一模一样，也是先 2/10、之后 4/20。

这篇拿 Carbon 跟 Claude Opus 5.5、GPT-6 Astra 放一起看，时间线我会反复用到，因为这三家的差别，很多藏在“什么时候、给谁、用什么方式”放出来这件事上。

59、58、57：一分之差和一次换版

Artificial Analysis 的 Intelligence Index v5.0 上，Carbon 59 分，Opus 5.5 是 58 分，GPT-6 Astra 57 分。媒体标题都写“谷歌夺回第一”。

这一分我不太当回事。

理由有两个。第一，指数换了版本。10 月 13 日那次 v4.3 的榜单上，Opus 5.5 是 58 分第一，Astra 和 Argon 都是 53。到 v5.0，Astra 涨到 57，Argon 按“Carbon 比它涨了 9 分”倒推只有 50。同一个 Argon，换版之后少了 3 分；同一个 Astra，多了 4 分。题目一换，排名的上下浮动就有好几分，59 对 58 落在这个浮动里面。

第二，单项拆开以后，Carbon 不是全面领先。编程智能体这一项，它 59 分，跑 Opus 5.5 的 Claude Code 是 62 分，落后 3 分，排第二。Arena 的文本榜它第一，Agent Arena 它也是第二。

所以更准确的说法是：Carbon 把综合分追平到了 Opus 5.5 的水平，在“让 AI 自己长时间写代码干活”这件事上，Anthropic 还压着它。

Carbon 真正押注的那一项

跟 Argon 比，Carbon 涨得最多的是安全。SEC-bench Pro 88.2%，CWE-bench 71.0%。作为参照，Argon 在 CWE-bench v1 上是 68%，跟 Astra 并列，Opus 5.5 是 67%。谷歌还说 Carbon 生成安全代码的成功率是 Argon 的两倍多。

Chrome 团队给了一句更有攻击性的评价：在写高质量安全补丁这件事上，Carbon 比“另一家实验室的大型前沿模型”好十倍以上。没点名。

这句话放在时间线里读就很有意思。10 月 27 日，Anthropic 刚发了一份报告，一个未公开的 Claude 内部研究模型给 Chrome 报出了 62 个严重或高危 CVE，其中 13 个是沙箱逃逸。一天之后，Chrome 团队出来说谷歌自家模型修补丁比“另一家”强十倍。找漏洞的是 Claude，修漏洞的说自己更会修，两家在同一个浏览器上隔空过招。

还有几项可靠性数据是 Carbon 发布页上我最想看到第三方复测的：Terminal-Bench 4.0 里模型钻空子作弊的成功率是 0；高严重度的行为不一致警报少了近八成；间接提示词注入防御 100%。

100% 这种数字，我的习惯是等别人来打。

Opus 5.5 在安全这条线上的软肋

Opus 5.5 的问题不在能力，在规则。它的网络安全能力被评到了和 Mythos 级模型同一档，所以上了同一套防护：写漏洞利用、做渗透测试、扫二进制漏洞这类请求，被分类器识别出来以后，会“透明”地回落给 Opus 4.8 去答。

调用方未必知道这一轮是谁答的。

分类器看的也不只是你那条消息，读进来的文件、搜索结果都算，上下文里躺着一段 PoC 就可能触发。对做安全产品的团队来说，花的是 Opus 5.5 的钱，拿到的可能是上上代的能力，除非去申请 Anthropic 的网络安全验证计划。

Carbon 先发给防御方，Opus 5.5 把进攻性请求降级，两家的方向正好相反。谷歌赌的是“最强的安全模型先给守门的人”，Anthropic 赌的是“宁可误伤也不放出去”。如果你的工作就是红队测试，眼下这两条路都走不通：Carbon 排不上号，Opus 5.5 会悄悄换人。

GPT-6 Astra：最贵的那个，单题反而不是最贵

每百万 token（美元）	Gemini 4 Carbon	Claude Opus 5.5	GPT-6 Astra
输入 / 输出	推广期 2 / 10，之后 4 / 20	4 / 20	10 / 50
长输入加价	未公布	1M 内不加价	超 272K 后 20 / 75
AA 指数 v5.0	59	58	57
能否自助开通	否，本周仅限安全防御方	是	是

Astra 的标价是 Opus 5.5 的 2.5 倍。可按 Artificial Analysis 算到每道题的成本，Opus 5.5 是 5.98 美元，Astra 只要 3.26 美元。

标价贵的那个，单题便宜了 45%。

差在话多。Opus 5.5 跑一遍完整指数用掉约 2.6 亿个输出 token，单题输出从 Opus 5 时代的约 7.3 万涨到约 11.9 万。Anthropic 发布时说 Opus 5.5 比 Opus 5 运行成本低 40%，可单价降了两成、输出量涨了六成，最后每题成本跟 Opus 5 的 5.86 美元基本持平。

Astra 的坑在长文本。输入一过 272K，价格跳到输入 20 美元、输出 75 美元，往一个几十万 token 的代码仓库里问一句话，账单翻倍。Opus 5.5 在 1M 窗口内不分档。

Astra 也有实打实的翻车记录。商汤牵头拿 8 个真实机器人平台测它，仿真里接近满分，上了真机频频失手，最大的问题是判断不准自己有没有做成：没抓住的东西，它以为抓住了。Bug Hunt Bench 上它每个任务平均跑 89.8 分钟，105 个 bug 修了 45 个，估算成本 33.03 美元。