Gemini 4 Carbon 登顶 AA 智能指数：59 分，但先别把「第一名」当成能用的模型

Artificial Analysis 10 月 28 日更新的 Intelligence Index v5 上，Google Gemini 4 Carbon（high）拿到 59 分，升到第一，9 项评测里在 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排第一。编程 agent 侧仍排第二：Antigravity CLI 下得分 59，落后 Claude Code + Opus 5.5 的 62；Terminal-Bench 4.0 为 64%，FrontierCode v1.1 为 51%，两项都低于 Opus 5.5 的 56%。价格与 Gemini 4 Argon 标准价相同：每百万 token 输入 $4、输出 $20，缓存输入 $0.20，当前 50% 上线折扣没有公布截止日。最需要注意的是可用性：Carbon 仍只向部分用户推送，并未公开发布。

榜单变了什么

Intelligence Index v5 是 9 项评测的加权结果。Carbon 的 59 分是当前最高，四项第一分别是 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA。拆开看，它强在复杂推理、知识和科学任务；官方也承认，它在编码和知识工作上「有明显进步，但不是全面领先」。

编程仍排第二

Coding Agent Index 上，Antigravity CLI 加 Carbon（high）是 59 分，Claude Code 加 Opus 5.5（max）是 62 分。Terminal-Bench 4.0 拿 64%，FrontierCode v1.1 拿 51%，两项都落后 Opus 5.5 的 56%。对 Google 来说这是补短板的一年，但把「智能指数第一」读成「编程第一」，会选错模型。

一个容易被忽略的数字

AA-Omniscience v1.1 上 Carbon 得 54，比 Opus 5.5 高 6 分，比 Argon 高 8 分；准确率从 48% 升到 58%，但幻觉率也从 4% 升到 11%。11% 仍是所有模型里第二低，方向却值得盯：知识面变广的同时，编造也会变多。选型时要同时看 accuracy 和 hallucination，只看得分会把风险漏掉。

价格与可用性

标准价 $4/$20，缓存输入 $0.20，和 Argon 相同；50% 折扣没有结束日期，意味着它随时可能恢复原价。更关键的是可用性：Carbon 仍只向部分用户推送，没有公开 API。榜单成绩来自内部可用版本，外部团队现在无法用同一入口复现。

怎么用这条新闻

把 Carbon 放进「观察名单」而不是「采购名单」。先记录现有模型在自家 20 个任务上的通过率、单任务成本和人工返工时间；等它开放后再用同一批任务复测。榜单能帮你缩小范围，不能替你验收。

第一名是评测结果，能不能用是另一张表。