返回资讯中心
外部精选
软件工程
#社区热议

Google DeepMind 发布新一代前沿模型 Gemini 4 Carbon

来源标题:Gemini 4 Carbon is now available

Google DeepMind 宣布 Gemini 4 Carbon 向开发者、企业、科研人员和消费者开放。该模型在网络安全能力和长周期智能体工作流上表现最强,适用于复杂多步编程调试和开放式科研探索。两周前,Carbon 已通过 Fairwind Program 向部分网络安全防御人员开放。

Hacker Newsmeetpateltech2026/11/10 · 7 天前21 分钟阅读

以下正文由 AI 翻译自 Hacker News(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

开发者、企业、科学家和消费者现在都可以试用我们最新的前沿模型。 Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 您的浏览器不支持音频元素。 今天,我们面向开发者、企业、科学家和消费者推出 Gemini 4 Carbon。Carbon 是我们最强的模型,在网络安全能力以及跨复杂知识工作、软件工程和科学推理的长期智能体工作流中均具备前沿性能。 两周前,我们通过 Fairwind Program 向一批网络安全防御人员发布了 Carbon。继我们近期推出 Gemini 4 Argon 之后,Carbon 将前沿进一步推进。Argon 仍然是大多数软件工程和知识工作的理想选择,而 Carbon 则为考验模型智能极限的任务而打造,例如复杂的多步骤编码与调试,以及开放式的科学研究和发现——它会使用比 Argon 更多的 token 来进行彻底探索、深度推理并运行扩展的验证循环。 在旨在测试模型于真实工作流中性能的独立基准上,Carbon 将前沿准确性与实际生产经济性相结合。它在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一,且每任务成本比排名第二的外部模型低 2 倍以上。 为了让 Carbon 的能力在更大、更复杂的项目中发挥作用,我们在 Google Antigravity 中预览 /swarm,将单个提示转化为一个可实时跟踪的协同智能体团队。开发者可以将 Carbon 分配给需要最深推理的角色,如架构设计、协调和审计,同时将其与更快速、更轻量的模型配对,跨并行隔离工作区以及测试每项变更的对抗性验证器。 在法律、金融和企业运营领域,Gemini 4 Carbon 结合前沿的视觉理解、推理和穷尽式检索,从大量密集文档和数据中综合出有据可依的洞察。它遵循严格的 schema 和格式,生成精美且精确的电子表格、演示文稿和报告。 现有基准无法充分捕捉智能体如何原生地对包含图表、图像、蓝图、示意图和表格的密集文件进行推理,因此我们与 Artificial Analysis 合作推出了新的 Multimodal Knowledge Agent (MKA) 基准,用于测试模型在智能体工作流中的多模态性能。Carbon 排名第二,而每任务平均成本比表现最好的模型低 6 倍以上。 使用 Google Antigravity 新的 /swarm 功能,一个由 Gemini 4 Carbon 智能体组成的团队仅凭单个提示,就将历史照片和工程图版转化为埃菲尔铁塔 1887–1889 年建造过程的交互式 Three.js 3D 展览。 仅凭七份公开的市议会规划 PDF(提取出 206 个工程图纸视图)和单个提示,一个使用 Google Antigravity /swarm 功能的多智能体 Carbon 团队在 10 次夜间循环中构建了 Google Platform 37 办公室的交互式 906K 三角面 Three.js 重建。 在 Google Antigravity 中,Gemini 4 Carbon 基于一篇学术论文构建了交互式多尺度纺织品可视化器,以极少的提示对虚拟纤维有限元框架进行建模,包含交互式 3D 纱线网格、110 纤维极坐标跟踪以及动态应力-应变曲线。 在发布前评估中,Carbon 在 Hebbia 的 E2E Financial Agentic 评估的深度金融研究上,表现与所测试的最佳模型相当;并在 Balyasny Asset Management 的 General Financial Intelligence 基准上,在 23 个前沿模型配置中排名居首,该基准涵盖法律专业知识、智能体工具使用与执行、编程与数据工程,以及感知与上下文理解。 Carbon 在需要多智能体协作的工程任务上表现异常出色,例如多包迁移、跨子系统根因调查和复杂架构重新设计。对于 Web 应用开发,它会运行构建-验证循环、从错误中恢复,并同时检查其代码和渲染后的 UI,以产出完整、可用的应用。更强的视觉设计、空间推理和对环境细节的关注也延续到了 3D 游戏开发和创意编程中。 使用 Google Antigravity 的 /swarm 功能,Carbon 构建了一款开放世界 3D 游戏,你可以在其中扮演一只骑着 GBike 的鹈鹕探索 Google 的 Mountain View 园区——它协调子智能体根据 Omni 和 Nano Banana 参考在 Blender 中建模 3D 资产,使用 WebGL 着色器在 Three.js 中构建浏览器游戏,并将程序化 Web Audio 音效与 Lyria 音乐配对。试用在线应用。 结合 Google Antigravity 中改进的前端品味和动效设计能力,Carbon 通过两次提示重新构想了 Google Merchandise Store,提出五个艺术指导概念,并使用 Nano Banana 2.1 生成全新的产品图像。试用在线应用和 Gemini 前端设计技能。 从在 Google Antigravity 中使用 Gemini Omni 生成的视频参考出发,构建了一个电影级多镜头水下亚特兰蒂斯场景。该流程在 Blender 中对程序化废墟、体积焦散光照和水体模拟进行建模,然后将整个环境转换为 Three.js 以进行实时浏览器渲染。 使用 Google Antigravity 中的多智能体循环,Carbon 根据 CAD 图纸和 X 射线照片重建了一架约 1780 年 Stein-Schule 古钢琴,具备 61 键擒纵机构物理特性,并将其放置在多伦多皇家音乐学院 Koerner Hall 的 3D 模型中,具备座位特定的空间声学效果。试用在线应用。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →