Gemini 4 Carbon登顶 幻觉率最低

谷歌上周发布新一代旗舰模型Gemini 4 Carbon，本周独立评测机构Artificial Analysis公布最新智能指数V5榜单，它以59分登顶，领先Anthropic的Claude Opus 5.5一分、领先OpenAI的GPT-6 Astra两分，在九项评估中的四项拿下第一。对今年发布节奏几度中断的谷歌来说，这是一次相当漂亮的翻身。

更关键的差异在可靠性：Carbon在追踪幻觉与知识召回的AA-Omniscience测试中拿下54分全场最高，领先Opus 5.5六分。不过满分100，最好的前沿模型也只能拿54，说明2026年的大模型距离「可靠记忆」仍有很长的路。谷歌称，Carbon的无根据断言比两周前发布的Gemini 4 Argon少一半；答不准时它宁可直说做不到，也不编造或含糊其辞，越权行为减少了26％。

成本同样是卖点。Carbon每个任务约7.76美元，比Claude Opus 5.5便宜约23％，与自家Gemini 4 Argon基本持平但高出9分；不过它仍贵过OpenAI的GPT 5 Astra，约是开源DeepSeek V4.1 Flash的13倍。在低价位段，GLM 5.3-Flash、DeepSeek V4 Pro等中国开源模型占据着性价比前沿。

这次的发布节奏也罕见地克制。谷歌先通过Fairwind计划向网络安全防御者开放，并参与美国政府的预发布模型测试流程，之后才逐步向更广泛的合作伙伴铺开，理由是先打磨护栏、让模型更难被用于攻击。谷歌还称，Carbon在Gray Swan间接提示注入基准上挡下了全部越权尝试。

短板也依然明显：编程能力不敌Opus 5.5加持的Claude Code，知识工作类任务则落后于Grok 4.7、Meta的Muse Wonder和Kimi K3.1 Pro。在榜单几周就洗牌一次的2026年，谷歌这波领先能守多久，还要再看。