Gemini 4 Carbon 首份第三方实测出炉：只差 Claude Opus 5.5 一步，单任务成本却只有三分之一

谷歌 10 月 28 日端出的 Gemini 4 Carbon，官方说法是“在编程和智能体任务上有显著提升”，但一直没给出公开发布日期。现在第一份第三方实测来了，结论比宣传语更有意思：它没拿第一，却是性价比最扎眼的那个。

核心看点

• SemiAnalysis 的新基准 GDPx 覆盖 206 项任务、横跨金融、材料科学、网络安全、软件工程、法律、生物等领域，Gemini 4 Carbon 排名第二
• 第一是 Anthropic 的 Claude Opus 5.5，两者分差很小；但单任务成本上，Claude 约 51 美元，Gemini 只要 16 美元出头
• OpenAI 的 GPT-6 Astra 分数更低、成本更高，约 54 美元一个任务
• 把网络安全、生物、对齐三类题目剔除后，排名立刻洗牌：GPT-6 Astra 登顶，GPT 6.1 Sol 和 Claude Sonnet 5.5 都排在 Carbon 前面

分数接近，账单差了三倍

GDPx 这份榜的特别之处在于，它不只列分数，还列出每个模型的单任务成本。这一点对真正要落地的人比排名更重要——同样是跑完 206 项任务，用 Claude Opus 5.5 的账单大约是 Gemini 4 Carbon 的三倍还多。

SemiAnalysis 在报告里明确点出，两者差距“相对有限”，而成本才是需要重点考虑的因素。换句话说，如果任务不需要 Claude 那最后几个百分点的领先，Gemini 4 Carbon 是更划算的选择。

换一套题目，排名就换个样子

报告里最值得琢磨的一段是“剔除实验”。当把网络安全、生物和对齐（alignment）三个领域从评测中拿掉之后，榜单顺序明显变化：GPT-6 Astra 冲到第一，GPT 6.1 Sol 和 Claude Sonnet 5.5 排在 Gemini 4 Carbon 之前。SemiAnalysis 说，这个结果更接近他们“主观上的感受”。

这件事说明什么？前沿模型的强弱已经高度依赖评测题目怎么设计。安全护栏更严的模型在某些领域会被扣分，而在另一些领域又会占便宜。单看一个总分排名，很容易得出偏颇结论。

也有对谷歌有利的部分：在网络安全这个专项上，Gemini 4 Carbon 和 Gemini 4 Argon 都强于 OpenAI 和 Anthropic 的模型。但整个榜单里最猛的是 Meta 的 Muse 系列，报告称其“以明显优势”领先。

老将 Argon 掉到第八

谷歌现有的旗舰 Gemini 4 Argon 在这份榜上两套排名都是第八，赢了 Meta 的 Muse Wonder，但输给 Wonder Full。有意思的是，Argon 在这个基准里的成本只比 Carbon 略低一点——性能落后、价格没便宜多少，这也解释了谷歌为什么急着把 Carbon 推出来。

还没正式开门

目前 Gemini 4 Carbon 对多数客户仍是“即将开放”状态，公开发布日期没有确认。谷歌自家的基准图里，Carbon 在不少维度上压过 GPT-6 Astra 和 Opus 5.5，但第三方数据给出的画面更复杂：它不是最强，却是目前最便宜的顶级选项之一。

总结

Gemini 4 Carbon 的定位越来越清楚了——不是去抢“最强模型”的名头，而是用三分之一的成本咬住第一梯队。对大多数企业来说，真正的问题是：那些多出来的几分，值不值得多付两倍的钱。等它正式开放、真实账单出来，答案会更清楚。