Gemini 4 Carbon 发布：Google 最强的模型，瞄准网络安全与长程智能体

深度摘要

Google 发布 Gemini 4 Carbon，定位为迄今最强的模型，主打网络安全能力与长时程智能体工作流。定价与 Argon 持平（输入 2 美元、输出 10 美元每百万 token），但在独立基准 CursorBench 4.0、WANDR、AutomationBench 上排名第一，且每任务成本比次优外部模型低两倍以上。同期预览 Antigravity 中的 /swarm 多智能体编排，并推出面向防御者的 Carbon for cyber，在漏洞发现、利用与修补三类基准上领先；安全方面宣称拦截了 99% 的自适应红队攻击轨迹，间接提示注入攻击成功率降至 0%。

关键要点

• Carbon 是 Google 最强的模型，Argon 仍面向大多数常规软件工程与知识工作；Carbon 面向复杂多步编码、开放式科研等极限任务，用更多 token 做彻底探索与延长验证
• 独立基准 CursorBench 4.0、WANDR、AutomationBench 均排名第一，每任务成本比次优外部模型低两倍以上；新推出的多模态知识智能体基准 MKA 排名第二，成本比第一名低六倍以上
• 定价与 Argon 相同：输入 2 美元、输出 10 美元每百万 token；向 Google AI Ultra 订阅者开放，覆盖 Antigravity、Gemini 应用与搜索 AI Mode
• Antigravity 中预览 /swarm：一个提示变成可实时跟踪的协调智能体团队，可把 Carbon 分配给架构、协调与审计等最需要深度推理的角色
• Carbon for cyber 在 SEC-bench Pro、ExploitGym、CWE-bench v1 上领先；Project Fortify 内部扫描召回率 100%、分流精确率 95%；Wiz 的 Scan for Good 用它在不到两小时内发现 0-day 漏洞
• 安全数据：拦截自适应红队智能体 99% 的攻击轨迹，每次尝试突破率仅 0.8%（Argon 为 3.1%）；Gray Swan 间接提示注入基准攻击成功率 0%，为首次达到该里程碑；智能体诚实基准通过率 92%（Argon 为 70%）
• 科学侧：AlphaProof Code 用 Carbon 生成数百万行 Lean 代码，在数周内证明 Signal 协议关键安全属性；CASP17 盲测集上低同源蛋白家族的同源物检索量平均提高 40 倍；一万名科学家计划扩展到 Carbon

关键事实

定价：输入 2 美元、输出 10 美元每百万 token，与 Argon 相同的 introductory price；基准：CursorBench 4.0、WANDR、AutomationBench 第一，每任务成本比次优外部模型低两倍以上；MKA 基准第二，平均每任务成本比第一名低六倍以上；网络安全：SEC-bench Pro、ExploitGym、CWE-bench v1 领先，Project Fortify 扫描召回率 100%、分流精确率 95%，相对 Argon 召回率提升超 25%；Wiz 在不到两小时内发现 0-day 漏洞；安全：拦截自适应红队 99% 攻击轨迹，每次尝试突破率 0.8%（Argon 3.1%），Gray Swan 自动化网络攻击查询成功率 2.17%（Argon 9.86%），Trajectory Labs 外部测试 132 小时、超 13,000 次请求零新通用越狱；间接提示注入 Gray Swan IPI 基准 0%；智能体诚实基准 375 项任务通过 92%（Argon 70%），98% 的情况下拒绝填写缺失实验数据；金融评估：Balyasny 通用金融智能基准 23 个前沿模型配置中第一；编码：HubX 14,000 个测试的代码库中 16 个真实 bug 修复达 94% 解决率、零回归；科学家计划：向 10,000 名科学家提供 Antigravity 免费使用 6 个月。

作者观点

Google 主张 Carbon 是其最强模型，在网络安全与长时程智能体工作流上达到前沿水平；强调其“更强且更便宜”——基准第一的同时成本更低；并把安全能力作为核心卖点，称已按比例强化安全缓解、智能体滥用预防与对齐措施，且在提示注入稳健性上取得里程碑式的 0%。

为什么重要

这是 Google 在 Argon 之后两周内推出的又一个前沿模型，标志着旗舰模型的发布节奏仍在加速；更值得注意的是，Google 把网络安全能力从附加功能变成了模型的头号卖点——Carbon for cyber 直接对标攻防两端的能力，而 AlphaProof Code 则是它最有力的实证。定价与 Argon 持平，意味着 Google 在用同一价格提供更强的能力，继续压低前沿模型的单位成本。

编辑点评

发布稿的信息量很大，但要分层看：基准数字均为 Google 自选口径，CursorBench、WANDR 等第三方基准的独立性需要打折扣；真正含金量高的是第三方背书的具体案例——Wiz 两小时内发现 0-day、CVR 团队把两个 bug 重新定级为 critical、AlphaProof 的 Signal 证明，这些是外部可核查的事实。安全数据的另一面也值得留意：Google 自己承认，高级自动化红队在某些分布下仍能找到提示注入的改进空间，0% 不是终点。总体上，这是一次“能力 + 安全 + 成本”三线并进的发布，诚意高于一般的模型发布稿。

深度摘要

Google DeepMind 宣布 AlphaProof Code：一个多 LLM 智能体框架，首次用 AI 对广泛部署的密码协议——Signal 协议——的实际代码做了形式化验证，而且是首次以任何方法验证这类协议的实现本身（而不只是设计）。人类专家把 Signal 的安全目标翻译成形式化规约并逐条审核，随后由 Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 代码完成证明；智能体只把 1% 的代码标出供人类复核，其余由 Lean 自动检查。整个验证仅用 4 周，而历史上专家团队完成类似任务需要数年。

关键要点

• 首次用 AI 形式化验证广泛部署的密码协议到这一深度；也是首次以任何方法验证这类协议的实现代码，而不只是设计层面
• 证明的是编译后的真实代码（设备上实际运行的代码），包括“设备被暂时入侵前后消息仍受保护”等关键安全属性，弥合了设计与实现之间的差距
• 方法：人类专家与 AI 合作决定“证明什么”，把安全目标译成形式化数学规约并逐条审核；Gemini Carbon 驱动的智能体生成超过 600 万行 Lean 代码
• 审核机制：智能体标出仅占代码库 1% 的区域供人类复核，其余由 Lean 自动检查，专家可集中于需要人类判断之处
• 效率：整个验证仅用 4 周，历史上专家团队完成类似任务需数年
• 对照验证：把两个真实、此前已修复的 bug 重新引入隔离版 Signal 代码，系统在两种情况下都给出了经机器检查的证明，证明有缺陷的版本不安全
• 正在开源形式化验证成果并附技术论文；Signal 首席技术官称这是重大突破，未来可扩展到医疗设备固件、电网软件等关键系统，并与 CodeMender 等自动防御智能体结合

关键事实

验证对象：Signal 协议的实际代码，保护 Signal 与 Google Messages 等应用中数十亿人的私人对话；Lean 代码：超过 600 万行；人类复核比例：仅占代码库的 1%；耗时：4 周，历史上专家团队需数年；对照实验：两个真实已修复 bug 被重新引入隔离版代码，两种情况下系统均证明有缺陷版本不安全；作者：Pushmeet Kohli 与 Swarat Chaudhuri，团队包括 Swarat Chaudhuri、Andrew Ferraiuolo、Anton Kovsharov、Tej Chajed、Sam Schlesinger、Karn Seth、Jonathan Katz、Charles Sutton、Pushmeet Kohli。

作者观点

DeepMind 主张这是形式化验证的里程碑：AI 首次把精英级安全保证带给广泛部署的系统；并称该方法可扩展到企业、政府与关键基础设施，抵御智能体驱动的网络威胁；Signal 首席技术官 Ehren Kret 称，用 AI 智能体把实时代码翻译成有效 Lean 定理是一大突破。

为什么重要

形式化验证一直是安全保证的最高标准，但成本高到只有极少数系统能负担；AlphaProof Code 把“数年专家工作”压缩到“四周人机协作”，且验证的是真实运行的代码而非抽象设计。如果这套方法可复制，关键基础设施的软件——从医疗固件到电网——第一次有了可负担的数学级安全保证。这也是 Gemini 4 Carbon 发布稿里最硬的实证：模型不只会写代码，还能证明代码。

编辑点评

声明本身很克制地留了余地：证明覆盖的是“专家所规定的安全属性”，规约本身由人类制定——如果规约漏掉了某个属性，证明再严密也覆盖不到。对照实验（重新引入真实 bug 并检出）是全文最有说服力的部分，说明系统能区分正确与有缺陷的代码，而不只是对什么都说“已证明”。值得追问的是 1% 人类复核区之外的 Lean 代码是否可能存在系统性盲点，以及该方法离开 Signal 这样文档完备的协议后表现如何。但即便如此，这是本期最具实质突破的一篇。

深度摘要

Chips and Cheese 对 AMD 下一代 Zen 6 CPU 家族做了微架构级实测拆解。最大发现是 Zen 6 与 Zen 6c 第一次在乱序执行引擎内部真正分化：Zen 6 面向高主频，Zen 6c 则用更大的乱序结构吸收延迟——重排序缓冲从 576 增至 640 项、整数寄存器文件从 288 增至 352、向量调度器从 138 增至 180、加载队列从 280 增至 330。单线程现可用两个解码簇，分支预测失误代价降低，VNNI 单元翻倍。实测的 SPEC CPU 2026 估算中，EPYC 9686F 比 Zen 5 的 9575F 整数领先约 21%、浮点约 18%。

关键要点

• 分支预测：Zen 5 已有最强的方向预测器，Zen 6 在此基础上降低了预测失误的代价，每次错误分支的额外时间从约 3.5–4 纳秒降至约 3–3.5 纳秒；L1 指令缓存内可做到每周期 2 个分支
• 前端：沿用 Zen 5 的双解码簇结构，但单线程现可用两个解码簇（Zen 5 上单线程实际只能用一个）
• 执行引擎：整数侧恢复 Zen 4 的 NOP 配对行为，每周期可退役最多 16 个 NOP；VNNI 单元从 2 个翻倍到 4 个，512 位 VNNI 测试从 1.99 升至 3.88 指令每周期，对量化推理内循环有用
• 访存：256 位向量加载提升到每周期 4 次，512 位保持 2 次，两种位宽都达到每周期 128 字节；修复了 Zen 5 的 L2 带宽异常，读路径稳定在每周期 64 字节
• Zen 6 与 Zen 6c 的分化：乱序结构全面加大——重排序缓冲 576→640、整数寄存器文件 288→352、向量调度器 138→180、加载队列 280→330；Zen 6c 的 32 核 CCD 配 128MB L3，Zen 6 的 12 核 CCD 配 48MB L3，每核均为 4MB
• 代价：L3 延迟从 Zen 5 的约 47 周期升至 Zen 6 的 55 周期、Zen 6c 的 66 周期；但 Zen 6 的高主频掩盖了大部分增长（10.7 纳秒对 10.3 纳秒）
• 性能：EPYC 9686F 的 SPEC CPU 2026 估算为整数 6.20、浮点 10.6，领先 EPYC 9996 约 18%；同主频 4.1GHz 下 Zen 6c 反而每时钟领先约 6.7%（整数）与 4%（浮点）

关键事实

分支失误代价：Zen 6 约 3–3.5 纳秒每分支，Zen 5 约 3.5–4 纳秒；VNNI：单元 2→4 个，512 位 VNNI 从 1.99 升至 3.88 指令每周期；向量加载：256 位每周期 4 次，512 位 2 次；Zen 6c 乱序结构：重排序缓冲 640 项（Zen 6 为 576）、整数寄存器文件 352（288）、向量调度器 180（138）、加载队列 330（280）；L3：每核 4MB，12 核 CCD 48MB，32 核 CCD 128MB；L3 延迟：Zen 5 约 47 周期，Zen 6 55 周期，Zen 6c 66 周期；SPEC CPU 2026 估算：EPYC 9686F 整数 6.20、浮点 10.6，EPYC 9996 为 5.25 与 8.99；9686F 比 Zen 5 的 EPYC 9575F 整数领先约 21%、浮点约 18%；9996 以低约 900MHz 的主频基本打平 9575F；同主频下 Zen 6c 每时钟领先 6.7%（整数）与 4%（浮点）。

作者观点

作者认为最有趣的变化不是 Zen 6 相对 Zen 5 的常规进化，而是 Zen 6 与 Zen 6c 的分化：经典核与密度核过去只是同一核心的两种密度，现在是两个为各自场景塑形的核心，选择哪一个更取决于工作负载的行为；并对 Zen 7 是否会进一步分化表示好奇。

为什么重要

这是 Zen 6 家族第一份公开的微架构级实测，数据密度远超发布会口径：它证实 AMD 在用“两个核”回答经典核与密度核的老问题——高频路线与大容量路线分开走。对 AI 基础设施而言，Zen 6c 的大 L3 与大乱序结构直接关系到推理与数据服务类负载的延迟容忍，而 VNNI 翻倍则利好端侧量化推理。

编辑点评

全文是扎实的测量驱动分析，结论都有数据支撑，包括作者坦承的估算性质（SPEC 分数为估算值）。最有价值的判断是同主频对比揭示的真相：去掉主频优势后 Zen 6c 反而更强，说明 Zen 6 的领先有相当一部分来自频率而非微架构。需要注意的是，测试基于工程样品与作者自有方法论，SPEC 数字为估算而非官方成绩，引用时应保留这一限定。

深度摘要

债市正在给 AI 基建热潮标价：新云厂商 CoreWeave 的 2032 年债券（票息 9.625%）收益率突破 16%，五年期信用违约互换一度冲上 1,289 个基点，超过 10 月峰值。压力并不只限于 CoreWeave：过去一个月，英伟达、博通、亚马逊的 CDS 分别上涨 76%、49% 与 44%，尽管绝对水平仍然很低。杰富瑞的 Christopher Wood 写道，AI 资本开支军备竞赛“最可能的终结方式是信用卡被收走”；德意志银行的 Jim Reid 则指出，债市与股市现在开始同步波动。

关键要点

• CoreWeave 2032 年债券（票息 9.625%）收益率突破 16%；五年期 CDS 周四一度超过 1,289 个基点，高于 10 月峰值，周五回落至约 1,155 个基点
• 违约保护成本全线上升：过去一个月英伟达 CDS 上涨 76%、博通 49%、亚马逊 44%；绝对水平仍低——英伟达约 139 个基点、甲骨文约 298 个基点、CoreWeave 约 1,100 个基点
• 杰富瑞全球股票策略主管 Christopher Wood：AI 资本开支军备竞赛“最可能的终结方式是信用卡被收走”
• 背景：政治环境变化给数据中心带来更多障碍，关键州出现民主党州长、国会由民主党控制；华尔街预计 AI 扩张仍需大量举债，融资成本成为这场支出热潮的关键考验
• 德意志银行 Jim Reid：债市已多次发出警告，债务与股票现在同步波动，“要看信贷是否会进一步走弱”

关键事实

CoreWeave 2032 年债券收益率突破 16%，票息 9.625%；五年期 CDS 周四一度超过 1,289 个基点，高于 10 月峰值，周五回落约 8% 至 1,155 个基点；过去一个月 CDS 涨幅：英伟达 76%、博通 49%、亚马逊 44%；CDS 绝对水平：英伟达约 139 个基点、甲骨文约 298 个基点、CoreWeave 约 1,100 个基点。

作者观点

CNBC 的报道立场是呈现债市信号而非下结论：用 CoreWeave 作“债务压力的典型”，同时提醒读者——从低基数大幅上涨不等于同等的信用风险，英伟达等公司的 CDS 绝对水平仍然很低；真正的考验在于融资成本是否会持续收紧。

为什么重要

AI 叙事的定价变量正在从“需求有多大”转向“钱从哪来、成本多高”。CoreWeave 是 AI 基建高杠杆模式的风向标，它的债息突破 16% 说明债市已经开始为这种模式定价；连英伟达、博通的 CDS 都在走阔，说明压力正在向产业链上游传导。对持有半导体与 AI 链资产的读者而言，这是比任何一篇模型发布稿都更直接的风险信号。

编辑点评

这篇报道的价值在于数字而非观点：16% 的收益率与 1,289 个基点的 CDS 是硬数据，Wood 的“信用卡”比喻则是点睛之笔。但要避免过度解读——CDS 绝对水平仍低，债市发出的目前是警告而非判决；真正值得跟踪的是下一组融资的定价，以及 CoreWeave 的 CDS 是否站稳在 1,100 个基点之上。把它与本期 Marcus 未入选的 IPO 批评对照看：AI 行业的杠杆问题正在从评论版走进债市定价。

深度摘要

荷兰技术专家 Bert Hubert 重审欧洲人权法院关于批量监控的判例法，指出 2021 年《老大哥观察》案确立的“仅存储数据只是轻微干预”在 2026 年已不再成立。1987 年 Leander 案针对的是锁在瑞典国家安全设施里的纸质档案；而今天，数据存在会被黑的云平台上，AI 加速的漏洞发现让旧系统处处承压，盐台风（Salt Typhoon）已证明能攻入电信监听系统并拿到几乎完整的被监听号码清单，2015 年美国人事管理局遭窃则泄露了数百万人的指纹等最私密信息。Hubert 认为，“仅收集”与“仅存储”本身如今就是重大风险，法院在做比例权衡时必须把这一点算进去，并要求机构以可验证的方式落实最优安全实践；监督机构必须把技术专长作为强制性的组成部分，而不只是配个技术顾问。

关键要点

• 判例基础：《欧洲人权公约》第 8 条保护私生活与通信；即使仅存储个人私生活数据也构成干预，需要“迫切的社会需要”来正当化；《老大哥观察》案把批量拦截分成拦截与留存、筛选、分析、留存与使用四个阶段，干预程度逐级递增
• 1987 年 Leander 案针对的是锁在设施里的纸质档案，被窃或泄露的可能性极低；2021 年法院仍认为“拦截后立即丢弃部分通信不构成特别重大的干预”
• 变化一：存储风险剧增——数据如今存在计算机与云端，甚至军警与情报机构也在用云服务（德国情报部门被曝使用 Google 云）；AI 加速的漏洞发现让旧系统跟不上；2015 年美国人事管理局遭窃，数百万人的最私密信息与指纹泄露，据称流向中国
• 变化二：收集本身就是风险——盐台风攻入至少九家美国电信公司，拿到监听系统与几乎完整的被监听号码清单；荷兰三大电信公司的政府监听设施均被发现存在严重安全漏洞；美国政府因此建议民众改用加密通讯应用而非打电话
• 荷兰新情报法草案拟允许团队负责人自行批准入侵手机电脑、安装监控软件，监管极轻；Hubert 认为这与“仅存储是轻微干预”的理论一脉相承，应受严格审视
• 主张：法院与立法者应要求机构以可验证的方式落实最优安全实践，否则连存储数据本身都可能不再合乎比例；监督机构必须把技术专长作为强制性、不可或缺的组成部分——Hubert 本人曾任荷兰情报监督委员会的技术委员

关键事实

Leander v Sweden（1987）：纸质档案，法院认定仅存储即构成第 8 条干预；Big Brother Watch v UK（2021）：大审判庭提出四阶段模型，干预随流程递进而加重；2015 年美国人事管理局数据泄露：数百万人的最私密细节与指纹被窃，据称流向中国；2024 年 8 月：盐台风攻入至少九家美国电信公司（AT&T、Verizon、Lumen、T-Mobile 等），获取监听系统与几乎完整的被监听号码清单，波及数十个国家；荷兰三大电信公司（Vodafone Ziggo、KPN、Odido/T-Mobile）的政府监听设施均被发现存在严重安全漏洞；德国情报部门被曝使用 Google 云服务（Tagesschau，2026 年 10 月 26 日）；荷兰国家网络安全中心：AI 正在加速与放大威胁。

作者观点

Hubert 主张，2026 年的现实已经推翻了法院 2021 年的前提：仅收集与仅存储数据如今本身就是重大干预，法院在权衡国家安全利益与第 8 条权利时必须把泄露风险算进去；各国修订批量拦截框架时不应在技术与法律监督上打折；监督机构必须有强制性的技术成员，而非仅有法律专业人士掌舵。

为什么重要

这篇文章把 AI 安全议题从“模型能力”拉回到“制度能力”：当 AI 让漏洞发现与入侵都加速时，政府批量收集并存储公民数据的旧有合法性基础正在被侵蚀。对正在扩张监控能力的欧洲各国而言，这篇由前监督委员会技术委员写就的分析，很可能成为未来诉讼中引用判例的弹药。它与本期 AlphaProof 的对照也很有意思——同一周，AI 既在为 Signal 提供数学级证明，也在让批量存储的辩护变得更难成立。

编辑点评

论证链条扎实：从判例原文出发，用 2015 年 OPM、盐台风、荷兰电信监听漏洞等可核查事件逐一证明“存储”与“收集”的风险已经质变，而非停留在抽象担忧。作者的前监督委员身份既是可信度来源，也带来一个视角局限——全文站在监督者立场，对情报机构“为何需要批量能力”的正当需求着墨较少。最值得记住的一句话是：不存在的（数据）才不会被滥用。