Tabbit
活动资源博客模型
Tabbit LogoTabbit

Tabbit — 为你工作的 AI 浏览器

主题资源

  • 浏览器排行榜
  • AI 浏览器指南
  • 浏览器对比
  • 浏览器测评
  • 浏览器替代方案
  • 浏览器专题目录
  • Agentic 浏览器
  • 下载与安装
  • 浏览器效率
  • SillyTavern 模型指南

热门指南

  • Best Browsers 2026: Top 10 Ranked & Compared
  • Best Free AI Browsers 2026: Plans & Prices Compared
  • Rabbit Browser: What It Is & Why Tabbit Is Better
  • Firefox vs Chrome 2026: Privacy, RAM & Speed Compared
  • Best Lightweight Browsers 2026: 7 Tested for RAM & Speed
  • AI Browser List 2026: 10 Browsers Compared
  • Neobrowser: Norton Neo, Download & Alternatives
  • Edge vs Chrome 2026: Speed, RAM & Battery Tested
  • Best Internet Browser for Android 2026
  • Best AI Browser 2026: Top 9 Tested & Ranked

活动

  • 别装了,你在《牛来》里早有原型
  • Tabbit 妙招大赛
  • KPOP SBTI 饭圈人格测试
  • Tabbit 校园共创者计划
  • fifi 的论文文献妙招精选
  • 用户问卷

关于

  • Tabbit 博客
  • 媒体报道
简体中文
简体中文English
测评
官方Gemini 4 Carbon

Gemini 4 Carbon 模型卡:知识工作与多模态基准及其边界

原始来源

Google DeepMind

作者未注明

Tabbit 整理2026-11-16

查看原文

一句话结论

Google DeepMind 的模型卡报告了 Carbon 在多项知识工作、图表与蓝图理解、长上下文及数学科学基准上的结果;这些是厂商披露的基准快照,卡片没有给出足以独立复跑或判断统计不确定性的细节。

适用场景

  • 适合判断的任务:了解厂商披露的知识工作、数据分析、图表和空间理解、长上下文检索、数学科学推理结果,以及模型声明的预期用途。

  • 不适合外推的任务:不能据此推断所有真实工作流中的成功率、相对排名或成本;卡片未提供样本量、置信区间和完整测试配置,也未展示面向用户的独立复测。

  • 适用的模型版本:Gemini 4 Carbon。卡片称其基于 Gemini 4 Argon,并使用比 Argon 更多的 thinking tokens;未注明具体 API 模型 ID 或修订号。

  • 测试环境或客户端:官方模型卡汇总;具体环境、模型调用版本及多数基准的 harness 未注明。AutomationBench 标注 Zapier;OSWorld-2.1 使用离线子集。

  • 推理档位和参数:未注明具体档位、采样参数或 token 配置。卡片称 thinking levels 可配置,用于平衡质量、延迟和成本。

测评方法

卡片称评估覆盖知识工作、多模态、长上下文、科学与数学等类别,结果标注为截至 2026 年 10 月。它链接到单独的 Gemini 4 Carbon 评测方法页面,但本卡没有列出各项测试的样本数、提示词、运行次数、统计区间或完整 harness,因而无法仅凭本页复现分数或确认不同模型间的测试条件完全一致。

下表仅摘录知识工作及多模态、长上下文、数学科学结果。数值均为 Google DeepMind 在模型卡中报告的结果,不是独立测量。原卡将 GraphWalks 标为 256k 至 1M、BFS(F1);Chartography 和 Blueprint-Bench 2 的表头注释分别给出分数类型和 similarity score。

关键结果

类别基准与卡片注释Gemini 4 CarbonGemini 4 ArgonGPT-6 AstraClaude Opus 5.5Claude Fable 5.1
通用能力AA Index v5.05950575849
通用能力Vals Index v2.270.4%69.2%65.0%70.2%—
知识工作AutomationBench(Zapier)53.9%51.3%41.4%42.5%31.4%
知识工作Vending-Bench 2(银行余额,美元)$16,484$13,718$15,515$9,235$5,422
多模态理解Chartography(Score)72.5%71.6%71.0%66.3%46.2%
多模态理解Blueprint-Bench 2(Similarity score)58.6%54.4%49.7%51.2%41.9%
长上下文GraphWalks(256k–1M,BFS,F1)96.2%84.2%71.8%66.8%65.0%
科学与数学RiemannBench80.0%76.0%72.0%69.6%65.6%
科学与数学Terminal-Bench-Science 0.1(AA)64.8%52.9%63.3%59.0%43.3%

卡片还称模型适用于高精度知识工作、制品生成和数据分析,以及需要多智能体协作的工程任务;这些用途声明不等同于表中基准已经验证了所有相应工作场景。

原始数据

  • 官方结果页标注的时间点:2026 年 10 月。

  • 输入包括文本、图像、音频和视频;输入与输出合计上下文上限为 1M tokens。输出为文本,卡片同样将输入加输出上限写为 1M tokens。

  • 知识截止日期:2026 年 3 月;卡片说明部分领域的知识可能更旧。

  • 训练数据、训练数据处理、架构、硬件、软件、可接受使用和评估方法等细节,卡片多处转引 Gemini 4 Argon 模型卡,没有在本页展开。

结论与边界

  • 在卡片所列的两个知识工作项目中,Carbon 分数高于表内其余模型;这只描述该卡所列结果,不代表一般办公任务成功率或实际产出质量。

  • 多模态理解结果包括 Chartography 的 72.5% 和 Blueprint-Bench 2 的 58.6 相似度分数。两项名称和指标不同,不应相互比较;卡片未说明图像样本组成、评分细则或误差范围。

  • GraphWalks 的 F1 为 96.2%,但该结果仅对应卡片标注的 256k 至 1M、BFS 设置,不能直接外推到所有长文档问答或上下文长度。

  • 数学与科学结果属于指定基准。模型卡未给出题集规模、重复运行情况或可复核的逐题答案,不能据此断定在开放式研究中的可靠性。

  • 卡片列出的一般局限包括幻觉、越狱抵抗仍在改进、偶发响应缓慢或超时,以及高 thinking level 下可能消耗更多 tokens;具体限制详情部分转引 Argon 模型卡。

  • 分数缺少公开的样本量、置信区间、逐项参数和完整 harness;不同基准的覆盖范围和指标也不同。跨模型差值应视为厂商表格中的报告值,而非已验证的普遍优势。

复现说明

本页未提供足够信息独立复现表中结果。复测至少还需对应基准版本与数据划分、提示词和 harness、模型/API 修订号、thinking 配置、采样参数、运行次数及评分实现。Google DeepMind 在卡片中另行链接评测方法页;需要复现时应核对该页与基准原始资料,并记录与本卡结果的配置差异。

Tabbit 小编提醒

本文是第三方资料导航。测试环境、模型版本和主观体验可能不同,请以原文为准。

Gemini 4 Carbon

在 Tabbit 中使用并对比模型

Gemini 4 Carbon

相关测评

媒体Artificial Analysis

Gemini 4 Carbon:Artificial Analysis 推理档位与指数成本

媒体Zapier

Gemini 4 Carbon 在 Zapier AutomationBench 的业务流程结果

媒体AI IQ

Gemini 4 Carbon 在 AI IQ 的综合评分与基准覆盖率

媒体Cursor 官方 CursorBench 排行榜2026-09-10

CursorBench 4.0:Gemini 4 Carbon 多文件工程任务表现

Gemini 4 Carbon

相关提示词与案例

官方Google AI Studio / Gemini API

Gemini 4 Carbon 的 Google AI API 规格

官方Google AI Studio / Gemini API

Gemini 4 Carbon 长输出:续接、状态与停止条件

官方Google AI Studio2026-11-10

Google AI Studio:Gemini 4 Carbon 复杂任务提示设计

官方Google AI Studio / Gemini API

Google AI Studio:Gemini 4 Carbon 动态视频理解配置