第一名却用不上：Gemini 4 Carbon 登顶 59 分，幻觉率反而比上一代高

11 月 4 日的多家盘点再次把一个有点反常识的榜单摆上台面：Google 的 Gemini 4 Carbon 在 Artificial Analysis 的 Intelligence Index v5 上拿到 59 分，比 Claude Opus 5.5 的 58 分高 1 分，比 GPT-6 Astra 的 57 分高 2 分，单任务成本 7.76 美元也低于 Opus 5.5 的 10.04 美元。它在 9 项子评测里拿了 4 项第一，包括幻觉测试 AA-Omniscience——但同一张榜单上，它的幻觉率是 11%，高于上一代 Argon 的 4%。第一名和更爱编造，可以同时成立。

更关键的是准入门槛。Carbon 10 月 28 日宣布时只给“一部分网络防御者”，再逐步扩大到 Fairwind 计划里的受信任伙伴，普通开发者、企业和消费者没有时间表：不在 Gemini 应用、API、Antigravity 里，也没有公开的模型 ID。Google 自报的安全分数很亮眼，SEC-bench Pro 找漏洞 88.2%、补漏洞 71%，但在模型不能被外界实测的情况下，这些数字目前无法独立复现，只能按厂商口径读。

我的判断是：选模型别只看综合榜第一名，要看三张分表。综合指数领先 1 分基本等于打平；编程 agent 指数上 Opus 5.5 是 62 分、Carbon 是 59 分，写代码这件事上第一名并不领先；幻觉率这张表上，Carbon 反而退步了。小团队的实际做法是：安全攻防类任务可以去排 Fairwind 的队，日常编码和长任务先守住能买到、能实测的模型，等 Carbon 真正上架后再拿自己的任务重测一遍。这个结论在 Carbon 开放 API、第三方能复跑安全基准之后要重新算，榜单第一名在用不上之前，只是一个信号，不是选型结果。