在长程编程任务上，Carbon 专为高难度、需要持续运行多日的智能体工作流设计，能够自主遍历[*]胡同、完成大型代码库与底层系统的根因定位、漏洞补丁编写等复杂多步骤工程任务。

　　网络安全能力是本次升级的核心亮点，Carbon 在防御全生命周期的漏洞发现、验证、修复环节均达到业界领先水平：

　　漏洞发现：在 SEC-bench Pro 基准上实现 88.2% 的成绩，可自主挖掘真实软件中隐藏的复杂漏洞。

　　漏洞利用验证：在 ExploitGym 基准上取得 54.8% 的成绩，可自动判断漏洞是否可被利用，帮助安全人员优先处理高风险漏洞。

　　根因补丁修复：在 CWE-bench 基准上取得 71.0% 的成绩，可直接将验证后的漏洞转化为可运行的修复代码。

　　内部测试数据显示，Carbon 生成安全代码的成功率较 Argon 提升超过 2 倍；Chrome 团队测试显示，其生成高质量补丁的表现比其他实验室的大前沿模型好 10 倍以上。

　　Terminal-Bench 4.0 上的作弊成功率降至 0.0%，作弊尝试占比降至 0.4%；内部实时编程环境中，高严重程度的失准警报下降近 80%。

　　无依据的编造性

　　面对模糊需求时，Carbon 会先检索相关资料、向用户反馈差异点再执行，不会强行猜测路径。

　　过度执行率下降 26%，服务不足率下降 29%，多步骤计划的端到端执行可靠性显著提升，同时严格遵守项目范围约束。

　　发布节奏上，谷歌表示正配合美国政府的预发布模型自愿测试流程，从本周起先向一小部分网络安全防御人员开放 Carbon，后续将通过 Fairwind 计划逐步扩大可信合作伙伴的访问范围，在收集反馈、迭代完善防护机制后，再面向开发者、企业与普通消费者开放。