Arena.ai 的 Agent Arena 基于真实任务评测显示，Google DeepMind 的 Gemini 4 Carbon 排名第 2，净提升 +16.2%，并位于成本、时间与输出 token 的帕累托前沿。
Arena 的实测榜单给出了 Gemini 4 Carbon 在 Agent Arena 的排名、成本与三项信号变化，可对照上一代 Argon 看提升来源。
由 @GoogleDeepmind 推出的 Gemini 4 Carbon 基于真实世界任务在 Agent Arena 中排名第 2（净提升 +16.2%），并且在每项任务的成本、时间和输出 token 上处于帕累托前沿！
此版本比 Gemini 4 Argon 高出 5 个排名、性能高出 +5.2 个百分点（后者排名第 7，提升 +11%）。
Agent Arena 的信号显示，Carbon 相较 Argon 的提升来自：
1. 获得的赞誉明显多于上一版本（赞誉与抱怨：+13.2 个百分点）
2. 更频繁地完成任务（确认成功：+5.6 个百分点）
3. 更好地处理你的反馈（可操控性：+4.8 个百分点）
敬请关注 @googledeepmind 的 Carbon 可用性，并通过帖子中的链接深入了解 Agent Arena。
激动人心的消息：来自 @GoogleDeepMind 的 Gemini 4 Carbon (High) 刚刚在 Arena 上完成重磅首秀，在 Text Arena 排名第 1，在 Agent Arena 排名第 2，在 Code Arena: WebDev 排名第 4。Gemini 4 Carbon 重返榜首，带来前沿智能，并在三个竞技场中重塑帕累托前沿。 在 Agent Arena 中，Gemini 4 Carbon 排名第 2，在我们全球社区超过 21.9K 个真实世界智能体会话中实现 +16.2% 的净提升，超越顶级模型 GPT-6 Astra 和 Fable-5.1。按每任务中位成本 $1.80 计算，Gemini 4 Carbon (High) 的成本比排名第 1 的 Claude Opus 5.5 (Max) 低 72%。 其在关键信号上的突出表现： - 第 1 可控性（+18.6%）：当你提出异议时，模型能否纠正方向？ - 第 2 赞扬与投诉（+37.9%）：用户反应中的隐含情绪 - 第 3 确认成功（+18.7%）：用户明确表示“是的，这有效” 在 Code Arena: WebDev 中，Carbon 得分 1768 分，排名第 4： - 仅比排名第 3 的 Claude Sonnet 5.5 (xHigh) 低 2 分，后者为 1770 分 - 比排名第 11 的 Gemini 4 Argon (High) 高 89 分，后者为 1679 分 按类别划分，它在 Gaming and Simulations 中排名第 3，在 Brand & Marketing 中排名第 5。 在 Text Arena 中，Gemini 4 Carbon (High) 以 1528 分成为新的第 1，目前领先于以 1520 分排名第 2 的 Gemini 4 Argon (High)。 祝贺 @GoogleDeepMind 团队达成这一重大里程碑！
原文
Exciting news: Gemini 4 Carbon (High) from @GoogleDeepMind just made a huge debut on Arena, landing #1 in Text Arena, #2 in Agent Arena, and #4 in Code Arena: WebDev. Back at the top, Gemini 4 Carbon delivers frontier intelligence and reshapes the Pareto frontier across three arenas. In Agent Arena, Gemini 4 Carbon ranks #2 with a +16.2% net improvement across +21.9K real-world agentic sessions from our global community, surpassing top models GPT-6 Astra and Fable-5.1. At $1.80 median cost per task, Gemini 4 Carbon (High) costs 72% less than the #1 ranked Claude Opus 5.5 (Max). Its standouts by key signals: - #1 Steerability (+18.6%): can the model course-correct when you push back? - #2 Praise vs Complaint (+37.9%): implicit sentiment in users' reactions - #3 Confirmed Success (+18.7%): explicit “yes, that worked” from users In Code Arena: WebDev, Carbon scored 1768 pts landing #4: - Just 2 pts below #3 Claude Sonnet 5.5 (xHigh), at 1770 pts - 89 pts above #11 Gemini 4 Argon (High), at 1679 pts By category, it ranks #3 in Gaming and Simulations, and #5 in Brand & Marketing. In Text Arena, Gemini 4 Carbon (High) is the new #1 with 1528 pts, now ahead of Gemini 4 Argon (High) at #2 with 1520 pts. Congrats to the @GoogleDeepMind team on this huge milestone!
来源：Arena.ai · x.com