還沒開放點餐的那道菜：Gemini 4 Carbon 的成績單，讀起來像一張試菜筆記

2026 年 10 月 28 日，Google DeepMind 公布了 Gemini 4 Carbon，附上一張漂亮的成績單：漏洞發現 88.2%、漏洞利用驗證 54.8%、修補任務 71.0%。數字亮出來了，餐廳門卻還沒開。首波只提供給部分資安防禦者，之後透過 Fairwind 計畫逐步擴大合作對象，一般開發者、企業與消費者目前都還拿不到。

這情境，其實你家巷口那間餐廳的老闆最懂。

菜單上印了新菜的照片，香氣彷彿隔著紙都聞得到，但老闆會跟你說：「那道還在試做，先給熟客嚐。」廚房裡新研發的湯底，得先讓幾位常客、幾張誠實的嘴試過，鹹了加水、淡了補鹽，確定端出來不會砸招牌，才會正式寫進菜單。Google 這次的分批開放，邏輯差不多：先給資安防禦者這羣「最會挑毛病的老饕」用，收回饋、調防護，再慢慢擴大座位。

而公告裡那句「as soon as possible」，就像老闆說的「快了快了」。快了，但沒有日期。Ars Technica 也指出，Google 並未承諾普遍開放的時間表。

三個數字，是三道不同的考題。SEC-bench Pro 測的是能不能找出程式碼裡的弱點，像讓人蒙著眼在一鍋湯裡嚐出哪一味放錯了；ExploitGym 檢驗代理能否把已知漏洞變成實際可運作的利用方式，The Decoder 報導補充，54.8% 這個成績是在十小時執行上限的條件下測得；CWE-bench 則要求模型稽核程式庫、找出弱點、提出修補，而且修補得擋住攻擊、還不能弄壞原本的功能，好比改了食譜之後，菜要更好喫，舊客人的那股熟悉滋味也不能跑掉。

重點來了：這些是「指定測試條件下」的分數。就像試菜時用的是當季最好的食材、廚房裡最穩的爐火，不代表週末晚上客滿、外場催單時端出來會一模一樣。來源文章自己也提醒，測試設定不同，數字之間不能直接排高下。

那臺灣的團隊現在能做什麼？來源的建議很實際：如果還沒收到正式邀請、沒有官方端點，就拿不到模型跑自己的流程，別人公布的基準也不能直接當成自家的驗收結果。能先做的，是把測試資料、判分方式與權限隔離環境準備好，等門真的開了，用同一套流程來比較。這跟辦桌前一晚先把料備齊、把碗盤定位是同一件事，爐火什麼時候點，倒是其次。

說到評估一個新幫手該不該進廚房，我們先前聊過一篇關於請幫手與算成本的滋味故事，那套「先看菜單再說」的思路，這裡同樣用得上；而換爐具之前先把菜單和鍋位對一遍的老規矩，也是同一個道理。

所以，Gemini 4 Carbon 現在能用嗎？就目前的公告看，多數人還不行。成績單可以先讀，門票還沒發。就像那道還在後廚試做的新菜，你聞得到香味，但先別急著點單。等它正式上菜那天，你手邊那套試味道的標準，才是決定要不要再訪的原因。