AI榜首59分 幻觉率11%

10月28日，Google 放出 Gemini 4 Carbon。AA 榜单当天把它推到第一：59分，压过 Claude Opus 5.5 的 58 分和 GPT-6 Astra 的 57 分。

但这王座换得有点巧。前一天榜单刚升到 v5，六成评测换成私有题库或留存答案。外面的人复现不了，Reddit 网友直接吐槽“Quick change the benchmarks”。

分数确实涨了，但代价也露出来了。Carbon 正确率比上一代高了十个点，可幻觉率从 4% 飙到了 11%。它更敢答了，每十次不确定里，就有一次会编出个像真的答案。

再看效率，首字延迟中位数高达 97.5 秒，是同类模型的 27 倍；跑一套评测吐出 2 亿 token，成本 7.76 美元。开源模型也被甩开，能下载的 DeepSeek 和 GLM 只有 32 分，比榜首低了整整 26 分。

现在这模型还没大范围开放，先给了网络安全防御者用。以后选模型，估计真得看幻觉率和延迟了。

要不要我帮你把这几个头部模型的价格和速度指标拉个对比清单？