- Gemini Carbon 首次亮相時的 HLE-Diamond 分數會達到 50% 或更高嗎？98¢98%
- Gemini Carbon 首次亮相時的 HLE-Diamond 分數會達到 55% 或更高嗎？98¢98%
- Gemini Carbon 首次亮相時的 HLE-Diamond 分數會達到 60% 或更高嗎？83¢83%
- Gemini Carbon 首次亮相時的 HLE-Diamond 分數會達到 65% 或更高嗎？61¢61%
- Gemini Carbon 首次亮相時的 HLE-Diamond 分數會達到 70% 或更高嗎？19¢19%
Google’s October 28 announcement of Gemini 4 Carbon immediately positioned the model as the new leader on Artificial Analysis Intelligence Index v5.0 with a 59 score, including the top mark on the recently introduced HLE-Diamond benchmark that replaced the prior Humanity’s Last Exam subset. The update highlights gains in long-horizon agentic coding, secure code generation (more than 2x uplift over Gemini 4 Argon on internal tests), and cybersecurity tasks such as vulnerability detection (88.2% on SEC-bench Pro) and patching. Carbon receives initial access only through the Fairwind Program for vetted cyber defenders, with broader developer and consumer availability pending further guardrail testing and no fixed timeline. This staged rollout and benchmark leadership against Claude Opus 5.5 and GPT-6 Astra reflect the competitive pressure on frontier labs to demonstrate measurable advances on hard reasoning and security evaluations before full release.
規則
2026年10月9日，Business Insider 報導，Google 員工正在內部測試一款代號為「Carbon」的 Gemini 4 模型，且該模型不同於後來以 Gemini 4 Argon 名稱發布的檢查點版本（https://www.businessinsider.com/google-employees-test-new-gemini-4-model-argon-barium-carbon-2026-10）。 如果加入 https://agi.safe.ai/ 上 Humanity's Last Exam 結果中的 Google「Carbon」模型，在其首次出現在網站日期的下一個日曆日 下午12:00 ET 的 HLE-Diamond 準確率至少達到指定百分比，則此市場將結算為「是」。否則，此市場將以「否」結算。 符合資格的模型必須是名為「Carbon」的 Google AI 模型（包括 Gemini Carbon、Gemini 4 Carbon 等變體或後續品牌名稱），或經 Google 或可信報導的共識確認為報導所述的同一款模型。以其他名稱列出的模型，包括新的 Gemini 模型（例如 Gemini 4.1）或 Gemini 4 Argon 的更新版本，只有在 2027年6月30日 下午11:59 ET 前確認其為先前代號「Carbon」的同一模型時，才符合資格。僅由 Carbon 衍生、蒸餾自 Carbon，或納入 Carbon 改良成果的模型均不符合資格，除非確認它們是同一款模型。 此市場將以 https://agi.safe.ai/ 的「AI Progress on HLE-Diamond」圖表中該模型結果卡所顯示的「HLE-Diamond Accuracy」百分比作為結算依據。此市場將僅根據 HLE-Diamond 準確率結算，不論模型的校準誤差、圖表位置、其他設定分數、任何指出分數是以部分題目樣本計算的註記，或其他地方呈現的任何底層細項或未四捨五入資料。 如果負責維護 Humanity's Last Exam 官方結果的 Center for AI Safety (CAIS) 為該模型發布符合資格的分數（定義如下），且該模型在首次發布此類分數後的第三個日曆日（ET）下午11:59 ET 前尚未顯示於圖表上，則將改用該分數，並四捨五入至小數點後一位。如果截至該時間已為該模型發布多個符合資格的分數，則採用最高分。 符合資格的分數是以 CAIS 名義發布的分數（例如發布於 https://agi.safe.ai/、https://lastexam.ai/ 或 https://dashboard.safe.ai/，包括與 Scale AI 聯合發布），且明確標示為 HLE-Diamond 完整題組（1,000 題，於 2026年9月22日 發布）的整體準確率、不使用工具，並採用 HLE-Diamond 主要結果中標示為「high」的推理設定。 除了圖表數值或符合資格的分數之外，其他分數一概不予採計，即使沒有發布任何符合資格的分數亦然。這包括原始 Humanity's Last Exam 或 HLE-Rolling 的分數、「reasoning max」或「with tools」結果、Reasoning 或 Knowledge 子集分數、僅能透過 API、資料檔案或網頁原始碼取得的數值、Scale AI 獨立排行榜上的分數、其他評估者或模型開發者提供的分數，以及任何合理存疑是否符合上述條件的分數。 模型首次出現在網站上的日期（ET），取其首次顯示於圖表上的日期與首次發布該模型符合資格分數的日期兩者中較早者。如果使用圖表數值，第一段所述的查核將於模型首次顯示在圖表後的下一個日曆日 下午12:00 ET 進行；如果使用符合資格的分數，則於上述三日期間結束時進行。 如果多個符合資格的模型在同一個日曆日（ET）新增至 Humanity's Last Exam 結果，則結算時採用 HLE-Diamond 準確率最高的模型。在最初符合資格的模型首次出現後的下一個日曆日加入成績的模型，不予考慮。 如果某模型先被新增至 Humanity's Last Exam 結果，之後遭移除且未重新新增，以致檢查時依照這些規則無法取得該模型的 HLE-Diamond 準確率，則該模型的出現不算是新增至 Humanity's Last Exam 結果。 符合資格的模型必須是新新增至 Humanity's Last Exam 結果的模型。該模型在出現在網站之前是否已發布、可供公眾使用、處於測試版階段或以其他方式提供，與此市場無關。 如結算來源發布了足以結算某一市場的數據，而該數據明顯錯誤，且係技術或操作錯誤所致，或係對結算來源或其數據的未經授權干預所致，則該市場可自原始發布時起保持開放最長七（7）個日曆日（ET），以等待結算來源作出更正。如果結算來源在該期間內公布更正後的數值，該數值將可用於結算。如果該期間內未公布更正後的數值，Polymarket 將發布澄清，以判定原先公布的數值是否可用於結算，或是否需要採取其他措施以維持市場正常運作。 此市場的主要結算來源是 https://agi.safe.ai/ 所載的 Humanity's Last Exam 官方網站。如果檢查時無法取得此結算來源，則此市場將根據之後首次可取得該模型 HLE-Diamond 準確率的情況結算。如果該來源持續無法使用，直到符合資格的模型首次出現在網站後第七天結束，或截至 2027年6月30日、下午11:59 ET 仍未加入符合資格的模型，則此市場將結算為「否」。
機器翻譯。如有爭議，以原文為準。