- Gemini Carbon 首次亮相时的 HLE-Diamond 分数会达到 50% 或更高吗？98¢98%
- Gemini Carbon 首次亮相时的 HLE-Diamond 分数会达到 55% 或更高吗？98¢98%
- Gemini Carbon 首次亮相时的 HLE-Diamond 分数会达到 60% 或更高吗？83¢83%
- Gemini Carbon 首次亮相时的 HLE-Diamond 分数会达到 65% 或更高吗？61¢61%
- Gemini Carbon 首次亮相时的 HLE-Diamond 分数会达到 70% 或更高吗？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.
规则
2026年10月9日，Business Insider报道称，Google员工正在内部测试一款代号为“Carbon”的Gemini 4模型，该模型不同于后来以Gemini 4 Argon名称发布的检查点版本（https://www.businessinsider.com/google-employees-test-new-gemini-4-model-argon-barium-carbon-2026-10）。 如果添加到 https://agi.safe.ai/ 上 Humanity's Last Exam 结果中的 Google “Carbon”模型，在其首次出现在网站日期的下一个日历日 12:00 ET 时的 HLE-Diamond Accuracy 达到或超过指定百分比，则本市场将结算为“是”。否则，本市场将以“否”结算。 符合条件的模型必须是名为“Carbon”的Google AI模型（包括Gemini Carbon、Gemini 4 Carbon等变体或后续品牌名称），或由Google或可信报道的共识确认是报道中提及的同一款模型。以任何其他名称列出的模型，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 23:59 ET 前确认其就是此前代号为“Carbon”的同一模型时，才符合条件。仅由Carbon衍生、从Carbon蒸馏而来或纳入Carbon改进成果的模型均不符合条件，除非确认它们是同一款模型。 本市场将根据模型在 https://agi.safe.ai/ 的“AI Progress on HLE-Diamond”图表结果卡中显示为“HLE-Diamond Accuracy”的百分比进行结算。本市场仅根据 HLE-Diamond Accuracy 进行结算，无论模型的 Calibration Error、图表位置、其他配置得分、任何关于某得分是根据部分问题样本计算的说明，或其他地方呈现的任何底层细分数据或未四舍五入数据如何。 如果负责维护 Humanity's Last Exam 官方结果的 Center for AI Safety (CAIS) 为该模型发布了符合条件的分数（定义见下文），且该模型在首次发布此类分数后的第三个日历日（ET）23:59 ET 前尚未显示在图表上，则将改用该分数，并四舍五入至小数点后一位。如果截至该时点已为该模型发布多个符合条件的分数，则采用其中最高的分数。 符合条件的分数是指以 CAIS 名义发布的分数（例如发布于 https://agi.safe.ai/、https://lastexam.ai/ 或 https://dashboard.safe.ai/，包括与 Scale AI 联合发布），并明确标注为在 HLE-Diamond 全部题目集（1,000 道题，发布于 2026年9月22日）上的总体准确率，且不使用工具，推理设置为 HLE-Diamond 主要结果中标记为“high”的设置。 除图表数值或符合条件的分数外，其他分数均不予计入，即使没有发布符合条件的分数也是如此。这包括原版 Humanity's Last Exam 或 HLE-Rolling 的分数、“reasoning max”或“with tools”结果、Reasoning 或 Knowledge 分区分数、仅通过 API、数据文件或网页源代码才能获取的数值、Scale AI 独立排行榜上的分数、其他评估方或模型开发者提供的分数，以及任何存在合理疑问、无法确定其是否符合上述条件的分数。 模型首次出现在该网站的日期，取以下两个日期（ET）中较早者：模型首次显示在图表上的日期，以及首次发布该模型符合条件分数的日期。如果使用图表数值，则第一段所述的检查将在模型首次显示于图表后的下一个日历日 12:00 ET 进行；如果使用符合条件的分数，则将在上述三日期间结束时进行。 如果多个符合条件的模型在同一个日历日（ET）被添加到 Humanity's Last Exam 结果中，则结算时采用 HLE-Diamond Accuracy 最高的模型。在最初符合条件的模型首次出现后的下一个日历日期添加到结果中的模型将不予考虑。 如果某模型先被添加到 Humanity's Last Exam 结果中，之后又被移除且未重新添加，以致检查时按照这些规则无法获得该模型的 HLE-Diamond Accuracy，则其出现不视为已添加到 Humanity's Last Exam 结果中。 符合条件的模型必须是新添加到 Humanity's Last Exam 结果中的模型。对于本市场而言，该模型在出现在网站之前是否已发布、可供公众访问、处于测试阶段或以其他方式可用，均无关紧要。 如果结算来源发布了足以结算某一市场的数据，而该数据明显错误，且系技术或操作错误所致，或系对结算来源或其数据的未经授权干预所致，则该市场可自原始发布时起保持开放最长七（7）个日历日（ET），以等待结算来源作出更正。如果Resolution Source在该期限内发布了更正后的数值，该数值即可用于结算。如果该期限内没有发布更正后的数值，Polymarket将发布一项澄清，以确定原先发布的数值是否可用于结算，或是否需要采取其他行动来维持市场的有序运行。 本市场的主要结算来源是 Humanity's Last Exam 官方网站，网址为 https://agi.safe.ai/。如果检查时该结算来源无法访问，本市场将根据之后首次能够获取该模型 HLE-Diamond Accuracy 的情况进行结算。如果截至符合条件的模型首次出现在网站后的第七天结束时，该来源仍不可用，或者截至 2027年6月30日 23:59 ET 尚未添加任何符合条件的模型，则本市场将结算为“否”。
机器翻译。如有争议，以原文为准。