谷歌发布 Gemini 4 Carbon，智能指数登顶、首发定价为 Opus 5.5 一半
谷歌发布新旗舰模型 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数 5.0，超越 Claude Opus 5.5 与 GPT-6 Astra。
#C10 AI业务风险评估
AICSO.AI汇总推荐指数4444 AICSO.AI汇总推荐指数5858 谷歌发布 Gemini 4 Carbon，在 Artificial Analysis 智能指数 v5.0 以 59 分登顶
谷歌发布新前沿模型 Gemini 4 Carbon，在 Artificial Analysis 智能指数 v5.0 以 59 分登顶，Arena 文本总榜以 1528 分排第一、Agent 总榜第二。
安全深度阅读推荐指数3333 AI 安全评测基准繁多，但没有一个能讲清全貌
文章指出，衡量大语言模型安全性的评测基准正快速增多，各自针对不同变量，但没有任何一个能取代针对自身代码与工作流的实测。随着面向不同攻击面的基准不断涌现，拼凑式的评测格局让模型安全度量变得复杂，最终仍需结合自身场景做落地测试。
AICSO.AI汇总推荐指数5252 Ai2 发布 FairStress 基准，评测 LLM 高风险决策中的群体公平性
Ai2 发布 FairStress 基准，用于评测 LLM 在招聘、贷款、医疗等高风险决策中的群体公平性，除最终选择外还测量模型在对抗前缀下改变决策的难易程度。基准覆盖 29 个领域的 300 个双候选人场景，扩展为超过 1300 万个测试用例，并提供 5 万条的 FairStress-Core 子集。
AICSO.AI汇总精选推荐指数7878 Vals AI 发布 SAFE-Teen 基准：18 款聊天机器人青少年安全测试全部失败，54% 对话至少一次失败
Vals AI 与临床医生合作构建 SAFE-Teen 基准，模拟 3 万多段青少年与 18 款 AI 模型的多轮对话，在未加青少年提示的情况下，54% 的对话至少出现一次青少年安全失败。
推荐理由：Vals AI 与临床医生共建 SAFE-Teen，用 3 万段多轮对话测 18 款模型，给出可比较的青少年安全失败率与推回场景数据。