Gemini 4 Carbon 自动标注：我们的 VLM 排行榜新领跑者

在 2026 年 11 月 11 日的 Ultralytics VLM 排行榜快照中，Gemini 4 Carbon 在我们的 36 个数据集目标检测基准测试 UL37 的 45 款自动标注模型中排名第一。它的 mAP₅₀ 为 0.584，mAP_50-95 为 0.371；如今，它在精确率和召回率两项上也都位居榜首，而在我们 10 月的结果中，这两项分别由两款不同的模型领跑。此前的领跑者 GPT-6.1 Terra 以 0.560 的 mAP₅₀ 排在第二位，每张图像的服务商费用约为 Carbon 的三分之一。

因此，对任何需要标注数据集的人来说，问题不是哪款模型的总分最高，而是 Carbon 何时值得多花三倍的钱。下面将介绍 Carbon 创下新高的领域、Terra 仍占优势的领域、Google 12 月调价前后的费用，以及如何在你自己的数据上通过 Ultralytics Platform运行 Carbon。

Gemini 4 Carbon 现已向所有付费开发者开放#

Google 最初于 10 月底向一小群网络安全防御人员发布了 Carbon。2026 年 11 月 10 日，Google 向所有付费开发者和企业开放了这款模型，并开始向 Google AI Ultra 订阅用户逐步推出。Google 的开放公告称，Carbon 可通过 API 在 Google AI Studio 和 Gemini for business 中使用；Ultra 订阅用户还可在 Gemini 应用、AI Mode 和 Antigravity 中使用。防御人员仍可通过 Google 的 Fairwind Program 获得专属访问权限。

Google 称 Carbon 是其最强大的模型，面向网络安全和长时程智能体任务。Gemini 4 Carbon 模型卡称，它基于 Gemini 4 Argon，并且比 Argon 使用更多思考 token，“以全面探索假设、深入推理并运行长时间验证循环”。它可以读取文本、图像、音频和视频，上下文窗口最高可达 1M token，并以文本形式作答。

Google 的发布宣传中完全没有把 Carbon 描述为检测器。对于数据标注，关键在于额外的推理能力会如何影响边界框，而这正是 UL37 衡量的内容。你可以在 Gemini 4 Carbon 模型页面查看每项结果。

Ultralytics Platform 上的 Gemini 4 Carbon 模型页面，展示其 UL37 分数以及自动标注数据集的链接。

Gemini 4 Carbon 目标检测：所有准确率指标均排名第一#

UL37 会在 360 张图像上评估模型的检测框与各数据集参考标注的吻合程度：从 36 个真实目标检测数据集中各取 10 张，涵盖医学扫描、航拍和热成像、零售货架、体育、文档、电路板等。每张图像都经过 Platform 用户使用的同一套生产流程，并使用数据集自身的类别名称；与用户使用时一样，SAM 3.1 会优化除 SAM 3 之外所有模型的检测框。每个数据集的权重相同；详见 UL37 基准测试方法。

下面看看 Carbon 与排名紧随其后的四款模型相比表现如何：

Carbon 的 mAP₅₀ 比 GPT-6.1 Terra 高 0.024。更严格的 mAP_50-95 会奖励紧贴物体边缘的检测框，差距也相近：Carbon 为 0.371，而先前最佳的 Claude Fable 5.2 为 0.347，Terra 为 0.345。

Carbon 的表现也优于其基础模型。Gemini 4 Argon 的 mAP₅₀ 为 0.537，mAP_50-95 为 0.343，因此在相同基准测试和标注流程下，Carbon 分别提高了 0.047 和 0.028。

Gemini 4 Carbon 在 UL37 上的精确率和召回率均为最高#

正如我们关于如何根据精确率和召回率选择 VLM的指南所述，在我们 10 月的结果中，排行榜顶尖模型分成了两派。Gemini 4 Argon 的精确率最高，为 0.667：它的检测框中有较高比例与标注吻合，但漏掉了一些已标注物体。GPT-6 Astra 的召回率最高，为 0.627：它匹配到了更多已标注物体，但其检测框的正确比例较低。

在 2026 年 11 月 11 日的排行榜快照中，Carbon 的精确率为 0.685，召回率为 0.642，均为 45 款模型中的最高平均值，分别超过 Argon 的精确率和 Astra 的召回率。

对审核人员来说，这是基准测试能显示的最佳组合。精确率越高，初步生成的检测框中正确的比例就越大；召回率越高，已有检测框的真实物体比例就越大。精确率低意味着需要删除检测框，召回率低意味着需要补画物体，因此 Carbon 的初步结果需要在这两方面进行的修正都更少。

SKU110K体现了这项指标在拥挤图像中的重要性。该数据集的超市货架在 10 张基准测试图像中共有 1,666 件已标注商品，且全部属于同一个类别。Carbon 在该数据集上的 mAP₅₀ 为 0.671，是所有模型中的最佳成绩，超过 Terra 先前创下的 0.619。在这样的货架图像中，审核人员必须在几十个正确检测框中找出每一个多余的框。

Ultralytics Platform 上的 SKU110K Dense Retail Shelf Detection 2 数据集，Carbon 在此取得 UL37 最佳成绩，mAP₅₀ 为 0.671。

Gemini 4 Carbon 在九个领域取得最高分#

根据 Platform 模型页面上的分数据集结果，Carbon 现在在一长串 UL37 数据集上取得了所有模型中的最佳成绩。以下是这些成绩与此前最高分的对比：

有三点值得关注。Carbon 保留了 Argon 在热成像、航拍和水下图像方面的优势，并进一步提升，其中 HIT-UAV 热成像无人机画面的提升最大。它在平面图上的表现几乎比 GPT-6 Astra 高 0.1。对于脑肿瘤 MRI 数据集（类别包括脑膜瘤、胶质瘤和垂体瘤），它也略胜 Terra。

每个数据集仅包含 10 张图像，因此单个分数只能作为进一步调查的信号，而不能视作定论。Carbon 在 RPC 和 CeyMo 上追平现有纪录，在 DDR 上仅领先 0.001；这些差距不足以区分模型。

模型页面会逐个回放所有基准测试数据集和 COCO 中 Carbon 记录的 UL37 检测框，并与预期标注并排展示。

Gemini 4 Carbon 与 GPT-6.1 Terra 对比：Terra 仍占优势的领域#

Terra 在两个医学数据集上仍保持最高分。排行榜的数据集表仍将其列为甲状腺超声数据集 TN5000 的最佳模型，得分为 0.935；也将其列为血细胞显微成像数据集 TXL-PBC 的最佳模型，得分为 0.889。如果你的数据与这两个数据集中的任意一个相似，请在做出选择前，比较两个模型页面上的对应数据行。

Terra 更大的优势在于价格。下面是它与 Carbon 在 UL37 上的正面对比：

成本根据服务商报告的 token 用量估算，按每 1,000 张成功完成标注的基准测试图像及公开标价计算。Terra 的 mAP₅₀ 约为 Carbon 的 96%，成本约为 Carbon 的三分之一，响应更快，而且没有请求失败。这两款模型都位于排行榜的“性价比最佳”线上；这条线连接的是在成本和准确率两方面都没有对手的模型。

排行榜上的 UL37 付费模型 mAP₅₀ 与成本对比图，采用当前公开标价。

价格差距还会扩大。根据 Google 的开放公告，Carbon 在 2026 年 11 月 30 日前的入门价为每百万输入 token 2 美元、每百万输出 token 10 美元，之后将分别涨至 4 美元和 20 美元。在 token 用量相同的情况下，Carbon 每 1,000 张图像 12.93 美元的成本将在 12 月 1 日升至约 26 美元。

实际选择可以这样考虑：

• 为 Carbon 付费：当标签质量值得这笔费用时使用，例如零售货架等拥挤场景、热成像和航拍图像、平面图和 CAD 图纸，以及模型页面显示 Carbon 明显领先的任何数据集。
• 选择 Terra：处理大型通用批次且预算比 0.024 mAP₅₀ 的差距更重要时，或处理 TN5000 甲状腺超声和 TXL-PBC 血细胞数据集等数据时。
• 如果计划使用 Carbon，请在 12 月 1 日前运行大型任务，以享受入门价。

无论你选择哪款，批量标注都会收取 Ultralytics Platform 的处理费：每处理 1,000 张图像 1.00 美元，每次运行最低 0.01 美元；服务商则会直接向你收取使用你自己的密钥产生的费用。Ultralytics 不会对 token 加价。更全面的费用分析请参阅我们的图像标注软件成本指南。如果想选更便宜的付费模型，Claude Haiku 5.5 每 1,000 张图像收费 0.37 美元，得分为 0.429；而 Qwen3.8 27B 和 SAM 3.1 Text 等托管模型完全不需要密钥。

如何在你的数据集上运行 Gemini 4 Carbon 自动标注#

Carbon 是一款通过类别提示词工作的模型，适用于包含 1 到 200 个类别的检测数据集。它会根据你数据集自身的类别名称返回边界框；Platform 会以 Gemini 的 y-first 格式发起请求，并使用 SAM 3.1 优化结果。

1. 在 Google AI Studio 中创建 Gemini API 密钥。Carbon 使用付费 API 层级，因此密钥必须启用结算功能。
2. 在拥有你数据集的 Platform 工作区中，前往设置 > API 密钥添加密钥。详情请参阅服务商密钥文档。
3. 在标注编辑器中打开一张图像，切换到 Smart 模式，然后在模型选择器的 Google 分类下选择 Gemini 4 Carbon。
4. 按下 Predict，或输入 P，为当前图像添加标签。在扩大处理规模前，先尝试几张能代表你数据的图像。
5. 在数据集页面中，选择 更多操作 > 批量标注，一次性标注所有未标注图像。Platform 会先保存一个数据集版本，因此你可以回滚。
6. 审核并修正检测框，编辑器会自动保存；然后在同一工作区中，用处理结果训练 Ultralytics YOLO26 模型。

开发者也可以在代码中调用 Carbon：Platform SDK v0.1.109 版本新增了图像预测模型 gemini-4-carbon。如需了解全貌，请参阅 Ultralytics Platform 如何利用 AI 自动化标注，以及人工参与审核为何仍是工作流程的一部分。对于医学图像分析，应将任何模型生成的检测框视为草稿，由临床专家检查并批准，绝不能将其作为诊断结果。

谁适合使用 Gemini 4 Carbon#

当标签质量比服务商费用更重要时，使用 Gemini 4 Carbon。它是我们基准测试过的准确度最高的自动标注模型，目前在精确率和召回率两项上都排名第一，并在热成像、航拍、水下、零售货架、平面图和脑 MRI 数据集上取得最高分。

已经在使用 Argon 的团队可以获得更高的总分，并在 Argon 本身最擅长的领域创下新高；入门 token 价格相同，但按该价格计算，Carbon 的单张图像成本更高。预算有限、需要标注大量通用批次的团队，应继续将 GPT-6.1 Terra 作为默认选择，并在模型页面显示明显领先的数据集上改用 Carbon。关于 Argon 的表现，请参阅我们的 Gemini 4 Argon 自动标注结果。