Google открыла Gemini 4 Carbon: на длинных задачах она дешевле Argon

Цена токена у Carbon и Argon совпадает, цена задачи различается на десятки процентов в обе стороны. Разбираем по замерам Artificial Analysis, где Carbon окупается, как делить роли в /swarm и что поменять в коде.

10 ноября Google открыла Gemini 4 Carbon, свою самую сильную модель, всем платным разработчикам и компаниям. Модель gemini-4-carbon доступна в Gemini API, Google AI Studio и Gemini for business по той же вводной цене, что и Gemini 4 Argon: $2 за миллион входных и $10 за миллион выходных токенов до 30 ноября, с 1 декабря $4 и $20. Раз тариф одинаковый, выбор между моделями решает расход токенов, и по замеру Artificial Analysis он работает в обе стороны: на тестах с коротким итоговым ответом задача у Carbon обходится в 1,6–13,5 раза дороже, а на длинных агентных задачах на 18–36% дешевле при более высоком результате.

После анонса 28 октября Carbon получали только отобранные специалисты по киберзащите через программу Fairwind. Для того, кто уже вызывает Argon, переход сводится к замене строки модели: схема запроса та же. Но первый токен ответа Carbon отдаёт заметно позже, явного кэша контекста и бесплатного уровня у неё нет, а сама Google оставляет Argon для интерактивного кода и быстрых рабочих циклов.

Ключевые выводы

• Доступ: платный Gemini API, AI Studio, Gemini for business и OpenRouter; в приложении Gemini и AI Mode только по подписке Google AI Ultra, в Antigravity по Ultra, корпоративному доступу или программе для учёных.
• Цена токена как у Argon: $2 и $10 за миллион до 30 ноября, $4 и $20 с 1 декабря; Batch и Flex вдвое дешевле.
• Artificial Analysis: Carbon (high) набирает 60 баллов против 50 у Argon (high), задача стоит $7,76 против $9,95 по декабрьскому тарифу; выше только Claude Fable 5.2 на уровнях от high до max (62–65 баллов).
• За прогон индекса Carbon выдала 205 млн выходных токенов против 113 млн у Argon, в 1,8 раза больше; на трудных вопросах HLE-Diamond задача дороже в 3,4 раза.
• /swarm в Antigravity (превью) раздаёт задачу команде агентов с проверяющим; Carbon Google предлагает ставить на архитектуру, координацию и аудит.

Чем Carbon отличается от Argon при одинаковой цене токена?

Глубиной размышлений: Carbon построена на Argon и тратит больше токенов на рассуждение в каждом шаге. В model card сказано, что Gemini 4 Carbon «is based on Gemini 4 Argon» и использует «more thinking tokens than Gemini 4 Argon», чтобы проверять гипотезы и гонять длинные циклы проверки. Знания модели ограничены мартом 2026 года. У обеих моделей общий контекст на 1 048 576 токенов для входа, рассуждений и ответа. Разницу в назначении в анонсе формулирует руководитель разработки моделей:

Argon remains the ideal choice for the majority of software engineering and knowledge work, while Carbon is built for tasks that test the limits of a model’s intelligence like complex, multi-step coding and debugging and open-ended scientific research and discovery.

Независимый замер это подтверждает. По странице Gemini 4 Carbon на Artificial Analysis, за полный прогон Intelligence Index модель на уровне high выдала 205 млн выходных токенов, Argon на том же уровне 113 млн. Почти вся разница приходится на рассуждения: 168 млн против 80 млн. Первый токен ответа Carbon в замере отдаёт в среднем через 67 секунд, Argon через 38.

Когда Carbon выходит дешевле Argon, а когда дороже?

Дороже на вопросах с коротким ответом, дешевле на длинных агентных задачах. Artificial Analysis публикует цену задачи по каждому тесту индекса; ниже обе модели на уровне high.

На тестах с коротким итоговым ответом (HLE-Diamond, GDP.pdf, CritPt v2) Carbon пишет в 1,8–3,3 раза больше выходных токенов, в тесте на знание фактов AA-Omniscience в 13 раз больше, и задача дорожает. В AutomationBench-AA результат почти одинаковый, а Carbon обходится на 55% дороже. В четырёх длинных агентных тестах картина обратная: выходных токенов у Carbon столько же или меньше, задача дешевле на 18–36%, а решает модель больше.

Экономия идёт со стороны входа: на входные токены и кэш у Carbon приходится $5,30 на задачу индекса, у Argon $7,62. По нашей оценке, Carbon доходит до результата за меньшее число шагов и реже заново отправляет растущий контекст; число шагов Artificial Analysis не публикует. Все цены сервис считает по тарифу с 1 декабря. До 30 ноября, по нашему пересчёту, средняя задача индекса стоит вдвое меньше: около $3,88 у Carbon и $4,97 у Argon.

Неочевидно ведёт себя и уровень размышлений: на low Carbon набирает 54 балла и стоит $7,19 за задачу, на medium, который в API стоит по умолчанию, 58 баллов за $6,59. Это заметили и в обсуждении запуска на Hacker News:

Interesting that on artificial analysis low thinking mode seem to cost more per task than medium.

Где Carbon среди Claude Fable 5.2, Opus 5.5 и GPT-6 Astra?

По независимому индексу Carbon вторая после Claude Fable 5.2. На уровне high она набирает 60 баллов Intelligence Index v5.0.1; выше только Fable 5.2: 65 баллов на max за $26,54 и 62 на high за $9,08 за задачу. Claude Opus 5.5 на max получает 59 баллов за $10,04, GPT-6 Astra на max 57 за $6,24. Подробно этот замер разобран в материале о лидерстве Fable 5.2 у Artificial Analysis.

Carbon на medium (58 баллов, $6,59) обходит Argon на high (50 баллов, $9,95) и по качеству, и по цене.

Остальные места в рейтингах — заявления самой Google. Компания утверждает, что Carbon первая в CursorBench 4.0, WANDR от Perplexity и AutomationBench от Zapier, при цене задачи более чем вдвое ниже, чем у следующей по результату сторонней модели. В новом тесте Multimodal Knowledge Agent, сделанном вместе с Artificial Analysis (200 задач с чертежами, схемами и таблицами), Carbon, по данным Google, вторая: 54,3% против 56,6% у Claude Fable 5.2 при цене задачи $5,63 против $35,28 по стандартным ценам. В model card, где Fable 5.2 ещё нет, Carbon заметно обходит Argon на длинном контексте: 96,2% против 84,2% в GraphWalks на окнах от 256 тыс. до 1 млн токенов. Первая она там не везде: в FrontierSWE 2 выше GPT-6 Astra (65,5% против 61,2%), в OSWorld-2.1 выше Opus 5.5 (87,2% против 81,5%).

Какую модель брать под какую задачу?

Carbon окупается на долгой автономной работе, а интерактивные и короткие задачи выгоднее отдавать Argon. Как Argon работает в связке с другими агентами, мы разбирали в материале о рабочем наборе ИИ-агентов.

Это средние по чужим задачам; Google советует прогнать свою нагрузку на всех трёх уровнях размышлений и взять самый низкий, дающий нужное качество.

Что даёт /swarm и как распределять роли между моделями?

/swarm превращает один промпт в команду агентов, которые работают параллельно и переписываются на общей доске. Команда в превью; по документации Antigravity, она есть в приложении и CLI на тарифах Google AI Pro и Ultra, а Carbon в Antigravity раскатывают подписчикам Ultra.

• текущий разговор становится координатором: делит задачу на непересекающиеся куски, например по исполнителю на файл или пакет, и сам код не пишет;
• исполнитель стартует с чистым контекстом и публичным брифом: чем владеет, чего не трогать, что считать готовым;
• на каждые 2–4 исполнителя обычно добавляется @verifier: читает диффы, гоняет тесты, возвращает замечания автору;
• при одновременных правках координатор может выдать каждому исполнителю свою рабочую копию репозитория;
• участники без работы спят на доске и не тратят токены.

По умолчанию исполнители работают на той же модели, что и разговор; другую модель для одного исполнителя или для всех задают прямо в промпте. Отсюда схема из анонса: Carbon на ролях архитектора, координатора и аудитора, параллельная работа на более быстрых и лёгких моделях. Пример из документации, где проверяющий работает на другой модели:

/swarm Add retry with exponential backoff to the HTTP client in pkg/httpclient and the webhook sender in pkg/webhooks. Run the verifier on a different model than the workers, and have it check for race conditions and run go test -race ./....

По документации, каждый исполнитель — отдельный агент, и рой расходует квоту намного быстрее обычного разговора. О расходе квоты с Carbon и без роя пишут на Hacker News:

Yeah, I was barely able to complete a single project with Ultra 5x using Carbon...

Как перейти на Carbon в API и OpenRouter?

Сменить идентификатор модели и пересмотреть лимиты токенов и таймауты. В Gemini API модель называется gemini-4-carbon, на OpenRouter google/gemini-4-carbon ($2 и $10 за миллион токенов) и google/gemini-4-carbon:batch ($1 и $5). Пример из руководства What’s new in Gemini 4 Carbon с явным уровнем размышлений:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium"  # Balanced reasoning effort for complex tasks
    }
)

print(interaction.output_text)

Из чек-листа миграции:

• с Argon схема запроса не меняется; по умолчанию стоит medium, high включают там, где он нужен;
• явный кэш (cachedContents) не поддерживается, работает только неявный: для промптов от 4096 токенов, скидка 95% на кэшированный вход;
• temperature, top_p и top_k игнорируются;
• max_output_tokens ниже 32 768 стоит поднять, ответ длиннее 65 536 токенов получают через background=True и max_output_tokens больше 65 536;
• трудный промпт выполняется до нескольких минут, HTTP-таймаут клиента нужен не меньше 15 минут.

Batch и Flex стоят $1 и $5 за миллион токенов до 30 ноября и $2 и $10 с 1 декабря, Priority $3,60 и $18, затем $7,20 и $36. Оплачиваются все токены, включая рассуждения.

С 1 декабря токены Carbon и Argon дорожают вдвое, и пропорционально растёт цена задачи. Лимиты запросов в минуту для Carbon публично не раскрыты: на странице лимитов есть только очередь пакетной обработки, 5 млн токенов на первом платном уровне. Кибер-версия Carbon по-прежнему выдаётся по заявкам в программе Fairwind, а бесплатная программа Antigravity для 10 000 учёных теперь включает и Carbon. Исследователи Google уже использовали Carbon вместе с другими моделями для формальной проверки кода протокола Signal, об этом наш материал про AlphaProof Code.

Источники

• https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
• https://ai.google.dev/gemini-api/docs/whats-new-gemini-4-carbon
• https://ai.google.dev/gemini-api/docs/pricing#gemini-4-carbon
• https://ai.google.dev/gemini-api/docs/changelog
• https://ai.google.dev/gemini-api/docs/rate-limits
• https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Carbon-Model-Card.pdf
• https://artificialanalysis.ai/models/gemini-4-carbon
• https://artificialanalysis.ai/models/gemini-4-argon
• https://blog.google/innovation-and-ai/models-and-research/gemini-models/multimodal-knowledge-agent-benchmark/
• https://antigravity.google/docs/swarm
• https://openrouter.ai/google/gemini-4-carbon
• https://news.ycombinator.com/item?id=50442303