Google lança Gemini 4 Carbon: janela de 1 milhão de tokens para depuração complexa

Quando um erro atravessa três serviços, corrigir um arquivo muitas vezes apenas mascara a causa. O Google lançou o Gemini 4 Carbon para tarefas desse tipo: o modelo foi desenvolvido para depuração prolongada com verificação de hipóteses. Vale testá-lo em um problema no qual o assistente habitual já esteja andando em círculos e comparar o custo de uma correção aceita.

A afirmação de que foi «liberado para todos» exige uma ressalva. No aplicativo Gemini, no AI Mode da busca e no Antigravity, o acesso está disponível para assinantes do Google AI Ultra. Desenvolvedores podem usar uma API paga. As condições estão no anúncio do Google.

Como é trabalhar em um bug complexo

Imagine uma loja virtual: o cliente tenta pagar novamente após um timeout e acaba sendo cobrado duas vezes pelo pedido. Este é um exemplo hipotético. A causa pode estar na interação entre o componente que processa o pagamento, a fila de eventos e a lógica de novas tentativas. Um resultado útil seria um teste que reproduza o erro, uma explicação da sequência de eventos e uma correção que suporte a entrega repetida de uma mensagem.

O Carbon foi desenvolvido justamente para essas investigações de várias etapas. Na ficha do modelo, o Google explica que ele usa mais tokens de raciocínio que o Argon para explorar hipóteses e executar verificações adicionais. O nível de raciocínio é configurável; a latência e os custos variam de acordo com esse ajuste.

Antes de testá-lo no seu projeto, vale definir os critérios de sucesso. Por exemplo: uma nova tentativa não gera um segundo pagamento, a fila admite entregas repetidas e os fluxos de reembolso existentes continuam funcionando. Assim, é possível verificar o resultado independentemente de quanto a resposta do modelo pareça convincente. Uma bela explicação sem a reprodução do erro deixa o problema de engenharia original em aberto.

O Antigravity também ganhou uma versão preliminar do /swarm: uma única solicitação aciona uma equipe coordenada de agentes. Segundo o Google, o Carbon pode assumir arquitetura, coordenação ou auditoria, enquanto modelos mais leves cuidam de tarefas paralelas. No exemplo do pagamento, faz sentido separar a reprodução do erro, a preparação do patch e a verificação de efeitos colaterais. Esse é um fluxo de trabalho proposto; sua eficácia ainda precisa ser medida no seu código.

Um milhão de tokens exige fazer as contas

A ficha do Carbon informa uma janela conjunta de entrada e saída de até um milhão de tokens. Portanto, seria incorreto prometer «um milhão na entrada e mais um milhão na resposta». Ao carregar um repositório grande, é preciso reservar espaço para o resultado. O tamanho da janela também não comprova, por si só, que o modelo encontrará a dependência relevante entre todos os arquivos.

Na prática, eu começaria com um conjunto mínimo: módulos relacionados, logs, um diagrama da troca de eventos e um teste que reproduza o erro. Vale acrescentar contexto quando a investigação revelar uma lacuna específica. Isso facilita entender quais informações ajudaram e comparar várias execuções.

Até 30 de novembro, o preço anunciado é de $2 por milhão de tokens de entrada e $10 por milhão de tokens de saída. A partir de 1º de dezembro, os valores passam a $4 e $20, respectivamente. Essas tarifas constam no anúncio do Google. A duração do trabalho também pesa no orçamento: ciclos adicionais de verificação podem elevar o gasto mesmo com um preço por token atraente.

O que verificar antes da adoção

O Google afirma que o Carbon lidera no CursorBench 4.0, no WANDR e no AutomationBench, com custo por tarefa inferior ao do próximo modelo externo mais bem colocado. Isso é um bom motivo para realizar um teste próprio. Seria prematuro aplicar o resultado de uma tabela de avaliação a um repositório específico sem fazer medições.

A ficha do modelo menciona explicitamente alucinações, possível lentidão e timeouts. A escolha das métricas da equipe é especialmente reveladora: quantas correções passam por uma verificação independente, quanto tempo a investigação leva e quanto custa a execução inteira, incluindo novas tentativas.

Para um primeiro teste, selecione alguns bugs complexos já resolvidos e oculte os patches prontos. Compare o Carbon com sua ferramenta atual nas mesmas condições. Isso dará aos desenvolvedores uma resposta verificável sobre a qualidade da depuração, aos responsáveis pelo produto dados sobre latência e aos fundadores o custo de um resultado útil. São esses três indicadores que devem orientar a decisão sobre quais tarefas merecem um raciocínio mais caro.