Google lança o Gemini 4 Carbon: lidera três benchmarks de agentes e custa menos da metade

O Google lançou o Gemini 4 Carbon, e a ênfase principal não está em ser «ainda mais inteligente», mas em ser «mais barato e melhor para agentes». O modelo é posicionado para programação, agentes de IA e tarefas científicas. Para quem constrói produtos sobre cenários de agentes, o mais interessante são o preço e o novo modo de trabalho paralelo no Antigravity.

O que o Google afirma

Segundo a empresa, o Carbon ficou em primeiro lugar em três benchmarks de agentes: CursorBench 4.0, Perplexity WANDR e Zapier AutomationBench. Esses testes não medem o «conhecimento de fatos», mas a capacidade de levar uma tarefa de várias etapas até o resultado: escrever código, executar uma cadeia de ações, automatizar um fluxo de trabalho.

A segunda parte da declaração é mais importante que a primeira: o custo de execução das tarefas é mais de duas vezes menor que o do concorrente mais próximo. Para agentes isso é crítico. Uma única execução de agente significa dezenas de chamadas ao modelo, e a diferença de preço por tarefa rapidamente se transforma em diferença na margem do produto.

O Google mencionou separadamente a ciência: em experimentos, o Carbon ajudou a encontrar, em média, 40 vezes mais homólogos remotos de proteínas. São proteínas com origem comum, mas sequências pouco parecidas, e encontrá-las é difícil. O anúncio não traz detalhes sobre a metodologia, então por ora é mais um sinal de direção do que uma ferramenta pronta para um laboratório.

/swarm: vários agentes em vez de um

Junto com o modelo, o Google apresentou o comando /swarm para o Antigravity. A ideia é simples: em vez de um agente que escreve o código, o revisa e roda os testes em sequência, vários agentes são iniciados em paralelo. Um escreve, outro revisa, um terceiro testa.

Imagine a tarefa «adicionar um novo endpoint ao serviço». Um agente comum faz isso de forma sequencial: código, depois revisão, depois testes, depois correções. No modo enxame, a revisão e os testes começam enquanto o código ainda está sendo finalizado. O tempo de espera cai, mas aumenta o número de chamadas simultâneas ao modelo e, portanto, a conta. Aqui, um preço baixo por token se torna condição para o modo funcionar, e não um bônus agradável.

Preço e o que verificar antes de migrar

Até 30 de novembro, a API custa $2 por 1 milhão de tokens de entrada e $10 pelos de saída. Após essa data, os preços dobram: $4 e $20. O modelo está disponível pelo Gemini API, Google AI Studio e Antigravity.

Para uma estimativa, tomemos uma execução de agente com 200 mil tokens de entrada e 20 mil de saída. Hoje isso custa cerca de $0,60 (0,4 + 0,2); após 30 de novembro, cerca de $1,20. Os números são ilustrativos, mas mostram o principal: a vantagem declarada de «mais que o dobro» deve ser calculada pela tarifa futura, não pela promocional.

O que vale fazer na prática:

• Rodar as suas próprias tarefas, e não benchmarks alheios. Liderar o CursorBench ou o AutomationBench não garante que o modelo dará conta da sua base de código e das suas integrações.
• Calcular o custo de uma tarefa concluída com sucesso, e não de um token. Um modelo barato que precisa de três tentativas pode sair mais caro.
• Testar o /swarm em uma tarefa isolada e medir quanto o paralelismo acelera o trabalho e quantas vezes o consumo de tokens cresce.

Limitações

Todos os resultados do anúncio são declarações do próprio Google. Pelo resumo, não está claro com quem exatamente o custo foi comparado, com quais configurações os testes foram executados e qual é o preço de uma tarefa sob carga real. Também não há verificações independentes. Vale primeiro esperar medições de terceiros ou fazer um piloto próprio dentro da janela promocional, enquanto o preço é metade.