Google выпускает Gemini 4 Carbon: окно в 1 млн токенов для сложной отладки

Когда ошибка проходит через три сервиса, исправление одного файла часто только маскирует причину. Для таких задач Google выпустила Gemini 4 Carbon: модель рассчитана на длительную отладку с проверкой гипотез. Разработчику есть смысл испытать её на проблеме, где обычный помощник уже ходит по кругу, и сравнить стоимость принятого исправления.

Фраза «открыли всем» требует уточнения. В приложении Gemini, поисковом AI Mode и Antigravity доступ получают подписчики Google AI Ultra. Разработчикам доступен платный API. Условия перечислены в анонсе Google.

Как выглядит работа на сложном баге

Представим интернет-магазин: покупатель повторяет оплату после тайм-аута, и заказ списывается дважды. Это условный пример. Причина может скрываться между обработчиком платежа, очередью событий и логикой повторных запросов. Полезный результат здесь — воспроизводящий тест, объяснение цепочки событий и исправление, которое выдерживает повторную доставку сообщения.

Именно на такие многошаговые расследования рассчитан Carbon. В карточке модели Google объясняет: он использует больше токенов рассуждения, чем Argon, чтобы исследовать гипотезы и запускать дополнительные проверки. Уровень рассуждений настраивается; вместе с ним меняются задержка и затраты.

Для проверки в своём проекте стоит заранее описать критерии успеха. Например: повторный запрос не создаёт вторую оплату, очередь допускает повторную доставку, существующие сценарии возврата продолжают работать. Тогда результат можно проверить независимо от убедительности ответа модели. Красивое объяснение без воспроизведения ошибки оставляет исходную инженерную проблему открытой.

В Antigravity также появилась предварительная версия /swarm: один запрос запускает координируемую команду агентов. По описанию Google, Carbon можно назначить на архитектуру, координацию или аудит, а более лёгкие модели — на параллельные задачи. Для примера с оплатой разумно разделить воспроизведение ошибки, подготовку патча и проверку побочных эффектов. Это предлагаемый рабочий процесс, его эффективность предстоит измерить на вашем коде.

Миллион токенов требует расчёта

Карточка Carbon указывает общее окно входа и выхода до миллиона токенов. Поэтому обещание «миллион на вход и ещё миллион на ответ» было бы ошибкой. При загрузке большого репозитория нужно оставлять место для результата. Сам размер окна также не доказывает, что модель найдёт нужную зависимость среди всех файлов.

Практически я бы начал с минимального набора: связанные модули, логи, схема обмена событиями и воспроизводящий тест. Дополнительный контекст стоит добавлять, когда расследование показывает конкретный пробел. Так проще понять, какая информация помогла, и сравнить несколько запусков.

До 30 ноября заявленная цена составляет $2 за миллион входных токенов и $10 за миллион выходных. С 1 декабря — $4 и $20 соответственно. Эти тарифы Google приводит в анонсе. Для бюджета важна ещё и длина работы: дополнительные циклы проверки могут увеличить расход даже при привлекательной цене токена.

Что проверять перед внедрением

Google сообщает о лидерстве Carbon на CursorBench 4.0, WANDR и AutomationBench при меньшей стоимости задачи относительно следующей внешней модели. Это полезный повод провести собственный тест. Переносить результат таблицы на конкретный репозиторий без измерений было бы преждевременно.

В карточке модели прямо указаны галлюцинации, возможная медленная работа и тайм-ауты. Особенно показателен выбор метрики для команды: сколько исправлений проходит независимую проверку, сколько времени занимает разбор и сколько стоит весь запуск с повторными попытками.

Для первого испытания возьмите несколько уже решённых сложных багов и скройте готовые патчи. Сравните Carbon с текущим инструментом по одинаковым условиям. Разработчику это даст проверяемый ответ о качестве отладки, продакту — данные о задержке, основателю — стоимость полезного результата. По этим трём показателям и стоит решать, каким задачам выделять более дорогие рассуждения.