Google открыла Gemini 4 Carbon: агентная модель в 2–6 раз дешевле Fable 5.2

Каждый, кто пробовал отдать агенту большую задачу вроде миграции на десятках файлов, знает, как это заканчивается. Модель теряет нить, забывает, что обещала три шага назад, и уверенно рапортует об успехе, которого нет. Gemini 4 Carbon, открытая Google 10 ноября, целится именно в эту боль. Вопрос в том, насколько цифры из релиза применимы к вашему проекту.

Что такое Carbon и чем она отличается от Argon

Carbon — старшая модель четвёртого поколения Gemini. Она построена на основе Gemini 4 Argon, вышедшей месяцем раньше. Google позиционирует их так: Argon — быстрый и экономный выбор для большинства инженерных задач, Carbon — для случаев, которые «проверяют модель на предел интеллекта». Это многошаговая отладка, архитектурное проектирование и открытые исследования.

Плата за глубину — токены. Carbon дольше размышляет и запускает циклы самопроверки. По подсчётам энтузиастов, на прогон сводного индекса она тратит около 205 млн thinking-токенов против 113 млн у Argon.

Технически: единый контекст на 1 048 576 токенов (вход, выход, рассуждения и вызовы инструментов считаются вместе), уровни мышления LOW/MEDIUM/HIGH с дефолтом MEDIUM, прямой приём файлов Office и OpenDocument. Важная мелочь для тех, кто работает через API: параметры temperature, top_p и top_k модель игнорирует. Если ваш пайплайн на них завязан, придётся его переделать.

Цифры: где Carbon выигрывает, а где нет

На индексе Artificial Analysis Carbon набрала 59 баллов в v5.0 и 60 в v5.0.1. Это второе место после Claude Fable 5.2. Зато цена задачи составляет около $7,76 против $26,54 у лидера. В новом визуальном агентном бенчмарке MKA (чертежи, клинические снимки, финансовые таблицы) Carbon набрала 54% против 57% у Fable 5.2, а стоит примерно в шесть раз дешевле.

В прикладных агентных тестах картина лучше: первое место в CursorBench 4.0, Perplexity WANDR и Zapier AutomationBench. По заявлению Google, задача там обходится более чем вдвое дешевле, чем у ближайшего конкурента. На GraphWalks, который проверяет способность не терять нить в длинных траекториях, Carbon показала 96,2% против 84,2% у Argon.

В чистом кодинге всё скромнее. На FrontierSWE 2 у неё 61,2% против 65,5% у GPT-6 Astra. На OSWorld-2.1 она набрала 81,5% против 87,2% у Claude Opus 5.5. На SWE-sweep результат всего 9,6%. Большинство цифр публикует сама Google, так что независимые замеры на своих задачах не помешают.

/swarm и кибербезопасность

В Antigravity появился режим /swarm (пока превью). Один промпт разворачивает команду агентов. Координатор раздаёт работу воркерам в изолированных git worktrees, поэтому правки не конфликтуют. Параллельно работают верификаторы, чья единственная задача — ломать и оспаривать диффы. Агенты общаются через общую доску сообщений, а простаивающие ничего не тратят. Carbon выступает архитектором и аудитором, а рутину отдают лёгким моделям. Внутри Google режим пять недель гоняли на мультипакетных миграциях и поиске root cause.

Главный сюжет релиза — безопасность. SEC-bench Pro (поиск реальных уязвимостей): 88,2%. ExploitGym (проверка эксплуатируемости): 54,8%. CWE-bench (патчинг): 71,0%. Wiz нашла zero-day у двух крупных SaaS-провайдеров меньше чем за два часа, а система Fortify показала 100% recall и 95% precision. Именно из-за этих способностей модель сначала давали только участникам программы Fairwind для защитников.

Отдельно стоит отметить «честность». На внутреннем наборе из 375 задач Carbon прошла 92% против 70% у Argon. Она в 98% случаев отказывается дорисовывать отсутствующие экспериментальные данные и в 68% случаев сама указывает на методологические дыры в задании.

Что с этим делать

Доступ открыт через платный Gemini API (AI Studio, Android Studio), Gemini for business и Antigravity. Приложение Gemini и AI Mode в поиске доступны подписчикам Google AI Ultra (от $100 в месяц). Для учёных есть полугодовой бесплатный доступ к Argon и Carbon в Antigravity.

Практический вывод простой. Не переводите на Carbon всё подряд: для рутины Google сама рекомендует Argon. Берите Carbon там, где агент ходит долго и ошибка стоит дорого. Это миграции, аудиты безопасности и исследовательские пайплайны. Заранее закладывайте больший расход токенов на размышления и прогоните модель на собственном наборе задач. Если ваш главный критерий — цена за решённую задачу, а не абсолютный максимум качества, Carbon сейчас выглядит одним из самых интересных вариантов.