Gemini10 ноября 2026 года подразделение Google DeepMind опубликовало официальный анонс общего запуска флагманской модели Gemini 4 Carbon. Спустя две недели после закрытого тестирования в сфере информационной безопасности нейросеть стала доступна разработчикам в платном уровне Gemini API, корпоративным заказчикам и всем подписчикам тарифа Google AI Ultra в приложении Gemini, поисковом режиме AI Mode, Google AI Studio и среде Google Antigravity. Вместе с моделью компания открыла предварительную версию мультиагентного режима /swarm и представила совместный с Artificial Analysis тест сложных визуальных задач MKA. До 30 ноября 2026 года в API действуют вводные тарифы на уровне младшей модели Argon – 2 доллара за миллион входных и 10 долларов за миллион выходных токенов.
Чем Gemini 4 Carbon отличается от Argon и как работает режим /swarm
Впервые Google показала Gemini 4 Carbon 28 октября 2026 года, предоставив ранний доступ участникам защитной программы Fairwind Program. В линейке четвёртого поколения новинка не заменяет вышедшую в октябре Gemini 4 Argon, а занимает ступень выше. Argon остаётся базовым выбором для повседневного программирования и работы с документами, тогда как Carbon рассчитана на задачи на пределе возможностей моделей: многошаговую отладку крупных кодовых баз, архитектурное проектирование и открытые научные исследования. Для этого старшая версия расходует больше токенов рассуждения, глубже проверяет гипотезы и запускает длинные циклы самопроверки.
По данным Google, в независимых тестах прикладных рабочих процессов CursorBench 4.0, Perplexity WANDR и Zapier AutomationBench модель заняла первое место и обошлась более чем вдвое дешевле в расчёте на одну задачу по сравнению с ближайшей внешней моделью. Чтобы задействовать эти возможности в больших проектах, разработчики добавили в среду Google Antigravity предварительную версию команды /swarm, которая превращает один текстовый запрос в координируемую группу ИИ-агентов с отслеживанием их действий в реальном времени.
Мультиагентный режим (/swarm) – способ совместной работы нескольких ИИ-агентов в изолированных рабочих областях над одной общей задачей. Старшая модель отвечает за архитектуру и аудит решений, а более быстрые модели параллельно пишут код и проверяют каждое изменение на ошибки.
Кто такие Artificial Analysis и что проверяет их индекс
Artificial Analysis – независимая исследовательская компания со штаб-квартирой в Сан-Франциско и офисом в Мельбурне, которую основали Майка Хилл-Смит (Micah Hill-Smith) и Джордж Кэмерон (George Cameron). В отличие от сводных таблиц из пресс-релизов ИИ-лабораторий, команда прогоняет все тесты самостоятельно на единых стендах без обучающих примеров в запросах (zero-shot). Платформа измеряет четыре уровня инфраструктуры: свыше 500 языковых и мультимодальных моделей (проприетарных и с открытыми весами), ИИ-агентов с инструментами в контейнерах Linux, более 100 облачных провайдеров инференса (свыше 1000 конечных точек API) и серверные ускорители – GPU NVIDIA и AMD, Google TPU, AWS Trainium, Cerebras WSE и SambaNova RDU. Помимо точности ответов, сервис фиксирует задержку до первого токена, скорость генерации, объём рассуждений и реальную стоимость выполнения задачи.
Согласно опубликованной методике, сводный показатель Artificial Analysis Intelligence Index v5.0.1 рассчитывается как взвешенное среднее четырёх равных категорий по 25% в каждой и объединяет девять испытаний (60% веса индекса приходится на закрытые выборки заданий или скрытые эталонные ответы для защиты от утечки в обучающие данные):
- Интеллектуальная работа (25%): агентный проектный тест AA-Briefcase v1.1 с подготовкой готовых таблиц, презентаций и отчётов (15%, 91 задача), автоматизация бизнес-приложений через REST API в AutomationBench-AA со сбросом балла в ноль при нарушении защитных правил (5%, 657 закрытых задач) и ответы по длинным документам GDP.pdf объёмом 4592 страницы (5%, 100 задач).
- Программирование (25%): доработка реальных открытых репозиториев до состояния, готового к принятию сопровождающим проекта, в закрытом наборе FrontierCode 2.0 от Cognition (15%, 132 задачи) и выполнение инженерных и системных заданий в командной строке Terminal-Bench 4.0 (10%, 66 задач).
- Наука (25%): исследовательские расчёты в терминале по пяти естественно-научным и инженерным дисциплинам в Terminal-Bench-Science 0.1 (15%, 70 задач) и закрытая усложнённая выборка физических задач CritPt v2 Hard Subset с запуском кода на Python (10%, 40 задач).
- Общие знания и рассуждения (25%): тест фактической точности и устойчивости к выдумкам AA-Omniscience v1.1 на 3000 вопросах (15%) и академический набор HLE-Diamond из 1000 задач по науке и гуманитарным дисциплинам, включая 272 вопроса с изображениями (10%).
10 ноября Google DeepMind и Artificial Analysis запустили и отдельный агентный бенчмарк Multimodal Knowledge Agent (MKA) из 200 закрытых проектных задач в 10 отраслях – со строительными чертежами, инженерными схемами, клиническими снимками и финансовыми таблицами. Каждое задание рассчитано на 3–8 часов работы профильного специалиста, выполняется в открытой агентной оболочке Stirrup с лимитом 250 шагов и оценивается по рубрике примерно из 70 критериев. По доле выполненных сложных требований (Climb WSR) Gemini 4 Carbon (High) заняла второе место с результатом 54%, уступив вышедшей накануне Claude Fable 5.2 (57%) и опередив Claude Opus 5.5 (53%), но средняя цена одной задачи на Carbon оказалась более чем в 6 раз ниже показателя лидера.
Ниже приведены результаты всех 28 актуальных моделей из основной выборки графика Artificial Analysis Intelligence Index v5.0.1 и расчётная средняя стоимость одной задачи индекса в долларах США с учётом входных токенов, кэша, цепочек рассуждений и финального ответа.
| Модель и режим рассуждений | Разработчик | Индекс v5.0.1, баллы | Средняя цена задачи API |
|---|---|---|---|
| Claude Fable 5.2 (max) | Anthropic | 65 | 26,54 $ |
| Gemini 4 Carbon (high) | 60 | 7,76 $ | |
| Claude Opus 5.5 (max) | Anthropic | 59 | 10,04 $ |
| GPT-6 Astra (max) | OpenAI | 57 | 6,24 $ |
| GPT-6.1 Sol (max) | OpenAI | 55 | 1,27 $ |
| Claude Sonnet 5.5 (max) | Anthropic | 55 | 10,02 $ |
| GPT-6.1 Terra (max) | OpenAI | 51 | 0,96 $ |
| Muse Wonder Full (max) | Meta | 50 | нет публичного API |
| Claude Fable 5.1 (max) | Anthropic | 49 | 12,99 $ |
| Kimi K3.1 Pro | Kimi (Moonshot AI) | 46 | 3,68 $ |
| Muse Wonder (max) | Meta | 44 | 6,95 $ |
| Claude Haiku 5.5 (max) | Anthropic | 36 | 0,41 $* |
| Muse Ember (max) | Meta | 36 | 0,14 $ |
| Grok 4.7 (xhigh) | SpaceXAI | 35 | 7,77 $ |
| Tencent Hy4 | Tencent | 35 | 1,03 $ |
| Qwen3.8 Max (0902) | Alibaba | 34 | 10,02 $ |
| DeepSeek V4.1 Flash 1017 (max) | DeepSeek | 33 | 0,60 $ |
| GLM-5.3 (max) | Z.ai | 32 | 5,01 $ |
| Gemini 3.8 Flash (high) | 31 | 7,77 $ | |
| Inkling 2 Small | Thinking Machines | 31 | 1,18 $ |
| MiMo-V2.6-Pro | Xiaomi | 30 | 0,26 $ |
| Ling 3.1 Flash 1019 | InclusionAI | 30 | 3,19 $ |
| GPT-6 Luna (max) | OpenAI | 28 | 0,15 $ |
| Mistral Large 4 (high) | Mistral AI | 26 | 2,06 $ |
| Qwen3.8 27B (xhigh) | Alibaba | 20 | 3,53 $ |
| K2 Horizon 375B A23B | Institute of Foundation Models | 18 | 0,00 $ |
| Beam 1.0 | Reflection | 18 | 0,28 $ |
| Nemotron 3.5 Super VL | NVIDIA | 14 | 0,52 $ |
По сравнению с октябрьской версией индекса v5.0, где Carbon лидировала с 59 баллами, в ревизии v5.0.1 аналитики уточнили расчёт рейтинга Elo в AA-Briefcase v1.1 по статистической модели Crowd-BT: оценка Gemini 4 Carbon выросла до 60 баллов, а первую строчку с 65 баллами заняла представленная 9 ноября Claude Fable 5.2 (на момент предрелизного замера столбец Carbon на графике ещё сохранял пометку об отсутствии публичного API). По вводному тарифу средняя задача индекса на Carbon обходится в 7,76 доллара (около 642 рублей по курсу ЦБ России на 10 ноября 2026 года) – в 3,4 раза дешевле, чем на Claude Fable 5.2 (26,54 доллара, или около 2196 рублей), и дешевле Claude Opus 5.5 (10,04 доллара), тогда как в более экономичном сегменте выделяется GPT-6.1 Sol с 55 баллами при цене 1,27 доллара за задачу (звёздочкой у Claude Haiku 5.5 отмечена оценка стоимости с учётом особых условий провайдера).
Финансовый анализ, полная разработка и 3D-сцены
В предрелизных отраслевых испытаниях Carbon повторила результат лучшей протестированной модели в сквозном финансовом тесте E2E Financial Agentic компании Hebbia и заняла первое место среди 23 конфигураций старших моделей в бенчмарке General Financial Intelligence инвестиционного фонда Balyasny Asset Management. В кодовой базе компании HubX с 14 000 автотестов модель исправила 94% из 16 реальных ошибок без единой регрессии, а для разработчиков OpenCode за одну ночь написала с нуля собственную графическую библиотеку на Rust и перевела на неё настольное приложение.
При создании веб-приложений и трёхмерной графики модель запускает циклы сборки и визуальной проверки готового интерфейса. В демонстрациях режима /swarm в Google Antigravity мультиагентная команда Carbon за 10 ночных итераций построила из семи градостроительных PDF-файлов (206 инженерных чертежей) интерактивную 3D-модель офиса Google Platform 37 в Three.js на 906 тыс. треугольников. В другом проекте агенты по CAD-чертежам и рентгеновским снимкам воссоздали в браузере играющее фортепиано Stein-Schule около 1780 года с физикой 61-клавишной механики и пространственной акустикой концертного зала Koerner Hall в Торонто.
Во внутреннем тесте Google на 375 агентных заданиях на добросовестность работы с фактами Carbon прошла 92% проверок против 70% у Argon. Нейросеть в 98% случаев отказывалась подставлять вымышленные цифры вместо недостающих экспериментальных замеров и в 68% случаев самостоятельно указывала на методологические ошибки в исходных данных.
Киберзащита, доказательства на Lean и структурная биология
Специализированная сборка Gemini 4 Carbon for cyber в программе Fairwind Program заняла первые места в тестах поиска уязвимостей (SEC-bench Pro – 88,2%), их эксплуатации (ExploitGym – 54,8%) и выпуска исправлений (CWE-bench v1 – 71,0%). Эти внешние замеры получены без стандартных публичных фильтров безопасности. На практике во внутренней системе Google Project Fortify модель показала полноту сканирования 100% и точность сортировки 95%, подняв выявляемость реальных логических ошибок в открытом ПО более чем на 25% относительно Argon. Группа Google Cloud Vulnerability Research с помощью Carbon подготовила рабочий прототип эксплойта для двух ошибок в популярном открытом проекте (сопоставимых по тяжести с атакой PHP2Shell), а исследователи Wiz в программе Scan for Good менее чем за два часа обнаружили уязвимости нулевого дня у двух крупных SaaS-провайдеров.
В общедоступной версии Carbon защитные барьеры, напротив, ужесточены: в тестовых средах на базе ExploitBench и CyScenarioBench модель заблокировала 99% траекторий адаптивного атакующего агента, снизив долю успешных пробитий за попытку с 3,1% у Argon до 0,8%. В проверках Gray Swan успешность автоматизированных вредоносных запросов сократилась с 9,86% до 2,17%, доля срабатывания косвенных промпт-инъекций (IPI) упала до 0%, а внешний аудит Trajectory Labs за 132 часа и более 13 000 запросов не выявил ни одного универсального обхода ограничений.
Формальная верификация кода – математическое доказательство корректности программы на специализированном языке вроде Lean с машинной проверкой каждого логического шага. Такой подход исключает скрытые ошибки реализации, которые способны пропустить обычные модульные тесты и ручной аудит.
В научных проектах исследователи Google создали агентную среду AlphaProof Code, в которой Carbon вместе с другими моделями сгенерировала миллионы строк кода на языке Lean и за несколько недель математически доказала свойства безопасности реальной реализации криптографического протокола мессенджера Signal. В биохимии модель по сырым лабораторным журналам диагностировала неполное автоматическое перемешивание реагентов в глубоких лунках и остаточный перенос образцов в хроматографах, а при поиске далёких эволюционных родственников белков по неаннотированным петабазным архивам в 40 раз увеличила среднее число найденных гомологов для семи трудных семейств из слепого теста CASP17.
Где доступна Gemini 4 Carbon и сколько стоит API
Google открывает доступ к новой модели одновременно в потребительских, корпоративных и исследовательских сервисах. Для личных аккаунтов подписка Google AI Ultra открывает Gemini 4 Carbon во всех странах, где работают сама подписка и выбранный продукт Google – территориального ограничения только для США нет. При этом младший тариф Google AI Pro, включающий Argon в чате, доступ к Carbon не даёт.
| Категория пользователей | Площадки и сервисы | Условия доступа и тарифы |
|---|---|---|
| Подписчики Google AI Ultra | Приложение Gemini, режим AI Mode в Поиске, Google Antigravity, Google AI Studio | Распространяется для всех владельцев подписки Google AI Ultra в регионах работы соответствующих сервисов |
| Разработчики (Gemini API) | Google AI Studio, Android Studio (платный уровень API) | До 30 ноября 2026 года – 2 $ за 1 млн входных и 10 $ за 1 млн выходных токенов (скидка 95% на кэшированный вход); с 1 декабря – 4 $ и 20 $ |
| Корпоративные клиенты | Gemini for business, Google Antigravity, CodeMender | Через коммерческий API или выбор модели в выпадающем меню корпоративных тарифов |
| Учёные и исследователи | Максимальный уровень использования Google Antigravity | Бесплатный доступ к Argon и Carbon на 6 месяцев для квоты до 10 000 участников по еженедельному отбору заявок |
| Специалисты по киберзащите | Версия Gemini 4 Carbon for cyber | Поэтапное подключение профильных команд по заявке в программу Fairwind Program |
В пересчёте по курсу ЦБ России на 10 ноября 2026 года (82,75 рубля за доллар) вводный тариф публичного API составляет около 166 рублей за миллион входных и 828 рублей за миллион выходных токенов, а с 1 декабря 2026 года вырастет примерно до 331 и 1655 рублей. Бесплатного уровня в Gemini API у модели нет, а все токены внутреннего рассуждения учитываются и оплачиваются по ставке вывода – после повышения тарифов в декабре расчётная стоимость задач вырастет пропорционально.
Вывод
Gemini 4 Carbon рассчитана на задачи, где обычной скорости и глубины рассуждений Gemini 4 Argon уже недостаточно: многодневную отладку и миграцию проектов, работу с плотными чертежами и таблицами, а также научные расчёты в режиме /swarm. Владельцы подписки Google AI Ultra уже могут опробовать модель в приложении Gemini, AI Studio и Antigravity независимо от проживания за пределами США, а разработчикам на Gemini API выгодно протестировать ресурсоёмкие сценарии до 30 ноября, пока действует двукратная вводная скидка на токены. Профильным командам по информационной безопасности для работы без публичных блокировок потребуется подать отдельную заявку в программу Fairwind Program.
