Gemini 4 Carbon: доступ, цены и что говорят тесты

Gemini 4 Carbon по состоянию на 29 октября 2026 года ещё не доступна широкой публике, поэтому продолжайте выпускать продукт на текущей модели. Google DeepMind представила Carbon 28 октября для сложных инженерных задач и работы в сфере кибербезопасности. Лидерство в рейтинге — повод подготовить собственные испытания, а не откладывать релиз. В анонсе Google описан поэтапный запуск с ограниченным доступом.

Для каких задач предназначена Gemini 4 Carbon

Carbon рассчитана на работу, которую редко удаётся закончить с первой попытки: длительное программирование, сложные инженерные задачи и киберзащиту. По словам Google, внутренние команды наблюдали, как модель днями занималась отладкой и исправлением сложных кодовых баз.

В длительных задачах важно не терять цель на протяжении множества шагов. Представьте разработчика, который начинает с упавшего теста, ищет причину ошибки в нескольких файлах, пробует исправление, обнаруживает ещё один сбой и дорабатывает патч. Агент — это программная оболочка вокруг модели, которая позволяет ей действовать: например, читать файлы и запускать тесты. Успех зависит от всей системы, включая инструменты и проверки, по которым определяется, завершена ли работа.

Для основателя компании главный вопрос — сможет ли модель довести до конца регулярную задачу по сопровождению кода, которая сейчас отнимает время инженера. Убедительный ответ на вопрос о программировании и патч, который команда готова принять, — разные результаты.

Кто уже может пользоваться Carbon?

Google планирует открывать доступ поэтапно: на неделе анонса — отдельным организациям, занимающимся киберзащитой, затем — другим доверенным партнёрам через Fairwind, а после сбора обратной связи и доработки защитных механизмов — более широкому кругу пользователей продуктов. Компания обещает расширить доступ «как можно скорее», но дату не называет.

Fairwind Program — программа Google для организаций, занимающихся киберзащитой и прошедших отбор. В приоритете государственные структуры, критическая инфраструктура и ключевые технологические платформы. Подача заявки запускает проверку соответствия требованиям, а не даёт мгновенный доступ к общедоступной модели. Основатель компании в сфере безопасности может подать заявку, если организация подходит под условия; разработчику обычного приложения не стоит ставить сроки выпуска в зависимость от её одобрения.

В публичных описаниях технологий программы по-прежнему указана Argon. Порядок предоставления доступа к Carbon следует смотреть в её анонсе, а правила программы — на странице Fairwind. Ни поданная заявка, ни уже имеющееся участие в программе не подтверждают, что вашей организации включили Carbon.

Что пока неизвестно для внедрения: в анонсе Google нет публичного идентификатора модели Carbon, лимита контекста, тарифа приложения, в котором она появится, или даты общедоступного релиза. Длина входных данных в бенчмарке не определяет лимит API. Не заполняйте эти пробелы сведениями из документации Argon.

Эти источники и методика оценки Google проверены 29 октября 2026 года. Описанное состояние доступа относится к этой дате; собственное тестирование Carbon для статьи не проводилось.

Как связаны Carbon и Argon

Gemini 4 Argon остаётся доступной базовой моделью Gemini. Google открыла доступ к Argon в Google Cloud 13 октября, а в документации по ценам Gemini API указаны условия платного использования. Carbon развивает возможности Argon, но сам анонс не меняет модель, к которой ваше приложение может обращаться сегодня.

Это важно для разработчика, который в одиночку поддерживает существующую интеграцию. Продолжайте улучшать промпты, разрешения на использование инструментов и критерии приёмки на Argon. Сохраняйте сложные задачи, с которыми она не справляется: тогда при будущей оценке Carbon будет с чем сравнить результат.

Техническому директору стоит отделять решение о переходе от новости о релизе. Повторно использовать набор тестов просто; рассчитывать на идентичное поведение API без проверки нельзя. Прежде чем считать новую модель заменой без доработки приложения, сверьтесь с её документацией: какие входные и выходные данные, инструменты и рабочие ограничения она предусматривает.

В разборе Gemini 4 Argon описаны доступные сейчас способы подключения и ограничения. Эти сведения относятся к Argon, пока Google не опубликует соответствующую документацию для Carbon.

Какие результаты тестов опубликовала Google

В опубликованном сравнении Google Carbon опережает Argon во всех перечисленных тестах, но это не доказывает её превосходство в любой задаче или над любым конкурентом. В таблице ниже приведены данные из таблицы результатов Google. Это опубликованные показатели, а не замеры, проведённые для статьи.

Строки о кибербезопасности отражают разные этапы защиты: найти уязвимость, установить, можно ли её эксплуатировать, и исправить. Не усредняйте эти проценты, пытаясь получить общий показатель безопасности. Команде, которая оценивает модель для сопровождения кода, разумнее начать с теста на исправление уязвимостей; результат поиска уязвимостей отвечает на другой вопрос.

Почему важны условия тестирования

В методике оценки Google, как правило, используются максимальные настройки глубины рассуждений. Результаты AA Index и Terminal-Bench компания берёт у Artificial Analysis, а CWE-bench — у Collinear AI; остальные показатели рассчитывает сама. Таким образом, в таблице объединены результаты из разных источников.

Например, результат Google в SEC-bench Pro получен на подвыборке из 183 задач по движкам JavaScript. В оценке ExploitGym используется Antigravity — программная среда, которая запускает инструменты агента, — без интернета и с отключёнными механизмами защиты от эксплуатации уязвимостей. Для OSWorld приведены результаты на офлайн-подвыборке, причём выбран максимум среди запусков. Эти условия определяют, какие выводы допустимо делать из показателя.

Продукт с другими инструментами, разрешениями или лимитами требует собственной оценки. Публикация результатов бенчмарка не гарантирует, что использованные в тесте возможности с ограниченным доступом появятся в продукте, который впоследствии купит ваша компания.

Что скрывается за заявлением о «№1»

«№1» — место в конкретном рейтинге, а не победа во всём. Artificial Analysis ставит Carbon High на первое место в Intelligence Index v5.0 с результатом 59 и при этом прямо указывает, что общедоступного API нет. Доступ для серьёзной оценки и доступ для обычных клиентов — разные вещи.

В таблице самой Google тоже есть исключения: результат Carbon 81.5% на офлайн-подвыборке OSWorld уступает 87.2% у Claude Opus 5.5, модели Anthropic. Уже этого достаточно, чтобы отвергнуть утверждение о лидерстве Carbon во всех задачах. Прежде чем выбирать модель, выберите тест, наиболее близкий к вашей работе.

Не стоит читать эту таблицу и как вердикт в сравнении Carbon с OpenAI GPT-6.1 Terra. В столбце OpenAI указана GPT-6 Astra — другая модель. Результат Astra не отвечает на вопрос, нужно ли заменять Terra в вашем процессе разработки.

Наконец, заявленная Google доля успешных атак с внедрением инструкций — 0.0% — относится к проверенным атакам. При таком внедрении инструкции прячут в материалах, которые читает агент, чтобы перенаправить его действия. Даже при сильных результатах модели сохраняйте границы разрешений, проверку тестов и обязательное согласование действий с существенными последствиями.

Что делать разработчикам, руководителям и заказчикам

Разработчикам стоит продолжать работать с моделью, которая даёт приемлемый результат. Если ваше приложение на Gemini использует Argon, оставайтесь на ней и готовьте сравнение. Если в ваших рабочих процессах уже успешно применяются Opus 5.5 или GPT-6.1 Terra, один лишь анонс Carbon не повод останавливать работу или переходить на другую модель. Более широкий выбор разобран в актуальном руководстве по моделям.

Тем, кто отвечает за рабочие процессы, нужно обеспечить проверяемость длительных задач. Технический директор средней компании может выбрать регулярную задачу по исправлению регрессии с известным падающим тестом и назначить ответственного. Руководитель, отвечающий за её выполнение, может потребовать журнал: что изменилось, какие проверки запускались и что осталось нерешённым. Более долгая работа модели полезна лишь тогда, когда результат верен и проверяющий может быстро в этом убедиться.

Заказчикам стоит рассчитывать бюджет и на период после стартовых цен. Токены — единицы, в которых оплачиваются входные и выходные данные модели. Длительный запуск может израсходовать больше токенов, даже если итоговый патч невелик.

Цена Gemini 4 Carbon: на старте — $2 за миллион входных токенов и $10 за миллион выходных; скидка на кэшированные входные данные составляет 95% от цены входных токенов; после стартового периода — $4 за 1M входных токенов и $20 за 1M выходных. Публикация Google и сноска.

В публикации о Carbon не указана дата окончания стартового периода. Изменение ставок Standard для Argon, указанное в документации, вступает в силу 1 декабря 2026 года. Эту дату нужно учитывать в бюджете на Argon; к срокам релиза или изменения цен Carbon она не относится. Подробное сравнение тарифов смотрите на странице о ценах Gemini.

Что подготовить на этой неделе

Уже сейчас назначьте ответственного за набор тестовых задач для повторного использования. Для основателя стартапа, привлёкшего инвестиции, результатом станет обоснованное решение о внедрении, когда появится доступ. Для самостоятельного разработчика — сохранённый набор сложных задач, с которым следующий релиз модели получится оценить быстрее.

1. 1

   Сохраните характерные задачи

   Соберите задачи на исправление регрессии, изменение нескольких файлов и устранение проблемы безопасности, на которое у вас есть разрешение, а также неоднозначный запрос, требующий уточнений. Включите и обычную работу, и сложные случаи, с которыми модель не справилась. Удалите учётные данные и лишние данные клиентов из сохранённых тестовых материалов.

2. 2

   Задайте критерии приёмки до запуска

   Зафиксируйте исходную ревизию кода, разрешённые для изменения файлы, доступные инструменты, обязательные тесты и условия остановки. Для регрессии требуйте, чтобы тест, воспроизводящий ошибку, проходил, а посторонних изменений не было. Правдоподобное объяснение ещё не означает, что ошибка исправлена.

3. 3

   Зафиксируйте результаты Argon для сравнения

   Прогоните набор задач на модели, которой пользуетесь сейчас. Сохраните патч, результаты тестов, оплачиваемый расход ресурсов, повторные попытки, прерывания и трудозатраты проверяющего. Это предлагаемые проверки, а не результаты замеров для этой статьи. Бюджет регулярной работы с Gemini рассчитывайте по ставке, которая будет действовать после стартового периода.

4. 4

   Переходите на Carbon по результатам проверки

   Когда у вашего аккаунта появится доступ и Google опубликует документацию интерфейса, повторите те же задачи с сопоставимыми инструментами и разрешениями. Расширяйте применение, только если результаты, прошедшие приёмку, станут лучше без неприемлемого роста трудозатрат на проверку, времени ожидания или стоимости. В противном случае продолжайте использовать текущую модель.

Чтобы принимать практические решения о внедрении моделей по мере изменения доступа к ним, подпишитесь на рассылку.