Gemini 4 Carbon：发布日期、定价、API 模型 ID 与使用方法

简短回答

Gemini 4 Carbon（API 模型 ID 为 gemini-4-carbon）是 Google 最强的模型，建立在 Gemini 4 Argon 之上，调校为思考更久、验证更多，可在困难的编码、科学和安全工作上连续运行数小时。 它自 2026 年 11 月 10 日起在付费 Gemini API（Google AI Studio、Android Studio 和 Gemini for business）全面可用；Google AI Ultra 订阅用户还能在 Google Antigravity、Gemini 应用和搜索 AI 模式中使用。价格到 2026 年 11 月 30 日为止是每百万输入 token 2 美元、每百万输出 token 10 美元，从 12 月 1 日起为 4 美元和 20 美元。缓存输入每百万 token 0.10 美元，之后 0.20 美元。它不在免费层中。

有三点让结论保持简单。第一，Google 自己说 Argon 仍是大多数软件工程和知识工作的理想选择，Carbon 是给那些逼近模型智力极限的任务。第二，Carbon 不是独立综合指数的榜首：截至 2026 年 11 月 11 日，Artificial Analysis 列出 Claude Fable 5.2（max）65 分、Carbon（high）60 分，不过 Carbon 在个别榜单上领先，如 Terminal-Bench 4.0 和 Cursor 榜单。第三，看起来最便宜的 token 单价并不保证最便宜的完成任务成本，因为 Carbon 会花掉大量思考 token。我们没有做实际动手测试；下文每个数字都来自所引来源，并标明是厂商自报、独立测得还是媒体报道。

本文属于三篇一组的系列。Anthropic 一侧请读我们的 Claude Fable 5.2 完整指南；决策对照表请读 Gemini 4 Carbon 对比 Claude Fable 5.2。

视频：Gemini 4 Carbon vs Claude Fable 5.2: The Internet Tested Both (Who Actually Wins?)，一位创作者的综述。我们只把它当作评论使用。它的主要数字（Artificial Analysis 指数上 Fable 5.2 为 65、Carbon 为 60，CursorBench 上 Carbon 60.4% 对 Fable 60.0%）与下文核对过的 Artificial Analysis 和 Cursor 页面一致。

发布帖与时间线

主要的发布信息出自 Google 自己的账号。下面是我们能核实数字状态 ID 的五条帖子，来自 Google DeepMind、Google AI、Demis Hassabis 和 Cursor。

Carbon 与 Argon：什么时候 Argon 就够了

Carbon 不是另一套架构。DeepMind 模型卡明确写道 Gemini 4 Carbon 基于 Gemini 4 Argon，并把架构、训练数据和硬件指向 Argon 的模型卡。两者共享同一个统一的 1M token 窗口、内置工具和每 token 价格。据 Google 开发者文档，差别在于每一轮花多少思考 token：Carbon 会更久地探索假设、检查边界情况、运行更多验证循环，因此 token 用量和延迟都比 Argon 高。

Google 的建议在发布帖、The Verge 的转述和 API 文档中是一致的：Argon 是交互式编码、日常功能开发和快速生产循环的默认选择；Carbon 用于复杂的根因排查、架构设计、高密度多模态综合、科学证明和安全审计。我们的 Gemini 4 Argon 完整指南 介绍了这个基础模型。

一条实用规则

所有负载都先从 Argon 开始。只有当你自己的评测显示，Carbon 带来的通过率或评审质量提升足以抵消额外成本和等待时间，才把任务迁到 Carbon。因为两者共用请求结构，切换只是改一个字符串，Google 的迁移说明也确认从 Argon 迁到 Carbon 无需改动请求。

Google 自己的表格里差距在哪

在厂商自报的模型卡里，Carbon 在所列每一行都领先 Argon：例如 Terminal-Bench 4.0 为 65.2% 对 57.1%，GraphWalks 长上下文 BFS 为 96.2% 对 84.2%，Terminal-Bench-Science 0.1 为 64.8% 对 52.9%。Artificial Analysis 指数显示的实际优势较小：同一榜单上 Carbon（high）60 分、Argon（high）50 分，每 token 标价相同。每任务成本是它的另一面，见下文。

规格与模型 ID

确切的 Gemini API 模型 ID 是 gemini-4-carbon。Google 文档在模型页将其列为 model code，同一字符串也出现在 AI Studio 深链、Latest Gemini models 页和定价页中。ai.google.dev 上的这些页面我们的抓取工具没能渲染，所以我们在 aistudio.google.com 的对应 URL 上读了同样的文档。我们没有找到公开模型的单独带日期或预览别名。

如何访问 Carbon

Carbon 分布在多个入口，不同入口所需的套餐或档位不同。Google 的全面可用帖和模型卡列出了这些渠道；下面把每个入口与其条件对应起来。

Gemini API 与 Google AI Studio（付费层）

所有付费开发者都可以通过 Google AI Studio 和 Android Studio，在付费 Gemini API 层调用 gemini-4-carbon。没有免费层访问。Google 的全面可用帖还说 Google AI Ultra 订阅用户可以在 Google Antigravity 和 AI Studio 中试用。

Gemini for business 与 CodeMender

企业可以通过 Gemini for business 的 API 或模型下拉菜单、Google Antigravity 或 CodeMender 使用 Carbon。VentureBeat 指出发布材料没有说明 Vertex AI 的可用性、区域和支持承诺，如果你通过特定云合同采购，这一点很重要。

Google Antigravity、Gemini 应用与 AI 模式

Google AI Ultra 订阅用户可在 Antigravity 应用、Antigravity CLI 与 IDE 扩展、Gemini 应用和搜索 AI 模式中使用 Carbon。VentureBeat 报道美国定价为 Ultra 5x 每月 99.99 美元、Ultra 20x 每月 199.99 美元。The Verge 指出，目前不清楚更低档位订阅用户或免费用户何时（或是否）能用上 Carbon。

科学家与 Fairwind 计划

科学家可以滚动申请 Antigravity 最高用量档位的六个月免费使用，现已同时涵盖 Argon 与 Carbon，须符合资格、容量和遴选条件。经过验证的网络安全防御者可以申请 Fairwind 计划获得 Carbon for cyber，这是一条独立的访问路径，具备 Google 那些突出网络安全成绩背后的专门能力。

其他工具

Cursor 在 2026 年 11 月 10 日宣布支持 Carbon（上文已嵌入该帖）。请以各工具自己的定价为准，因为 Cursor 等应用有自己的费率和 effort 标签。

定价、缓存与 12 月涨价

Gemini API 定价页给 Carbon 一套标准价，与 Argon 相同。优惠期到 2026 年 11 月 30 日结束，Google 的小字说明这些价格仅适用于公开的 Carbon 模型。定价页还写明思考 token 按输出计费，并且模型处理的每个 token 都会计入，包括使用接地时的内部工具系统指令和函数声明。

算例（我们自己的算术，token 数相同）

一次请求有 20 万未缓存输入 token 和 3 万输出 token（含思考），优惠价下费用为 0.2 x $2 + 0.03 x $10 = $0.70，12 月 1 日起为 $1.40。如果其中 15 万输入命中隐式缓存，优惠期费用降为 $0.015 + $0.10 + $0.30 = $0.415，12 月费用为 $0.03 + $0.20 + $0.60 = $0.83。输出上限设为 262,144 token 的 long decode 运行，在优惠价下输出最多约 $2.62，12 月为 $5.24，尚未计入输入。对比之下，同样的 token 在 Claude Fable 5.2（$8 和 $40）上，第一个例子是 $2.80。不同厂商的 token 数不会一样，所以请把它当作上限检查，而不是预测。

每任务成本不等于每 token 成本

Artificial Analysis 报告在标准价下，Carbon（high）每个 Intelligence Index 任务成本 $7.76，medium 为 $6.59，并指出 Carbon 非常啰嗦，在该指数上用了 2.05 亿输出 token。在 10 月 28 日的文章中，Artificial Analysis 称当时这一每任务成本与 Argon 的 $7.68 相当，分数高出九分；其当前榜单把 Argon（high）列为 $9.95。Artificial Analysis 的图表使用标准价，所以在优惠期内，如果 token 数不变，你的实际每任务账单大约是图表数字的一半。VentureBeat 估算 Carbon 的每 token 价格到 11 月 30 日为 Fable 5.2 的四分之一、之后为一半，这直接来自标价。

基准（按来源标注）

这里的基准来自三类来源：Google 自己的表格（厂商自报）、独立榜单（Artificial Analysis、Cursor），以及审阅过它们的媒体。除特别说明外，分数的时间为 2026 年 11 月 11 日。Google 模型卡的结果标注为 2026 年 10 月，对比对象是 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1，而不是 Fable 5.2。

厂商自报（Google 模型卡）

同一张表里，Carbon 在好几行落后于对手，这一点值得一提，因为厂商很少在自己的图表里输：Opus 5.5 在 OSWorld-2.1 领先，Astra 在 FrontierSWE 2 领先。The Verge 补充了标准提醒：公司可以也确实会挑选对自己有利的基准结果。

独立来源：Artificial Analysis（截至 2026 年 11 月 11 日）

Carbon 的指数分数在发布后有变化。Artificial Analysis 于 2026 年 10 月 28 日首次公布 59 分，截至 11 月 11 日在其模型页和榜单上列为 Carbon（high）60 分；我们没有找到它对这一分之差的解释。发布时它称 Carbon 为新的第一名；11 月 9 日 Fable 5.2 发布后，Carbon 在排名中降到第四，排在三个 Fable 5.2 配置之后。在 10 月 28 日的文章中，Carbon 在 AA-Omniscience v1.1 上还得了 54 分，幻觉率 11%（准确率 58%），搭配 Antigravity CLI 时在 Coding Agent Index 上得 59 分，比搭配 Opus 5.5 的 Claude Code（62 分）低三分。这些是 10 月的数字，可能已随重新评分而变化。

Cursor、Zapier 与媒体层

Cursor 发帖称 Carbon 在 high effort 下以 60.4% 位居 CursorBench 第一。VentureBeat 审阅 Cursor 公开表格时看到的是 Fable 5.2（max）60.0%、每任务 $32.79，在它看到的版本中没有 Carbon 一行，并指出 Google 声称在 CursorBench 4.0 和 Perplexity 的 WANDR 上以不到一半成本排名第一，却没有给出底层数字。据 VentureBeat，Zapier 的 AutomationBench 上 Carbon（high）为 53.88%、每任务约 $2.12，Fable 5.2（max）为 51.45%、$4.64。在同一篇文章引用的 Artificial Analysis 正面测试中，Carbon（high）在 Terminal-Bench 4.0 上达到 65.2%，Fable 最佳运行为 61.6%；而 Fable 在 FrontierCode 2.0 上以 49.1% 对 40.6% 领先，在 Terminal-Bench-Science 上以 74.6% 对 64.8% 领先。Ridge 同日的笔记得出类似的分野：综合榜单看 Fable，CursorBench 看 Carbon。

网络安全成绩（Google，Fairwind 访问）

Google 报告 Carbon 在 SEC-bench Pro（发现漏洞）上为 88.2%，ExploitGym（利用）为 54.8%，Collinear 的 CWE-bench（修补）为 71.0%，均在无护栏条件下评估，并且据模型卡，反映的是通过 Fairwind 访问时的表现。模型卡对比显示 Argon 在这几行为 83.4%、42.0% 和 68.0%。这些全是厂商自报，我们没有找到 Carbon 的独立公开网络安全分数。

Google Antigravity 中的 /swarm

全面可用帖把 Carbon 与 /swarm 的预览版搭配发布。Google 文档把它描述为一条命令：运行一支有名字的智能体团队，拆分你的任务、并行工作，并在同一块共享留言板上协调。

swarm 如何运行

你当前的对话成为协调者。它把任务拆成互不冲突的部分，为每部分命名一个工作者（例如 @parser 或 @api-tests），并把每个工作者的公开任务说明贴到留言板上。验证者通常每两到四个工作者配一个，读取 diff、运行测试，并向作者报告问题。工作者之间不会私下发消息，整段对话都保留在留言板上。空闲成员休眠时不消耗 token，被提及时唤醒；只有当所有人在工作完成前都沉默时，监视者才会唤醒。Antigravity 博客说工作者在隔离的 git worktree 中运行，编辑不会冲突；而文档说工作者默认共享你的工作区，当多个工作者同时编辑时，协调者可以给每个工作者各自的工作副本。

Carbon 适合放在哪

除非另行指定，工作者使用与你对话相同的模型，并且各智能体可以固定到不同模型。Google 的建议是把 Carbon 放在高杠杆角色上，如协调者、架构、安全审计和对抗式验证，让更轻更快的模型做并行的文件编辑。文档中有一个示例提示，让验证者运行在与工作者不同的模型上。

/swarm Migrate the three API handlers in src/routes to the new validation layer. Give each handler its own worker, add tests next to each, pin the verifier to Gemini 4 Carbon, and have it run npm test and review every diff.

可用性、配额与相邻模式

swarm 文档把 /swarm 列在 Antigravity 应用和 CLI 的 Google AI Pro 与 Google AI Ultra 套餐中，而 Carbon 本身在 Antigravity 中面向 Ultra 订阅用户。两个页面都警告 swarm 消耗配额的速度远快于单次对话，因为每个工作者都是独立的智能体。Antigravity 还提供 subagents（单个旁支任务）、/boost（需要深度推理的难题）和 /teamwork（带审核关卡的仓库级多日项目）。文档给 /swarm 的经验法则是：可以按文件、包或问题干净拆分的大任务。用 /swarm board 或 Alt+S 打开 CLI 的实时留言板。

Google 展示的作品，例如用 10 个通宵循环完成的 Platform 37 办公室 Three.js 重建，属于厂商演示。它们展示意图和规模，但不是基准。

API 快速上手

Carbon 使用当前 Google GenAI SDK 中的 Interactions API。下面的 Python 快速上手遵循 Google 文档，使用推荐的默认思考档位和 64K 输出上限。curl 示例改编自 Argon 文档页，只替换了模型字符串，因为 Google 的迁移说明称请求结构无需改动；使用前请用你的密钥自测。

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Analyze this payment pipeline for race conditions during retries and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium",  # low | medium (default) | high
    },
)

print(interaction.output_text)

curl（改编自 Argon 文档）

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: ***" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-carbon",
    "input": "Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
  }'

思考档位

thinking_level 是控制质量、延迟和花费的主要旋钮。low 用 token 最少，适合较简单或对成本敏感的工作，难题上质量可能下降。medium 是默认值，也是 Google 对大多数任务（含复杂代码和智能体）的推荐。high 用 token 最多，首个 token 最慢，用于困难的数学、科学和最难的智能体任务。Google 的建议是在三档上都跑评测，选满足你标准的最低档。上面的 Artificial Analysis 表格说明了原因：Carbon（low）首个回答时间为 12.9 秒，high 为 67 秒。

Long decode 与后台执行

同步响应在 65,536 token 处停止，max_output_tokens 同时限制思考与输出之和。要超过 64K，请设置 background=True 并把 max_output_tokens 提高到 65,536 以上，最多到 1,048,576 减去输入。Google 服务器以最多 64K 为一跳持续生成，每一跳增加一个 model_output 步骤，所以要把它们全部拼接。如果设置了 background 却没设 max_output_tokens，服务器会在 64K 后停止。Google 建议复杂推理和编码使用 131,072 或 262,144。

import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each continuation hop adds a model_output step, so join them all.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)

Gemini Managed Agents 中的 Antigravity 智能体

Gemini Managed Agents 中的 Antigravity 智能体通过 API 支持 Carbon。在 agent_config 中设置模型：

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input="Audit https://web.dev for performance, Core Web Vitals and SEO, and format a prioritized scorecard.",
    environment="remote",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-carbon",
    },
)

print(interaction.output_text)

迁移清单

从 Gemini 4 Argon 迁移

把模型字符串从 gemini-4-argon 改为 gemini-4-carbon。除非某个负载需要 high，否则保持 thinking_level 为 medium，并确保 max_output_tokens 和超时允许更长的推理过程。在速度和 token 花费重要的地方保留 Argon，例如交互式编码和快速生产循环。

从 Gemini 3 及更早版本迁移

Google 给旧模型的清单更长。请按顺序检查：

• 如果你显式设置了 max_output_tokens，把它提高到至少 32,768，因为 Carbon 会把更多额度花在思考上。
• 选择一个思考档位，并在 low、medium、high 上测试。
• 移除显式缓存（cachedContents、caches.create）。隐式缓存适用于不少于 4,096 token 的提示，命中时折扣 95%。
• 移除 temperature、top_p 和 top_k。提供了也会被忽略。
• 输出超过 64K token 时使用后台执行。
• 把客户端超时提高到至少 15 分钟，因为困难的提示可能要花几分钟。
• 多轮和函数调用对话使用 previous_interaction_id 把对话状态保留在服务器端。
• 重新估算成本，因为每个 token 都计费，包括接地下的工具指令和函数声明。

安全方面的说法

Google 的帖子提出了若干安全说法。全部是厂商自报，来自 Google 自己的评估，请当作需要核查的说法，而不是独立发现。

• 提示注入：在 Gray Swan 间接提示注入基准上攻击成功率为 0.0%，Argon 为 0.7%。Google 同时说注入鲁棒性仍有改进空间，其自身红队测试发现在某些分布上仍有复杂攻击能成功。
• 滥用防护：在模拟网络攻击环境中，防护拦截了 99% 的攻击轨迹，每次尝试的突破率为 0.8%，Argon 为 3.1%。Gray Swan 的自动化网络攻击成功率从 9.86% 降到 2.17%。Trajectory Labs 在 132 小时、超过 13,000 次请求中没有发现新的通用越狱。
• 诚实与走捷径：在一个包含 375 个任务的智能体诚实性基准上得分 92%，Argon 为 70%；Terminal-Bench 4.0 上成功作弊降到 0.0%，作弊尝试为 0.4%；内部实时编码中的高严重度失准警报下降近 80%。

模型卡的自动化安全表显示 Carbon 在文本和多语言安全上领先 Argon，在图像到文本上略落后（减 1.00 个百分点），在拒答和语气上相近。Google 还表示正在参与美国政府的自愿性发布前测试流程。在把 Carbon 放到用户面前之前，请阅读模型卡链接的完整 Safety and Security 报告。

Carbon 对比 Fable 5.2、Opus 5.5 与 Astra

选哪个取决于任务。在 Artificial Analysis 综合指数上，Fable 5.2 领先，Carbon 排在它的前三个配置之后，但领先于 Opus 5.5（max，59）和 GPT-6 Astra（max，57）。价格方面，Carbon 的每 token 价格到 11 月 30 日为 Fable 5.2 的四分之一、之后为一半，12 月 1 日之后它的标价与 Claude Opus 5.5 的 $4 和 $20 相同。速度方面，Artificial Analysis 列出 Carbon（high）每任务 25.6 分钟，Fable 5.2（max）为 45.2 分钟。

两家厂商都先把用户引向更便宜的默认模型：Google 推荐 Argon，Anthropic 推荐 Opus 5.5 作为日常主力。我们的 正面对比 进一步给出按用途的选择，Fable 5.2 指南 介绍 Anthropic 一侧。更早的背景请参阅 2026 年 10 月最佳编码 AI 模型、Claude Opus 5.5 与 Sonnet 5.5 编码对比、GPT-6 Astra、Sol 与 Luna 的定价与用量，以及 Claude Fable 5.1 指南（英文）。

什么任务选哪个模型

局限

• high 档位啰嗦且慢。Artificial Analysis 列出 Carbon（high）在其指数上用了 2.05 亿输出 token，远高于中位数，首个回答 token 要 67 秒。Google 的模型卡承认偶尔会慢或超时，并且在较高思考档位会多用 token。
• 不是综合指数的榜首。截至 2026 年 11 月 11 日，Fable 5.2 领先五分，并在若干科学和仓库级编码榜单上获胜。
• 幻觉不是零。Artificial Analysis 在 10 月 28 日记录的 AA-Omniscience 幻觉率为 11%，高于 Argon 的 4%，但仍属于列出的最低之列。
• 12 月 1 日价格翻倍。请按 $4 和 $20 做预算，而不是优惠价。
• 没有显式缓存和采样控制。只有隐式缓存，temperature、top-p 和 top-k 会被忽略。
• 访问分档。没有免费层；Antigravity 和 Gemini 应用需要 Ultra；最强网络安全版本需要 Fairwind 批准；据 VentureBeat，发布材料没有说明 Vertex AI 的可用性。
• 多个标题性说法没有公开数字。Google 帖子里的 CursorBench、WANDR 和 MKA 对比没有给出底层分数和成本。
• /swarm 是预览版。它消耗配额很快，Google 也没有给出它的通过率基准。

结论

Carbon 是一个可信的前沿模型，每 token 价格低于主要对手，定位清晰：位于 Argon 之上、深思熟虑且耗 token 的档位，最适合困难调试、架构、审计和科学。它不是综合榜首（截至 2026 年 11 月 11 日独立指数上是 Fable 5.2），也不是没有成本陷阱，因为优惠价三周后结束，而且思考 token 会累积。

务实的做法：选一组固定的、你自己的难题，在 Argon 和 Carbon 的 low、medium、high 上各跑一遍，记录 token、分钟数和评审结果，按 12 月价格核算，然后决定 Carbon 在哪里值得使用。如果你也在权衡 Anthropic，接下来请读 Carbon 对比 Fable 5.2 和 Fable 5.2 完整指南。

常见问题

来源

来源核查日期：2026 年 11 月 11 日。

• Gemini 4 Carbon is now available – Google 博客，2026 年 11 月 10 日（全面可用、定价、访问、安全、科学家计划）
• Gemini 4 Carbon: our next frontier model – Google 博客，2026 年 10 月 28 日（公告、网络安全成绩、Fairwind）
• Gemini 4 Carbon is now available for developers – Google 博客，2026 年 11 月 10 日
• Gemini 4 Carbon 模型卡 – Google DeepMind（输入、知识截止、基准表、安全表）
• Gemini 4 Carbon 模型页、What’s new in Gemini 4 Carbon、定价 与 Latest Gemini models – Gemini API 文档（模型 ID、快速上手、long decode、迁移）
• Gemini 4 Carbon 与 /swarm 和 Swarm (/swarm) 文档 – Google Antigravity
• Gemini 4 Carbon is the new #1（10 月 28 日）、模型页、排行榜 与 Fable 5.2 对比 Carbon – Artificial Analysis（独立）
• X 帖子：Google DeepMind，10 月 28 日、Google AI、Google DeepMind，11 月 10 日、Demis Hassabis 与 Cursor
• VentureBeat，2026 年 11 月 10 日、The Verge，2026 年 11 月 10 日 与 Ridge，2026 年 11 月 10 日 – 媒体与二手分析，已按此标注
• YouTube：Gemini 4 Carbon vs Claude Fable 5.2 – 创作者综述，二手评论