С 10 ноября нейросеть Gemini 4 Carbon доступна разработчикам, компаниям, учёным и пользователям — это самая сильная модель для кода и кибербезопасности. Она первая в CursorBench 4.0, WANDR и AutomationBench, а стоимость выполнения задачи более чем в два раза ниже, чем у следующей лучшей внешней модели. Две недели назад её получили защитники в кибербезопасности по программе Fairwind, а теперь можешь попробовать и ты.
Что вообще произошло
Google DeepMind выпустила новую версию своей флагманской модели. Автор анонса — Koray Kavukcuoglu, старший вице-президент Google DeepMind и главный архитектор ИИ в Google. Carbon — это не замена прошлой модели Gemini 4 Argon, а более тяжёлый инструмент для задач, где нужно думать долго и глубоко. Argon остаётся идеальным выбором для большинства задач разработки ПО и интеллектуальной работы, а Carbon включают там, где простого ответа мало: сложный многошаговый кодинг, отладка, открытые научные исследования.
Чтобы добраться до сути, модель использует больше токенов, чем Argon. Токен — это кусочек текста, которым модель считает объём работы; больше токенов значит, что она дольше исследует, глубже рассуждает и запускает расширенные циклы проверки. На практике это выглядит так: ты даёшь задачу, а модель не бросает её на середине, а несколько раз перепроверяет себя.
Отдельная фишка — /swarm в Google Antigravity. Это режим, где один твой запрос превращается в команду агентов: один проектирует, другой координирует, третий проверяет каждое изменение. За развитием этой команды можно следить в реальном времени. Агент здесь — это не человек, а программа, которая сама выполняет шаги по твоему заданию.
Почему это не очередная нейросеть
Потому что Carbon не просто отвечает на вопросы, а доводит до конца длинные цепочки действий. В тестах на реальные рабочие процессы он взял первое место сразу в трёх независимых замерах: CursorBench 4.0, WANDR от Perplexity и AutomationBench от Zapier. При этом стоимость одной задачи — более чем в два раза ниже, чем у следующей лучшей внешней модели.
Цифры по деньгам тоже конкретные: $2 за миллион входных токенов и $10 за миллион выходных. Это вводная цена, такая же, как у Gemini 4 Argon. Для разработчика или небольшой команды это означает, что тяжёлую модель можно ставить на серьёзные проекты, не разоряясь на каждом запросе.
Ещё один показатель — новый тест Multimodal Knowledge Agent, который Google сделал вместе с Artificial Analysis. Он проверяет, как модель работает с плотными файлами, где есть графики, картинки, чертежи, схемы и таблицы. Тут Carbon занял второе место, но при средней стоимости задачи более чем в шесть раз ниже, чем у лидера. То есть в реальной работе с документами он остаётся выгодным вариантом.
Обычно прорывы в ИИ обсуждают в новостях, а потрогать их можно только через год. Здесь дверь открыта почти сразу: модель доступна разработчикам, предприятиям, учёным и потребителям, а не только узкому кругу специалистов.
Что это даёт лично тебе
Владелец кофейни. У тебя есть выгрузки из кассы, таблицы с закупками и прошлогодняя презентация для инвестора. Carbon умеет следовать строгим схемам и форматам, поэтому из груды файлов он собирает аккуратные таблицы, презентации и отчёты. Ты не сидишь ночь над слайдами, а получаешь черновик, который остаётся проверить.
Мама двоих детей, которая учится на вечернем. Ей нужно разобраться в научной статье по психологии, где половина слов — термины. Модель разбирает плотный текст, объясняет простым языком и делает конспект. Это как личный репетитор, который не устаёт повторять.
Фрилансер-дизайнер. Он собрал лендинг на конструкторе и хочет проверить, нет ли дыр в безопасности. Carbon — один из сильнейших инструментов именно в кибербезопасности: он смотрит на код и подсказывает, где тонко. Плюс помогает с архитектурой проекта, когда непонятно, с чего начать.
Ещё три сценария из жизни
Начинающий программист. Он застрял на баге, который воспроизводится только на сервере. Многошаговая отладка — как раз задача для Carbon: модель проходит по цепочке, выдвигает гипотезы и проверяет их одну за другой. Если тебе нужна модель, которая не сдаётся на середине задачи, это как раз она.
Предприниматель в юридической или финансовой сфере. У него сотни страниц договоров и отчётов. Модель с передовым визуальным пониманием и глубоким поиском по документам вытаскивает нужные цифры и собирает сводку. Это не заменяет юриста, но экономит часы на первичном разборе.
Учёный или аспирант. Открытые исследования — это долгие циклы проверки гипотез. Carbon создан именно для таких задач: он проходит длинные цепочки рассуждений и проверок, а не выдаёт первый попавшийся ответ. Для модели, работающей с научными задачами, это серьёзный шаг вперёд.
Как попробовать прямо сейчас
Шаг 1. Открой Gemini — это основной вход в приложение. Carbon постепенно становится доступной подписчикам Google AI Ultra в приложении Gemini и в AI Mode in Search, поэтому первым делом посмотри, что доступно твоему аккаунту.
Шаг 2. Если ты разработчик или у тебя есть бизнес-аккаунт, зайди в Google AI Studio или Gemini for business. Там модель доступна через API для всех платящих разработчиков и предприятий по цене $2 за миллион входных токенов и $10 за миллион выходных.
Шаг 3. Если хочешь увидеть команду агентов, открой Google Antigravity и попробуй функцию /swarm. Напиши один большой запрос — например, «собери интерактивную схему моего проекта из этих файлов» — и смотри, как агенты распределяют роли.
Шаг 4. Проверь AI Mode in Search. Если он у тебя есть, задай там вопрос по своим документам — это самый быстрый способ понять, как модель работает с твоими файлами.
Шаг 5. Сформулируй задачу так, как ты бы объяснил её коллеге: что есть на входе, что должно получиться на выходе и в каком формате. Carbon любит точные схемы и форматы, поэтому чем конкретнее запрос, тем лучше результат.
Плюсы, минусы и честные ограничения
Плюсы очевидны. Модель доводит до конца длинные задачи, а не бросает на полпути. Она работает с плотными файлами, схемами и таблицами. А /swarm даёт то, чего раньше не было: один запрос превращается в команду, которая проверяет друг друга. Добавь сюда первое место в трёх рабочих тестах и цену более чем в два раза ниже, чем у следующей лучшей внешней модели, — и становится понятно, почему для рынка искусственного интеллекта Google это заметный день.
Что станет возможным через месяц-полгода? Скорее всего, такие команды агентов начнут собирать отчёты, проверять код и разбирать документы в фоновом режиме, пока ты занимаешься другим. Порог входа падает: то, что раньше требовало команды из трёх человек, всё чаще делает один человек с правильным промптом. Прорывы в ИИ обычно доходят до обычных людей с задержкой, а здесь инструмент уже открыт.
Минусы тоже есть, и о них честно. Carbon — не универсальная замена Argon: для большинства задач разработки и обычной интеллектуальной работы Argon остаётся идеальным выбором. Carbon тратит больше токенов, чем Argon, — чтобы глубже копать, дольше рассуждать и тщательнее проверять результат. В тесте MKA он только второй, а не первый. И доступ к разным продуктам и интерфейсам появляется постепенно: в приложении Gemini и AI Mode in Search модель разворачивают для подписчиков Google AI Ultra.
Что делать уже сегодня
Не жди, пока все вокруг разберутся. Сегодня сделай одно простое действие: открой Gemini, выбери задачу, которую давно откладывал, и отправь её модели. Пусть это будет разбор договора, план презентации или поиск ошибки в коде. Один тест даст тебе больше, чем десять статей.
Сохрани эту статью, чтобы вернуться к шагам, когда появится доступ. И напиши в комментариях в @aigoby, какую задачу ты запустил первым — разберём вместе.
🎁 Бонус: промпт для первого запуска
Скопируй этот промпт и подставь свои данные. Он собран под задачу статьи — разобрать сложный материал и получить результат в понятном виде.
```
Ты — опытный аналитик и наставник. Помоги мне разобраться с задачей.
Что у меня есть: [опиши файлы, ссылки, текст или данные]
Что мне нужно получить: [отчёт, таблица, презентация, конспект, код]
Для кого это: [я сам, команда, клиент, преподаватель]
Ограничения: [срок, формат, объём, что нельзя менять]
Действуй по шагам:
1. Кратко перескажи, что понял из моих материалов.
2. Задай мне до трёх уточняющих вопросов, если чего-то не хватает.
3. Предложи план работы из 3–5 пунктов.
4. Сделай черновик результата в нужном формате.
5. Проверь себя: найди слабые места и предложи, что улучшить.
Не выдумывай факты. Если данных нет, так и скажи.
```



Комментарии 0