Gemini 4 Carbon 开放付费 API 调用
据摘录，Gemini 4 Carbon 已向付费开发者开放，面向长流程智能体、软件工程和科学推理任务。每百万输入、输出 token 的首发价格分别为 2 和 10 美元，优惠于 11 月 30 日结束，之后均翻倍。
AI 深度解读
Google 正式向付费 API 用户开放 Gemini 4 Carbon，主打复杂编码、调试和长流程研究。作者梳理后的关键信息是：Carbon 被定位为处理高难任务的模型，Google 仍推荐大多数软件工程和知识工作默认使用 Gemini 4 Argon。
对程序员来说，最需要看清的是成本：Carbon 会消耗更多 token，优惠单价还将在 2026 年 11 月 30 日结束。官方公布的任务成本优势，要连同这个前提一起读。
Carbon 该接什么任务，谁能用到
Google DeepMind 于 2026 年 11 月 10 日宣布 Gemini 4 Carbon 正式可用，并将它称为自家最强模型，目标包括知识工作、软件工程和科学推理中的长流程 Agent 任务。
它与此前推出的 Gemini 4 Argon 分工不同。Google 把 Argon 定位为多数软件工程和知识工作的默认选择；Carbon 则面向复杂多步编码、调试和开放式研究。为了处理这些任务，Carbon 会探索更多路径、推理更久，并执行更长的验证循环，因此消耗的 token 也更多。
Carbon 的定位是处理高难任务，Argon 仍是官方推荐的日常默认选择。
访问渠道也有区别：
- 所有付费开发者和企业，都可以通过 Google AI Studio 和 Gemini for business 中的 API 调用 Carbon。
- Google AI Ultra 订阅用户，可以在 Google Antigravity、Gemini app 和 AI Mode in Search 中使用。
- 科学家可以通过 Antigravity program，申请免费使用 Argon 和 Carbon 六个月，按滚动安排开通。
- 单独的 Carbon for cyber 版本，只向获准加入 Fairwind Program 的防御人员开放。
公开版和网络安全专用版不能混为一谈。后文涉及的公开价格条款，原文明确限定于公开可用的 Carbon 模型。
跑分里的低成本，要按优惠期重算
Carbon 的入门价格与 Argon 相同：每百万输入 token 为 $2，每百万输出 token 为 $10。但公告脚注写明，优惠期在 2026 年 11 月 30 日结束，之后分别涨到 $4 和 $20。
单价翻倍之外，Carbon 自身还会使用更多 token。一次任务多少钱，要同时看输入、输出和整个执行过程的消耗，不能只看报价表。
Google 公布的成绩包括：
| 评测 | Google 报告的结果 |
|---|---|
| CursorBench 4.0、Perplexity 的 WANDR、Zapier 的 AutomationBench | Carbon 均排名第一，单任务成本不到下一名外部模型的一半 |
| 与 Artificial Analysis 合作构建的 Multimodal Knowledge Agent | Carbon 排名第二，平均单任务成本低于第一名模型的六分之一 |
后一项评测考察 Agent 处理包含图表、表格和示意图的密集文件，关注的是读取材料并完成任务的能力。
这些结果来自 Google 的报告，成本对比使用了入门优惠价格。原文没有提供完整测试配置，也没有列出涨价后的成本排名。
官方成绩能作为试用线索，但不足以证明 Carbon 在你的项目里也更省钱。
/swarm 把模型选择变成角色分工
Google 正在 Antigravity 中预览 /swarm：把一个提示词转成一组协作 Agent，并允许开发者实时跟踪执行过程。
官方给出的组合方式是，让 Carbon 承担设计、协调和审计等需要深入推理的角色，再让更轻、更快的模型在并行工作区执行其他任务，并用对抗式验证 Agent 检查每次改动。它提供的思路是按角色分配模型，而不是每个环节都使用同一个模型。
但原文没有给出 /swarm 的可复现任务记录、团队实测或具体计费拆分。它目前还是预览功能，不能据此判断多人协作式 Agent 一定比单 Agent 更快或更便宜。
Google 还报告了几组安全与诚实性结果：
- 模拟网络攻击测试中，单次尝试的攻破率从 Argon 的 3.1% 降到 Carbon 的 0.8%。
- 在包含 375 项任务的 Agent 诚实性评测中，Carbon 通过率为 92%，Argon 为 70%。
- 在 Gray Swan 间接提示注入评测中，Carbon 的攻击成功率为 0%。
这些数字来自 Google 及其测试合作方。Google 同时承认，提示注入防护仍需改进，更复杂的攻击可能取得更高成功率。某项评测中的 0%，不能理解为读取外部文件或网页时已经没有风险。
我的判断
我认同按任务难度分配模型的方向。日常工作默认使用 Argon，把复杂调试、方案审查等任务交给 Carbon，比直接全量替换更符合原文给出的定位。
不过，这篇报道提供的是产品开放信息和厂商评测，没有作者自己跑过的项目对照。Carbon 比 Argon 多花多少 token、多 Agent 协调会增加多少开销、验证循环能减少多少返工，原文都没说清。
与单 Agent 配合测试脚本的常见做法相比，/swarm 是否更划算，目前也缺少对照数据。多角色验证值得尝试，但能否改善交付结果，仍要用真实任务验证。
能拿来做什么
- 从现有前端或 Node 项目中选一项复杂调试任务，让 Argon 和 Carbon 分别完成，记录总 token、费用、测试通过情况和人工返工量，再决定是否切换。
- 做预算时同时使用优惠价和正式价计算：每百万输入 token 按 $2、$4 两档，输出按 $10、$20 两档，避免把短期价格当成长期成本。
- 试用
/swarm时，先让 Carbon 负责方案审查或改动审计，让较轻模型执行边界明确的修改，并保留现有测试作为验收依据。 - 迁移前查阅已更新的 Gemini 4 developer guide；涉及读取外部材料的 Agent，继续限制工具权限，不要因为某项提示注入评测达到 0% 就取消防护。