Guides & Insights

הדגמת Pelican של Gemini 4 Carbon, מפורקת לגורמים: שני סוכנים, צינור עיבוד ב-Blender, ולולאת ביקורת שבאמת נסגרת

מחבר

Rowan Sterling

תאריך פרסום

Nov 11, 2026

מודלים אחרונים · 20צפו בכל המודלים →

בנצ'מרקים: Artificial Analysis · מתעדכן יומית

חזרה לכל הפוסטים

הדבר השימושי ביותר ש-Google השיקה ב-10 בנובמבר 2026 לא היה טבלת מדדי ביצועים. זה היה ציפור על אופניים. באותו פוסט שבו הכריזה Google על זמינות כללית של Gemini 4 Carbon, היא תיארה ריצה שבה סוכני Carbon בנו משחק תלת-ממד בעולם פתוח — אתה חוקר את הקמפוס של Google במאונטיין ויו בתור שקנאי שרוכב על GBike — על ידי מידול נכסים ב-Blender, ואז בניית משחק הדפדפן ב-Three.js עם שיידרים של WebGL, עם אפקטי Web Audio פרוצדורליים שהותאמו למוזיקה של Lyria. הקליפ שהופץ יחד איתו נמשך כ-77 שניות. החלק שראוי לתשומת לבך אינו השקנאי. אלא שהלולאה נסגרה: משהו באותו צינור הסתכל על מה שהוא רינדר והחליט אם זה טוב מספיק.

זו טענה שונה מזו ש"המודל חכם". דמואים נבחרים, והדמו הזה נבחר בידי הספק. אבל דמו שיש בו מבקר ניתן לבדיקה בדרך שציון בנצ'מרק לא מאפשר — אפשר לקרוא את המבנה, לספור את התפקידים ולשאול אם אותה צורה הייתה שורדת את העבודה שלך עצמך. לכן זהו פירוק ולא כתבת השקה: מה נבנה, כיצד פוצלו הסוכנים, מה הריצה מדגימה ומה היא אינה מדגימה, וכמה עולה להפנות את אותו דפוס למשהו שבאמת אכפת לך ממנו.

מה שנבנה בפועל, לפי הסדר שבו נבנה

התיאור של Google ספציפי באופן יוצא דופן לגבי שרשרת הכלים, וזה מה שהופך אותו לשווה קריאה כהערת הנדסה. לריצה היו שלושה שלבי מדיה, והם אינם ניתנים להחלפה:

• נכסים — תתי-סוכנים יצרו מודלים תלת-ממדיים של עצמים ב-Blender, תוך עבודה מרפרנסים שנוצרו על ידי Omni ו-Nano Banana. זהו שלב מודלינג, לא שלב קוד: הגאומטריה, החומרים וקנה המידה נובעים ממנו, וכל מה שבהמשך יורש כל פגם שיש בהם.

• המשחק — נבנה ב-Three.js עם שיידרים של WebGL, ולכן התוצר הוא סצנה שניתנת לרינדור בדפדפן ולא סרטון מרונדר. שיידר שמתקמפל הוא אות קשיח שניתן לבדיקה ממוכנת, באופן ש"נראה טוב" אינו כזה.

• סאונד — אפקטים פרוצדורליים של Web Audio המשולבים עם מוזיקה של Lyria. זהו הרכיב שהכי פחות מחובר ללולאת הביקורת, וזה שהכי סביר שאדם יכוון אותו ידנית בדיעבד.

אותו פוסט מציג לצידו ארבעה פרויקטי תלת־ממד נוספים, והתבנית חוזרת על עצמה: תערוכה אינטראקטיבית ב-Three.js של בניית מגדל אייפל בשנים 1887–1889 מתוך צילומים היסטוריים ולוחות הנדסיים; שחזור Three.js בעל 906,000 משולשים של המשרד Platform 37 של Google, שנבנה בעשרה סבבי לילה מתוך שבעה קובצי PDF של תכנון מועצת העיר; ויזואליזטור טקסטיל עם מעקב קוטבי של 110 סיבים; ופורטה־פסנתר שניתן לנגן בו עם פיזיקת מנגנון בריחה של 61 קלידים. יהיה מה שיהיה, זה לא פרומפט אחד מוצלח במקרה. זהו סט של ריצות באותה צורה.

שני סוכנים, או סוכן אחד עם שלושה תפקידים?

דיווחי הצופים והתיאור של גוגל עצמה מתארים את אותה ריצה מזוויות שונות, וההבדל מאלף. הסיכום הנפוץ ביותר בשפה הסינית, מאת @dotey ב-10 בנובמבר, מפרק אותו לסוכן בונה ולסוכן מבקר שבודק את הרינדורים של עצמו. הכותב המקורי, Vamsi Batchu מ-Google AI Studio, מציג את אותו הדבר כשקנאי שאוסף שבבי TPU ברחבי הקמפוס — וזוקף זאת לזכות תכונת /swarm של Google Antigravity, שאותה גוגל מתארת כהפיכת פרומפט בודד ל"צוות מתואם של סוכנים שאפשר לעקוב אחריו בזמן אמת".

הפוסט של גוגל מייחס לקרבון את התפקידים ולא למדיה: "עיצוב ארכיטקטוני, תיאום וביקורת." בהשוואה לתיאור המשקיף, הצורה היא בונה שמייצר גאומטריה וקוד, ומבקר שמסתכל על הפלט ולא על המקור. ההבחנה הזו חשובה יותר ממספר הסוכנים. סוכן שבוחן את ה-diff של עצמו מקבל אות חלש; סוכן שבוחן פריים מרונדר, שיידר שמתקמפל, או צילום מסך של המשחק הרץ מקבל אות חזק, משום שהכשל נראה בארטיפקט במקום להיות נתון לוויכוח בפרוזה.

שתי הסתייגויות כנות בנוגע למקורות. החלוקה בין בונה למבקר מגיעה מאנשים שמתארים את הריצה, ולא מתרשים ארכיטקטורה שפורסם — התייחסו לזה כתקציר נאמן ולא כמפרט. ו/swarm נמצאת בתצוגה מקדימה ב-Antigravity, כך ששכבת התזמור שאותה תרצו לשחזר אינה זמינה באופן כללי.

יש גם קמט מעשי שאיש לא מזכיר: אפליקציית AI Studio המקושרת נמצאת מאחורי התחברות ל-Google. לא הצלחתי לפתוח את המשחק בעילום שם — הכתובת מפנה ישירות אל accounts.google.com. כלומר, "ניתן לשחק בדפדפן" פירושו "ניתן לשחק אם יש לך חשבון Google, ולגבי האפליקציה עצמה — גם הפעלה של AI Studio". זהו דבר קטן שמאה פרסומים חוזרים של הסרטון פשוט דילגו עליו.

למה משחק הוא מבחן קשה יותר מה-SVG שהוא החליף

הפרומפט של שקנאי על אופניים שייך לסיימון ויליסון, שהריץ אותו מול כמעט כל מודל חזיתי שיצא מאז 2024 — תחילה כבקשת SVG בודדת, ואחר כך, משהמודלים הפסיקו להיבדל ב-SVG שטוח, כפרומפטים תלת-ממדיים: עמוד WebGL, רנדורים של Blender, סקיצות p5.js. ערכו של המבחן מעולם לא היה בכך ששקנאי הוא קשה. הוא בכך שהפלט חזותי, עצמאי וניתן לשיפוט מיידי בידי אדם בפחות משנייה.

מה שהריצה של Carbon עושה הוא להעלות את אותה תכונה לרמת קושי גבוהה יותר. קובץ SVG הוא ארטיפקט אחד בשפה אחת. כאן יש גאומטריה מכלי אחד, קוד בכלי אחר, סביבת ריצה בשלישי, ושלב ביקורת שצריך ליישב בין שלושתם — וזה בדיוק סוג המשימות שבהן עבודת סוכן ארוכת טווח בדרך כלל קורסת, לא בשלב הראשון אלא בשלב הארבעה עשר, כאשר המודל כבר שכח לאיזו מערכת קואורדינטות הוא התחייב.

סיכום היכולת של גוגל מדויק, והוא מפרט את המנגנון: בפיתוח אפליקציות ווב, המודל "מריץ לופים של בנייה ואימות, מתאושש משגיאות, ובודק הן את הקוד שלו והן את ממשק המשתמש המרונדר". זה כל הטריק, נאמר בפשטות. המשתנה המעניין אינו עד כמה טובה הניסיון הראשון. הוא כמה פעמים הלופ יכול להסתובב לפני שהסוכן מפסיק להשתפר ומתחיל לטחון מים.

Screenshot of Google's 10 November 2026 Gemini 4 Carbon post, showing a wide dark media still directly above the sentence that reads: using Google Antigravity's /swarm feature, Carbon built an open-world 3D game where you explore Google's Mountain View campus as a pelican riding a GBike — followed by the subheading Frontier cybersecurity capabilities.

מה שההדגמה לא מספרת לך

הדגמה של ספק היא מדגם נבחר, והבחירה היא עיקר העניין. שלושה דברים שהיא אינה יכולה לענות עליהם:

• באיזו תדירות זה נכשל. אנחנו רואים את הריצה שהסתיימה. אף אחד לא מפרסם את אחת עשרה הריצות שנתקעו, ואין שום מכנה בשום מקום בפוסט.

• מה זה עלה. עשרה לופים ליליים על ה־build של Platform 37 מרמזים על הרבה טוקנים והרבה זמן קיר. לפי התעריפים של Carbon זה מספר ממשי, ו־Google לא מספקת אותו.

• האם דגם זול יותר היה עושה את העבודה. זו השאלה שקורא צריך למעשה לשאול, וההדגמה אינה מסוגלת מבחינה מבנית לענות עליה.

עבור החלקים הניתנים למדידה, Artificial Analysis היא המשקל שכנגד, והמספרים שלה פחות מחמיאים מהסרטון. Gemini 4 Carbon במאמץ גבוה מקבל ציון 60 ב-Intelligence Index v5.0.1 — רביעי מתוך 74 מודלים, אחרי שלוש תצורות של Claude Fable 5.2 עם 65, 62 ו-62. העלות שלו לכל משימת אינדקס היא $7.76, במקום ה-61 מתוך 73 במדד הזה, והוא צורך 205 מיליון טוקני פלט לאורך האינדקס לעומת חציון קרוב ל-73 מיליון: זה מודל עתיר מילים, ותמחור לפי טוקן ממעיט במה שעולה עומס עבודה של Carbon. מהירות הפלט היא כ-82 טוקנים לשנייה עם כ-67.5 שניות עד לטוקן התשובה הראשון — מהיר מספיק ברמת הטוקן, אך איטי מספיק עד לטוקן הראשון כך שזה נקרא כמו פרופיל של אצווה והמתנה ולא של תיבת צ'אט. ב-Coding Agent Index, אותו מעריך הציב את Carbon ב-59 עם Antigravity CLI, לעומת 62 ל-Claude Code עם Opus 5.5.

שום דבר מזה לא סותר את הדמו. מודל יכול להיות רביעי באינדקס כללי, יקר לכל משימה, ועדיין להיות זה שמחזיק בנייה של ארבע שעות — אלה מדידות שונות, והדמו הוא עדות לשלישית, לא לראשונה. מה שהוא אינו הוא הוכחה, והחלק החסר הזול ביותר הוא זה שהשושלת הזו בדרך כלל מספקת. Willison מריץ את פרומפט הפליקן כמעט בכל שחרור ומפרסם את התוצאות; בנובמבר 2026 הפוסטים שלו על הפליקן מכסים את Claude Fable 5.2 בחמש רמות חשיבה ואת Muse Ember בשש, ואין ביניהם סט של Carbon. עד שיופיע אחד, דמו הפליקן הוא ארטפקט של Google ולא של אף אחד אחר — בנייה שנבחרה על ידי הספק עם תיאור שנכתב על ידי הספק, ואין הרצה חיצונית שכנגדה אפשר להשוות את שיעור הכשלים.

A self-rendered diagram titled 'How the loop was described: builder, artefact, reviewer', showing three cards — a builder agent that models geometry in Blender and writes Three.js and WebGL code, the artefact as exported meshes and compiled shaders and a running scene in a browser, and a reviewer agent that inspects the rendered output and returns the verdict — with a feedback strip noting Google cites ten overnight loops for a sibling build, and three smaller cards for compiling shader, rendered frame and running scene; a footer states the diagram is self-rendered and the role split comes from observer accounts and Google's description of /swarm, which is in preview.

כמה עולה להריץ את אותה הלולאה בעצמך

Carbon נמצא רק במסלול בתשלום של Google. אין מסלול חינמי: אפליקציית AI Studio דורשת חשבון Google, ה-API דורש חיוב, וכל אסימון מעובד מחויב, כולל אסימוני חשיבה. מחירון התעריפים הוא היכרותי ומוגבל בזמן:

• עד 30 בנובמבר 2026 — $2.00 למיליון טוקני קלט, $10.00 למיליון טוקני פלט.

• החל מ-1 בדצמבר 2026 — $4.00 ו-$20.00, על מודל שלא השתנה.

• הקשר — מיליון טוקנים, ללא מדרגת תמחור לפי אורך, כך שמאגר קוד של 900,000 טוקנים עולה אותו מחיר לכל טוקן כמו פרומפט של 2,000 טוקנים.

שימו את רמת הפירוט לצד הצוק, והחשבון נעשה לא נוח. לולאת בנייה וסקירה עתירת פלט מעצם המבנה שלה: הסוקר כותב, הבונה כותב מחדש, והתמלול גדל בכל סבב. עומס עבודה של 100 מיליון טוקנים בקלט ו-20 מיליון טוקנים בפלט מחויב ב-400 דולר החודש — 200 דולר בקלט, 200 דולר בפלט — וב-800 דולר מ-1 בדצמבר עבור אותו נפח תנועה בדיוק. אם אתם מריצים פיילוט בנובמבר, תמחרו את הפיילוט לפי תעריפי דצמבר, אחרת תאשרו תקציב ששגוי פי שניים.

כדאי להיות מפורשים לגבי היכן אנחנו עומדים: Gemini 4 Carbon אינו בקטלוג של OrcaRouter, ואין לקרוא את מה שכתוב כאן כטענה שהוא כן. מה שכן נמצא שם הוא google/gemini-4-argon במחיר של גוגל עצמה — 2$ לקלט / 10$ לפלט — אותו כרטיס תמחור ש-Carbon נמצאת עליו החודש, לצד DeepSeek V4 Pro ב-$0.66/$1.98 ו-Grok 4.7 ב-$2/$6, הכול על מפתח יחיד תואם OpenAI על פני 216 מודלים, כאשר מחיר המחירון של הספק מועבר הלאה ללא תוספת רווח של 0% כך ששינוי בתעריף של ספק נכנס לתוקף ביום שבו הוא קורה ולא אחרי מחזור תמחור מחדש. עבור התבנית המסוימת הזו זה חשוב מסיבה משעממת: לופ בנייה של ריבוי סוכנים הוא סוג העבודה שסביר ביותר להיתקל בו במגבלת קצב או בצהריים רעים אצל ספק אחד, ומעבר אוטומטי לנתיב שני זול יותר מלגלות את התקרה באמצע ריצה של עשרה לופים.

Screenshot of the Artificial Analysis model page for Gemini 4 Carbon at high effort, showing an intelligence rank of #4 of 74, a performance rank of #61 of 72 and a cost rank of #61 of 73, an Intelligence Index score of 60, pricing of $4 per million input and $20 per million output tokens with a 95% cache discount, 67.54 seconds to first answer token, 82 tokens per second output speed, 7.62 billion input tokens, $7.76 cost per Intelligence Index task and 205 million output tokens used on the index.

אם ברצונך להעתיק את המבנה, העתק את שלב הבדיקה

החלק שניתן להעברה בדמו הזה אינו Blender, והוא אינו Three.js. אלא העובדה שהסוקר קיבל משהו שאפשר להסתכל עליו. שלושה מהלכים, לפי מידת השפעתם על התוצאה:

• הפוך את הארטיפקט לקלט הסקירה. צלם את האפליקציה הפועלת, רנדר את הפריים, קמפל את השיידר, הרץ את הבדיקה — ואז מסור את זה בחזרה, ולא את ה-diff. סוכן שנשאל "האם הקוד הזה נכון" יסכים עם עצמו. לסוכן שנשאל "האם צילום המסך הזה תואם את הבריף" יש על מה לטעות.

• הגבילו את הלולאה ובדקו את ההתכנסות. עשרה סבבי לילה הם המספר שגוגל מציינת לבנייה אחת. בחרו תקרה משלכם, ותעדו אם כל סבב שיפר את הארטיפקט בפועל — סוכן שהפסיק להשתפר הוא בדרך כלל סוכן שהתחיל לשפץ קוסמטית.

• שמרו על שרשרת הכלים משעממת וניתנת לבדיקה. ייצואים מ-Blender, ‏Three.js, ‏WebGL ודפדפן — כולם דטרמיניסטיים וניתנים לבדיקה. שום דבר בריצה הזו לא תלוי ביכולת שיש רק לספק אחד; היא תלויה במודל שימשיך גם אחרי הכשל הראשון.

מה כדאי לראות בהמשך הוא צר וספציפי. האם /swarm יוצא מתצוגה מקדימה, כי התזמור הוא החלק שאי אפשר לשחזר היום. האם מישהו מחוץ לגוגל מפרסם Carbon pelican — הגרסה של ויליסון היא הדבר הקרוב ביותר שיש לשושלת הזו לתוצאה עצמאית, והוא טרם הופיע. והאם הפער בן שנים-עשר הימים בין ההכרזה בגישה מוגבלת מ-28 באוקטובר לשחרור הכללי מ-10 בנובמבר יתברר כדפוס או כחריג. ההדגמה תצוטט במשך חודשים. הלולאה שמאחוריה היא הדבר שאו שמכליל או שלא.

הדגמת Pelican של Gemini 4 Carbon, מפורקת לגורמים: שני סוכנים, צינור עיבוד ב-Blender, ולולאת ביקורת שבאמת נסגרת

מה שנבנה בפועל, לפי הסדר שבו נבנה

שני סוכנים, או סוכן אחד עם שלושה תפקידים?

למה משחק הוא מבחן קשה יותר מה-SVG שהוא החליף

מה שההדגמה לא מספרת לך

כמה עולה להריץ את אותה הלולאה בעצמך

אם ברצונך להעתיק את המבנה, העתק את שלב הבדיקה

מוצר

משאבים

שותפים

לספקים

הצטרפו לקהילה שלנו

מהבלוג

ספקי מודלים