Gemini 4 Carbon è ora richiamabile e il prezzo raddoppia in venti giorni

For twelve days, G​emini 4 Carbon was the best model almost nobody could call. G​oogle announced it on 28 October 2026 to a named cohort of cyber defenders and Fairwind Program partners, with no model ID, no endpoint and no rate card. On 10 November 2026 that changed: gemini-4-carbon is now a stable model on the paid G​emini API, in AI Studio and Android Studio, and for enterprises through G​emini for business. The part worth planning around is the calendar. It costs $2 per million input tokens and $10 per million output tokens until 30 November. On 1 December those numbers become $4 and $20 with nothing else about the model changing.

Dunque questo è un pezzo sul lancio in cui il lancio è reale, e l'informazione utile non è il marketing. Sono la matrice degli accessi, lo sconto di venti giorni e il fatto che la riga "#1 on the Artificial Analysis Intelligence Index" di ottobre ora risulti quarta nella stessa classifica.

Chi può davvero chiamarlo, e chi ancora non può

Il post del 10 novembre è insolitamente specifico sui canali, il che lo rende meritevole di essere letto come una tabella di accesso anziché come un annuncio. Cosa è stato aperto:

• Paid G​emini API developers, through AI Studio and Android Studio, with G​oogle AI Ultra subscribers also able to reach it in Antigravity and AI Studio.

• Enterprises, through G​emini for business on either the API or the model dropdown, plus Antigravity and CodeMender.

• Consumers on G​oogle AI Ultra, in the G​emini app and AI Mode in Search.

• Scienziati e ricercatori solo su candidatura, con Argon e Carbon nel livello più alto di Antigravity, gratuiti per sei mesi, previa verifica dei requisiti e della disponibilità.

• Difensori informatici, sempre tramite il Fairwind Program, che è il punto da cui è partito l'intero rollout.

What did not open is the free tier. G​oogle's pricing page is explicit: "Not available" for G​emini 4 Carbon, and every processed token is billed — including thinking tokens, and including tool system instructions when grounding is on. There is also no playground-grade ceiling mentioned anywhere in the docs; rate limits are not published on the model page. If you are budgeting a pilot, that is the one number you will have to discover by calling the API rather than by reading about it.

Il prezzo dei venti giorni, e il precipizio che c’è dietro

G​oogle is running Carbon on the same introductory rate card it used for G​emini 4 Argon: $2 in and $10 out through 30 November, then $4 and $20 from 1 December 2026. The pattern is not new — Argon launched the same way — which is why the date matters more than the discount. A workload priced at the intro rate today is priced 100% higher on the same tokens three weeks from now.

Il resto della carta è il punto in cui i team rimangono sorpresi:

• Input in cache — 0,10 $ per milione fino al 30 novembre, 0,20 $ dopo. Al tasso attuale un token in cache equivale al 5% di uno nuovo, e il moltiplicatore rimane valido dopo la modifica.

• Batch and Flex — metà della tariffa standard, 1,00 $ in input e 5,00 $ in output ora, 2,00 $ e 10,00 $ dopo il 1° dicembre. Se il tuo lavoro tollera la latenza, questa è la leva più importante sulla bolletta.

Priority — 1,8x lo standard, $3,60 in ingresso e $18,00 in uscita ora, $7,20 e $36,00 dopo.

• Collaboratore — $1,00 in input, $5,00 in output, $0,05 in cache, anteprima solo su invito. Non è un'opzione generale.

• Long context — there is no length-based tier. Unlike G​emini 3.1 Pro, which steps up a price band past 200,000 input tokens, Carbon charges the same per-token rate whether you send 2,000 tokens or 900,000. That is a genuine advantage for large-codebase work and it is easy to miss because most vendors of 1M-token models do tier.

Caching is implicit only. Explicit context caching is not supported on Carbon, so you cannot pin a document and guarantee the cached rate the way you can on some other G​emini models. If your saving plan depended on explicit cache hits, it does not apply here.

L'affermazione n. 1, e ciò che la scheda dice quattro revisioni dopo

G​oogle's 28 October post led with a first-place finish on the Artificial Analysis Intelligence Index. That was accurate for the board as it stood that day. It is not what the board says now, and this is the sort of drift that gets quoted for months after it stops being true.

Read the current listing and G​emini 4 Carbon at high effort scores 60 on Intelligence Index v5.0.1 — fourth of 74 models. Above it sit three configurations of Claude Fable 5.2, at 65, 62 and 62. Carbon's own effort dial moves the number too: medium lands at 58 and low at 54, which means a single "Carbon scores 60" line in a comparison is only true at high effort.

The vendor-reported numbers from the 10 November post, none of which have been independently reproduced, are a different and much louder set: first on CursorBench 4.0, on Perplexity's WANDR and on Zapier's AutomationBench, at what G​oogle describes as more than 2x lower cost per task than the next-best external model; second on a new Multimodal Knowledge Agent benchmark built with Artificial Analysis, at over 6x lower average cost per task than the top model; a tie for best on Hebbia's end-to-end financial evaluation; and top of 23 frontier configurations on Balyasny's GMI. Every one of those is G​oogle's own framing of a benchmark, and the cost-per-task advantage is a claim about a specific task mix, not a general price statement.

The cyber numbers follow the same pattern. On 28 October G​oogle published SEC-bench Pro at 88.2%, ExploitGym at 54.8% and CWE-bench at 71.0%. On 10 November it added Project Fortify at 100% scan recall and 95% triage precision on open-source code, a 25%-plus relative recall gain over Argon, and a 40-fold average increase in homologs retrieved across seven CASP17 protein families. Those are the claims that justify the model's existence for a security team. They are also unaudited by anyone outside G​oogle, and the model has been generally callable for one day.

Quello che il consiglio indipendente dice davvero, e il numero che conta

Artificial Analysis has measured Carbon rather than repeated G​oogle's chart, and its numbers are the ones to budget against:

• Costo per attività dell'Intelligence Index — $7.76 a prezzo standard. Non è il modo più economico per acquistare intelligenza; è tra i più costosi della classifica, al 61° posto su 73 su questa misura.

• Token di output consumati sull'indice — 205 milioni, rispetto a una mediana di 72,8 milioni. Carbon è un modello verboso, terzo dal fondo nella classifica di verbosità. Il prezzo per token sottostima quanto costa effettivamente un carico di lavoro Carbon quando il modello riflette più a lungo e scrive di più.

• Velocità — 80 token di output al secondo, con 66,85 secondi al primo token di risposta. Rispetto alla mediana di 12 secondi per la sua fascia, Carbon è un modello da usare in batch piuttosto che un modello da mettere dietro a una chat.

• Context — 1M tokens, confirmed both by G​oogle's docs and by the third-party listing.

Mettendo insieme la verbosità e il prezzo, l’aritmetica non perdona. Un compito che su Carbon costa 7,76 $ costa circa un quinto di quella cifra su un modello open-weight economico — ed è il confronto che il prossimo articolo di questa serie approfondisce nel dettaglio. La tesi di Carbon non è che sia efficiente. È che, nelle attività agentiche in ambito cyber e su orizzonti lunghi, potrebbe non esserci nient’altro con la stessa capacità.

Cosa fare con i prossimi venti giorni

Tre mosse pratiche, in ordine di quanto fanno risparmiare.

Prima, fai il benchmark sulla tariffa introduttiva e valuta il risultato sulla tariffa di dicembre. Qualunque cosa tu decida a novembre usando i numeri di novembre sembrerà del 100% migliore di quanto non sia. Se un progetto pilota mostra una bolletta mensile di 400 $ questo mese, lo stesso traffico costa 800 $ dal 1° dicembre al livello standard.

Second, decide whether you need Carbon or whether Argon will do. G​oogle says so itself in the announcement: Argon "remains the ideal choice for the majority of software engineering and knowledge work," and Carbon uses more tokens than Argon to get its answers. The two models share an identical rate card, which means the choice is purely about capability per token spent — and for most workloads the cheaper-per-answer model is Argon.

Third, keep the integration portable. This is where routing earns its keep, and it is worth being precise about what is and is not available today. G​emini 4 Carbon is reached through G​oogle's paid API; it is not in our catalogue, and nothing here should be read as claiming otherwise. G​emini 4 Argon is: google/gemini-4-argon sits on OrcaRouter at G​oogle's own $2 in / $10 out, with the same OpenAI-compatible surface as the other 200-plus models on the key. DeepSeek V4 Pro and Grok 4.7 — the two opponents in this batch — are also there, at $0.66/$1.98 and $2/$6 respectively. Because we pass provider list price through with 0% markup, a vendor rate change is live on our side the day it happens rather than after a repricing cycle — which is the specific thing that matters on 1 December.

È proprio la portabilità la ragione per non vincolarsi all'SDK di un unico fornitore a novembre. Le condizioni di accesso di Carbon sono già cambiate due volte in quattordici giorni: annuncio riservato, poi API a pagamento. La tariffa cambia il 1° dicembre. Un mese in cui sono cambiati sia il prezzo sia l'accesso non è il mese per costruire una dipendenza da un unico fornitore.

Cosa è ancora sconosciuto

Two things, and they are the ones to watch rather than the benchmark table. Rate limits are unpublished, so nobody outside G​oogle knows what a production Carbon integration can actually sustain — the 28 October cohort was small enough that throughput was never tested publicly. And the consumer picture is Ultra-only: there is no free path to Carbon and no indication of when there will be. If the model follows Argon's arc, a cheaper sibling will absorb the volume and Carbon will stay the expensive specialist. That is the shape the pricing already implies.