La demo del pellicano di Gemini 4 Carbon, smontata: due agenti, una pipeline Blender e un ciclo di revisione che si chiude davvero

La cosa più utile che Google ha rilasciato il 10 novembre 2026 non è stata una tabella di benchmark. È stato un uccello su una bicicletta. Nello stesso post che ha reso Gemini 4 Carbon disponibile a livello generale, Google ha descritto un'esecuzione in cui gli agenti Carbon hanno costruito un gioco 3D open-world — esplori il campus di Google a Mountain View nei panni di un pellicano che guida una GBike — modellando asset in Blender, poi costruendo il gioco per browser in Three.js con shader WebGL, con effetti procedurali Web Audio abbinati alla musica di Lyria. La clip diffusa insieme ad esso dura circa 77 secondi. La parte che merita la tua attenzione non è il pellicano. È che il ciclo si è chiuso: qualcosa in quella pipeline ha guardato ciò che aveva renderizzato e ha deciso se fosse abbastanza buono.

È un'affermazione diversa da «il modello è intelligente». Le demo vengono scelte, e questa è stata scelta dal fornitore. Ma una demo con dentro un revisore è testabile in un modo in cui un punteggio di benchmark non lo è: puoi leggere la struttura, contare i ruoli e chiederti se la stessa forma sopravviverebbe al tuo stesso lavoro. Quindi questa è un'analisi approfondita più che un articolo di lancio: cosa è stato costruito, come sono stati suddivisi gli agenti, cosa dimostra e cosa non dimostra l'esecuzione, e quanto costa applicare lo stesso schema a qualcosa che ti sta davvero a cuore.

Che cosa è stato effettivamente costruito, nell'ordine in cui è stato costruito

La descrizione di Google è insolitamente specifica riguardo alla toolchain, ed è proprio questo che la rende degna di essere letta come nota ingegneristica. Il run aveva tre segmenti media, e non sono intercambiabili:

• Asset — i subagent hanno modellato oggetti 3D in Blender, partendo da riferimenti generati da Omni e Nano Banana. Questo è un passaggio di modellazione, non di codice: geometria, materiali e scala ne derivano, e tutto ciò che sta a valle eredita qualunque difetto presentino.

• Il gioco — realizzato in Three.js con shader WebGL, quindi il risultato finale è una scena renderizzabile nel browser anziché un video renderizzato. Uno shader che compila è un segnale solido e verificabile automaticamente, cosa che "è gradevole" non è.

• Suono — effetti procedurali Web Audio abbinati alla musica di Lyria. Questo è il segmento meno collegato al ciclo di revisione, e quello che più probabilmente verrà messo a punto manualmente da una persona a posteriori.

Lo stesso post affianca altre quattro costruzioni 3D, e lo schema si ripete: una mostra interattiva Three.js sulla costruzione della Torre Eiffel tra il 1887 e il 1889, basata su fotografie storiche e tavole tecniche; una ricostruzione Three.js da 906.000 triangoli dell'ufficio Platform 37 di Google, realizzata in dieci cicli notturni a partire da sette PDF di pianificazione del City Council; un visualizzatore tessile con tracciamento polare a 110 fibre; e un fortepiano suonabile con fisica dello scappamento a 61 tasti. Qualunque altra cosa sia vera, questo non è un singolo prompt fortunato. È una serie di esecuzioni con la stessa struttura.

Due agenti, o un solo agente con tre incarichi?

Il resoconto degli osservatori e la descrizione di Google raccontano la stessa esecuzione da angolazioni diverse, e la differenza è istruttiva. Il riassunto in cinese più diffuso, di @dotey del 10 novembre, la suddivide in un agente costruttore e un agente revisore che controlla i propri render. L'autore originale del post, Vamsi Batchu di Google AI Studio, inquadra la stessa cosa come un pellicano che raccoglie chip TPU in giro per il campus — e attribuisce il merito alla funzione /swarm di Google Antigravity, che Google descrive come la capacità di trasformare un singolo prompt in "una squadra coordinata di agenti che puoi seguire in tempo reale".

Il post di Google assegna a Carbon i ruoli anziché ai media: "progettazione architetturale, coordinamento e revisione". Letto insieme alla descrizione dell'osservatore, la struttura che emerge è quella di un costruttore che produce geometria e codice, e di un revisore che esamina l'output anziché il codice sorgente. Questa distinzione conta più del numero di agenti. Un agente che revisiona il proprio diff ha un segnale debole; un agente che revisiona un fotogramma renderizzato, uno shader in fase di compilazione o uno screenshot del gioco in esecuzione ha un segnale forte, perché l'errore è visibile nell'artefatto invece di essere discutibile nella prosa.

Due avvertenze oneste sulle fonti. La separazione costruttore/revisore deriva da persone che descrivono l'esecuzione, non da un diagramma architetturale pubblicato — consideratela un riepilogo fedele più che una specifica. E /swarm è in anteprima in Antigravity, quindi il livello di orchestrazione che riprodurreste non è generalmente disponibile.

C'è anche un intoppo pratico che nessuno menziona: l'app collegata di AI Studio è protetta da un accesso Google. Non sono riuscito ad aprire il gioco in modo anonimo — l'URL reindirizza direttamente a accounts.google.com. Quindi "giocabile nel browser" significa "giocabile se hai un account Google e, per l'app stessa, una sessione di AI Studio". È una piccola cosa che cento ripubblicazioni del video hanno tranquillamente saltato.

Perché un gioco è un test più difficile rispetto all'SVG che ha sostituito

Il prompt del pellicano in bicicletta è di Simon Willison, che lo ha eseguito praticamente su ogni release di frontiera dal 2024 — prima come singola richiesta SVG, poi, una volta che i modelli hanno smesso di differenziarsi su SVG piatto, come prompt 3D: una pagina WebGL, render Blender, sketch p5.js. Il valore del test non è mai stato che un pellicano sia difficile. È che l'output è visivo, autonomo e giudicabile all'istante da un essere umano in meno di un secondo.

Quello che fa l'esecuzione di Carbon è spingere quella stessa proprietà a un livello di difficoltà superiore. Un SVG è un artefatto in un linguaggio. Qui si tratta di geometria da uno strumento, codice in un altro, un runtime in un terzo, e una fase di revisione che deve riconciliare tutti e tre — che è esattamente la classe di compiti in cui il lavoro di un agente su lungo orizzonte di solito fallisce, non al primo passo ma al quattordicesimo, quando il modello ha dimenticato a quale sistema di coordinate si era legato.

La sintesi di Google della capacità è precisa e ne indica il meccanismo: per lo sviluppo di app web il modello «esegue cicli di build-and-verify, si riprende dagli errori e controlla sia il proprio codice sia l'interfaccia utente renderizzata». Questo è l'intero trucco, detto chiaramente. La variabile interessante non è quanto sia buono il primo tentativo. È quante volte il ciclo può girare prima che l'agente smetta di migliorare e inizi a girare a vuoto.

Quello che la demo non ti dice

La demo di un fornitore è un campione selezionato, e la selezione è il fulcro dell'esercizio. Tre cose a cui non può rispondere:

• Quanto spesso fallisce. Vediamo l'esecuzione che è terminata. Nessuno pubblica le undici che si sono bloccate, e non c'è alcun denominatore da nessuna parte nel post.

• Quanto è costato. Dieci cicli notturni sulla build di Platform 37 implicano molti token e molto tempo reale. Ai tassi di Carbon è un numero reale, e Google non lo fornisce.

• Se un modello più economico sarebbe bastato. Questa è la domanda che un lettore dovrebbe davvero porsi, e la demo è strutturalmente incapace di rispondervi.

Per le parti che possono essere misurate, Artificial Analysis è il contrappeso, e i suoi numeri sono meno lusinghieri del video. Gemini 4 Carbon con impegno alto ottiene 60 su Intelligence Index v5.0.1: quarto su 74 modelli, dietro a tre configurazioni di Claude Fable 5.2 con 65, 62 e 62. Il suo costo per task dell'indice è di $7,76, con il 61º posto su 73 per quella misura, e consuma 205 milioni di token di output lungo l'indice rispetto a una mediana vicina a 73 milioni: è un modello verboso, e il prezzo per token sottostima ciò che costa un carico di lavoro Carbon. La velocità di output è di circa 82 token al secondo, con circa 67,5 secondi al primo token di risposta: abbastanza veloce per token, ma abbastanza lenta sul primo da apparire come un profilo batch-and-wait anziché da casella di chat. Nel Coding Agent Index, lo stesso valutatore ha collocato Carbon a 59 con Antigravity CLI, contro 62 per Claude Code con Opus 5.5.

Niente di tutto ciò contraddice la demo. Un modello può essere quarto in un indice generale, costoso per singolo compito e comunque essere quello che tiene insieme una build di quattro ore: sono misurazioni diverse, e la demo è un'evidenza a favore della terza, non della prima. Non è però una prova, e il tassello mancante meno costoso è quello che questa famiglia di modelli di solito fornisce. Willison esegue il prompt del pellicano su quasi ogni rilascio e pubblica i risultati; a novembre 2026 i suoi post sul pellicano coprono Claude Fable 5.2 a cinque livelli di ragionamento e Muse Ember a sei, e non c'è alcun set Carbon tra questi. Finché non ne compare uno, la demo del pellicano è un artefatto di Google e di nessun altro: una build selezionata dal fornitore con una descrizione scritta dal fornitore, e nessuna esecuzione esterna con cui confrontare il tasso di errore.

Quanto costa eseguire da soli lo stesso loop

Carbon è disponibile solo nel piano a pagamento di Google. Non esiste una via gratuita: l'app AI Studio richiede un account Google, l'API richiede la fatturazione e ogni token elaborato viene addebitato, compresi i token di ragionamento. Il tariffario è introduttivo e limitato nel tempo:

• Fino al 30 novembre 2026 — 2,00 $ per milione di token di input, 10,00 $ per milione di token di output.

• Dal 1° dicembre 2026 — 4,00 $ e 20,00 $, su un modello rimasto invariato.

• Contesto — 1M token, senza fasce di prezzo basate sulla lunghezza, quindi un codebase da 900.000 token costa per token quanto un prompt da 2.000 token.

Metti la verbosità accanto al precipizio e l’aritmetica diventa scomoda. Un ciclo di creazione e revisione è pesante in termini di output per costruzione: il revisore scrive, il builder riscrive e la trascrizione cresce a ogni turno. Un carico di lavoro di 100 milioni di token in input e 20 milioni in output costa $400 questo mese — $200 in input, $200 in output — e $800 dal 1° dicembre per lo stesso traffico. Se stai conducendo un progetto pilota a novembre, tariffa il progetto pilota alle tariffe di dicembre, altrimenti approverai un budget sbagliato di un fattore due.

Vale la pena essere espliciti su dove ci collochiamo: Gemini 4 Carbon non è nel catalogo OrcaRouter, e nulla di quanto segue va letto come un'affermazione che lo sia. Quello che c'è è google/gemini-4-argon al prezzo di Google stesso: $2 in / $10 out — la stessa scheda su cui è Carbon questo mese — insieme a DeepSeek V4 Pro a $0.66/$1.98 e Grok 4.7 a $2/$6, tutti su un'unica chiave compatibile con OpenAI per 216 modelli, con il prezzo di listino del provider passato con markup 0% così una variazione delle tariffe del fornitore arriva il giorno stesso in cui avviene, anziché dopo un ciclo di rideterminazione dei prezzi. Per questo particolare pattern, conta per un motivo banale: un ciclo di build multi-agente è il carico di lavoro che più probabilmente incappa in un limite di frequenza o in una giornata storta presso un provider, e il failover su una seconda rotta costa meno che scoprire il limite massimo a metà di un'esecuzione da dieci cicli.

Se vuoi copiare la struttura, copia il passaggio di revisione

La parte trasferibile di questa demo non è Blender, e non è Three.js. È che al revisore è stato dato qualcosa che potesse guardare. Tre mosse, in ordine di quanto cambiano l'esito:

• Fai dell'artefatto l'input della revisione. Fai uno screenshot dell'app in esecuzione, esegui il rendering del frame, compila lo shader, esegui il test — poi restituisci quello, non il diff. Un agente a cui si chiede "questo codice è corretto?" si darà ragione da solo. Un agente a cui si chiede "questo screenshot corrisponde al brief?" ha qualcosa su cui poter sbagliare.

• Limita il ciclo e verifica la convergenza. Dieci cicli notturni è il numero che Google cita per una singola build. Scegli il tuo limite massimo e registra se ogni turno ha effettivamente migliorato l'{{1}}artefatto{{/1}} — un agente che ha smesso di migliorare è di solito un agente che ha iniziato a ridipingere.

• Mantieni la toolchain noiosa e verificabile. Gli export di Blender, Three.js, WebGL e un browser sono tutti deterministici e ispezionabili. Nulla in questa esecuzione dipende da una capacità che solo un fornitore possiede; dipende da un modello che continuerà ad andare avanti dopo il primo errore.

Ciò che conviene osservare adesso è ristretto e specifico. Se /swarm esce dall'anteprima, perché l'orchestrazione è la parte che oggi non si può riprodurre. Se qualcuno al di fuori di Google pubblica un Carbon pelican — la versione di Willison è la cosa più vicina a un risultato indipendente che questa linea abbia, e non è comparsa. E se l'intervallo di dodici giorni tra l'annuncio ad accesso limitato del 28 ottobre e il rilascio generale del 10 novembre si rivela essere la regola o l'eccezione. La demo sarà citata per mesi. Il loop che vi sta dietro è ciò che o si generalizza o no.