Een titelkaart met de tekst 'Carbon wordt één keer genoemd. Argon doet het werk.' met de ondertitel 'Google Research, 13 november 2026', boven drie getelde feiten: Gemini 4 Carbon 1 keer genoemd in de berichttekst, Gemini 4 Argon 13 keer genoemd, en het grootste afzonderlijke artefact: een Lean 4-formalisering van 50 miljoen regels van het Courtade-Kumar-vermoeden.
Engineering & Research

Gemini 4 Carbon ging naar het lab. Googles eigen verslag schrijft dertien keer Gemini 4 Argon toe.

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Vijftig miljoen regels Lean 4. Dat is wat ervoor nodig was om een bewijs van het Courtade–Kumar-vermoeden machinaal te controleren, een resultaat uit 2013 in de informatietheorie over hoeveel van een bitreeks met ruis compressie overleeft, en het is het grootste afzonderlijke artefact in het onderzoeksverslag dat op 13 november 2026 werd gepubliceerd onder de titel "Wetenschap & techniek vooruitbrengen met Antigravity's /teamwork." Het bericht is de bron van de bewering die nu de ronde doet dat onderzoekers Gemini 4 Carbon inzetten op meerstapsproblemen op het gebied van natuurkunde, wiskunde en levenswetenschappen. Carbon staat in het bericht. Het wordt precies één keer genoemd, in een lijst van drie modellen bovenaan. Elk van de casestudy's daaronder — het vermoeden, de geformaliseerde Weil-vermoedens, de NMR-structuuropheldering, de Go-engine, de herschrijving van de Zircon-kernel — wordt in de tekst toegeschreven aan Gemini 4 Argon, of aan "Gemini 4" zonder tier, of aan de harness zelf.

Dat is geen schandaal en het is geen correctie. Het is een onderscheid dat je goed moet hebben voordat iemand daarop zijn budget baseert, omdat de twee modellen niet uitwisselbaar zijn zoals de tweet suggereert, en omdat de prijs van Carbon op 1 december 2026 verdubbelt — veertien dagen vanaf vandaag. Wat volgt is wat de post feitelijk zegt, welke claims standhouden bij nadere beschouwing, welke door de leverancier zijn gerapporteerd en niet zijn gereproduceerd, en wat een lezer buiten Google deze week met iets daarvan kan doen.

De post, het programma en die ene zin

Google Research publiceerde het op 13 november, toegeschreven aan Vahab Mirrokni, een Google Fellow en VP van Google Research. De openingsalinea noemt de modellen in één lijst: "Met Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen en multi-agentworkflows zoals /teamwork van Antigravity (voortbouwend op verschillende Gemini-modellen), hebben deze samenwerkingen nieuwe innovaties opgeleverd…" Die zin vormt het geheel van Carbons aanwezigheid in het betoog. Tel de namen in de hoofdtekst eronder en Argon komt dertien keer voor, Hydrogen één keer, en Carbon daarna niet meer.

De reden is structureel, niet gênant. /teamwork is een harness, geen model: het draait een pool van gespecialiseerde agents, geeft elk daarvan alleen de bestanden en tools die de eigen stap nodig heeft, draagt werk over aan frisse opvolgers zodat context niet wegrot bij runs van meerdere dagen, en stuurt elke prompt naar een workflowpatroon dat bij de taak is gekozen. De verificatielaag is wat Google feitelijk verkoopt — de Lean 4-checker, ongewijzigde testsuites, uitvoeringssimulators, hardwaretellers — die als falsificeerders beslissen welk kandidaatantwoord overleeft. Wanneer een harness de orkestratie doet en een bewijschecker oordeelt, doet het onderliggende model er minder toe dan de lus eromheen. Argon, het model dat sinds 13 oktober 2026 aanroepbaar is op de betaalde API, is het model waarop de campagnes draaiden.

Het eigen argument van Carbon om op de lijst te staan is reëel, maar anders: het is het sterkste algemeen inzetbare model dat Google heeft gepubliceerd, en bij Artificial Analysis staat het momenteel op de vierde plaats van 81 modellen, met een score van 60 op Intelligence Index v5.0.1. Niets in het bericht van 13 november spreekt dat tegen. Ook niets erin toont aan dat Carbon het werk doet.

Screenshot of the Google Research blog post 'Advancing science & engineering with Antigravity's /teamwork', dated 13 November 2026 and credited to Vahab Mirrokni, showing the opening paragraph that lists Gemini 4 Argon, Gemini 4 Carbon and Gemini 4 Hydrogen alongside Antigravity's /teamwork multi-agent workflows.

De resultaten, gerangschikt naar hoe controleerbaar ze zijn

Het bericht is ongewoon royaal met details voor een onderzoeksblog, waardoor het mogelijk is de beweringen te sorteren op wat voor soort bewijs erachter zit in plaats van op hoe indrukwekkend ze klinken.

• Machinaal gecontroleerd, dus in principe verifieerbaar — het bewijs van Courtade–Kumar, van begin tot eind geformaliseerd in Lean 4 in 50 miljoen regels, met de menselijke bijdrage genoemd: een team van CUHK stelde de kandidaatfunctie voor die het probleem reduceerde tot een optimalisatie met 14 variabelen. Ook in deze categorie: de formalisering van de vermoedens van Weil in ongeveer 1,8 miljoen regels verspreid over 28.800 aanroepen van subagenten, Hilberts tiende probleem over algemene ringen in meer dan 919.000 regels, het vermoeden van Birkhoff dat sinds 1927 openstaat, en het 3D-Bochner–Riesz-vermoeden, waarbij het systeem meldt een gat te hebben gevonden en gedicht in een onlangs vrijgegeven informeel bewijs. Een Lean-bewijs dat compileert is een andere soort claim dan een benchmarkscore, en Google verdient daarvoor de eer — hoewel "50 miljoen regels gegenereerde bewijscode" ook iets zegt over zoekvolume in plaats van elegantie.

• Gemeten, waarbij de meting wordt beschreven — het resultaat op het gebied van moleculaire chemie. Dertig gespecialiseerde agents in een zelfcorrigerende lus, plus een fysica-geïnformeerde spectrale simulator, bereikten 95% top-1 exacte overeenkomst en 100% top-3 op NMR-benchmarks voor structuuropheldering, wat Google beschrijft als bijna het dubbele van de prestatie van één agent. Dit komt in het bericht het dichtst in de buurt van een bewering op het gebied van de levenswetenschappen, en het is de bewering die het meest waarschijnlijk zal worden geciteerd. De benchmarkmoleculen worden niet genoemd in het bericht, het baselinegetal voor één agent wordt alleen als verhouding gegeven, en er bestaat nog geen onafhankelijke replicatie.

• Naast peer review, met een enquête eraan vast — Deep Review op STOC 2027. Auteurs van 578 inzendingen, meer dan een derde van het totaal, meldden zich aan voor automatische feedback op hun kladversies. In een lopende enquête onder 70 auteurs beoordeelde 90% de feedback als grotendeels of vrijwel volledig feitelijk juist, zei 90% dat ze die opnieuw zouden gebruiken, zei ruim 30% dat die inhoudelijke fouten in bewijzen aan het licht bracht en meldde 14% technische hiaten die meer dan een uur vergden om te verhelpen. Dat zijn zelfgeselecteerde respondenten die hun eigen inzendingen beschrijven; dat is zwakker dan een gecontroleerde studie en veel sterker dan een getuigenis.

• Technische cijfers uit productiesystemen — een herschrijving in Rust van ongeveer 800.000 regels voor de Zircon-microkernel die de unit tests doorstaat en op arm64 opstart; libgav1 overgezet naar ruwweg 170.000 regels Rust met 100% bit-exacte pariteit en uiteindelijk 20% tot 30% sneller dan het originele C++ en handgeschreven assembly; TPU-kernelwerk dat een geometrisch gemiddelde versnelling van 4,09x rapporteert over 17 JAXBench-kernels; Connected Components dat opschaalt naar grafen met een biljoen randen met 6x minder RAM; en een 9x9 Go-engine die in minder dan acht dagen ongeveer 2.600 Elo won en tussen KataGo met 16 en 32 bezoeken uitkwam. Dit zijn interne metingen die het bedrijf besloot te publiceren, zonder externe audit en in de meeste gevallen zonder vrijgegeven artefact.

• Komt helemaal niet voor in het bericht — niets over kosten. Geen campagnebudget, geen tokenaantal, geen factuur per resultaat staat ergens in het verslag. Voor een systeem waarvan de output bewijzen van 50 miljoen regels en autonome trainingsruns van acht dagen omvat, is dat precies de omissie die een lezer die zijn eigen campagne plant het liefst ingevuld zou zien.

Lees de lijst opnieuw met de toeschrijving in gedachten, en de vorm wordt duidelijk: de harness produceert het resultaat, de verificateur certificeert het, de menselijke experts kaderen het probleem, en het model is de motor — één motor van de drie, en de post noemt degene waarop hij leunde.

Waarom een harnessresultaat geen modelresultaat is, en hoe je het verschil kunt beprijzen

De verleiding om die twee op één hoop te gooien is duidelijk, want een benchmarkscore is een getal dat je kunt vergelijken en een harnessresultaat is een verhaal over een workflow. Het vergelijkbare getal van Carbon, gemeten door een derde partij zonder belang bij de harness, is 60 op Intelligence Index v5.0.1 — vierde van 81, met Claude Fable 5.2 op 65 erboven en GPT-6.1 Sol op 55 eronder. Dezelfde pagina vermeldt voor Carbon kosten van $5,48 per voltooide indextaak en een tijd van 33,2 minuten per taak, beide ruim boven de medianen voor zijn prijsklasse, omdat het 205 miljoen outputtokens schrijft om af te ronden wat het mediane model in 78,6 miljoen afrondt.

Screenshot of the Artificial Analysis model page for Gemini 4 Carbon, showing an Intelligence Index of 60 and a rank of fourth of 81, a time to first answer token of 72.88 seconds, output speed of 62 tokens per second, 33.2 minutes per Intelligence Index task, input and output pricing of $2.00 and $10.00 per million tokens with a 95% cache discount, a cost of $5.48 per Intelligence Index task, 7.62 billion input tokens and 205 million output tokens, and a 1M-token context window with text, image, speech and video input.

Die breedsprakigheid is geen defect bij een bewijszoektocht. Wanneer de taak is om een parameterruimte te verkennen en kandidaten tegen Lean te controleren, is meer schrijven de methode. Wanneer de taak een supportticket is, is het de rekening. De post van 13 november is bewijs voor het eerste geval en zegt niets over het tweede — en elk team dat het leest als "Carbon is het model voor onze agent", ontleent een resultaat aan een harness die ze niet draaien, voor een taaktype dat ze mogelijk niet hebben.

Wat overdraagbaar is, is het ontwerppatroon, en dat is niet alleen van Google: parallelle verkenning, een externe weerlegger die geen mening heeft, een frisse context per stap, en een criticus die nooit de redenering van de producent ziet. Elk daarvan is een eigenschap van hoe je een model aanroept, niet van welk model je aanroept.

Wat een buitenstaander daadwerkelijk kan krijgen, en wat het na 1 december kost

De post eindigt met de meest bruikbare alinea: externe wetenschappers en ontwikkelaars kunnen vandaag Gemini 4-modellen gebruiken met /teamwork en /boost in Antigravity en Deep Review, en Google heeft aanvragen geopend waarmee 10.000 academische onderzoekers zes maanden gratis toegang krijgen tot zijn hoogste gebruiksniveau. Dat programma is het echte nieuws voor een lab. Het is ook de enige aangeboden route die gratis is, en die is aan een maximum gebonden, alleen toegankelijk na aanvraag en tijdsgebonden.

Alle anderen kopen tokens. Gemini 4 Carbon werd op 10 november 2026 algemeen beschikbaar op de betaalde Gemini API, dertien dagen nadat Google het aankondigde, tegen $2,00 per miljoen invoertokens en $10,00 per miljoen uitvoertokens — een tarief dat geldt tot en met 30 november en op 1 december $4,00 en $20,00 wordt, waarbij gecachete invoer op dezelfde datum van $0,10 naar $0,20 gaat. Er is geen gratis tier voor het model; elk verwerkt token wordt gefactureerd, inclusief thinking-tokens. Een onderzoekscampagne van zes weken tegen het tarief van vandaag is een campagne tegen de helft van de kosten in december, wat ofwel een argument is om nu te beginnen, ofwel een reden om de rekening op het hogere bedrag te modelleren.

Carbon wordt op OrcaRouter gerouteerd als google/gemini-4-carbon tegen de lijstprijs van Google met 0% markup, op dezelfde sleutel en hetzelfde OpenAI-compatibele endpoint als de rest van de catalogus, wat hier om een alledaagse reden van belang is: de wijziging van 1 december is een prijswijziging van de leverancier, en een doorberekend tarief betekent dat het getal aan onze kant op de dag zelf meebeweegt met dat van Google in plaats van pas na een herprijzingscyclus. De modelpagina bevat de huidige specificaties — context van 1.048.576 tokens, maximale uitvoer van 65.536 tokens, tekst, afbeelding, audio, video en pdf als invoer, tekst als uitvoer, native tool calling en gestructureerde outputs — het specificatieblad dat Google's eigen launchpost niet publiceerde.

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing a 1,048,576-token context window, a 65,536-token maximum output, multimodal input across text, image, file, audio and video with text output, tool calling and structured outputs, and pricing of $2.00 per million input tokens and $10.00 per million output tokens.

De vraag die de post openlaat

Google heeft nu, in twintig dagen, een aankondiging gepubliceerd waarin Carbon bovenaan een neutrale index werd geplaatst, een bericht over algemene beschikbaarheid dat het aanroepbaar maakte en de eigen korting van een datum voorzag, en een onderzoeksbericht dat het in een lijst naast twee zustermodellen gebruikte. Wat het niet heeft gepubliceerd, is één enkel resultaat dat het alleen aan Carbon toeschrijft, tegen een vermelde kostprijs, op een taak die een derde partij opnieuw kan uitvoeren. Totdat dat bestaat, is de eerlijke samenvatting van 13 november beperkter dan de tweet en nuttiger: de harness werkt, de verifier is het interessante deel, en het model dat dertien keer bij naam wordt genoemd, is het model waarop de campagnes daadwerkelijk draaiden.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt