Gemini 4 Carbon is nu aanroepbaar, en de prijs verdubbelt over twintig dagen.

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.

Dit is dus een lanceringsartikel waarbij de lancering echt is, en de nuttige informatie niet de marketing is. Het gaat om de toegangsmatrix, de twintigdaagse korting, en het feit dat de regel "#1 on the Artificial Analysis Intelligence Index" uit oktober nu op dezelfde ranglijst op de vierde plaats staat.

Wie kan het daadwerkelijk aanroepen, en wie nog steeds niet?

Het bericht van 10 november is ongewoon specifiek over kanalen, waardoor het de moeite waard is om het als een toegangstabel te lezen in plaats van als een aankondiging. Wat er openging:

• 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.

• Wetenschappers en onderzoekers uitsluitend op aanvraag, met Argon en Carbon in de hoogste categorie van Antigravity, zes maanden gratis afhankelijk van geschiktheid en capaciteit.

• Cyberverdedigers, nog steeds via het Fairwind Program, waar de hele uitrol begon.

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.

De twintigdaagse prijs, en de klif erachter

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.

De rest van de kaart is waar teams verrast worden:

• Gecachte invoer — $0,10 per miljoen tot 30 november, daarna $0,20. Bij het huidige tarief is een gecacht token 5% van een vers token, en die vermenigvuldigingsfactor blijft na de wijziging gelden.

• Batch en Flex — de helft van het standaardtarief, nu $1,00 in en $5,00 out, na 1 december $2,00 en $10,00. Als je job latency kan verdragen, is dit de grootste hefboom op de factuur.

• Priority — 1,8x standaard, $3,60 in en $18,00 uit nu, $7,20 en $36,00 daarna.

Contributor — $1,00 in, $5,00 uit, $0,05 gecachet, preview alleen op uitnodiging. Geen algemene optie.

• 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.

De #1-claim, en wat het bestuur vier revisies later zegt

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.

Wat de onafhankelijke raad wél zegt, en het getal dat ertoe doet

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

• Kosten per Intelligence Index-taak — $ 7,76 bij standaardprijzen. Dat is niet de goedkoopste manier om intelligentie te kopen; het behoort tot de duurste op het overzicht, met een 61e plaats van de 73 op dat criterium.

Verbruikte outputtokens op de index: 205 miljoen, tegen een mediaan van 72,8 miljoen. Carbon is een breedsprakig model, derde van onderen op de ranglijst voor breedsprakigheid. De prijs per token onderschat wat een Carbon-workload daadwerkelijk kost wanneer het model langer nadenkt en meer schrijft.

• Snelheid — 80 outputtokens per seconde, met 66,85 seconden tot de eerste antwoordtoken. Vergeleken met de mediaan van 12 seconden voor zijn klasse is Carbon een model dat je in batches draait, niet een model dat je achter een chatbox zet.

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

Als je de breedsprakigheid en de prijs bij elkaar optelt, is de rekensom genadeloos. Een taak die op Carbon $7,76 kost, kost op een goedkoop open-weightmodel ongeveer een vijfde daarvan — de vergelijking die het volgende artikel in deze reeks in detail maakt. Het punt van Carbon is niet dat het efficiënt is. Het is dat er voor cyberwerk en agentwerk met een lange horizon misschien niets anders is dat dezelfde capaciteit biedt.

Wat te doen met de komende twintig dagen

Drie praktische maatregelen, gerangschikt naar hoeveel geld ze besparen.

Benchmark eerst op het introductietarief en prijs het resultaat op het decembertarief. Alles wat je in november besluit met novembercijfers ziet er 100% beter uit dan het is. Als een pilot deze maand een maandrekening van $400 laat zien, kost hetzelfde verkeer vanaf 1 december $800 op het standaardtarief.

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.

Die draagbaarheid is het hele argument om in november niet de SDK van één leverancier hard te coderen. De toegangsvoorwaarden van Carbon zijn nu twee keer in veertien dagen veranderd: eerst een afgeschermde aankondiging, daarna een betaalde API. Het tarief verandert op 1 december. Een maand waarin zowel de prijs als de deur is verschoven, is geen maand om een afhankelijkheid van één leverancier op te bouwen.

Wat is er nog onbekend?

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.