
Gemini 4 Carbon trafił do laboratorium. Własny opis Google przypisuje zasługi Gemini 4 Argon trzynaście razy
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 90 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 89 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 131 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 za 1 mln tokenów · 85 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 127 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 136 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 za 1 mln tokenów · 182 tok/s
Pięćdziesiąt milionów linii Lean 4. Tyle potrzeba było, by maszynowo zweryfikować dowód hipotezy Courtade'a–Kumara, wyniku z 2013 r. z teorii informacji dotyczącego tego, jaka część zaszumionego ciągu bitów przetrwa kompresję, i jest to największy pojedynczy artefakt w opracowaniu badawczym opublikowanym 13 listopada 2026 r. pod tytułem „Advancing science & engineering with Antigravity's /teamwork”. Wpis jest źródłem krążącego obecnie twierdzenia, że badacze wykorzystują Gemini 4 Carbon do pracy nad wieloetapowymi problemami w fizyce, matematyce i naukach przyrodniczych. Carbon występuje we wpisie. Wymieniono go dokładnie raz, na liście trzech modeli na górze. Każde z opisanych poniżej studiów przypadku — hipoteza, sformalizowane hipotezy Weila, ustalanie struktury NMR, silnik Go, przepisanie jądra Zircon — jest przypisane w treści do Gemini 4 Argon, albo do „Gemini 4” bez oznaczenia poziomu, albo do samego harnessu.
To nie jest skandal i nie jest to korekta. To rozróżnienie, które warto dobrze zrozumieć, zanim ktokolwiek zaplanuje na tej podstawie budżet, ponieważ te dwa modele nie są wymienne w sposób, na jaki wskazuje tweet, a cena Carbon ma się podwoić 1 grudnia 2026 r. — czternaście dni od dziś. Poniżej opisano, co ten wpis faktycznie mówi, które twierdzenia przetrwają weryfikację, które pochodzą od dostawcy i nie zostały odtworzone, oraz co czytelnik spoza Google może z tym wszystkim zrobić w tym tygodniu.
Post, program i jedno zdanie
Google Research opublikował go 13 listopada, przypisując autorstwo Vahabowi Mirrokniemu, Google Fellow i wiceprezesowi Google Research. W pierwszym akapicie modele wymieniono na jednej liście: „Wykorzystując Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen oraz wieloagentowe przepływy pracy, takie jak /teamwork Antigravity (oparty na różnych modelach Gemini), te współprace przyniosły nowe innowacje…” Cała obecność Carbon w tym wywodzie ogranicza się do tego zdania. Policz nazwy w treści poniżej, a Argon pojawia się trzynaście razy, Hydrogen raz, a Carbon już ani razu.
Powód jest strukturalny, a nie żenujący. /teamwork to harness, a nie model: uruchamia pulę wyspecjalizowanych agentów, każdemu daje tylko te pliki i narzędzia, których potrzebuje jego etap, przekazuje pracę świeżym następcom, aby kontekst nie gnił podczas wielodniowych przebiegów, i kieruje każdy prompt do wzorca przepływu pracy dobranego dla zadania. Warstwa weryfikacji jest tym, co Google faktycznie sprzedaje — checker Lean 4, niezmodyfikowane zestawy testów, symulatory wykonania, liczniki sprzętowe — działające jako falsyfikatory, które decydują, która z kandydujących odpowiedzi przetrwa. Gdy orkiestracją zajmuje się harness, a osądzaniem — weryfikator dowodów, model pod spodem ma mniejsze znaczenie niż otaczająca go pętla. Argon, model, który od 13 października 2026 r. można wywoływać przez płatne API, jest tym, na którym działały kampanie.
Argumentacja Carbonu za znalezieniem się na liście jest prawdziwa, ale inna: to najsilniejszy model ogólnego przeznaczenia, jaki Google opublikował, a w Artificial Analysis zajmuje obecnie czwarte miejsce wśród 81 modeli z wynikiem 60 w Intelligence Index v5.0.1. Nic w poście z 13 listopada temu nie przeczy. Nic w nim również nie dowodzi, że Carbon wykonuje tę pracę.

Wyniki uporządkowane według tego, jak łatwo je sprawdzić
Ten wpis jest niezwykle hojny w konkrety jak na blog badawczy, co pozwala sortować twierdzenia według tego, jaki rodzaj dowodów za nimi stoi, a nie według tego, jak imponująco brzmią.
• Weryfikowane maszynowo, a więc zasadniczo sprawdzalne — dowód Courtade'a–Kumara, sformalizowany od początku do końca w Lean 4 na 50 milionach linii, z nazwanym wkładem człowieka: zespół CUHK zaproponował funkcję kandydującą, która sprowadziła problem do optymalizacji 14 zmiennych. W tej samej grupie: formalizacja hipotez Weila na około 1,8 miliona linii w ramach 28 800 wywołań subagentów, dziesiąty problem Hilberta nad ogólnymi pierścieniami na ponad 919 000 linii, hipoteza Birkhoffa otwarta od 1927 roku oraz trójwymiarowa hipoteza Bochnera–Riesza, gdzie system donosi o znalezieniu i naprawieniu luki w niedawno udostępnionym nieformalnym dowodzie. Dowód w Lean, który się kompiluje, to inna klasa twierdzenia niż wynik benchmarku, i Google należy się za to uznanie — choć „50 milionów linii wygenerowanego kodu dowodowego” to również stwierdzenie o wolumenie przeszukiwania, a nie o elegancji.
• Zmierzone, z opisem pomiaru — wynik z chemii molekularnej. Trzydzieści wyspecjalizowanych agentów w pętli samokorygującej oraz symulator spektralny oparty na fizyce osiągnęło 95% dokładnego dopasowania top-1 i 100% top-3 w benchmarkach ustalania struktury metodą NMR, co Google opisuje jako niemal dwukrotnie lepszy wynik niż w przypadku pojedynczego agenta. To najbliższa rzecz w tym wpisie do twierdzenia z nauk biologicznych i ta, która najprawdopodobniej zostanie zacytowana. Cząsteczki użyte w benchmarku nie są wymienione we wpisie, wartość bazowa dla pojedynczego agenta jest podana tylko jako stosunek, a niezależna replikacja jeszcze nie istnieje.
• Blisko recenzji, z dołączoną ankietą — Deep Review at STOC 2027. Autorzy 578 zgłoszeń, czyli ponad jedna trzecia całości, zdecydowali się na otrzymywanie automatycznej informacji zwrotnej dotyczącej swoich wersji roboczych. W trwającej ankiecie wśród 70 autorów 90% oceniło informację zwrotną jako w większości lub niemal w całości zgodną z faktami, 90% stwierdziło, że skorzystałoby z niej ponownie, ponad 30% stwierdziło, że wychwyciła istotne błędy w dowodach, a 14% zgłosiło luki techniczne, których naprawa zajęła ponad godzinę. To respondenci, którzy sami się zgłosili i opisują własne zgłoszenia, co jest słabsze niż badanie kontrolowane i znacznie mocniejsze niż pojedyncza rekomendacja.
• Liczby inżynierskie z systemów produkcyjnych — przepisanie na Rusta około 800 000 linii mikrojądra Zircon, które przechodzi testy jednostkowe i uruchamia się na arm64; libgav1 przeniesione do około 170 000 linii Rusta przy 100% zgodności bitowej i osiągające 20–30% większą szybkość niż oryginalny C++ i ręcznie pisany asembler; prace nad jądrami TPU raportujące 4,09-krotne przyspieszenie średniej geometrycznej w 17 jądrach JAXBench; Connected Components skalujące się do grafów z bilionem krawędzi przy 6-krotnie mniejszym zużyciu RAM; oraz silnik Go 9x9, który zyskał około 2600 Elo w niespełna osiem dni, plasując się między KataGo przy 16 i 32 odwiedzinach. To wewnętrzne pomiary, które firma zdecydowała się opublikować, bez zewnętrznego audytu i w większości przypadków bez udostępnionego artefaktu.
• W ogóle nie ma tego we wpisie — niczego o kosztach. Nigdzie w tekście nie pojawia się budżet kampanii, liczba tokenów ani rachunek za wynik. W przypadku systemu, którego wyniki obejmują dowody liczące 50 milionów linii i ośmiodniowe autonomiczne przebiegi treningowe, jest to przeoczenie, które czytelnik planujący własną kampanię najbardziej chciałby zobaczyć uzupełnione.
Przeczytaj listę jeszcze raz, mając na uwadze atrybucję, a kształt staje się jasny: harness produkuje wynik, weryfikator go poświadcza, eksperci ludzcy formułują problem, a model jest silnikiem — jednym z trzech silników, a wpis wskazuje ten, na którym się oparto.
Dlaczego wynik harnessu nie jest wynikiem modelu i jak wycenić różnicę
Pokusa utożsamiania tych dwóch rzeczy jest oczywista, ponieważ wynik benchmarku to liczba, którą można porównać, a wynik harnessu to opowieść o przepływie pracy. Porównywalny wynik Carbonu, zmierzony przez stronę trzecią niezainteresowaną harnessem, wynosi 60 w Intelligence Index v5.0.1 — czwarte miejsce na 81, z Claude Fable 5.2 z wynikiem 65 powyżej i GPT-6.1 Sol z wynikiem 55 poniżej. Ta sama strona podaje koszt Carbonu na 5,48 USD za ukończone zadanie indeksowe i czas 33,2 minuty na zadanie, oba znacznie powyżej median dla jego klasy cenowej, ponieważ generuje 205 milionów tokenów wyjściowych, aby ukończyć to, co model medianowy kończy w 78,6 miliona.

Ta rozwlekłość nie jest wadą w wyszukiwaniu dowodów. Gdy zadaniem jest badanie przestrzeni parametrów i sprawdzanie kandydatów za pomocą Lean, pisanie więcej jest metodą. Gdy zadaniem jest zgłoszenie do pomocy technicznej, jest to rachunek. Wpis z 13 listopada jest dowodem na pierwszy przypadek i nic nie mówi o drugim — a każdy zespół, który odczytuje go jako „Carbon jest modelem dla naszego agenta”, pożycza wynik ze środowiska testowego, którego nie uruchamia, dla typu zadania, którego może nie mieć.
To, co da się przenieść, to wzorzec projektowy, i nie jest on wyłącznie własnością Google: równoległa eksploracja, zewnętrzny falsyfikator, który nie ma opinii, świeży kontekst na każdym etapie oraz krytyk, który nigdy nie widzi rozumowania producenta. Każdy z tych elementów jest właściwością sposobu, w jaki wywołujesz model, a nie tego, który model wywołujesz.
Co osoba z zewnątrz może faktycznie otrzymać i ile to kosztuje po 1 grudnia
Wpis kończy się najbardziej konkretnym akapitem: zewnętrzni naukowcy i deweloperzy mogą już dziś korzystać z modeli Gemini 4 z /teamwork i /boost w Antigravity oraz Deep Review, a Google otworzyło nabór wniosków, w ramach którego 10 000 naukowców akademickich otrzyma sześciomiesięczny bezpłatny dostęp do najwyższego poziomu wykorzystania. Ten program to prawdziwa wiadomość dla laboratorium. To także jedyna oferowana ścieżka, która jest bezpłatna, a przy tym ma limit, wymaga złożenia wniosku i jest ograniczona czasowo.
Wszyscy inni kupują tokeny. Gemini 4 Carbon stał się powszechnie dostępny w płatnym Gemini API 10 listopada 2026 r., trzynaście dni po tym, jak Google go ogłosiło, w cenie 2,00 USD za milion tokenów wejściowych i 10,00 USD za milion tokenów wyjściowych — stawka ta obowiązuje do 30 listopada, a 1 grudnia zmienia się na 4,00 USD i 20,00 USD, przy czym cena tokenów wejściowych z pamięci podręcznej wzrasta tego samego dnia z 0,10 USD do 0,20 USD. Dla tego modelu nie ma bezpłatnego planu; każdy przetworzony token podlega rozliczeniu, łącznie z tokenami rozumowania. Sześciotygodniowa kampania badawcza wyceniona według dzisiejszej stawki to kampania wyceniona na połowę grudniowego kosztu, co jest albo argumentem za rozpoczęciem już teraz, albo powodem, by skalkulować rachunek przy użyciu wyższej kwoty.
Carbon jest obsługiwany w OrcaRouter jako google/gemini-4-carbon po cenie katalogowej Google z 0% marży, na tym samym kluczu i tym samym punkcie końcowym zgodnym z OpenAI co reszta katalogu, co ma tu znaczenie z prozaicznego powodu: zmiana z 1 grudnia to zmiana ceny dostawcy, a stawka przekazywana bez narzutu oznacza, że liczba po naszej stronie zmienia się wraz z ceną Google w tym samym dniu, a nie dopiero po cyklu ponownego ustalania cen. Strona modelu zawiera aktualne parametry — kontekst 1,048,576 tokenów, maksymalne wyjście 65,536 tokenów, tekst, obraz, dźwięk, wideo i PDF na wejściu, tekst na wyjściu, natywne wywoływanie narzędzi i ustrukturyzowane wyniki — czyli kartę specyfikacji, której Google nie opublikowało we własnym wpisie zapowiadającym premierę.

Pytanie, które post pozostawia otwarte
Google opublikował teraz, w ciągu dwudziestu dni, ogłoszenie, które umieściło Carbon na pierwszym miejscu neutralnego indeksu, wpis o ogólnej dostępności, który uczynił go wywoływalnym i nadał datę własnej zniżce, oraz wpis badawczy, który użył go na liście obok dwóch bliźniaków. Nie opublikował natomiast ani jednego wyniku, który przypisuje samemu Carbonowi, przy podanym koszcie, w zadaniu, które osoba trzecia może powtórzyć. Dopóki taki wynik nie istnieje, uczciwe podsumowanie 13 listopada jest węższe niż tweet i bardziej użyteczne: harness działa, weryfikator jest tą ciekawą częścią, a model wymieniony trzynaście razy to ten, na którym kampanie faktycznie pracowały.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
