Demo pelikana Gemini 4 Carbon pod lupą: dwóch agentów, pipeline Blendera i pętla przeglądu, która naprawdę się domyka

Najbardziej użyteczną rzeczą, jaką Google udostępniło 10 listopada 2026 r., nie była tabela wyników benchmarków. Był to ptak na rowerze. W tym samym wpisie, w którym model Gemini 4 Carbon stał się ogólnie dostępny, Google opisało sesję, w której agenci Carbon zbudowali grę 3D z otwartym światem — eksplorujesz kampus Google w Mountain View jako pelikan jadący na GBike — modelując zasoby w Blenderze, a następnie tworząc grę przeglądarkową w Three.js z shaderami WebGL, z proceduralnymi efektami Web Audio zestawionymi z muzyką Lyria. Krążący wraz z nim klip trwa około 77 sekund. Warty uwagi nie jest pelikan. Chodzi o to, że pętla się zamknęła: coś w tym potoku przyjrzało się temu, co wyrenderowało, i zdecydowało, czy jest wystarczająco dobre.

To inne twierdzenie niż „model jest inteligentny”. Dema są wybierane, a to demo wybrał dostawca. Ale demo z recenzentem jest sprawdzalne tak, jak nie jest sprawdzalny wynik benchmarku — można odczytać strukturę, policzyć role i zapytać, czy ten sam kształt przetrwałby w twojej własnej pracy. To zatem analiza rozbiorcza, a nie materiał premierowy: co zbudowano, jak podzielono agentów, co ten przebieg pokazuje, a czego nie, oraz ile kosztuje skierowanie tego samego wzorca na coś, na czym naprawdę ci zależy.

Co faktycznie zbudowano, w kolejności, w jakiej to zbudowano

Opis Google’a jest niezwykle konkretny, jeśli chodzi o zestaw narzędzi, i właśnie dlatego warto czytać go jako notatkę inżynierską. Ta realizacja obejmowała trzy odnogi medialne i nie są one wymienne:

• Zasoby — subagenty modelowały obiekty 3D w Blenderze, pracując na referencjach wygenerowanych przez Omni i Nano Banana. To etap modelowania, a nie etap kodowania: powstają z niego geometria, materiały i skala, a wszystko, co następuje dalej, dziedziczy wszelkie ich wady.

• Gra — zbudowana w Three.js z shaderami WebGL, więc rezultatem jest scena renderowalna w przeglądarce, a nie wyrenderowane wideo. Shader, który się kompiluje, to twardy, maszynowo weryfikowalny sygnał — w przeciwieństwie do „ładnie wygląda”.

• Dźwięk — proceduralne efekty Web Audio w połączeniu z muzyką Lyria. To ogniwo jest najsłabiej powiązane z pętlą przeglądu i najprawdopodobniej zostanie ręcznie dostrojone przez człowieka po fakcie.

Ten sam post zestawia z nim cztery inne projekty 3D i schemat się powtarza: interaktywną wystawę Three.js przedstawiającą budowę wieży Eiffla w latach 1887–1889 na podstawie historycznych fotografii i plansz inżynierskich; rekonstrukcję biura Platform 37 Google’a w Three.js z 906 000 trójkątów, zbudowaną w ciągu dziesięciu nocnych pętli na podstawie siedmiu plików PDF z planami Rady Miejskiej; wizualizator tekstyliów ze śledzeniem polarnym 110 włókien; oraz grywalne fortepiano z fizyką mechanizmu młotkowego dla 61 klawiszy. Niezależnie od tego, co jeszcze jest prawdą, to nie jest jeden szczęśliwy prompt. To zestaw przebiegów o tym samym kształcie.

Dwaj agenci, czy jeden agent z trzema zadaniami?

Relacje obserwatorów i własny opis Google przedstawiają ten sam przebieg z różnych perspektyw, a ta różnica jest pouczająca. Najczęściej udostępniane chińskojęzyczne podsumowanie autorstwa @dotey z 10 listopada dzieli go na agenta budującego i agenta recenzującego, który sprawdza własne renderowania. Autor pierwotnego wpisu, Vamsi Batchu z Google AI Studio, ujmuje to samo jako pelikana zbierającego wokół kampusu chipsy TPU — i przypisuje zasługę funkcji /swarm w Google Antigravity, którą Google opisuje jako przekształcanie pojedynczego promptu w „skoordynowany zespół agentów, którego postępy można śledzić w czasie rzeczywistym”.

Post Google'a przypisuje Carbonowi role raczej niż mediom: „projektowanie architektoniczne, koordynację i audyt". Czytając to razem z opisem obserwatora, kształt jest taki: budowniczy, który tworzy geometrię i kod, oraz audytor, który patrzy na wynik, a nie na źródło. To rozróżnienie ma większe znaczenie niż liczba agentów. Agent przeglądający własny diff ma słaby sygnał; agent przeglądający wyrenderowaną klatkę, kompilujący się shader lub zrzut ekranu działającej gry ma silny sygnał, ponieważ awaria jest widoczna w artefakcie, a nie sporna w prozie.

Dwie uczciwe zastrzeżenia dotyczące źródeł. Podział na budującego i recenzenta pochodzi od osób opisujących przebieg, a nie z opublikowanego diagramu architektury — traktuj to jako wierne podsumowanie, a nie specyfikację. A /swarm jest w wersji zapoznawczej w Antigravity, więc warstwa orkiestracji, którą chciałbyś odtworzyć, nie jest ogólnie dostępna.

Jest też praktyczny haczyk, o którym nikt nie wspomina: podlinkowana aplikacja AI Studio wymaga logowania przez Google. Nie udało mi się otworzyć gry anonimowo — adres URL przekierowuje od razu do accounts.google.com. Zatem „grywalna w przeglądarce” oznacza „grywalna, jeśli masz konto Google, a w przypadku samej aplikacji — sesję AI Studio”. To drobiazg, który sto repostów filmu po cichu pominęło.

Dlaczego gra jest trudniejszym testem niż SVG, który zastąpiła

Prompt z pelikanem na rowerze należy do Simona Willisona, który uruchamiał go praktycznie na każdym wydaniu frontier od 2024 roku — najpierw jako pojedyncze zapytanie o SVG, a następnie, gdy modele przestały się wyróżniać na płaskim SVG, jako prompty 3D: stronę WebGL, rendery w Blenderze, szkice p5.js. Wartością tego testu nigdy nie było to, że pelikan jest trudny. Chodzi o to, że wynik jest wizualny, samowystarczalny i możliwy do natychmiastowej oceny przez człowieka w mniej niż sekundę.

To, co robi przebieg Carbon, to podniesienie tej samej właściwości na wyższy poziom trudności. SVG to jeden artefakt w jednym języku. Tutaj mamy geometrię z jednego narzędzia, kod w innym, środowisko uruchomieniowe w trzecim oraz etap przeglądu, który musi pogodzić wszystkie trzy — a to dokładnie ta klasa zadań, w której długohoryzontowa praca agenta zwykle się załamuje, nie na pierwszym kroku, lecz na czternastym, gdy model zapomniał, do którego układu współrzędnych się zobowiązał.

Podsumowanie tej możliwości przez Google jest precyzyjne i nazywa mechanizm: w tworzeniu aplikacji internetowych model „przeprowadza pętle budowania i weryfikacji, wychodzi z błędów i sprawdza zarówno swój kod, jak i wyrenderowany interfejs użytkownika”. To cała sztuczka, wyrażona wprost. Interesującą zmienną nie jest to, jak dobra jest pierwsza próba. Jest nią to, ile razy pętla może się obrócić, zanim agent przestanie się poprawiać i zacznie działać chaotycznie.

Czego demo ci nie mówi

Demo dostawcy to wybrana próbka, a wybór jest sednem tego ćwiczenia. Trzy rzeczy, na które nie potrafi odpowiedzieć:

• Jak często się to nie udaje. Widzimy przebieg, który się zakończył. Nikt nie publikuje tych jedenastu, które utknęły, a w poście nigdzie nie ma mianownika.

• Ile to kosztowało. Dziesięć nocnych pętli w buildzie Platform 37 oznacza dużo tokenów i dużo czasu zegarowego. Przy stawkach Carbon to konkretna liczba, a Google jej nie podaje.

• Czy wystarczyłby tańszy model. To pytanie, które czytelnik powinien tak naprawdę zadać, a demo jest strukturalnie niezdolne do udzielenia na nie odpowiedzi.

W przypadku części, które można zmierzyć, przeciwwagą jest Artificial Analysis, a jej liczby są mniej pochlebne niż wideo. Gemini 4 Carbon przy wysokim wysiłku uzyskuje 60 punktów w Intelligence Index v5.0.1 — czwarte miejsce wśród 74 modeli, za trzema konfiguracjami Claude Fable 5.2 z wynikami 65, 62 i 62. Jego koszt na zadanie indeksu wynosi 7,76 USD, co daje 61. miejsce na 73 według tego kryterium, a w całym indeksie zużywa 205 mln tokenów wyjściowych wobec mediany blisko 73 mln: to rozwlekły model, a cennik za token zaniża koszt obciążenia Carbon. Szybkość generowania wynosi około 82 tokenów na sekundę, a czas do pierwszego tokenu odpowiedzi to około 67,5 sekundy — na tyle szybko w przeliczeniu na token, a na tyle wolno do pierwszego tokenu, że sprawia wrażenie profilu wsadowego z oczekiwaniem, a nie czatu. W Coding Agent Index ten sam ewaluator przyznał Carbonowi 59 punktów z Antigravity CLI wobec 62 punktów dla Claude Code z Opus 5.5.

Nie stoi to w sprzeczności z demo. Model może być czwarty w ogólnym indeksie, drogi w przeliczeniu na zadanie, a mimo to być tym, który spina czterogodzinny build — to różne miary, a demo jest dowodem na trzecią z nich, nie na pierwszą. To jednak nie jest dowód, a najtańszym brakującym elementem jest ten, który zwykle dostarcza ta linia. Willison uruchamia pelican prompt przy niemal każdym wydaniu i publikuje wyniki; w listopadzie 2026 r. jego wpisy o pelican obejmują Claude Fable 5.2 na pięciu poziomach rozumowania i Muse Ember na sześciu, a wśród nich nie ma zestawu Carbon. Dopóki taki zestaw się nie pojawi, demo pelican jest artefaktem Google’a i nikogo innego — buildem wybranym przez dostawcę, z opisem napisanym przez dostawcę, i bez zewnętrznego przebiegu, do którego można by porównać wskaźnik awaryjności.

Ile kosztuje samodzielne uruchomienie tej samej pętli

Carbon jest dostępny wyłącznie w płatnym planie Google. Nie ma darmowej opcji: aplikacja AI Studio wymaga konta Google, API wymaga rozliczeń, a każdy przetworzony token jest rozliczany, w tym tokeny myślenia. Cennik ma charakter wprowadzający i jest ograniczony czasowo:

• Do 30 listopada 2026 r. — 2,00 USD za milion tokenów wejściowych, 10,00 USD za milion tokenów wyjściowych.

• Od 1 grudnia 2026 r. — $4.00 i $20.00, w modelu, który się nie zmienił.

• Kontekst — 1 mln tokenów, bez progów cenowych zależnych od długości, więc baza kodu o 900 000 tokenów kosztuje tyle samo za token co prompt o 2000 tokenów.

Zestaw rozwlekłość obok klifu, a arytmetyka staje się niewygodna. Pętla budowania i przeglądu z samego założenia generuje dużo danych wyjściowych: recenzent pisze, budujący przepisuje, a transkrypcja rośnie z każdą turą. Obciążenie na poziomie 100 milionów tokenów wejściowych i 20 milionów tokenów wyjściowych daje w tym miesiącu rachunek na 400 USD — 200 USD za wejście, 200 USD za wyjście — oraz 800 USD od 1 grudnia za identyczny ruch. Jeśli prowadzisz pilotaż w listopadzie, wyceń go według grudniowych stawek, bo inaczej zatwierdzisz budżet błędny o czynnik dwa.

Warto jasno powiedzieć, gdzie stoimy: Gemini 4 Carbon nie znajduje się w katalogu OrcaRouter i nic tutaj nie powinno być odczytywane jako twierdzenie, że tak jest. To, co tam jest, to google/gemini-4-argon po własnej cenie Google wynoszącej 2 USD za wejście / 10 USD za wyjście — ta sama karta, na której Carbon jest w tym miesiącu — obok DeepSeek V4 Pro po 0,66 USD/1,98 USD i Grok 4.7 po 2 USD/6 USD, wszystko za pomocą jednego klucza zgodnego z OpenAI dającego dostęp do 216 modeli, przy czym cena katalogowa dostawcy jest przekazywana z narzutem 0%, dzięki czemu zmiana stawek dostawcy wchodzi w życie tego samego dnia, w którym następuje, a nie po cyklu zmiany cennika. Dla tego konkretnego schematu ma to znaczenie z banalnego powodu: pętla budowania wieloagentowego to obciążenie, które najczęściej napotka limit zapytań lub zły moment u jednego dostawcy, a przełączenie awaryjne na drugą trasę jest tańsze niż odkrycie sufitu w połowie przebiegu dziesięciu pętli.

Jeśli chcesz skopiować strukturę, skopiuj krok przeglądu.

To, co w tym demo można przenieść, to nie Blender ani nie Three.js. Chodzi o to, że recenzent otrzymał coś, na co mógł spojrzeć. Trzy ruchy, w kolejności według tego, jak bardzo zmieniają wynik:

• Uczyń artefakt wejściem do przeglądu. Zrób zrzut ekranu działającej aplikacji, wyrenderuj klatkę, skompiluj shader, uruchom test — a następnie przekaż to, a nie diff. Agent zapytany „czy ten kod jest poprawny” zgodzi się sam ze sobą. Agent zapytany „czy ten zrzut ekranu odpowiada specyfikacji” ma na czym się pomylić.

• Ogranicz pętlę i sprawdzaj zbieżność. Dziesięć nocnych pętli to liczba, którą Google podaje dla jednego builda. Wybierz własny górny limit i rejestruj, czy każda iteracja faktycznie poprawiła artefakt — agent, który przestał się poprawiać, zwykle jest agentem, który zaczął zmieniać wystrój.

• Utrzymuj łańcuch narzędzi nudny i sprawdzalny. Eksporty z Blendera, Three.js, WebGL i przeglądarka są deterministyczne i możliwe do zbadania. Nic w tym uruchomieniu nie zależy od możliwości, którą ma tylko jeden dostawca; zależy od modelu, który będzie działać dalej po pierwszej awarii.

To, czego warto teraz wypatrywać, jest wąskie i konkretne. Czy /swarm wyjdzie z podglądu, ponieważ orkiestracja to ta część, której dziś nie da się odtworzyć. Czy ktokolwiek poza Google opublikuje Carbon pelican — wersja Willisona jest najbliższą rzeczą do niezależnego wyniku, jaką ma ta linia rozwoju, i jak dotąd się nie pojawiła. I czy dwunastodniowa przerwa między ogłoszeniem z ograniczonym dostępem z 28 października a ogólnym wydaniem z 10 listopada okaże się regułą czy wyjątkiem. Demo będzie cytowane przez miesiące. Pętla, która za tym stoi, jest tym, co albo się uogólnia, albo nie.