Um cartão de título com os dizeres 'Carbon é mencionado uma vez. Argon faz o trabalho.' com o subtítulo 'Google Research, 13 de novembro de 2026', acima de três fatos contabilizados: Gemini 4 Carbon mencionado 1 vez no corpo da publicação, Gemini 4 Argon mencionado 13 vezes, e o maior artefato individual, uma formalização em Lean 4 de 50 milhões de linhas da conjectura de Courtade-Kumar.
Engineering & Research

Gemini 4 Carbon foi ao laboratório. O próprio artigo do Google credita o Gemini 4 Argon treze vezes.

Autor

jinhao.song

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

Cinquenta milhões de linhas de Lean 4. Foi o que foi necessário para verificar por máquina uma prova da conjectura de Courtade–Kumar, um resultado de 2013 em teoria da informação sobre quanto de uma cadeia de bits ruidosa sobrevive à compressão, e é o maior artefato individual no relatório de pesquisa publicado em 13 de novembro de 2026 sob o título "Avançando a ciência e a engenharia com o /teamwork do Antigravity". A postagem é a fonte da alegação que circula agora de que pesquisadores estão colocando Gemini 4 Carbon para trabalhar em problemas de várias etapas em física, matemática e ciências da vida. O Carbon está na postagem. Ele é mencionado exatamente uma vez, em uma lista de três modelos no topo. Todos os estudos de caso abaixo — a conjectura, as conjecturas de Weil formalizadas, a elucidação estrutural por RMN, o motor de Go, a reescrita do kernel Zircon — são atribuídos, no corpo do texto, a Gemini 4 Argon, ou a "Gemini 4" sem indicação de nível, ou ao próprio harness.

Isso não é um escândalo e não é uma correção. É uma distinção que vale a pena acertar antes que alguém faça orçamentos com base nela, porque os dois modelos não são intercambiáveis da forma como o tweet sugere, e porque o preço do Carbon está programado para dobrar em 1 de dezembro de 2026 — quatorze dias a partir de hoje. O que segue é o que a postagem realmente diz, quais alegações resistem ao escrutínio, quais são relatadas pelo fornecedor e não reproduzidas, e o que um leitor fora do Google pode fazer com qualquer parte disso nesta semana.

O post, o programa e a única frase

O Google Research publicou isso em 13 de novembro, creditado a Vahab Mirrokni, Google Fellow e VP do Google Research. O parágrafo de abertura nomeia os modelos em uma única lista: “Usando Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen e fluxos de trabalho multiagente como o /teamwork do Antigravity (construindo sobre vários modelos Gemini), essas colaborações produziram novas inovações…” Essa frase é toda a presença de Carbon no argumento. Conte os nomes no corpo abaixo dela e Argon aparece treze vezes, Hydrogen uma vez, e Carbon não aparece novamente.

A razão é estrutural, e não embaraçosa. O /teamwork é um harness, não um modelo: ele executa um pool de agentes especializados, dá a cada um apenas os arquivos e ferramentas de que sua etapa precisa, passa o trabalho a sucessores novos para que o contexto não se deteriore ao longo de execuções de vários dias, e encaminha cada prompt para um padrão de fluxo de trabalho escolhido para a tarefa. Sua camada de verificação é o que o Google está de fato vendendo — o verificador Lean 4, suítes de teste sem modificação, simuladores de execução, contadores de hardware — atuando como falseadores que decidem qual resposta candidata sobrevive. Quando um harness faz a orquestração e um verificador de provas faz o julgamento, o modelo por baixo importa menos do que o ciclo ao seu redor. O Argon, o modelo que pode ser chamado na API paga desde 13 de outubro de 2026, é aquele em que as campanhas foram executadas.

O argumento do próprio Carbon para estar na lista é real, mas diferente: é o modelo de propósito geral mais forte que o Google publicou e, no Artificial Analysis, atualmente ocupa o quarto lugar entre 81 modelos, com 60 no Intelligence Index v5.0.1. Nada na publicação de 13 de novembro contradiz isso. Nada nela demonstra que o Carbon esteja fazendo o trabalho tampouco.

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.

Os resultados, ordenados pelo grau de verificabilidade.

O post é invulgarmente generoso em especificidades para um blog de investigação, o que torna possível classificar as alegações pelo tipo de evidência que as sustenta, em vez de por quão impressionantes soam.

• Verificado por máquina, portanto verificável em princípio — a prova de Courtade–Kumar, formalizada de ponta a ponta em Lean 4 com 50 milhões de linhas, com a contribuição humana nomeada: uma equipe da CUHK propôs a função candidata que reduziu o problema a uma otimização de 14 variáveis. Também nesta categoria estão a formalização das conjecturas de Weil com aproximadamente 1,8 milhão de linhas em 28.800 invocações de subagentes, o décimo problema de Hilbert sobre anéis gerais com mais de 919.000 linhas, a conjectura de Birkhoff, em aberto desde 1927, e a conjectura de Bochner–Riesz em 3D, em que o sistema relata ter encontrado e corrigido uma lacuna em uma prova informal divulgada recentemente. Uma prova em Lean que compila é um tipo diferente de afirmação em relação a uma pontuação de benchmark, e o Google merece o crédito por isso — embora "50 milhões de linhas de código de prova gerado" também seja uma afirmação sobre volume de busca, e não sobre elegância.

• Medido, com a medição descrita — o resultado da química molecular. Trinta agentes especializados num ciclo de autocorreção, além de um simulador espectral informado pela física, alcançaram 95% de correspondência exata top-1 e 100% top-3 em benchmarks de elucidação estrutural por NMR, o que o Google descreve como quase o dobro do desempenho de um único agente. Esta é a afirmação mais próxima de uma alegação das ciências da vida no post, e é a que tem maior probabilidade de ser citada. As moléculas dos benchmarks não são nomeadas no post, o número da linha de base de um único agente é fornecido apenas como uma proporção, e ainda não existe replicação independente.

• Próximo à revisão por pares, com uma pesquisa anexada — Deep Review no STOC 2027. Autores de 578 submissões, mais de um terço do total, optaram por receber feedback automatizado sobre seus rascunhos. Em uma pesquisa em andamento com 70 autores, 90% avaliaram o feedback como majoritariamente ou quase totalmente factual, 90% disseram que o usariam novamente, mais de 30% disseram que ele detectou falhas substanciais de prova, e 14% relataram lacunas técnicas que levaram mais de uma hora para corrigir. Esses são respondentes autosselecionados descrevendo suas próprias submissões, o que é mais fraco do que um estudo controlado e muito mais forte do que um depoimento.

• Números de engenharia de sistemas de produção — uma reescrita em Rust de cerca de 800.000 linhas para o microkernel Zircon passando nos seus testes unitários e inicializando em arm64; libgav1 portado para aproximadamente 170.000 linhas de Rust com 100% de paridade bit-exata e terminando 20% a 30% mais rápido que o C++ original e o assembly escrito à mão; trabalho no kernel de TPU relatando uma aceleração de média geométrica de 4,09x em 17 kernels JAXBench; Connected Components escalando para grafos com um trilhão de arestas com 6x menos RAM; e um motor de Go 9x9 que ganhou cerca de 2.600 Elo em menos de oito dias, ficando entre o KataGo com 16 e 32 visitas. Essas são medições internas que a empresa escolheu publicar, sem auditoria externa e, na maioria dos casos, sem artefato divulgado.

• Não está na postagem de forma alguma — nada sobre custo. Nenhum orçamento de campanha, nenhuma contagem de tokens, nenhuma conta por resultado aparece em lugar algum do texto. Para um sistema cuja produção inclui provas de 50 milhões de linhas e execuções de treinamento autônomo de oito dias, essa é a omissão que um leitor planejando sua própria campanha mais gostaria que fosse preenchida.

Leia a lista novamente com a atribuição em mente e o desenho fica claro: o arnês produz o resultado, o verificador o certifica, os especialistas humanos enquadram o problema, e o modelo é o motor — um motor entre três, e o post nomeia aquele em que se apoiou.

Por que um resultado de harness não é um resultado de modelo, e como precificar a diferença

O incentivo para confundir os dois é óbvio, porque uma pontuação de benchmark é um número que você pode comparar e um resultado de harness é uma história sobre um fluxo de trabalho. O número comparável do Carbon, medido por um terceiro sem interesse no harness, é 60 no Intelligence Index v5.0.1 — quarto de 81, com Claude Fable 5.2 em 65 acima dele e GPT-6.1 Sol em 55 abaixo. A mesma página coloca o custo do Carbon em US$ 5,48 por tarefa de índice concluída e seu tempo em 33,2 minutos por tarefa, ambos bem acima das medianas para sua faixa de preço, porque ele escreve 205 milhões de tokens de saída para concluir o que o modelo mediano conclui em 78,6 milhões.

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.

Essa verbosidade não é um defeito numa busca de provas. Quando a tarefa é explorar um espaço de parâmetros e validar candidatos no Lean, escrever mais é o método. Quando a tarefa é um ticket de suporte, é a fatura. O post de 13 de novembro é evidência para o primeiro caso e não diz nada sobre o segundo — e qualquer equipa que o leia como "a Carbon é o modelo para o nosso agente" está a importar um resultado de um harness que não está a executar, num tipo de tarefa que pode não ter.

O que é transferível é o padrão de projeto, e ele não é exclusivo do Google: exploração paralela, um falsificador externo que não tem opinião, contexto novo a cada etapa e um crítico que nunca vê o raciocínio do produtor. Cada um desses elementos é uma propriedade de como você chama um modelo, não de qual modelo você chama.

O que alguém de fora consegue realmente obter, e quanto custa depois de 1 de dezembro

O post termina com o parágrafo mais prático: cientistas e desenvolvedores externos podem usar os modelos Gemini 4 com /teamwork e /boost no Antigravity e no Deep Review hoje, e o Google abriu inscrições que dão a 10.000 pesquisadores acadêmicos seis meses de acesso gratuito ao seu nível de uso mais alto. Esse programa é a verdadeira notícia para um laboratório. Também é a única opção oferecida que é gratuita, e é limitado, condicionado a inscrição e com prazo determinado.

Todos os outros compram tokens. O Gemini 4 Carbon passou a ter disponibilidade geral na Gemini API paga em 10 de novembro de 2026, treze dias depois de o Google anunciá-lo, a $2,00 por milhão de tokens de entrada e $10,00 por milhão de tokens de saída — uma tarifa válida até 30 de novembro que passa a $4,00 e $20,00 em 1º de dezembro, com a entrada em cache mudando de $0,10 para $0,20 na mesma data. Não há nível gratuito para o modelo; cada token processado é cobrado, incluindo os tokens de raciocínio. Uma campanha de pesquisa de seis semanas precificada pela tarifa atual é uma campanha precificada pela metade do seu custo de dezembro, o que é ou um argumento para começar agora ou um motivo para modelar a fatura pelo número mais alto.

O Carbon é roteado no OrcaRouter como google/gemini-4-carbon pelo preço de tabela do Google, com 0% de margem, na mesma chave e no mesmo endpoint compatível com OpenAI que o restante do catálogo, o que importa aqui por um motivo prosaico: a mudança de 1º de dezembro é uma alteração de preço do fornecedor, e uma taxa de repasse significa que o valor do nosso lado acompanha o do Google no próprio dia, e não após um ciclo de reprecificação. A página do modelo traz o envelope atual — contexto de 1.048.576 tokens, saída máxima de 65.536 tokens, entrada de texto, imagem, áudio, vídeo e PDF, saída de texto, chamada nativa de ferramentas e saídas estruturadas — que é a ficha técnica que o próprio post de lançamento do Google não publicou.

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.

A questão que o post deixa em aberto

O Google publicou agora, em vinte dias, um anúncio que colocou o Carbon em primeiro lugar num índice neutro, um post de disponibilidade geral que o tornou invocável e datou o seu próprio desconto, e um post de pesquisa que o usou numa lista ao lado de dois modelos irmãos. O que não publicou é um único resultado que atribua exclusivamente ao Carbon, a um custo declarado, numa tarefa que um terceiro possa reexecutar. Até que isso exista, o resumo honesto de 13 de novembro é mais restrito do que o tweet e mais útil: o harness funciona, o verificador é a parte interessante, e o modelo citado treze vezes é aquele com que as campanhas realmente rodaram.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente