O Gemini 4 Carbon já está disponível para chamadas, e o preço dobra em vinte dias

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.

Então esta é uma peça de lançamento em que o lançamento é real, e a informação útil não é o marketing. É a matriz de acesso, o desconto de vinte dias e o fato de que a linha “#1 on the Artificial Analysis Intelligence Index”, de outubro, agora aparece em quarto lugar no mesmo ranking.

Quem pode realmente chamá-lo, e quem ainda não pode

A publicação de 10 de novembro é invulgarmente específica quanto aos canais, o que faz com que valha a pena lê-la como uma tabela de acesso em vez de um anúncio. O que abriu:

• 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.

Cientistas e pesquisadores somente mediante candidatura, com Argon e Carbon no nível mais alto do Antigravity, gratuitos por seis meses, sujeitos à elegibilidade e à capacidade.

• Defensores cibernéticos, ainda por meio do Fairwind Program, que é onde toda a implementação começou.

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.

O preço de vinte dias e o abismo por trás dele

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.

O resto do cartão é onde as equipes são surpreendidas:

• Entrada em cache — US$ 0,10 por milhão até 30 de novembro, US$ 0,20 depois. Na tarifa atual, um token em cache custa 5% de um novo, e o multiplicador se mantém após a mudança.

Batch and Flex — metade da tarifa padrão, US$ 1,00 de entrada e US$ 5,00 de saída agora, US$ 2,00 e US$ 10,00 após 1º de dezembro. Se sua tarefa tolera latência, esta é a maior alavanca isolada na fatura.

• Prioridade — 1,8x o padrão, US$ 3,60 de entrada e US$ 18,00 de saída agora, US$ 7,20 e US$ 36,00 depois.

• Contributor — $1.00 de entrada, $5.00 de saída, $0.05 em cache, prévia somente por convite. Não é uma opção geral.

• 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.

A alegação nº 1, e o que o conselho diz quatro revisões depois

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.

O que o conselho independente de fato diz, e o número que importa

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

• Custo por tarefa do Intelligence Index — $7.76 no preço padrão. Essa não é a maneira mais barata de comprar inteligência; está entre as mais caras do ranking, na 61ª posição de 73 nessa medida.

• Tokens de saída consumidos no índice — 205 milhões, contra uma mediana de 72,8 milhões. Carbon é um modelo prolixo, terceiro a partir do fim no ranking de verbosidade. O preço por token subestima o que uma carga de trabalho do Carbon realmente custa quando o modelo pensa por mais tempo e escreve mais.

• Velocidade — 80 tokens de saída por segundo, com 66,85 segundos até o primeiro token de resposta. Em comparação com a mediana de 12 segundos para sua categoria, o Carbon é um modelo para processar em lote, e não um modelo para colocar atrás de uma caixa de chat.

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

Juntar a verbosidade ao preço e a aritmética é implacável. Uma tarefa que custa 7,76 dólares no Carbon custa cerca de um quinto disso num modelo aberto e barato — a comparação que o próximo artigo desta série faz em detalhe. O argumento do Carbon não é o de ser eficiente. É que, em trabalho de agentes de cibersegurança e de longo horizonte, pode não existir mais nada com a mesma capacidade.

O que fazer com os próximos vinte dias

Três medidas práticas, em ordem de quanto dinheiro elas economizam.

Primeiro, faça a avaliação com base na tarifa introdutória e calcule o resultado com a tarifa de dezembro. Tudo o que decidir em novembro usando os números de novembro parecerá 100% melhor do que realmente é. Se um projeto-piloto apresentar uma fatura mensal de US$ 400 este mês, o mesmo tráfego custará US$ 800 a partir de 1 de dezembro no nível standard.

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.

Essa portabilidade é o argumento inteiro para não fixar no código o SDK de um único fornecedor em novembro. As condições de acesso da Carbon já mudaram duas vezes em catorze dias: anúncio com acesso restrito, depois API paga. A tarifa muda em 1º de dezembro. Um mês em que tanto o preço quanto a porta se moveram não é um mês para construir uma dependência de fornecedor único.

O que ainda não se sabe

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.