Титульная карточка с надписью «Carbon упоминается один раз. Работу выполняет Argon.» и подзаголовком «Google Research, 13 ноября 2026», над тремя подсчитанными фактами: Gemini 4 Carbon упоминается 1 раз в тексте поста, Gemini 4 Argon упоминается 13 раз, а крупнейший отдельный артефакт — формализация гипотезы Куртейда — Кумара на Lean 4 объёмом в 50 миллионов строк.
Engineering & Research

Gemini 4 Carbon отправился в лабораторию. В собственной публикации Google Gemini 4 Argon упоминается тринадцать раз.

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Пятьдесят миллионов строк на Lean 4. Именно столько потребовалось, чтобы машинно проверить доказательство гипотезы Куртада–Кумара — результата 2013 года из теории информации о том, какая часть зашумлённой битовой строки сохраняется при сжатии, — и это крупнейший единый артефакт в исследовательской публикации, опубликованной 13 ноября 2026 года под названием «Продвижение науки и инженерии с помощью /teamwork от Antigravity». Этот пост — источник утверждения, которое сейчас распространяется, что исследователи задействуют Gemini 4 Carbon для работы над многошаговыми задачами в физике, математике и науках о жизни. Carbon присутствует в посте. Он назван ровно один раз — в списке из трёх моделей вверху. Каждое из приведённых ниже тематических исследований — гипотеза, формализованные гипотезы Вейля, установление структуры методом ЯМР, движок Go, переписывание ядра Zircon — в тексте приписывается Gemini 4 Argon, либо «Gemini 4» без указания уровня, либо самому испытательному стенду.

Это не скандал и не исправление. Это различие, которое стоит правильно понять до того, как кто-либо начнёт закладывать под него бюджет, потому что две модели не взаимозаменяемы так, как подразумевает твит, и потому что цена Carbon запланировано удваивается 1 декабря 2026 года — через четырнадцать дней от сегодняшнего дня. Далее — то, что на самом деле говорится в посте, какие утверждения выдерживают проверку, какие основаны на данных поставщика и не воспроизведены, и что читатель за пределами Google может сделать с чем-либо из этого на этой неделе.

Пост, программа и одно предложение

Google Research опубликовала его 13 ноября, указав авторство Вахаба Миррокни, Google Fellow и вице-президента Google Research. В первом абзаце модели перечислены в одном списке: «Используя Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen и многоагентные рабочие процессы, такие как /teamwork от Antigravity (построенные на различных моделях Gemini), эти коллаборации принесли новые инновации…» Это предложение — всё присутствие Carbon в аргументации. Если посчитать имена в основном тексте ниже, Argon встречается тринадцать раз, Hydrogen — один раз, а Carbon — больше ни разу.

Причина в структуре, а не в неловкости. /teamwork — это обвязка, а не модель: она запускает пул специализированных агентов, предоставляет каждому только те файлы и инструменты, которые нужны для его этапа, передаёт работу новым преемникам, чтобы контекст не портился во время многодневных прогонов, и направляет каждый промпт в паттерн рабочего процесса, выбранный под задачу. Её слой верификации — это то, что Google на самом деле продаёт: проверщик Lean 4, неизменённые наборы тестов, симуляторы исполнения, аппаратные счётчики, — которые выступают в роли фальсификаторов, решающих, какой ответ-кандидат выживет. Когда оркестрацией занимается обвязка, а судит проверщик доказательств, модель, лежащая в основе, значит меньше, чем цикл вокруг неё. Argon, модель, доступная через платный API с 13 октября 2026 года, — это та, на которой проводились кампании.

Собственный аргумент Carbon в пользу того, чтобы быть в списке, реален, но иного рода: это самая сильная универсальная модель, которую опубликовала Google, и в Artificial Analysis она сейчас занимает четвертое место из 81 модели с показателем 60 по Intelligence Index v5.0.1. Ничто в публикации от 13 ноября этому не противоречит. Но ничто в ней и не показывает, что работу выполняет Carbon.

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.

Результаты, упорядоченные по тому, насколько их можно проверить

Пост необычно щедр на конкретные детали для исследовательского блога, что позволяет сортировать утверждения по тому, какие доказательства за ними стоят, а не по тому, насколько впечатляюще они звучат.

• Машинно проверено, поэтому в принципе верифицируемо — доказательство Куртада–Кумара, формализованное от начала до конца в Lean 4 на 50 миллионов строк, с указанием вклада человека: команда CUHK предложила функцию-кандидата, которая свела задачу к оптимизации по 14 переменным. Также в эту категорию входят формализация гипотез Вейля объёмом примерно 1,8 млн строк и 28 800 вызовов субагентов, десятая проблема Гильберта над общими кольцами объёмом более 919 000 строк, гипотеза Биркгофа, открытая с 1927 года, и трёхмерная гипотеза Бохнера–Рисса, где система сообщает об обнаружении и исправлении пробела в недавно опубликованном неформальном доказательстве. Компилирующееся доказательство на Lean — это утверждение иного класса, чем оценка в бенчмарке, и Google заслуживает признания за это — хотя «50 миллионов строк сгенерированного кода доказательств» — это также утверждение об объёме поиска, а не об элегантности.

• Измерено, с описанием измерения — результат молекулярной химии. Тридцать специализированных агентов в самокорректирующемся цикле, а также спектральный симулятор с учётом физических законов достигли 95% точного совпадения top-1 и 100% top-3 на бенчмарках по установлению структуры методом ЯМР; Google описывает это как почти вдвое превышающее производительность одиночного агента. Это самое близкое к утверждению из области наук о жизни в этом посте, и именно его с наибольшей вероятностью будут цитировать. Бенчмарковые молекулы в посте не названы, базовое число для одиночного агента приведено только как соотношение, а независимого воспроизведения пока не существует.

• Сродни рецензированию, с приложенным опросом — Deep Review на STOC 2027. Авторы 578 докладов, более трети от общего числа, согласились на автоматическую обратную связь по своим черновикам. В ходе продолжающегося опроса 70 авторов 90% оценили отзывы как в основном или почти полностью фактические, 90% сказали, что воспользуются ими снова, более 30% сообщили, что система выявила существенные ошибки в доказательствах, а 14% указали на технические пробелы, на исправление которых ушло больше часа. Это самоотобранные респонденты, описывающие собственные материалы, что слабее контролируемого исследования и гораздо сильнее отзыва.

• Инженерные показатели из производственных систем — переписывание на Rust примерно 800 000 строк для микроядра Zircon, проходящего свои модульные тесты и загружающегося на arm64; libgav1, портированный примерно в 170 000 строк Rust со 100% побитовой идентичностью и оказавшийся на 20–30% быстрее оригинальных C++ и рукописного ассемблера; работа над ядрами TPU, сообщающая о 4,09-кратном ускорении по среднему геометрическому на 17 ядрах JAXBench; Connected Components, масштабирующийся до графов с триллионами рёбер при использовании в 6 раз меньшего объёма RAM; и движок для го на доске 9x9, который набрал около 2 600 Elo менее чем за восемь дней, оказавшись между KataGo при 16 и 32 посещениях. Это внутренние измерения, которые компания решила опубликовать, без внешнего аудита и, в большинстве случаев, без выпущенного артефакта.

• В посте об этом вообще ничего нет — ничего о стоимости. Ни бюджета кампании, ни количества токенов, ни счёта за результат нигде в материале не появляется. Для системы, чей результат включает доказательства на 50 миллионов строк и восьмидневные автономные прогоны обучения, это то упущение, которое читатель, планирующий собственную кампанию, хотел бы восполнить больше всего.

Перечитайте список ещё раз с учётом атрибуции — и картина прояснится: харнесс производит результат, верификатор его удостоверяет, эксперты-люди формулируют задачу, а модель — это двигатель, один двигатель из трёх, и в посте назван тот, на который он опирался.

Почему результат харнесса — не результат модели, и как оценить разницу

Соблазн смешать эти два понятия очевиден, потому что оценка в бенчмарке — это число, которое можно сравнить, а результат харнесса — это история о рабочем процессе. Сопоставимый показатель Carbon, измеренный третьей стороной, не заинтересованной в харнессе, составляет 60 по Intelligence Index v5.0.1 — четвёртое место из 81, при этом Claude Fable 5.2 с 65 находится выше, а GPT-6.1 Sol с 55 — ниже. На той же странице стоимость Carbon указана как $5.48 за завершённую задачу индекса, а время — 33.2 минуты на задачу; оба показателя значительно выше медиан для его ценового класса, потому что он записывает 205 миллионов выходных токенов, чтобы завершить то, что медианная модель завершает за 78.6 миллиона.

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.

Эта многословность — не дефект при поиске доказательств. Когда задача состоит в исследовании пространства параметров и проверке кандидатов в Lean, писать больше — это и есть метод. Когда задача — это тикет в поддержку, это счёт к оплате. Публикация от 13 ноября свидетельствует в пользу первого случая и ничего не говорит о втором — и любая команда, которая читает её как «Carbon — это модель для нашего агента», заимствует результат из харнесса, который она не запускает, для типа задач, которого у неё может не быть.

Переносимым является сам паттерн проектирования, и он принадлежит не только Google: параллельное исследование, внешний фальсификатор, не имеющий собственного мнения, свежий контекст на каждом шаге и критик, который никогда не видит рассуждений производителя. Каждый из этих элементов — свойство того, как вы вызываете модель, а не того, какую модель вы вызываете.

Что посторонний действительно может получить и сколько это будет стоить после 1 декабря

Пост завершается самым практичным абзацем: внешние учёные и разработчики уже сегодня могут использовать модели Gemini 4 с /teamwork и /boost в Antigravity и Deep Review, а Google открыл приём заявок, по которому 10 000 академических исследователей получат шесть месяцев бесплатного доступа к максимальному тарифу использования. Для лаборатории эта программа и есть настоящая новость. Кроме того, это единственный предлагаемый бесплатный путь, но он ограничен по квоте, требует подачи заявки и ограничен по времени.

Все остальные покупают токены. Gemini 4 Carbon стал общедоступен в платном Gemini API 10 ноября 2026 года, через тринадцать дней после анонса Google, по цене $2.00 за миллион входных токенов и $10.00 за миллион выходных токенов — этот тариф действует до 30 ноября и с 1 декабря становится $4.00 и $20.00, а цена кэшированного ввода в ту же дату меняется с $0.10 на $0.20. Бесплатного тарифа для модели нет; каждый обработанный токен оплачивается, включая токены размышлений. Шестинедельная исследовательская кампания по сегодняшнему тарифу — это кампания по цене половины декабрьской стоимости, что либо аргумент начать сейчас, либо причина рассчитать счёт по более высокой цифре.

Carbon маршрутизируется в OrcaRouter как google/gemini-4-carbon по прейскурантной цене Google с наценкой 0%, на том же ключе и том же OpenAI-совместимом эндпоинте, что и остальной каталог, и это здесь важно по прозаической причине: изменение от 1 декабря — это изменение цены поставщика, а сквозная ставка означает, что цифра на нашей стороне меняется вместе с Google в тот же день, а не после цикла пересмотра цен. На странице модели приведены текущие предельные параметры — контекст 1,048,576 токенов, максимальный вывод 65,536 токенов, текст, изображение, аудио, видео и PDF на входе, текст на выходе, нативный вызов инструментов и структурированные выходы — то есть та спецификация, которую не опубликовал собственный анонс Google.

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.

Вопрос, который пост оставляет открытым

Google за двадцать дней опубликовал объявление, которое поставило Carbon на первое место в нейтральном индексе, пост об общей доступности, который сделал её доступной для вызова и назначил дату окончания собственной скидки, и исследовательский пост, где она использовалась в списке рядом с двумя моделями-собратьями. Чего Google не опубликовал — ни одного результата, приписываемого только Carbon, при заявленной стоимости, на задаче, которую может воспроизвести третья сторона. Пока этого нет, честное резюме 13 ноября уже, чем твит, и полезнее: харнесс работает, верификатор — самое интересное, а модель, названная тринадцать раз, — та, на которой кампании фактически и запускались.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно

© 2026 OrcaRouter