Разбор Pelican Demo от Gemini 4 Carbon: два агента, пайплайн Blender и цикл проверки, который действительно замыкается

Самым полезным из того, что Google выпустила 10 ноября 2026 года, была не таблица бенчмарков. Это была птица на велосипеде. В том же посте, в котором Gemini 4 Carbon стал общедоступным, Google описала запуск, в ходе которого агенты Carbon построили 3D-игру с открытым миром — вы исследуете кампус Google в Маунтин-Вью в роли пеликана, едущего на GBike, — смоделировав ассеты в Blender, а затем создав браузерную игру в Three.js с шейдерами WebGL и процедурными эффектами Web Audio, подобранными в паре с музыкой Lyria. Клип, который распространялся вместе с ним, длится около 77 секунд. Внимания заслуживает не пеликан. А то, что цикл замкнулся: нечто в этом конвейере посмотрело на то, что отрендерило, и решило, достаточно ли это хорошо.

Это не то же самое утверждение, что «модель умная». Демо выбирают, и это выбрал вендор. Но демо с участием рецензента поддаётся проверке так, как не поддаётся оценка бенчмарка: можно прочитать структуру, посчитать роли и спросить, выдержит ли та же схема вашу собственную работу. Так что это разбор, а не материал к запуску: что было построено, как разделили агентов, что прогон демонстрирует, а что нет, и чего стоит направить ту же схему на то, что вам действительно важно.

Что на самом деле было построено, в порядке, в котором это строилось

Описание Google необычно конкретно в отношении инструментальной цепочки — именно поэтому его стоит читать как инженерную заметку. В этом запуске было три медийных этапа, и они не взаимозаменяемы:

• Ассеты — субагенты моделировали 3D-объекты в Blender, работая по референсам, сгенерированным Omni и Nano Banana. Это этап моделирования, а не этап написания кода: геометрия, материалы и масштаб получаются на нём, и всё, что идёт дальше по цепочке, наследует все их недостатки.

• Игра — создана на Three.js с WebGL-шейдерами, поэтому результат — это отрисовываемая в браузере сцена, а не готовое видео. Компилирующийся шейдер — это жёсткий, машинно-проверяемый сигнал, а «хорошо выглядит» — нет.

• Звук — процедурные эффекты Web Audio в паре с музыкой Lyria. Это направление меньше всего связано с циклом проверки и с наибольшей вероятностью будет вручную настраиваться человеком постфактум.

В том же посте рядом с ним представлены ещё четыре 3D-проекта, и закономерность повторяется: интерактивная выставка на Three.js, посвящённая строительству Эйфелевой башни в 1887–1889 годах по историческим фотографиям и инженерным чертежам; реконструкция офиса Google Platform 37 на Three.js из 906 000 треугольников, созданная за десять ночных циклов по семи PDF-документам градостроительного планирования городского совета; визуализатор тканей с полярным отслеживанием 110 волокон; и фортепиано, на котором можно играть, с физикой эскапемента на 61 клавишу. Что бы ни было верно в остальном, это не один удачный промпт. Это набор запусков одной и той же формы.

Два агента или один агент с тремя задачами?

Отчёты наблюдателей и собственное описание Google рассказывают об одном и том же запуске с разных сторон, и это различие показательно. Самый широко распространённый китайскоязычный обзор от @dotey от 10 ноября делит его на агента-строителя и агента-рецензента, который проверяет собственные результаты рендеринга. Автор исходного поста Вамси Бачу из Google AI Studio описывает то же самое как пеликана, собирающего чипы TPU по кампусу, — и приписывает это функции Google Antigravity под названием /swarm, которую Google описывает как превращение одного запроса в «скоординированную команду агентов, за которой можно следить в реальном времени».

В посте Google за Carbon закрепляются роли, а не медиа: «архитектурное проектирование, координация и аудит». Если читать это вместе с описанием наблюдателя, вырисовывается такая картина: сборщик, который создаёт геометрию и код, и аудитор, который смотрит на выходной результат, а не на исходный код. Это различие важнее количества агентов. Агент, проверяющий собственные изменения, получает слабый сигнал; агент, проверяющий отрендеренный кадр, компилирующийся шейдер или скриншот запущенной игры, получает сильный, потому что сбой виден в артефакте, а не является предметом спора в тексте.

Два честных предостережения по поводу источников. Разделение на строителя и ревьюера основано на рассказах людей о запуске, а не на опубликованной схеме архитектуры — считайте это достоверным кратким изложением, а не спецификацией. И /swarm пока доступен в режиме предварительного просмотра в Antigravity, поэтому слой оркестрации, который вы бы воспроизводили, не является общедоступным.

Есть также практическая загвоздка, о которой никто не упоминает: связанное приложение AI Studio находится за входом в Google. Я не смог открыть игру анонимно — URL сразу перенаправляет на accounts.google.com. Так что «играется в вашем браузере» означает «играется, если у вас есть аккаунт Google и, для самого приложения, сессия AI Studio». Это мелочь, которую тихо пропустили сотни репостов видео.

Почему игра — более сложное испытание, чем SVG, который она заменила

Промпт с пеликаном на велосипеде принадлежит Саймону Уиллисону, который с 2024 года прогонял его практически на каждом релизе передовых моделей — сначала как один запрос на SVG, затем, когда модели перестали различаться на плоском SVG, как 3D-промпты: страница WebGL, рендеры Blender, скетчи p5.js. Ценность этого теста никогда не состояла в том, что пеликан сложен. Она в том, что результат визуален, самодостаточен и может быть мгновенно оценён человеком менее чем за секунду.

Запуск Carbon поднимает то же свойство на уровень выше по сложности. SVG — это один артефакт на одном языке. Здесь геометрия из одного инструмента, код — из другого, среда выполнения — из третьего, а этап проверки должен согласовать все три — и это именно тот класс задач, на которых работа агентов с длинным горизонтом обычно срывается, причём не на первом шаге, а на четырнадцатом, когда модель уже забыла, какую систему координат она выбрала.

Google точно описывает возможности модели и называет механизм: при разработке веб-приложений модель «выполняет циклы сборки и проверки, восстанавливается после ошибок и проверяет как свой код, так и отрисованный интерфейс». Вот и весь фокус, изложенный прямо. Интересная переменная — не то, насколько хороша первая попытка, а то, сколько раз цикл может прокрутиться, прежде чем агент перестанет улучшать результат и начнёт буксовать.

О чём демо вам не рассказывает

Демонстрация от поставщика — это выбранный образец, и весь смысл упражнения именно в этом отборе. Три вопроса, на которые она не может ответить:

• Как часто это терпит неудачу. Мы видим запуск, который завершился. Никто не публикует одиннадцать, которые застопорились, и во всём посте нет никакого знаменателя.

• Во что это обошлось. Десять ночных циклов сборки Platform 37 означают огромное количество токенов и много астрономического времени. По тарифам Carbon это реальная цифра, а Google её не называет.

• Хватило бы более дешёвой модели. Именно этот вопрос и должен задать читатель, а демонстрация по своей структуре не способна на него ответить.

В том, что поддаётся измерению, противовесом выступает Artificial Analysis, и её цифры менее лестны, чем в видео. Gemini 4 Carbon при высоком уровне усилий набирает 60 баллов в Intelligence Index v5.0.1 — четвёртое место среди 74 моделей, уступая трём конфигурациям Claude Fable 5.2 с 65, 62 и 62. Стоимость одной задачи в индексе составляет $7,76 — 61-е место из 73 по этому показателю, — и модель потребляет 205 млн выходных токенов по всему индексу при медиане около 73 млн: это многословная модель, и цена за токен занижает стоимость рабочей нагрузки Carbon. Скорость вывода — около 82 токенов в секунду при примерно 67,5 секундах до первого токена ответа: достаточно быстро в пересчёте на токен, но достаточно медленно до первого токена, чтобы это выглядело как профиль пакетной обработки с ожиданием, а не как чат-интерфейс. В Coding Agent Index тот же оценщик поставил Carbon 59 баллов с Antigravity CLI против 62 у Claude Code с Opus 5.5.

Ничто из этого не противоречит демо. Модель может быть четвёртой в общем индексе, дорогой в расчёте на задачу и всё же той, что удерживает вместе четырёхчасовую сборку — это разные измерения, и демо служит свидетельством в пользу третьего, а не первого. Но доказательством оно не является, а самый дешёвый недостающий фрагмент — тот, который обычно поставляет это семейство. Уиллисон запускает pelican-промпт почти при каждом релизе и публикует результаты; в ноябре 2026 года его посты о pelican охватывают Claude Fable 5.2 на пяти уровнях рассуждений и Muse Ember на шести, и среди них нет набора Carbon. Пока такой набор не появится, pelican-демо остаётся артефактом Google и ничьим больше — сборка, выбранная вендором, с описанием, написанным вендором, и без внешнего запуска, с которым можно было бы сравнить частоту отказов.

Сколько стоит запустить тот же цикл самостоятельно

Carbon доступен только на платном тарифе Google. Бесплатного пути нет: приложению AI Studio нужен аккаунт Google, API требует оплаты, и каждый обработанный токен тарифицируется, включая токены на размышления. Тарифная сетка является вводной и ограничена по времени:

• До 30 ноября 2026 года — $2,00 за миллион входных токенов, $10,00 за миллион выходных токенов.

• С 1 декабря 2026 года — $4.00 и $20.00 при неизменной модели.

• Контекст — 1 млн токенов, без ценового тарифа в зависимости от длины, поэтому кодовая база на 900 000 токенов стоит столько же за токен, сколько запрос на 2 000 токенов.

Поставьте многословность рядом с обрывом — и арифметика станет неудобной. Цикл сборки и проверки по своей конструкции требует много вывода: проверяющий пишет, сборщик переписывает, и стенограмма растёт с каждым ходом. Нагрузка в 100 млн входных и 20 млн выходных токенов обходится в $400 в этом месяце — $200 на вход, $200 на выход — и в $800 с 1 декабря за тот же трафик. Если вы запускаете пилот в ноябре, считайте его стоимость по декабрьским тарифам, иначе утвердите бюджет, который ошибается в два раза.

Стоит прямо сказать, где мы находимся: Gemini 4 Carbon отсутствует в каталоге OrcaRouter, и ничто здесь не должно восприниматься как утверждение, что она там есть. Что там есть — это google/gemini-4-argon по собственным ценам Google: $2 за вход / $10 за выход — та же карточка, на которой Carbon находится в этом месяце — вместе с DeepSeek V4 Pro по $0.66/$1.98 и Grok 4.7 по $2/$6, всё через один OpenAI-совместимый ключ с доступом к 216 моделям, при этом списочная цена провайдера передаётся с наценкой 0%, так что изменение тарифа поставщика вступает в силу в тот же день, а не после цикла пересмотра цен. Для этого конкретного сценария это важно по скучной причине: цикл сборки с несколькими агентами — это нагрузка, которая с наибольшей вероятностью упрётся в лимит запросов или в неудачный день у одного провайдера, а переключение на второй маршрут обходится дешевле, чем обнаружить потолок на середине прогона из десяти циклов.

Если вы хотите скопировать структуру, скопируйте шаг проверки

Переносимое в этом демо — не Blender и не Three.js. А то, что проверяющему дали что-то, что можно было посмотреть. Три хода — в порядке того, насколько сильно они меняют результат:

• Сделайте артефакт входными данными для проверки. Сделайте скриншот работающего приложения, отрендерите кадр, скомпилируйте шейдер, запустите тест — а затем передайте это обратно, а не diff. Агент, которого спрашивают: «правильный ли этот код?», согласится сам с собой. Агенту, которого спрашивают: «соответствует ли этот скриншот брифу?», есть в чём ошибиться.

• Ограничьте цикл и проверяйте сходимость. Десять ночных циклов — это число, которое Google называет для одной сборки. Выберите собственный лимит и фиксируйте, действительно ли каждый проход улучшил артефакт, — агент, переставший улучшать, обычно уже начал заниматься косметическими переделками.

• Сделайте инструментарий простым и проверяемым. Экспорт из Blender, Three.js, WebGL и браузер — всё детерминировано и поддаётся проверке. Ничто в этом запуске не зависит от возможности, доступной только одному поставщику; он зависит от модели, которая продолжит работать после первой ошибки.

Следующее, за чем стоит следить, узко и конкретно. Покинет ли /swarm режим предварительного просмотра, ведь оркестрация — это та часть, которую сегодня невозможно воспроизвести. Опубликует ли кто-нибудь за пределами Google Carbon pelican — версия Уиллисона — самое близкое к независимому результату в этой линии, и она так и не появилась. И окажется ли двенадцатидневный разрыв между анонсом с ограниченным доступом 28 октября и общим релизом 10 ноября закономерностью или исключением. Демо будут цитировать месяцами. Цикл, стоящий за ним, — это то, что либо обобщается, либо нет.