Gemini 4 Carbon против Gemini 4 Argon: 15-дневный апгрейд, который нельзя назвать

Две модели, один прайс-лист, разница в девять индексных пунктов — и только у одной из них есть эндпоинт. Gemini 4 Carbon был анонсирован 28 октября 2026 года, через пятнадцать дней после того, как Gemini 4 Argon стал доступен для вызова в платном Gemini API, и в собственном сообщении Google Carbon описывается как более сильная из двух. Однако сила — не то же самое, что доступность: сегодня в списке моделей Google и на его странице цен нет gemini-4-carbon — записи с таким названием, а люди, которые её запускают, — это киберзащитники и доверенные партнёры, допущенные в рамках программы Fairwind Program компании. Честная версия этого противостояния — сравнение возможностей двух моделей и сравнение доступа между моделью и программой.

Что Google официально заявила 28 октября

Об этом объявил Корай Кавукчуоглу, старший вице-президент Google DeepMind, в посте под названием «наша следующая фронтирная модель». Carbon сменяет Argon — анонсированный 30 сентября и общедоступный с 13 октября — в рамках того же номера поколения. Заявленный фокус Google — кибербезопасность и долгосрочная работа агентов: задачи, в которых агент днями продолжает пробиваться через тупики, а не такие, где на один запрос даётся один ответ.

Три детали важнее маркетинга:

• Доступ предоставляется поэтапно, без конкретных дат. Carbon сначала достался «подмножеству киберзащитников», затем расширяется через программу Fairwind, а после — разработчикам, предприятиям и потребителям «как можно скорее». Даты для последних трёх групп не указаны.

• Выпуск проходит в рамках добровольного процесса предварительного тестирования правительства США. Google сообщает, что участвует в нём и продолжает дорабатывать средства защиты перед расширением доступа.

• Нет публичной карточки модели, нет эндпоинта, нет идентификатора. Список моделей Gemini API, проверенный 29 октября, содержит ровно одну запись Gemini 4 — Gemini 4 Argon — а на странице цен нет ни одной записи для Carbon. Контекстное окно, которое Google опубликовала для Argon (единый объём 1M токенов, с декодированием до 1M), не было повторно указано для Carbon; Artificial Analysis указывает для него 1M токенов, но это сторонний листинг, а не спецификация Google.

Разрыв в девять пунктов, и кто его измерил

Artificial Analysis перестроила свой Intelligence Index до версии v5 27 октября — за день до выхода Carbon, — заменив два бенчмарка, обновив три других и сделав большую часть индекса закрытой. Именно из-за этого стоит с осторожностью относиться к любым графикам «до и после», которые вы увидите на этой неделе: оценки, полученные до перестройки, не находятся в той же шкале, что и оценки после неё. В текущем, послеперестроечном списке обе модели были оценены, и разрыв реален и измерен одним и тем же инструментом.

• Intelligence Index v5 — Carbon 59: первое место среди 52 моделей в списке; Gemini 4 Argon 50 — тринадцатое место.

• Стоимость одной задачи индексации при стандартном ценообразовании — Carbon $7.76 против Argon $7.68. Более новая модель набирает на девять баллов больше за дополнительные восемь центов на задачу.

• Точность — Carbon 58%, прирост на десять пунктов по сравнению с Argon; AA-Omniscience 54 против 46.

• Галлюцинации — Carbon 11%, тогда как у Argon было 4%. Carbon по-прежнему второй с конца в трекерах, но динамика идёт не в ту сторону.

• Объём вывода — 123 тыс. токенов на задачу индексации, на 29% меньше, чем 173 тыс. у Claude Opus 5.5; отчасти поэтому стоимость одной задачи остаётся низкой при той же заявленной цене.

• Скорость — 99,8 выходных токена в секунду по измерению Artificial Analysis, при этом время до первого токена составляет 97,48 секунды при высоком уровне усилий рассуждения. Это тот показатель, на который стоит смотреть, если вы ставите модель за интерактивный интерфейс, а не используете её для длительной задачи.

Artificial Analysis также измеряет то, что скрывает заголовок: в его Coding Agent Index Carbon набирает 59 баллов с Antigravity CLI, отставая на три балла от Claude Code, работающего с Claude Opus 5.5, у которого 62. Собственный результат Google в веб-разработке указывает в другую сторону — WebDev Arena с 1 768 баллов, четвёртое место, прирост на 89 Elo, — что напоминает: «первое место в целом» и «лучший в коде» — это разные утверждения.

Цифры самого Google — самые громкие в этом посте.

Google сообщила о существенном наборе результатов по безопасности, и стоит отделить измеренное от заявленного. В SEC-bench Pro, задаче обнаружения уязвимостей, Carbon набирает 88,2% против 83,4% у Argon. ExploitGym, проверяющий эксплуатацию, улучшается с 42,0% до 54,8%. CWE-bench, задача исправления, — с 68,0% до 71,0%. Внутри компании Google утверждает, что Carbon генерирует код без уязвимостей более чем в два раза чаще, чем Argon, а её команда Chrome обнаружила, что он более чем в десять раз лучше «крупной фронтирной модели другой лаборатории» при создании высококачественных патчей — сравнение без названного конкурента и без опубликованной методики.

Показатели безопасности имеют большее значение, чем показатели возможностей, потому что это первый случай, когда Google опубликовала данные о том, что Carbon превосходит Argon по поведению, а не только по оценкам. В бенчмарке Gray Swan по косвенным prompt-injection-атакам доля успешных атак у Carbon составляет 0,0% против 0,7% у Argon. В Terminal-Bench 4.0 попытки читерства предпринимались в 0,4% прогонов и ни одна не увенчалась успехом, тогда как поведение Argon было хуже. Количество оповещений о рассогласовании высокой степени серьёзности во внутреннем live-кодинге сократилось почти на 80%, число необоснованных утверждений уменьшилось вдвое, чрезмерное вмешательство сократилось на 26%, а недостаточное обслуживание — на 29%.

Две оговорки должны стоять рядом с этими цифрами, а не в сноске. Google говорит, что оценки кибербезопасности проводились без защитных ограничений: это верный способ измерить исходные способности модели и неверный способ предсказать, как поведёт себя развёрнутая система. А самые крупные множители — 2x для безопасного кода и 10x для патчинга — это внутренние бенчмарки и отчёт команды, а не независимые результаты. По оценке The Register в день запуска, аргументация в пользу безопасности выглядит многообещающей и в значительной степени основана на данных вендора; ничего из опубликованного с тех пор этого не изменило.

Цифры, циркулирующие в материалах о запуске, ставят Carbon впереди по Vals Index v2.2 (70,4% против 69,2%), SWE-sweep (9,6% против 4,3%), FrontierSWE 2 (61,2% против 55,0%), Agents' Last Exam v1.1 (77,4% против 69,0%), OSWorld-2.1 (81,5% против 74,7%) и GraphWalks для длинного контекста (96,2% против 84,2%). Эти данные приводятся Google, если владелец бенчмарка не утверждает иное; картина последовательна: Carbon — широкое улучшение, а не равномерное, и он всё ещё уступает Opus 5.5 и GPT-6 Astra в ряде тестов по программной инженерии и использованию компьютера.

Та же цена на ценнике — другие часы.

Обе модели используют один и тот же опубликованный прайс-лист: 2 доллара за миллион входных данных и 10 долларов за миллион выходных на вводном этапе, при этом кэшированный ввод предоставляется со скидкой 95%, а затем цены повышаются до 4 и 20 долларов. Асимметрия заключается в календаре. У вводного периода Argon есть конкретная дата — на странице цен Google указано, что более высокие цифры начинают действовать с 1 декабря 2026 года, — а его уровни batch, flex и priority опубликованы вместе с ним. У скидки Carbon вообще нет даты окончания; в анонсе сказано только «после вводного периода».

Artificial Analysis оценивает обе модели по стандартной цене $4/$20 — поэтому его показатели стоимости за задачу являются справедливым способом их сравнения, а вводный тариф — нет. Бюджет, рассчитанный на $2/$10 для любой из моделей, содержит обрыв, а для Argon у этого обрыва теперь есть дата.

OrcaRouter сегодня не маршрутизирует ни одну из этих моделей: у Gemini 4 Carbon нет публичного идентификатора для маршрутизации, а Gemini 4 Argon также отсутствует в нашем каталоге. Правило сквозной передачи стоимости по-прежнему актуально, потому что оно определяет, что произойдёт, когда это изменится, — мы начисляем 0% наценки на прайс-листовую цену провайдера, поэтому карточка тарифа, которую публикует Google, — это та карточка, которую видит клиент, включая повышение в середине контракта с $2/$10 до $4/$20. Из той же линейки мы маршрутизируем Gemini 3.8 Flash — $0.75 за миллион входных токенов и $3.75 за миллион выходных, при этом чтение из кэша — $0.075. Это модель другого класса, но это тот эндпоинт Google, который можно включить в продакшен-путь уже на этой неделе.

Кто должен выбирать

Если вы защитник внутри периметра Fairwind, выбор не за вами, и Carbon уже доступен вам — интересный вопрос в том, сохранится ли выигрыш в безопасности в вашем собственном испытательном стенде, поскольку опубликованные результаты измерялись без защитных ограничителей и отчасти на внутренних наборах тестов Google.

Если вы создаёте что-то, что должно выйти в этом квартале, Argon — ответ по умолчанию. У него есть эндпоинт, опубликованная цена и дата скидки — больше, чем у Carbon. Его слабые места известны: Terminal-Bench 4.0 на уровне 55–59% по стартовым данным Google против 66,4% у Opus 5.5, а также уровень галлюцинаций, который Carbon с тех пор обогнал — но в неверную сторону.

Если вы прорабатываете концепцию продукта в сфере безопасности, решение меньше зависит от того, какая модель лучше, и больше от того, какую из них вы сможете тестировать. Carbon недоступен, поэтому любой поставщик, который сегодня говорит вам о производительности «Gemini 4 Carbon», на самом деле называет лишь ярлык. Argon вместе с вашей собственной оценкой — это честная базовая линия, по которой позже можно будет проверить заявления Carbon.

Вся суть — в пятнадцатидневном ритме.

Argon'у четыре недели. Carbon появился в рамках того же номера поколения, а не как Gemini 4.1 или Gemini 5, что говорит о том, как Google намерена выпускать продукты дальше: варианты, а не версии. Трактовка Ars Technica в день запуска состояла в том, что Carbon — по сути, чуть улучшенный Argon, возможно, обновление после дообучения, — и примечания к выпуску подтверждают такую картину: та же цена, тот же контекст, те же входные модальности, иной набор возможностей.

Для всех, кто занимается интеграцией, это имеет конкретное последствие. Название модели больше не является стабильным описанием поведения. gemini-4-argon описывал одно 13 октября и может описывать другое после тихого обновления; наблюдение на арене, о котором мы писали 21 октября, когда алиас, по-видимому, обслуживал разные веса, не подтверждается и не опровергается запуском. Защита здесь прозаична: закрепляйте идентификатор, против которого фактически проводилась ваша оценка, храните датированный набор оценок и относитесь к любому алиасу как к чему-то, что может сместиться под вами.

Что посмотреть дальше

• Первая запись gemini-4-carbon в списке моделей Google — именно она, а не анонс, — тот момент, когда Carbon становится продуктом.

• 1 декабря — когда заканчивается вводная скидка Argon и фактическое сравнение меняется для каждого покупателя, который всё ещё её использует.

• Парная независимая оценка Carbon в сравнении с Argon на бенчмарках безопасности, проведённая с защитными ограничениями, поскольку ни одна такая оценка ещё не опубликована.

Пока не будет получено первое из них, рейтинг принадлежит Carbon, а решение — Argon. Странно писать такое о модели, которую только что назвали лучшей в мире, но именно это говорят эндпоинты.