Gemini 4 Carbon är nu inlösningsbar, och priset fördubblas inom tjugo dagar

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.

Så det här är en lanseringsartikel där lanseringen är verklig, och den användbara informationen är inte marknadsföringen. Det är åtkomstmatrisen, tjugodagarsrabatten och det faktum att raden "#1 on the Artificial Analysis Intelligence Index" från oktober nu står som fjärde på samma lista.

Vem kan faktiskt kalla det, och vem kan fortfarande inte?

Inlägget den 10 november är ovanligt specifikt när det gäller kanaler, vilket gör det värt att läsa som en åtkomsttabell snarare än ett tillkännagivande. Vad som öppnades:

• 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.

• Enbart för forskare och vetenskapsutövare efter ansökan, med Argon och Carbon i Antigravitys högsta nivå, kostnadsfritt i sex månader i mån av behörighet och kapacitet.

• Cyberförsvarare, fortfarande via Fairwind Program, där hela utrullningen började.

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.

Tjugodagarspriset, och klippan bakom det

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.

Resten av kortet är där teamen blir överraskade:

• Cachad indata — 0,10 USD per miljon till 30 november, 0,20 USD därefter. Vid nuvarande pris är en cachad token 5 % av en ny, och multiplikatorn gäller även efter ändringen.

• Batch and Flex – halva standardpriset, $1.00 in och $5.00 ut nu, $2.00 och $10.00 efter 1 december. Om ditt jobb tolererar latens är detta den enskilt största hävstången för kostnaden.

• Priority — 1,8x standard, 3,60 USD in och 18,00 USD ut nu, 7,20 och 36,00 därefter.

• Contributor — $1.00 in, $5.00 ut, $0.05 cachat, förhandsvisning endast på inbjudan. Inte ett allmänt alternativ.

• 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.

Påståendet nr 1, och vad styrelsen säger fyra revideringar senare

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.

Vad den oberoende styrelsen faktiskt säger, och siffran som spelar roll

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

• Kostnad per uppgift i Intelligence Index — 7,76 USD till standardpris. Det är inte det billigaste sättet att köpa intelligens; det är bland de dyraste på listan, rankat 61:a av 73 i det måttet.

• Utmatningstokens som förbrukats på indexet – 205 miljoner, jämfört med en median på 72,8 miljoner. Carbon är en mångordig modell, tredje från botten i mångordighetsrankningen. Priset per token underskattar vad en Carbon-arbetsbelastning faktiskt kostar när modellen tänker längre och skriver mer.

• Hastighet – 80 uttoken per sekund, med 66,85 sekunder till första token i svaret. Jämfört med medianen på 12 sekunder för dess nivå är Carbon en modell man kör i batch snarare än en modell man placerar bakom en chattruta.

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

Lägger man ihop mångordigheten och priset är aritmetiken obeveklig. En uppgift som kostar $7.76 på Carbon kostar ungefär en femtedel av det på en billig open-weight-modell – vilket är jämförelsen som nästa artikel i den här serien gör i detalj. Carbons argument är inte att det är effektivt. Det är att inom cyber- och långhorisontellt agentarbete kanske det inte finns något annat med samma förmåga.

Vad man ska göra de kommande tjugo dagarna

Tre praktiska åtgärder, i ordning efter hur mycket pengar de sparar.

Benchmarka först mot introduktionspriset och prissätta resultatet mot decemberpriset. Allt du beslutar i november baserat på november-siffror kommer att se 100 % bättre ut än det faktiskt är. Om en pilot visar en månadsräkning på 400 USD den här månaden, kostar samma trafik 800 USD från 1 december på standardnivå.

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.

Den portabiliteten är hela argumentet för att inte hårdkoda en leverantörs SDK i november. Carbons åtkomstvillkor har nu ändrats två gånger på fjorton dagar: gated tillkännagivande, sedan betald API. Taxan ändras den 1 december. En månad där både priset och dörren flyttades är inte en månad för att bygga ett beroende av en enda leverantör.

Vad är fortfarande okänt?

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.