拆解 Gemini 4 Carbon 的 Pelican Demo：兩個 Agent、一條 Blender 管線，以及一個真正能閉環的審查迴圈

Google 在 2026 年 11 月 10 日發布的最有用事物，並不是一張基準測試表，而是一隻騎著腳踏車的鳥。在讓 Gemini 4 Carbon 全面開放使用的同一篇文章中，Google 描述了一次執行過程：Carbon 代理打造了一款開放世界 3D 遊戲——你扮演一隻騎著 GBike 的鵜鶘，探索 Google 的山景城園區——做法是在 Blender 中為資產建模，然後使用 Three.js 搭配 WebGL 著色器建構這款瀏覽器遊戲，並將程序化 Web Audio 音效與 Lyria 音樂相互搭配。隨文流傳的影片約 77 秒。值得你注意的不是那隻鵜鶘，而是迴圈閉合了：那條流程中的某個環節檢視了自己渲染出的成果，並判斷它是否夠好。

這與「模型很聰明」是截然不同的主張。示範是挑選過的，而這一個是供應商挑的。但一個有審查者參與的示範，具備基準分數所沒有的可測試性——你可以閱讀其結構、數算角色，並質問同樣的形態是否能在你自己的工作中存活。所以這是拆解分析，而非發表文章：建了什麼、代理如何拆分、這次執行展示與未展示什麼，以及把同一模式指向你真正在意的事物要付出什麼成本。

實際建造了什麼，按建造的順序

Google 的描述對工具鏈格外具體，這正是它值得當作工程筆記來讀的原因。這次執行包含三個媒體環節，而它們彼此不可互換：

{{1}}資產{{/1}}——子代理在 Blender 中為 3D 物件建模，依據的是由 Omni 與 Nano Banana 產生的參考資料。這屬於建模步驟，而非寫程式的步驟：幾何、材質與比例都在這一步產出，而下游的一切都會繼承這一步裡的所有錯誤。

• 遊戲——以 Three.js 搭配 WebGL 著色器打造，因此交付物是可於瀏覽器中渲染的場景，而非一段渲染完成的影片。著色器能否編譯，是硬性且可由機器檢核的訊號，而「看起來不錯」則不然。

• 音效 — 程序化 Web Audio 效果，搭配 Lyria 音樂。這是與審查迴圈連結最弱的一環，也最有可能在事後由人工手動調校。

同一則貼文在旁邊還放了另外四件 3D 作品，而同樣的模式一再出現：一個互動式 Three.js 展覽，以歷史照片與工程圖版重現艾菲爾鐵塔 1887–1889 年的建造過程；一件含 906,000 個三角面的 Three.js 重建模型，重現 Google 的 Platform 37 辦公室，是依據七份市議會規劃 PDF、歷經十輪通宵迭代建構而成；一個具備 110 根纖維極座標追蹤的紡織品視覺化工具；以及一架可彈奏、具備 61 鍵擒縱機構物理模擬的古鋼琴。不管還有什麼說法，這都不是一次僥倖的提示詞，而是一組形態一致的執行結果。

兩個代理，還是一個代理身兼三職？

觀察者的記述與 Google 自家的說明，從不同角度描述了同一次執行，而其中的差異頗具啟發性。11 月 10 日由 @dotey 發布、流傳最廣的中文摘要，把它拆成一個建構者代理和一個檢視自身渲染結果的審查者代理。原發文者、Google AI Studio 的 Vamsi Batchu 則把同一件事描述成一隻在校園各處收集 TPU 晶片的鵜鶘——並歸功於 Google Antigravity 的 /swarm功能，Google 將這項功能描述為能把單一提示變成「一支你能即時追蹤、協同運作的代理團隊」。

Google 的文章將這些角色指派給 Carbon，而非媒體：「架構設計、協調與稽核。」若與觀察者描述並讀，整體形態便是一個產出幾何與程式碼的建構者，以及一個檢視產出物而非原始碼的稽核者。這項區別比代理數量更為重要。代理檢視自身的差異修補時，訊號很微弱；代理檢視渲染後的影格、可編譯的著色器，或執行中遊戲的截圖時，訊號則很強，因為失敗在成品中顯而易見，而不是在文字描述中可爭辯的。

關於資料來源，有兩點必須誠實說明。建構者／審查者的分工，來自人們對這次執行過程的描述，而非已公開的架構圖——請把它視為一份忠實的摘要，而不是規格書。而/swarm在 Antigravity 中仍屬預覽功能，因此你所想複製的那層編排機制目前尚未全面開放使用。

還有一個沒人提到的現實小麻煩：連結的 AI Studio 應用程式需要先通過 Google 登入。我無法以匿名方式開啟遊戲——網址會直接重新導向到 accounts.google.com。所以「可在瀏覽器中遊玩」的意思是「只要你擁有 Google 帳號，而且就應用程式本身而言還要有 AI Studio 工作階段，就能遊玩」。這是那段影片被轉發上百次時，悄悄略過的一個小細節。

為什麼遊戲是比它所取代的 SVG 更嚴苛的考驗

要求「騎腳踏車的鵜鶘」的那個提示詞出自 Simon Willison 之手，自 2024 年以來，他幾乎對每一款前沿模型發布都跑過這個測試——起初是要求生成單一 SVG，後來當模型在單純的 SVG 上不再分出高下後，便改以 3D 提示詞進行：WebGL 頁面、Blender 算圖、p5.js 草圖。這項測試的價值從來不在於鵜鶘本身有多難畫，而在於它的輸出是視覺化的、自成一體的，而且人類不到一秒就能立刻判斷好壞。

Carbon 這次執行所做的，是把同一種特性推往更高的難度層級。一份 SVG 是單一語言中的單一產物。而這裡是幾何來自一個工具、程式碼來自另一個、執行環境來自第三個，再加上一個必須調和這三者的審查步驟——這正是長時程代理工作通常會栽跟頭的那類任務，而且不是在第 1 步，是在第 14 步，當模型早已忘了自己當初承諾的是哪個座標系。

Google 對這項能力的總結很精確，而且點出了機制：就網頁應用程式開發而言，該模型「會執行建置與驗證迴圈、從錯誤中復原，並檢查自身的程式碼與呈現出來的 UI」。這就是整套訣竅，說得明明白白。有趣的變數不是第一次嘗試有多好，而是迴圈能轉多少次，直到代理不再改善、開始無效空轉為止。

示範沒有告訴你的事

廠商示範是經過挑選的樣本，而挑選正是這項演練的重點。有三件事它無法回答：

• 它失敗的頻率有多高。我們看到的是完成的那一次執行。沒有人會公布那十一次卡住的，而文中完全沒有分母。

• 成本是多少。在 Platform 37 建置上跑十次整夜迴圈，意味著大量 token 與大量實際耗時。以 Carbon 的費率計算，這是個實實在在的數字，而 Google 並不提供。

• 較便宜的模型是否也能勝任。這才是讀者真正該問的問題，而這個示範在結構上根本無法回答它。

在可衡量的部分，Artificial Analysis 是制衡參照，而其數字比影片更不客氣。Gemini 4 Carbon 在高強度設定下，於 Intelligence Index v5.0.1 得分 60——在 74 個模型中排名第四，落後於 Claude Fable 5.2 的三種配置，分別為 65、62 和 62。其每項索引任務成本為 7.76 美元，在該指標上於 73 個模型中排名第 61；它在整個索引中消耗 2.05 億個輸出詞元，而中位數接近 7,300 萬個：它是個冗長的模型，因此每詞元定價會低估 Carbon 工作負載的成本。輸出速度約為每秒 82 個詞元，首個回答詞元約需 67.5 秒——就每個詞元而言夠快，但首個詞元太慢，讀起來像是批次處理再等待的型態，而非聊天框式。在 Coding Agent Index 上，同一評估者將搭配 Antigravity CLI 的 Carbon 評為 59，而搭配 Opus 5.5 的 Claude Code 為 62。

這些都不與 demo 矛盾。一個模型可以在通用指數上排名第四、每項任務成本高昂，卻仍是撐起四小時建置的那一個——這些是不同的量測，而 demo 是第三項的證據，不是第一項。它不是證明，而最便宜就能補上的缺漏環節，正是這個系列通常會提供的那一項。Willison 幾乎每次發布都會跑 pelican 提示詞並公布結果；2026 年 11 月，他的 pelican 文章涵蓋 Claude Fable 5.2 在五個推理層級，以及 Muse Ember 在六個推理層級，其中沒有 Carbon 的資料集。在有之前，pelican demo 是 Google 的產物，不屬於其他任何人——一套由廠商挑選的建置、由廠商撰寫的說明，且沒有外部執行結果可供比較失敗率。

自己執行同一個迴圈要花多少成本

Carbon 僅提供 Google 付費方案。沒有免費途徑：AI Studio 應用程式需要 Google 帳號，API 需要計費，且每個處理過的 token 都會計費，包括思考 token。費率表為導入期優惠且限時：

• 直至 2026年11月30日 — 每百萬個輸入 token 為 $2.00，每百萬個輸出 token 為 $10.00。

• 自 2026 年 12 月 1 日起 — $4.00 與 $20.00，模式維持不變。

• 上下文 — 100 萬個 token，且沒有依長度分級的價格級距，因此 90 萬 token 的程式碼庫與 2,000 token 的提示詞，每個 token 的成本相同。

把冗長程度和斷崖放在一起看，算術就變得令人不安。建置與審查迴圈在本質上就是輸出密集：審查者寫、建置者改寫，而逐字稿每回合都在增長。一筆 1 億輸入與 2,000 萬輸出 token 的工作負載，本月帳單為 400 美元——輸入 200、輸出 200——而相同流量自 12 月 1 日起為 800 美元。如果你在 11 月進行試點，請以 12 月的費率為試點定價，否則你核准的預算會錯上一倍。

值得把我們的立場說清楚：Gemini 4 Carbon 不在 OrcaRouter 的型錄中，這裡的任何內容都不應被解讀為聲稱它在。型錄裡有的是 google/gemini-4-argon，價格為 Google 自家的 $2 輸入 / $10 輸出——也就是 Carbon 本月所處的同一價格方案——同時還有 DeepSeek V4 Pro 的 $0.66/$1.98 與 Grok 4.7 的 $2/$6，全都能透過同一把 OpenAI 相容金鑰存取，涵蓋 216 個模型，並以 0% 加價直接反映供應商牌價，因此供應商價格變動當天就會生效，而不是等到重新定價週期之後。對這個特定模式而言，這件事之所以重要，理由很無聊：多代理建置迴圈是最可能撞上速率限制，或某家供應商狀況不佳的工作負載，而透過第二條路徑進行容錯移轉，比在十輪迴圈跑到一半才發現上限來得便宜。

如果你想要複製結構，請複製檢閱步驟

這個示範中可轉移的部分不是 Blender，也不是 Three.js，而是審查者拿到了可以直接查看的東西。以下三個做法，依其改變結果的程度排序：

• 讓產出物成為審查輸入。為執行中的應用程式截圖、渲染影格、編譯著色器、執行測試——然後把那個交回，而不是 diff。被問「這段程式碼正確嗎？」的代理會附和自己。被問「這張截圖符合需求簡報嗎？」的代理，才有東西可以出錯。

• 為迴圈設定上限，並檢查是否收斂。Google 針對單一次建置所引用的數字，是十次整夜迴圈。自訂你自己的上限，並記錄每一輪是否真的改善了產出物——一個已經停止改善的代理程式，通常就是一個開始「重新裝潢」的代理程式。

• 讓工具鏈保持無趣且可核查。Blender 匯出、Three.js、WebGL 和瀏覽器都是確定性且可檢查的。這次執行不依賴只有單一廠商才具備的能力；它依賴的是一個在第一次失敗後仍會繼續前進的模型。

接下來要觀察的重點很窄也很具體：/swarm是否會退出預覽，因為編排調度正是你目前無法複製的部分。Google 以外是否有人發布 Carbon pelican——Willison 的版本是這條脈絡最接近獨立成果的東西，而它尚未出現。還有 10 月 28 日有限度開放公告與 11 月 10 日全面發布之間的十二天間隔，究竟會成為常態，還是例外。這個示範會被引用好幾個月。它背後的迴圈才是那件要麼能泛化、要麼不能泛化的事。