# Gemini 4 Carbon 全面放开：它解决什么问题，如何接入，又该怎么和 Argon 一起看费用 - 分类: 模型动态 - 发布时间: 2026-11-11T19:44:29.000Z - 原始资料日期: 2026-11-10 - HTML: https://www.88z.ai/news/news-gemini - Markdown: https://www.88z.ai/news/news-gemini.md - 另一语言: https://www.88z.ai/en/news/news-gemini.md Google 于 2026 年 11 月 10 日宣布，Gemini 4 Carbon 向付费开发者、企业、科研人员和消费者扩大开放。官方把它定位为处理更长链条、更复杂任务的前沿模型，并给出与 Gemini 4 Argon 相同的推广单价，同时提醒 Carbon 会为困难任务消耗更多 token。 ## 消息要点 - Carbon 已向付费开发者、企业和 Ultra 等消费者入口扩大开放；两周前曾通过 Fairwind 提供给部分安全防护人员。 - 官方仍建议大多数软件工程和知识工作先考虑 Argon；Carbon 面向更长链条、更困难的任务，并会消耗更多 token。 - 公告推广价为每百万 token 输入 2 美元、输出 10 美元，与 Argon 相同，但这不是中转站或本站的最终售价。 - 官方基准名次应视为厂商披露。选型时应用同一验收标准比较完成质量和整次任务费用。 ## 这次放开了什么，和两周前有何不同 2026 年 11 月 10 日，Google DeepMind 高级副总裁兼 Google 首席 AI 架构师 Koray Kavukcuoglu 发文宣布，Gemini 4 Carbon 现在面向开发者、企业、科研人员和消费者开放。官方把它称为当前在网络安全能力，以及跨越复杂知识工作、软件工程和科学推理的长周期智能体工作流上表现最强的模型。 这并不是 Carbon 第一次露面。公告写明，两周前 Carbon 已通过 Fairwind 计划提供给一批网络安全防护人员。在此之前发布的 Gemini 4 Argon 仍然被官方定位为大多数软件工程和知识工作的更合适选择。Carbon 则面向「考验模型智力上限」的任务，例如复杂的多步编程与排错、开放式的科学研究与发现。 ## 官方如何描述它的能力与用法 在知识工作方面，Google 称 Carbon 能在法律、金融和企业运营场景中，结合视觉理解、推理和更彻底的检索，从大量密集文档与数据中整理出有依据的结论，并按严格的格式生成表格、演示文稿和报告。公告还提到，现有基准很难衡量智能体直接阅读带图表、图纸和表格的密集文件的能力，因此 Google 与 Artificial Analysis 合作推出了 Multimodal Knowledge Agent（MKA）基准。 在编程方面，官方强调多包迁移、跨子系统的根因排查和复杂架构调整等需要多方协作的工程任务，并称 Carbon 能在网页应用开发中执行构建-验证循环、从错误中恢复，同时检查代码和渲染后的界面。为了把这些能力用到更大项目上，Google 正在 Google Antigravity 中预览 /swarm：一条提示可以变成一组可实时跟踪的智能体团队。官方建议把最需要深度推理的角色（例如架构设计、协调和审计）交给 Carbon，再搭配更快、更轻的模型，在相互隔离的工作区里并行工作，并用对抗式验证器检查每次改动。 ## 谁能用，官方标价是多少 接入路径需要分开看。公告写明，所有付费开发者和企业可通过 Google AI Studio 以及面向企业的 Gemini 接口，用 API 使用 Carbon；同时，它正在向所有 Google AI Ultra 订阅用户，在 Google Antigravity、Gemini 应用和搜索中的 AI Mode 里逐步放开。 官方公布的推广价与 Gemini 4 Argon 发布时相同：每百万输入 token 2 美元，每百万输出 token 10 美元。这是 Google 公告中的价格，不是 88z.ai 或其他中转站的最终售价。更关键的是官方自己的提醒：Carbon 会为了更彻底地探索、更深推理和更长的验证循环，比 Argon 使用更多 token。相同的单价，因此并不等于一次完整任务的账单相同。 ## 如何阅读官方评测，避免只记住第一名 Google 列举了若干工作流基准上的结果，包括在 CursorBench 4.0、Perplexity 的 WANDR 以及 Zapier 的 AutomationBench 上排名第一，并称相对于「下一个最佳外部模型」，每任务成本低两倍以上；在 MKA 上排名第二，且平均每任务成本比第一名低六倍以上。这些数字都来自官方公告，部分基准还由 Google 参与或合作推出，因此适合当作厂商披露，而不是本站独立复测的结论。 对准备选型的人来说，更有用的读法是把「完成质量」和「整次任务消耗」放在一起看。如果一项任务本来用 Argon 就能稳定完成，换成 Carbon 可能只是多花 token；如果现有模型在多步排错或长文档综合上经常中途失败，才值得用同一组验收标准去做小规模对照。 ## 88Z 观察：先写清验收标准，再决定要不要上 Carbon 我们的建议是：先把要验收的真实任务写下来，例如一次代码迁移必须通过现有测试，一份资料分析必须给出可核对来源的结论，再拿 Argon 和 Carbon 各跑一小批。记录是否完成、需要多少人工修改、总耗时和总费用。这样比较的是完整工作，而不是单项排行榜分数。 同时也要核对账号实际开通了哪一条入口。API 付费权限、企业接口和 Ultra 应用入口是分开滚动开放的。模型名称出现在目录里，并不自动等于当前账号已经能在目标产品里调用 Carbon。至于中转或本站的最终积分价格，应以当天价目为准，不能直接套用 Google 公告中的推广单价。 ## 资料来源 - [Google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available) (2026-11-10) - [Google · Gemini 4 Argon](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon) (2026-10-13) 本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。