2026 年 11 月 10 日，Google 的 Koray Kavukcuoglu 在官方部落格發布了〈Gemini 4 Carbon is now available〉，宣布 Gemini 4 Carbon 擴大開放。10 月底還得等受邀存取的模型，現在有了付費 API 與 Ultra 方案入口；真正要重新決定的，是哪些工作值得交給它，以及要付多少才能交出合格成果。
先看開放條件，再拆解費率與外部評測，最後看多 Agent 分工能帶來什麼。這次的新意，是可以開始安排一場有預算、有交付標準的比較；「能選到模型」與「值得全面改用」之間，還有幾道決策。
一、Gemini 4 Carbon 擴大開放：先把五種入口分清楚
Google 在 10 月 28 日首發公告先提供部分資安防禦者使用；11 月 10 日這篇公告擴大到開發者、企業、研究人員及消費者。兩次發布回答不同問題：前一次交代模型能力與受限部署，這一次開始交代誰能把它放進日常工作。
- API 開發者：Gemini API 付費層，可從 Google AI Studio 等入口使用；模型 ID 是
gemini-4-carbon。 - 企業：公告列出 Gemini for business 的 API／模型選單，以及 Antigravity、CodeMender。
- Google AI Ultra 訂戶：Carbon 開始向 Antigravity、Gemini app 與 Search 的 AI Mode 推送；推送中的服務不等於每個帳戶同時顯示。
- 科學研究人員：可申請六個月的 Argon 與 Carbon 存取，採滾動審核，受資格、容量與遴選限制。
- 資安防禦者：Carbon for cyber 仍另列 Fairwind Program 申請入口。
尤其要留意最後一列。公告把漏洞探索、利用驗證與修補的強項，放在 Carbon for cyber／Fairwind 的脈絡中。不能拿到一般 API，就把受控資安版本的使用邊界與全部成績一起搬過來。模型文件與各入口的存取條件，才是部署時要對齊的身分。
二、Gemini 4 Carbon 的同價，為什麼可能產生不同帳單？
using more tokens than Argon to explore thoroughly, reason deeply, and run extended verification loops.
中文：使用比 Argon 更多的 Token，充分探索、深入推理，並執行延長的驗證迴圈。
Google，2026 年 11 月 10 日公告節錄
這句話是整篇最有用的成本提示。依 Gemini API 費率表，Carbon 的 Standard 一般輸入／輸出價格，到 2026 年 11 月 30 日為每百萬 Token US$2／US$10；從 12 月 1 日起變成 US$4／US$20。輸出費率包含 thinking tokens。這裡比較的是 Standard，沒有把 Batch、快取或其他服務層混成同一張價目表。
純算術例子：一次工作若有 100 萬個一般輸入 Token，加上 10 萬個計費輸出 Token，優惠期的模型費是 US$3，12 月起同樣用量是 US$6。這個例子沒有加入快取折抵、搜尋與其他工具費，也沒有假設它真的能完成哪一項工作。若為了反覆驗證多用了 Token，同一單價下的帳單也會增加。
新版開發文件也把 Carbon 與 Argon 的差異放在推理投入：Carbon 更深入探索；Argon 更偏向較低用量與較快回應。因此，選型的問題是「多花的推理，是否替這件難題省下更貴的返工」。對答案容易核對的短任務，沒有必要先把最深的推理檔位當成預設。
三、外部成績提供了理由，也保留了差距的尺度
截至 11 月 11 日查閱，CursorBench 4.0 原始榜單列 Carbon High 為 60.4%、每題 US$9.22，Carbon Medium 為 60.1%、US$8.49；Fable 5.2 Max 為 60.0%、US$32.79。Cursor 說明題目來自真實使用情境中的模糊、多檔案任務，費用依使用的各類 Token 與公布費率計算。
這支持 Carbon 在該套工程考題中具有吸引力，但 60.4% 與 60.0% 只差 0.4 個百分點。Cursor 自己提醒，細小分差未必有統計意義。可以重視那筆成本差距，卻不宜把榜單第一名翻譯成每個專案都會勝出；High 與 Medium 的選擇，也要看增加的費用換回什麼。
另一張 Zapier AutomationBench 1.0.6表，列 Carbon High 53.88%、每題 US$2.12，Fable 5.2 預設 fallback／Max 51.45%、US$4.64。這套測試看跨應用工作最後留下的資料狀態，並採嚴格完成條件。它給了「Agent 能否把事做完」的外部訊號，也提醒我們：領先的成績距離每件事都做對，仍有很大空間。
文件與圖表工作方面，Artificial Analysis 的 MKA 原始評測列 Carbon High 的 Climb WSR 為 54%，Fable 5.2 Max（Default Fallback）為 57%。這是加權評分條件的滿足率，不能當成完整文件交件成功率；AA 負責獨立執行評測，但題組出自 Google DeepMind，也不是完全無關的隨機工作抽樣。不同考卷各有勝負，恰好反對了「一個名次就能決定全部用途」的讀法。
四、/swarm 預覽的重點，是讓推理與驗證分工
previewing /swarm in Google Antigravity
中文：在 Google Antigravity 預覽 /swarm。
Google，2026 年 11 月 10 日公告節錄
依 Antigravity 團隊公告，/swarm 以協調者安排平行工作者，讓工作者在各自的 Git worktree 編輯，並有專門挑戰變更、執行測試的驗證者；各 Agent 透過共享、只追加的訊息板溝通。介面能查看成員與活動軌跡，也能把不同角色固定到不同模型。
它的合理價值，是把昂貴推理放在架構、協調與稽核，把可分拆的修改交給較輕快的模型。想像修改一組共用介面：各工作者可以分頭改模組，但最後仍要有人確認所有呼叫端與共同測試是否對得上。worktree 隔離檔案編輯，跨模組契約則仍需要整合驗證。
這項功能截至公告仍是 preview，向 Antigravity App 與 CLI 推送。Google 也明說，即使閒置等待不消耗 Token，多 Agent 平行運作仍會比一般聊天更快耗掉額度。零成本的等待，不等於零成本的協作。如果任務彼此強烈相依，增加工作者還可能增加溝通、重讀與整合的負擔；這是選任務時要驗證的工程判斷，並非本篇已量到的效能結果。
五、科學與安全展示，要看它們各自證明了什麼
原文的範圍比寫程式更大：從密集文件做試算表、簡報與分析，再延伸到形式驗證、酵素實驗資料和蛋白質同源序列搜尋。Google 還展示多 Agent 把歷史材料、建築圖或論文轉成互動 3D 作品。這些案例說明 Google 想把 Carbon 放進「讀材料、建立假說、製作產物、回頭驗證」的長鏈工作，而不只當成回答更長的聊天模型。
證據的歸屬同樣重要。研究案例與客戶證言在這篇公告中，是 Google 或受訪使用者的報告；本篇沒有把它們改寫為 AlphaLab 實測，也不從展示影片推算普遍成功率。蛋白質案例的上游搜尋改善，要與下游結構預測及實驗驗證分開；形式證明也要看實際證明的程式、性質與假設，而非把「證明過一部分」擴張成整個產品已無漏洞。
安全部分，公告一面重述 Gray Swan 間接提示注入測試的 0% 觀測值，一面明說更複雜、不同分布的攻擊仍需要改善。安全與資安報告提供測試配置與限制；不能把有限測試中沒有觀察到成功攻擊，換成未來不會遭到注入的結論。上圖的警示率下降也只對應標示的測量流程，不能直接當成你的系統事故率下降相同比例。
六、AlphaLab 的判讀：開放之後，先決定誰做哪一段
我同意：把更強的模型放在難題與檢查關卡
這次擴大開放的實質改變，是團隊終於能用自己的工作驗證它。外部工程與流程測試已給出值得入選的成績；較深推理也適合拿來檢查模糊需求、追跨系統根因。先把 Carbon 放進現有流程中最常返工的一段，會比讓所有日常請求一起升級，更容易看出它的價值。
我存疑：能否用同一價目表，證明整支隊伍更便宜
多 Agent 帳單要加總協調者、所有工作者、驗證者與失敗重跑。人也要花時間看整合結果。只有把這些成本加起來，再除以真正合格的交付數，才接近你需要的價格；任何一張單模型 Token 費率表，都還少了這個分母。11 月的優惠可以降低試驗門檻，12 月起的費率則應先放進持續運行的預算。
下一份值得追的證據：相同預算下，多 Agent 多交出多少合格作品
先選一項可分拆、能回復、你有權處理的工作，例如三個獨立模組沿用同一介面更新。保存原有流程，另試 Carbon 單 Agent，最後才加上多 Agent；固定總費用與時間上限，記錄合格數、返工、整合失敗及人工驗收時間。這是建議的比較設計，沒有虛構一份已完成的跑分。
碰到外部文件或工具操作，再限制可讀檔案、可寫目的地與可執行動作。讓驗證者回查原始材料與測試結果，而非只讀其他 Agent 的完成宣告。若需要把這些紀錄做成可追查流程，可接著讀 文件答案與引用怎麼驗收。Gemini 4 Carbon 擴大開放之後，最值得增加的是可比較的證據；模型的權限，則跟著已通過的工作範圍逐步調整。
接著閱讀
左右滑動查看更多推薦