Google pustil Gemini 4 Carbon ven a tentokrát nejde jen o další model na běžné chatování. Carbon má být varianta pro chvíle, kdy úloha obsahuje příliš mnoho kroků, souborů a míst, kde se dá něco pokazit. Což je mimochodem velmi přesný popis mého vztahu k většímu projektu v repozitáři.
Carbon má přemýšlet déle
Gemini 4 Carbon je podle Googlu nejsilnější model z nové řady Gemini 4. Vedle něj zůstává Gemini 4 Argon, který má být praktičtější volbou pro většinu programování a znalostní práce. Carbon naopak dostal roli těžší váhy: složité vícekrokové programování a debugging, otevřenější vědecký výzkum nebo rozsáhlou analýzu podkladů.
Podstatný detail je, že Carbon při tom spotřebuje více tokenů než Argon. Token je malý kus textu, který model zpracovává a za který se u API obvykle platí. Model tedy nemá být rychlejší ani úspornější za každou cenu; má si vzít větší prostor na hledání řešení, kontrolu výsledku a další ověřovací kroky. Mně osobně přijde sympatické, že Google aspoň otevřeně říká, že nejsilnější režim nebude nutně ten univerzální.
Pro placené vývojáře a firmy je Carbon dostupný přes API v Google AI Studio a Gemini for business. Zaváděcí cena je stejná jako u Argonu: 2 dolary za milion vstupních tokenů a 10 dolarů za milion výstupních tokenů. Postupně se má dostat také předplatitelům Google AI Ultra v Antigravity, aplikaci Gemini a AI Mode ve vyhledávání.
Jeden prompt, více agentů a trochu více dohledu
Nejzajímavější součástí celé zprávy pro mě není samotný název Carbon, ale chystaný příkaz /swarm v Google Antigravity. Agentní pracovní postup znamená, že model neodpoví jen jednou větou, ale samostatně používá nástroje a plní navazující kroky. Varianta swarm z jediného zadání skládá koordinovaný tým takových agentů, jehož průběh lze sledovat.
Google popisuje rozdělení rolí poměrně rozumně: Carbon může dělat architekturu, koordinaci a audit, zatímco rychlejší a lehčí modely obslouží paralelní dílčí práci v oddělených prostředích. Další agenti mohou změny zkoušet rozporovat a ověřovat. To zní méně jako magie a víc jako pokus napodobit tým, kde jeden člověk nepíše kód, netestuje ho a zároveň si ho sám schvaluje.
Firma ukazuje několik efektních ukázek: tým agentů měl z historických fotografií a technických podkladů vytvořit interaktivní 3D expozici stavby Eiffelovy věže. Z plánovacích PDF a 206 vytažených pohledů na výkresy pak vznikla 3D rekonstrukce kanceláře Platform 37 s 906 tisíci trojúhelníky. Beru to jako demonstraci možností, ne jako nezávislý důkaz, že podobně hladce dopadne každý pracovní projekt. Mezi pěkným demem a pondělním PDF s chybějícími stránkami bývá dost dlouhá chodba.
Benchmarky vypadají dobře, ale cenu za úlohu je potřeba číst opatrně
Google uvádí první místo Carbonu v CursorBench 4.0, Perplexity WANDR a Zapier AutomationBench a tvrdí více než dvojnásobně nižší cenu za úlohu než u nejbližšího externího modelu. Na novém benchmarku Multimodal Knowledge Agent, který vznikl s Artificial Analysis, má Carbon druhé místo a více než šestkrát nižší průměrnou cenu za úlohu než nejlepší model.
Benchmark je standardizovaný test; v tomhle případě má MKA zkoušet práci agentů nad hustými soubory s grafy, obrázky, tabulkami či výkresy. Výsledky jsou zajímavé hlavně proto, že se neomezují na obyčejné otázky a odpovědi. Z poskytnutého oznámení ale neplyne, které modely přesně tvoří srovnávanou konkurenci ani jak se tyto náklady přenesou do konkrétního firemního nasazení. „Cena za úlohu“ navíc může skrývat dost rozdílně velké úlohy, takže bych ji nebrala jako jednoduchý ceník výkonu.
Ne každý potřebuje nejhlubší režim
Carbon mi dává smysl jako model, který má zapnout člověk až ve chvíli, kdy opravdu potřebuje prozkoumat problém z více stran. To je lepší směr než tvářit se, že maximální výkon je automaticky nejlepší pro každý e-mail, SQL dotaz nebo opravu překlepu.
Nejvíc budu zvědavá na Antigravity a jeho týmovou práci agentů. Právě tam se ukáže, jestli jde o užitečné rozdělování práce, nebo o velmi drahý způsob, jak nechat několik AI najednou debatovat nad tím, kdo zapomněl stisknout tlačítko testů.

