Gemini 4 Carbon 用 /swarm 构建谷歌园区 3D 世界

作者注：本文以 Google 展示的鹈鹕骑行游戏为主线，拆解 Gemini 4 Carbon 的多 Agent 协作、三维资产制作和浏览器游戏交付过程，并说明这个演示的局限。

读懂 Gemini 4 Carbon 开放世界游戏前的 8 个术语

本文会频繁用到一些游戏开发和 Agent 领域的术语。先看这张表，后面的内容会更好理解。

一只鹈鹕骑着 GBike，在 Google 的 Mountain View 园区里四处闲逛。这是 Google 在 2026 年 11 月 10 日 Gemini 4 Carbon 正式开放时放出的演示之一：Carbon 借助 Google Antigravity 的 /swarm 功能，构建出一款能在浏览器里玩的开放世界 3D 游戏。

这不是坊间传言，但也不是独立实测。 案例来自 Google 官方博客，官方还提供了在线体验入口。不过它属于厂商演示，并非第三方游戏开发能力评测，本文也会严格区分两者。

核心价值：读完本文，你能弄清 Carbon 在这个游戏里具体做了什么，多 Agent 协作的价值在哪里，以及“AI 做游戏”离商业成品还有多远。

一、一只骑 GBike 的鹈鹕：Gemini 4 Carbon 开放世界游戏核心信息

Google 官方博客对这个游戏的描述只有一句话：Carbon 使用 Antigravity 的 /swarm 功能，构建了一款开放世界 3D 游戏，玩家扮演骑着 GBike 的鹈鹕，探索 Google 位于 Mountain View 的园区。描述很短，但信息量不小，涉及主角、场景、运行环境和交付形态四个层面。

需要特别说明的是，官方没有披露这款游戏的任务系统、NPC、地图面积、帧率或游戏时长。本文不会补充这些细节，读者如果在其他地方看到相关描述，建议回到官方原文核对。

二、为什么 Carbon 开放世界游戏不是普通的 AI 代码生成

让大模型写一个 Three.js 页面，放一个旋转的立方体，现在已经不算新鲜事。但一个“可以探索的开放世界”背后，至少要同时处理几类完全不同的专业工作：

• 三维资产：园区建筑、主角鹈鹕和 GBike 都需要建模，并配上材质；
• 场景搭建：把资产按空间关系摆放成可以探索的园区；
• 浏览器交互：玩家的操作要能驱动角色移动；
• 实时图形：通过 WebGL Shader 实现画面效果，并在浏览器里实时渲染；
• 声音设计：既要有程序化音效，也要有背景音乐。

在传统团队里，这些工作通常分别由 3D 美术、技术美术、前端或游戏程序、音频设计师负责。单个模型一次性吐出所有代码，很容易出现资产和代码对不上、风格前后不一致等问题。Google 在这个案例里强调的，恰恰是“由不同 Agent 分工协作完成”，而不是“Carbon 写出了一段游戏代码”。

另外值得一提的是，Carbon 官方模型卡显示其输出模态为文本，输入则支持文本、图像、音频和视频。因此，三维资产和音乐并不是 Carbon 直接“生成文件”，而是要借助 Blender、Lyria 等工具和其他模型来完成。这也解释了为什么这个案例需要多 Agent 加工具链的组合。

三、Gemini 4 Carbon 如何用 /swarm 组织多 Agent 游戏开发团队

/swarm 是 Google Antigravity 在 2026 年 11 月 10 日推出的多 Agent 协作预览功能。它的核心思路是：一条任务指令下去，由多个 Agent 并行协作，而不是让单个 Agent 按顺序包办所有工作。根据官方博客，/swarm 由四个部分组成。

/swarm 在鹈鹕游戏中的协作链条

按官方披露，这款游戏的制作大致可以理解为四个环节的衔接。第一步是视觉参考，素材由 Gemini Omni 和 Nano Banana 生成或提供，用来确定园区与角色的视觉方向。第二步，子 Agent 在 Blender 中协作建模，制作三维资产。第三步，用 Three.js 加 WebGL Shader 在浏览器中搭建开放世界并实现实时图形效果。第四步，用 Web Audio 制作程序化音效，再由 Lyria 生成游戏音乐。

多 Agent 的价值，在于让每个环节有专门的执行者，同时由协调者把控整体一致性。Google 也给出了模型分配建议：总体架构、任务协调、安全审查和复杂代码审计交给 Carbon，常规实现和并行文件修改交给更快、更轻量的模型，测试由专门的验证 Agent 负责。官方没有逐一说明鹈鹕游戏中每个 Agent 用的是哪个模型，因此这里只介绍通用机制，不做推断。

/swarm 的成本提醒

Google 表示，工程师已经在内部使用 /swarm 约 5 周，主要用于多软件包迁移、跨子系统根因调查和架构重设计。官方同时提醒，即使空闲等待不消耗 Token，多 Agent 并行执行仍会明显增加整体额度消耗。对想复制这类工作流的团队来说，这一点比“能做游戏”更值得放在心上。

四、Carbon 开放世界游戏背后的 5 层技术栈

把官方披露的工具按职责归类，可以得到一套很清晰的浏览器游戏技术栈：

这套组合的巧妙之处在于，它几乎全部落在“可以用代码或脚本驱动”的工具上。Blender 支持脚本化建模，Three.js 和 Web Audio 本身就是 JavaScript 接口，Shader 也是代码。对以文本输出为主的大模型来说，这意味着它能通过工具调用参与几乎每一个制作环节。

最终交付物是浏览器里的交互式游戏，不需要安装客户端。这也是 Web 技术栈特别适合 AI 生成内容的原因：产物容易分发，也容易让验证 Agent 直接打开页面检查渲染结果。

五、不止开放世界游戏：Gemini 4 Carbon 的其他三维作品

鹈鹕游戏并不是孤立的演示。Google 同期展示了几个相邻的三维与视觉案例，它们共同指向同一件事：Carbon 被用于空间设计、视觉资产制作、实时渲染和多媒体整合，而不只是写代码。

• 水下亚特兰蒂斯场景：以 Gemini Omni 生成的视频为参考，在 Blender 中制作程序化遗迹、体积光照和水体模拟，再转化为 Three.js 实时浏览器场景。它和鹈鹕游戏几乎是同一条“参考 → Blender → Three.js”管线。
• 1780 年古钢琴重建：利用 CAD 图纸和 X 光影像，重建一台带有 61 键击弦机物理机制的可演奏钢琴，并放入加拿大皇家音乐学院 Koerner Hall 的 3D 模型中，模拟不同座位的空间声学。
• Google Merchandise Store 改造：只用两轮提示词提出五种艺术指导方案，并通过 Nano Banana 2.1 生成新的商品图片。

此外，Google 在发布资料中还提到过两个案例：用 7 份公开的城市规划 PDF 提取出 206 个工程图视图，经过 10 轮夜间迭代，生成约 906,000 个三角面的 Three.js 建筑模型；以及根据历史照片和工程图纸，生成 1887—1889 年埃菲尔铁塔建设过程的交互式 3D 展览。这些同样都是官方演示。

六、影响分析：AI Agent 距离真正的开放世界游戏开发还有多远

讨论“AI 能不能做游戏”之前，先要把“游戏”拆成不同层次。下表是我们基于行业常识做的分层，不代表官方结论：

鹈鹕游戏大致处在前两层之间：它证明了多 Agent 可以把一个跨专业的浏览器 3D 原型跑通。但仅凭一个官方演示，无法证明模型已经能独立开发商业级开放世界游戏。

对开发者的影响

• 原型验证速度可能大幅提升：独立开发者和小团队可以用 Agent 快速做出可交互 Demo，用来验证创意或做 Pitch。
• “编排能力”变得和“写代码能力”同样重要：怎么拆任务、给每个 Agent 什么模型、如何设置验证环节，会直接决定产出质量和成本。
• 成本需要按任务估算：Carbon 首发价为每百万输入 Token 2 美元、输出 10 美元，12 月 1 日起调整为 4 美元和 20 美元，思考 Token 计入输出费用。多 Agent 并行时，账单要按整条工作流来算。

对行业的影响

• AI Agent 正从代码工具走向跨专业内容生产：同一套协作框架覆盖美术、程序和音频，这是比单项能力分数更有意义的信号。
• 人工的价值向“定义”和“把关”迁移：产品设计、质量控制和审美判断依然离不开人，只是重复性制作环节会被逐步压缩。

如何用 API 体验 Gemini 4 Carbon 的多 Agent 思路

/swarm 本身是 Antigravity 内的功能，但“强模型做规划、轻模型做执行”的分工思路，可以通过 API 自己搭一个简化版。下面的极简示例让 Carbon 担任协调者，把一个 3D 小游戏需求拆成子任务：

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # API易 统一接口
)

resp = client.chat.completions.create(
    model="gemini-4-carbon",  # 模型名以平台模型列表为准
    messages=[{"role": "user", "content": "把“用 Three.js 做一个骑车探索园区的浏览器小游戏”拆成 Blender 资产、场景代码、音效三类子任务，输出 JSON"}]
)
print(resp.choices[0].message.content)

注意，Google 开发者文档说明 Carbon 会忽略 temperature、top_p、top_k，并且不支持 thinking_budget，所以示例里没有传这些参数。

import json
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

COORDINATOR_MODEL = "gemini-4-carbon"   # 负责规划与整合
WORKER_MODEL = "YOUR_FAST_MODEL"        # 负责常规实现，选更快更轻的模型

def ask(model: str, prompt: str, system: str = "") -> str:
    messages = []
    if system:
        messages.append({"role": "system", "content": system})
    messages.append({"role": "user", "content": prompt})
    resp = client.chat.completions.create(model=model, messages=messages)
    return resp.choices[0].message.content

# 1. 协调者拆解任务
plan_text = ask(
    COORDINATOR_MODEL,
    "需求：浏览器 3D 小游戏，角色骑自行车探索园区。"
    "请拆成子任务，输出 JSON 数组，每项含 role 与 task 字段，"
    "role 取值为 blender_asset / threejs_scene / web_audio。只输出 JSON。",
)
subtasks = json.loads(plan_text)

# 2. 工作者逐个执行（生产环境可改为并发）
results = []
for t in subtasks:
    output = ask(WORKER_MODEL, t["task"], system=f"你是 {t['role']} 方向的工程师，只输出代码或脚本")
    results.append({"role": t["role"], "output": output})

# 3. 协调者做整合与一致性检查
review = ask(
    COORDINATOR_MODEL,
    "检查以下子任务产出是否互相一致（资产命名、坐标单位、接口），列出问题：\n"
    + json.dumps(results, ensure_ascii=False)[:20000],
)
print(review)

🚀 快速上手建议：想先验证“Carbon 规划 + 轻量模型执行”的组合是否划算，可以在 API易 apiyi.com 用同一个 API Key 切换不同模型做对比，按量计费，新用户有免费测试额度，适合小步试错。

常见问题 FAQ

Gemini 4 Carbon 开放世界游戏 Key Takeaways

• 案例本质：官方演示的浏览器开放世界游戏，主角是骑 GBike 的鹈鹕。
• 关键机制：/swarm 用协调者、并行工作者、验证者和消息板组织多个 Agent。
• 技术栈：Blender 做资产，Three.js 加 WebGL 做场景，Web Audio 加 Lyria 做声音。
• 真正亮点：跨专业协作交付，而不只是 Carbon 写出了代码。
• 边界意识：单一官方演示，不等于独立实测，更不等于商业成品。
• 上手方式：可在 API易 apiyi.com 用统一接口组合强弱模型，验证分工思路。

总结

Gemini 4 Carbon 的鹈鹕游戏，核心看点有三个：

1. 多 Agent 分工：/swarm 让视觉参考、三维资产、浏览器游戏和声音设计各有专人，由 Carbon 负责协调；
2. 可脚本化的技术栈：Blender、Three.js、WebGL 和 Web Audio 让文本输出的模型能参与几乎所有制作环节；
3. 清醒的边界：它展示了原型级跨专业交付的可能性，但玩法设计、质量控制和产品打磨依然需要人。

如果你想评估这类“强模型规划 + 轻模型执行”的工作流是否适合自己的项目，推荐通过 API易 apiyi.com 快速验证效果。平台用一个 API Key 即可调用多家主流模型，方便对比成本和产出质量。

📚 参考资料

1. Google Blog – Gemini 4 Carbon is now available：正式开放公告，含鹈鹕游戏及其他三维案例
2. 链接：blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. 说明：游戏描述与技术栈的一手来源

4. Google Antigravity 官方博客：/swarm 多 Agent 协作机制介绍

5. 链接：antigravity.google/blog/gemini-4-carbon-in-google-antigravity/

6. 说明：Coordinator、Git Worktree、验证 Agent 等设计细节

7. Gemini 4 Carbon Model Card：模型参数与已知限制

8. 链接：deepmind.google/models/model-cards/gemini-4-carbon/

9. 说明：输入输出模态、上下文、知识截止日期

10. 鹈鹕园区游戏官方演示：Live App 体验入口

11. 链接：aistudio.google.com/apps/bundled/pelican-campus-quest

12. 说明：可能需要 Google 账号登录，属于官方演示

13. Gemini API 定价：Carbon 首发价与 12 月起标准价

14. 链接：ai.google.dev/gemini-api/docs/pricing
15. 说明：计算多 Agent 工作流成本时参考

作者：API易 技术团队
技术交流：欢迎在 API易 网站首页联系我们，更多接入资料可访问 docs.apiyi.com 文档中心

延伸阅读

• 让模型写 Three.js 而不是直接生成 3D 文件：代码中间层工作流的 5 个启示:以 Qwen3.5-4B-GLB-3D-Coder 为例，拆解“文本→Three.js→GLB”的代码中间层工作流，并给出本地部署、云端接入与 Godot 验证的实操步骤。
• Gemini 4 Carbon 发布解读：59 分反超 Opus 5.5，17 项赢 15 项却调不到:Gemini 4 Carbon 在 Artificial Analysis 综合智能指数拿到 59 分登顶，官方 17 项对比赢 15 项。但它没有 API 型号 ID，也没有开放时间表。本文按口径拆清分数，说明现阶段为什么调不到，以及国内开发者现在可以先用 gemini-4-argon。