Em 10/11/2026, o Google liberou o Gemini 4 Carbon para desenvolvedores pagantes e empresas. O ID do modelo é gemini-4-carbon. Ele é um modelo baseado no Gemini 4 Argon e aceita texto, imagem, áudio e vídeo como entrada. No mesmo dia, o Google afirmou no blog oficial e nas contas oficiais que ele é o modelo Gemini mais forte até agora, feito para tarefas de longo prazo e raciocínio em várias etapas. O changelog da Gemini API também registrou, nessa data, a disponibilidade geral (GA).
Este texto não é um resumo de release do tipo “passa o trator em tudo”. Aqui a informação está separada em três camadas: o que o Google declarou por conta própria, os resultados da tabela do model card até outubro de 2026 e o que ainda não se sabe. Vou mostrar tanto os testes em que ele perde quanto aqueles em que ele ganha.
Valor central: ao terminar a leitura, você vai ter 6 limites de capacidade do Gemini 4 Carbon e saber quais tarefas valem a pena entregar a ele e quais é melhor manter no Argon ou em outros modelos.
Resumo rápido das informações centrais do Gemini 4 Carbon
O Gemini 4 Carbon não estreou agora. Em 28/10/2026, o Google publicou o texto “Introducing Gemini 4 Carbon”, e na época o modelo ficou disponível só para uma parte das equipes de defesa em cibersegurança, com liberação gradual pelo Fairwind Program. Só em 10 de novembro ele foi aberto a todos os desenvolvedores pagantes.
| Item | Detalhes | Nível da fonte |
|---|---|---|
| Primeiro lançamento | 28/10/2026, primeiro para algumas equipes de defesa em cibersegurança, com liberação gradual pelo Fairwind Program | Comunicado oficial |
| Abertura pública | 10/11/2026, para desenvolvedores pagantes, empresas, cientistas e assinantes do Google AI Ultra | Blog oficial |
| Status da API | gemini-4-carbon entrou em GA em 10/11/2026; a mesma página registra que o gemini-4-argon entrou em GA em 05/11/2026 |
Changelog da Gemini API |
| Porta de entrada para desenvolvedores | Gemini API no Google AI Studio e no Android Studio, além do Gemini for business | Post oficial do Google |
| Porta de entrada para assinantes | Gemini App, AI Mode na Busca, Antigravity e Google AI Studio (assinatura Ultra) | Post oficial do Google |
| Plano gratuito e assinaturas de nível mais baixo | O Google não informou data de abertura desta vez, e o The Verge diz que não está claro quando (ou se) isso vai acontecer | Desconhecido |
O post oficial do Google foi publicado em 10/11/2026 às 16:05 UTC, o que dá 00:05 do dia 11 no horário de Pequim. Por isso, muita gente só viu a notícia na manhã do dia 11. Além disso, o programa para cientistas que antes era do Argon (10 mil vagas, com seis meses de uso do Antigravity) foi estendido ao Carbon. As inscrições continuam abertas, com análise semanal em fluxo contínuo, e há limites de elegibilidade, capacidade e seleção.
Como ler os dados do Gemini 4 Carbon: três níveis de critério
Há muitos números circulando sobre o Gemini 4 Carbon, mas cada um vem de uma fonte e de um critério diferente. Daqui para frente, todo dado do texto vai indicar a que nível pertence, para não misturar pontuações de critérios distintos na mesma tabela.
| Nível | O que inclui | Como usar |
|---|---|---|
| Autorrelatado pelo Google | Rankings, benchmarks internos e números de segurança do comunicado de 28/10 e do texto de abertura de 10/11 | Tem valor como referência, mas o critério é definido pelo Google e nem sempre dá para reproduzir por fora |
| Tabela de resultados do model card | Comparação, até outubro de 2026, do Carbon com Argon, GPT-6 Astra, Claude Opus 5.5 e Claude Fable 5.1 | Os critérios são os mesmos dentro da tabela, então é só ela que usamos nas comparações deste texto |
| Desconhecido | Data de abertura do plano gratuito, avaliações independentes de longo prazo de terceiros, índices mais recentes em páginas de terceiros | Sem conclusões, apenas a descrição da situação atual |
Um exemplo: quando a página da Artificial Analysis foi capturada em 11/11/2026, o resumo mostrava um Intelligence Index de 60. Só que, na mesma página, a área dos gráficos trazia vários “No publicly available API”, o que contradiz o fato de a API já estar aberta desde 10/11. Por isso este texto não usa o número 60 e adota sempre a pontuação 59 do AA Index v5.0 citada no model card, com critério de outubro de 2026.
Que tipo de modelo é o Gemini 4 Carbon
Segundo o Google, o Argon continua sendo a melhor escolha para a maioria das tarefas de engenharia de software e trabalho com conhecimento. O Carbon fica reservado para as tarefas que realmente batem no teto da inteligência, como programação e depuração complexas em vários passos, ou pesquisa científica em aberto. Ele gasta mais thinking tokens que o Argon, explora as hipóteses com mais profundidade e roda os ciclos de verificação por mais tempo.
| Item | Gemini 4 Carbon | Observação |
|---|---|---|
| Base | Baseado no Gemini 4 Argon | Para migrar do Argon, basta trocar o nome do modelo |
| Modalidades de entrada | Texto, imagem, áudio, vídeo | Compreensão multimodal |
| Modalidades de saída | Somente texto | Não gera imagens nem vídeos |
| Janela de contexto | 1M tokens, compartilhados entre entrada, raciocínio e saída | Nos modelos antigos, “raciocínio + resposta” ficava limitado a 64K |
| Limite padrão de saída síncrona | 65.536 tokens | Para saídas mais longas, é preciso usar background=True na Interactions API |
| Corte de conhecimento | Março de 2026 (model card) | Em alguns domínios pode ser anterior |
Os três níveis de thinking_level do Gemini 4 Carbon
O thinking_level tem apenas três níveis, e o padrão é medium. O guia do desenvolvedor sugere a seguinte divisão:
low: tarefas leves, como classificação, roteamento e extração pontual.medium: o nível padrão, que equilibra velocidade, custo e acertar de primeira.high: localização de causa raiz em vários arquivos, patches de segurança, matemática formal e design de arquitetura nas fases iniciais.
Se você precisar de uma saída acima de 65.536 tokens, defina background=True na Interactions API e aumente o max_output_tokens para mais de 65536. Deixe também uma folga para o processo de raciocínio, senão a resposta pode ser cortada no meio.
Pontos de atenção ao migrar do Argon para o Gemini 4 Carbon
Para trocar de gemini-4-argon para gemini-4-carbon, basta mudar o nome do modelo: o thinking_level e a janela de 1M continuam iguais. O guia do desenvolvedor lista algumas armadilhas comuns na migração:
- thinking_budget foi descontinuado, e passar esse parâmetro dispara um aviso.
- Valores personalizados de temperature, top_p e top_k são ignorados e também geram aviso.
- Não crie nem envie cached_content explícito. O cache implícito vem ativado por padrão, e a entrada em cache tem 95% de desconto.
- Comandos difíceis podem levar vários minutos para rodar. Configure o timeout do cliente para pelo menos 15 a 20 minutos, ou use
background=True.
Como invocar o Gemini 4 Carbon na APIYI
Em 2026-11-11, a interface de preços da APIYI já lista o gemini-4-carbon. Assim como o gemini-4-argon, ele funciona nos dois grupos, default e svip, e os endpoints incluem o formato nativo do Gemini e o chat compatível com OpenAI. Os pontos principais:
- ID do modelo:
gemini-4-carbon - base_url compatível com OpenAI:
https://api.apiyi.com/v1, com o caminho de requisição/v1/chat/completions - Endpoint nativo do Gemini:
/v1beta - Grupos:
defaultesvip(multiplicador 1 nos dois)
Hoje a APIYI cobra 2 dólares por 1M de tokens de entrada, 10 dólares por 1M de saída e 0,10 dólar por 1M de leitura de cache (2026-11-11), o mesmo valor do Argon. Vale um alerta: os preços de 2 / 10 no site do Google são promocionais e valem só até 2026-11-30. A partir de 1º de dezembro, o preço padrão global passa a ser 4 dólares de entrada e 20 dólares de saída. O snapshot da tabela geral da documentação da APIYI é de 2026-11-10 15:40 (UTC+8), anterior ao lançamento público. Se você abrir e ainda não encontrar essa linha, confie no console e na interface de preços api.apiyi.com/api/pricing. Modelos e preços valem conforme a lista de modelos da plataforma.
🚀 Dica para começar rápido: se o seu projeto já usa o SDK da OpenAI, basta apontar o base_url para
https://api.apiyi.com/v1e trocar o nome do modelo paragemini-4-carbon. Assim você compara com o Argon usando a mesma chave. A lista completa de modelos está em apiyi.com.
Notas de desempenho do Gemini 4 Carbon no model card (até outubro de 2026)
A tabela abaixo foi extraída da tabela de resultados do model card, com dados até outubro de 2026. São números comparativos divulgados oficialmente, não resultados de testes da APIYI. As três métricas de cibersegurança refletem o desempenho no caminho do Fairwind Program e aparecem marcadas separadamente. No Terminal-Bench 4.0, a célula do Argon saiu com erro de impressão no model card e não mostra um percentual plausível, então este artigo não a cita.
| Benchmark | Carbon | Argon | GPT-6 Astra | Opus 5.5 | Fable 5.1 |
|---|---|---|---|---|---|
| AA Index v5.0 | 59 | 50 | 57 | 58 | 49 |
| Vals Index v2.2 | 70.4% | 69.2% | 65.0% | 70.2% | — |
| SWE-sweep | 9.6% | 4.3% | 9.5% | 3.6% | 2.9% |
| FrontierSWE 2 | 61.2% | 55.0% | 65.5% | 62.3% | 56.3% |
| Terminal-Bench 4.0 (AA) | 65.2% | não citado | 59.1% | 59.6% | 52.0% |
| Agents’ Last Exam v1.1 | 77.4% | 69.0% | 73.1% | 71.6% | — |
| OSWorld-2.1 (subconjunto offline) | 81.5% | 74.7% | 80.9% | 87.2% | 76.8% |
| AutomationBench (Zapier) | 53.9% | 51.3% | 41.4% | 42.5% | 31.4% |
| GraphWalks 256k–1M BFS (F1) | 96.2% | 84.2% | 71.8% | 66.8% | 65.0% |
| RiemannBench | 80.0% | 76.0% | 72.0% | 69.6% | 65.6% |
| Terminal-Bench-Science 0.1 | 64.8% | 52.9% | 63.3% | 59.0% | 43.3% |
| CWE-bench (Fairwind) | 71.0% | 68.0% | 68.0% | 67.0% | 58.0% |
| ExploitGym (Fairwind) | 54.8% | 42.0% | 42.4% | 34.5% | — |
| SEC-bench Pro (Fairwind) | 88.2% | 83.4% | 85.4% | — | — |
Dá para ver um padrão bem claro na tabela: recuperação em contexto longo (GraphWalks), raciocínio científico (RiemannBench, Terminal-Bench-Science) e tarefas longas de agente (Agents’ Last Exam, Terminal-Bench 4.0) são as áreas em que o Carbon mais abre vantagem. Já em operação de computador e engenharia de software em repositórios públicos, ele não é o primeiro.
Algumas diferenças, aliás, são bem pequenas. No Vals Index, o Carbon tem 70.4% contra 70.2% do Opus 5.5; no SWE-sweep, são 9.6% do Carbon contra 9.5% do Astra. Isso tudo pode ser considerado empate, e não deve ser lido como liderança clara.
📊 Sobre o gráfico: os dados acima vêm do model card do Google, com data até outubro de 2026. Se você quiser conferir essa diferença nas suas próprias tarefas de negócio, dá para usar a mesma chave no APIYI (apiyi.com) e invocar
gemini-4-carbonegemini-4-argonlado a lado para comparar.
Os 6 limites de capacidade do Gemini 4 Carbon
Primeiro, uma tabela resumindo os 6 limites. Depois a gente detalha um por um.
| Nº | Limite de capacidade | Conclusão em uma frase | Nível de evidência |
|---|---|---|---|
| 1 | Engenharia de longo prazo com vários passos | Mais forte, mas gasta mais tokens de raciocínio | Model card + autorrelato oficial |
| 2 | Desenvolvimento do dia a dia | A recomendação oficial continua sendo o Argon | Posição oficial |
| 3 | Uso do computador | Opus 5.5 com 87,2% fica acima do Carbon com 81,5% | Model card |
| 4 | Engenharia em repositórios públicos | No FrontierSWE 2, o Astra (65,5%) fica acima do Carbon (61,2%) | Model card |
| 5 | Cibersegurança | A pontuação alta vem do caminho Fairwind; não basta trocar o nome do modelo para obtê-la | Model card + comunicado de lançamento |
| 6 | Saída e disponibilidade | Só gera texto; o plano gratuito não tem data de abertura | Documentação oficial + desconhecido |
Limite 1: o Gemini 4 Carbon é mais forte em engenharia longa e com vários passos, mas gasta mais tokens de raciocínio
No model card, o Carbon aparece em primeiro lugar da tabela no Terminal-Bench 4.0 (65,2%), no Agents’ Last Exam (77,4%) e na recuperação de contexto longo do GraphWalks (96,2%). Ele também tem o maior saldo na simulação de negócios do Vending-Bench 2: 16.484 dólares. O ponto em comum dessas tarefas é que elas têm muitos passos e exigem verificação repetida, o que combina bem com o que o Google chama de “rodar o ciclo de verificação por mais tempo”.
O custo também está escrito na posição oficial. O Carbon usa mais thinking tokens que o Argon, e o model card lista como limitação conhecida que “níveis de raciocínio mais altos consomem mais tokens”. O preço de entrada por token dos dois é o mesmo, mas a conta total de cada tarefa pode sair mais cara, e comandos complexos ainda podem levar alguns minutos para responder.
Limite dois: no desenvolvimento de funcionalidades do dia a dia, a recomendação oficial continua sendo o Gemini 4 Argon
O Google foi bem direto: para a maior parte do trabalho de engenharia de software e de conhecimento, continue usando o Argon, porque ele gasta menos tokens e responde mais rápido. O Carbon fica reservado para os casos mais difíceis: engenharia com vários passos, arquitetura e auditoria, matemática formal e descobertas científicas, síntese financeira ou jurídica de alta precisão e pesquisa de vulnerabilidades.
O model card também apoia essa divisão. No Vals Index, o Carbon marca 70,4% contra 69,2% do Argon, uma diferença bem pequena. O /swarm, que está na prévia do Antigravity, segue a mesma lógica: a recomendação oficial é colocar o Carbon nos papéis que exigem o raciocínio mais profundo, como arquitetura, coordenação e auditoria, e deixar as fatias de implementação em paralelo para o gemini-4-argon ou o gemini-3.8-flash.
Limite três: tarefas de operação de computador, onde o Opus 5.5 tem nota mais alta no model card
O subconjunto offline do OSWorld-2.1 é o benchmark que o model card usa para medir o desempenho em desktop e operação de computador. Nele, o Claude Opus 5.5 chega a 87,2%, acima dos 81,5% do Carbon e dos 80,9% do Astra. Se o seu cenário principal é fazer o modelo operar aplicativos de desktop, clicar em interfaces e completar fluxos que passam por vários softwares, o Carbon não é o primeiro colocado nesse quesito.
Outro ponto: o Carbon funciona pela interface nativa do Gemini ou pela interface de chat compatível com a OpenAI, e não pelo protocolo messages da Anthropic. Se o seu fluxo de trabalho já está bem amarrado ao Claude Code ou ao protocolo messages, vale levar em conta também o custo de migração.
Limite quatro: no repositório público FrontierSWE 2, o GPT-6 Astra fica na frente
No FrontierSWE 2, o GPT-6 Astra marca 65,5%, a maior pontuação da tabela. O Opus 5.5 vem em segundo, com 62,3%, e o Carbon em terceiro, com 61,2%. Então dizer que “o Carbon lidera o Astra em engenharia de software de ponta a ponta” não procede.
Vale separar uma coisa: o rascunho aberto de 10 de novembro menciona que o Carbon ficou em 1º lugar no CursorBench 4.0. Esse dado é autodeclarado pela empresa, e quem avalia e os critérios usados são diferentes dos do model card. Por isso, ele não deve ser comparado diretamente com a tabela acima. No SWE-sweep, o Carbon (9,6%) e o Astra (9,5%) praticamente empatam, e a diferença está dentro da margem de erro.
Limite cinco: as notas altas em segurança cibernética vêm do caminho Fairwind
Nos três benchmarks CWE-bench, ExploitGym e SEC-bench Pro, o Carbon aparece em primeiro lugar no model card. Só que o próprio model card avisa que esses resultados foram obtidos pelo caminho do Fairwind Program. O comunicado de lançamento de 28 de outubro também deixa claro que esses benchmarks de segurança cibernética foram avaliados sem guardrails (evaluated without guardrails).
Na prática, trocar o nome do modelo na API paga para gemini-4-carbon não dá a você a mesma capacidade especializada em segurança cibernética. A capacidade voltada para defesa exige solicitar acesso ao Fairwind, e só quem passa pela verificação, como equipe de defesa, pode usá-la. O Gemini 4 Carbon Cyber Permissive, listado separadamente na tabela de preços do site oficial, também não entra no preço promocional de 2 dólares.
Há ainda um conjunto de números de segurança autodeclarados que ajuda a ter uma noção. Nos 375 testes de honestidade agêntica (agentic honesty), a taxa de aprovação foi de 92% (o Argon teve 70%), e, quando faltam dados experimentais, em 98% dos casos o modelo se recusa a inventar resultados. A taxa de sucesso de ataques no Gray Swan IPI foi reportada como 0%. Mas o Google também admite que testes de red team automatizados mais difíceis ainda conseguem levar o modelo a extrapolar limites em algumas distribuições, e que a robustez contra injeção de comandos (prompt injection) ainda precisa melhorar.
Limite seis: só gera texto, e o plano gratuito não tem data de liberação
O Carbon entende texto, imagem, áudio e vídeo, mas só gera texto na saída. Ele não é um modelo de geração de imagens nem de vídeo, então quem precisa desse tipo de fluxo de trabalho tem que escolher outro modelo.
Sobre a disponibilidade: nas telas voltadas ao consumidor e no Antigravity, por enquanto o acesso é só para o Google AI Ultra, e a API é paga. Para usuários gratuitos e de assinaturas mais baratas, o anúncio oficial não deu data de quando vão poder usar. O model card lista ainda outras limitações: as alucinações típicas de modelos base, a resistência a jailbreak que ainda está sendo reforçada, e lentidão ou timeout de vez em quando.
Análise de impacto do Gemini 4 Carbon
Impacto do Gemini 4 Carbon para desenvolvedores
- Camadas de modelo mais claras: o Argon fica como o cavalo de batalha do dia a dia, e o Carbon só entra nas etapas mais difíceis. Com roteamento ou uma orquestração no estilo /swarm, dá para controlar o consumo de tokens.
- Custo de migração baixo: basta trocar o nome do modelo, mas é preciso limpar parâmetros como thinking_budget e temperature e remover o cached_content explícito.
- Ajuste nos timeouts: um timeout de cliente de 15 a 20 minutos, ou background=True, afeta o gateway e a lógica de retentativas que você já tem.
- Preço promocional com prazo: a promoção de 2 / 10 no site oficial vai só até 30 de novembro. Para avaliar o custo no longo prazo, calcule com o preço padrão a partir de dezembro.
💡 Sugestão de escolha: mesmo entre as tarefas “difíceis”, recuperação em contexto longo e raciocínio científico favorecem o Carbon, operação de computador favorece o Opus 5.5 e engenharia em repositórios públicos favorece o Astra. Vale rodar primeiro um conjunto de comparação com as mesmas amostras do seu negócio no APIYI (apiyi.com) e só depois definir as regras de roteamento.
Impacto do Gemini 4 Carbon para o setor
- A definição de “melhor modelo” ficou mais detalhada: no model card, nenhum fabricante lidera em todos os benchmarks, então dividir o trabalho por tipo de tarefa tende a virar o padrão.
- Capacidades de segurança passam a ser liberadas por níveis: a abertura do recurso de cibersegurança de forma direcionada via Fairwind, com as notas de avaliação sem guardrails marcadas à parte, é uma prática que mais fornecedores podem adotar.
- Tokens de raciocínio viram a principal variável de custo: com o mesmo preço unitário, a profundidade de raciocínio muda bastante a fatura, e isso vai levar as equipes a ajustar o thinking_level com mais cuidado.
Perguntas frequentes (FAQ)
Q1: O que é o Gemini 4 Carbon?
O Gemini 4 Carbon é um modelo de saída em texto que o Google construiu em cima do Gemini 4 Argon. O ID do modelo é `gemini-4-carbon`, e ele foi liberado em 2026-11-10 para desenvolvedores pagos e empresas. Ele aceita entrada de texto, imagem, áudio e vídeo, e a janela de contexto de 1M tokens é compartilhada entre entrada, raciocínio e saída.
Q2: Como escolher entre o Gemini 4 Carbon e o Gemini 4 Argon?
Os dois têm o mesmo thinking_level, a mesma janela de 1M e o mesmo preço inicial. A recomendação oficial é usar o Argon no desenvolvimento do dia a dia, porque ele gasta menos tokens e responde mais rápido. O Carbon fica para as tarefas mais difíceis, como engenharia em várias etapas, auditoria de arquitetura e raciocínio científico, mas consome mais tokens de raciocínio.
Q3: As pontuações do model card do Gemini 4 Carbon representam o desempenho real na API?
Em grande parte, sim, dá para usar como referência, mas há dois pontos de atenção. Primeiro, os resultados vão até outubro de 2026. Segundo, os três testes de segurança cibernética foram feitos pelo caminho Fairwind, sem proteções (guardrails), então não devem ser vistos como a pontuação padrão de programação na API paga do dia a dia. Rankings como o CursorBench, citados no anúncio público, são autodeclarados pelo Google e usam uma metodologia diferente da do model card.
Q4: Como chamar o Gemini 4 Carbon rapidamente pela API?
É só seguir estes três passos:
1. Crie uma conta na APIYI (apiyi.com) e pegue sua chave API. Quem é novo ganha créditos gratuitos para testar.
2. Configure o base_url do SDK da OpenAI como `https://api.apiyi.com/v1` e use `gemini-4-carbon` como nome do modelo.
3. Ajuste o thinking_level conforme a dificuldade da tarefa e, nas tarefas mais difíceis, lembre de aumentar o timeout do cliente.
A mesma chave também funciona com o `gemini-4-argon`, o que facilita fazer comparações diretas.
Q5: Quais são as limitações conhecidas do Gemini 4 Carbon?
O model card lista as seguintes limitações: ele ainda alucina, a resistência a jailbreak continua em reforço, às vezes fica lento ou dá timeout, e os níveis mais altos de raciocínio gastam mais tokens. Além disso, ele só gera texto, ainda não se sabe quando o plano gratuito será liberado, e em uso de computador e no FrontierSWE 2 ele também não ficou em primeiro lugar no model card.
Gemini 4 Carbon: pontos principais (Key Takeaways)
- Posicionamento: o modelo de texto mais forte da família Gemini, construído sobre o Argon, com GA em 10/11/2026.
- Pontos fortes: agentes de longo prazo, recuperação em contexto longo e raciocínio científico lideram na model card.
- Custo: o preço de entrada é igual ao do Argon, mas o Carbon gasta mais tokens de raciocínio, então cada tarefa sai mais cara.
- Pontos fracos: perde para o Opus 5.5 no OSWorld e para o Astra no FrontierSWE 2.
- Pontuação de segurança: a nota alta em cibersegurança vem do caminho Fairwind, não é uma capacidade da API padrão.
- Escopo: só gera texto, e ainda não há data para a camada gratuita.
- Como começar: a APIYI já tem o
gemini-4-carbondisponível, e dá para comparar com o Argon usando a mesma chave.
Resumo
Dá para resumir os limites do Gemini 4 Carbon em três pontos:
- O que vale entregar para ele: engenharia de múltiplas etapas de longo prazo, recuperação em contexto longo, raciocínio científico, arquitetura e auditoria. Nessas áreas, as notas da model card estão bem à frente.
- O que não precisa entregar para ele: o desenvolvimento de funcionalidades do dia a dia pode continuar no Argon. Em operação de computador e engenharia em repositórios públicos, a model card mostra o Opus 5.5 e o Astra, respectivamente, com notas mais altas.
- O que exige atenção ao critério usado: a nota de cibersegurança pertence ao caminho Fairwind, o ranking do rascunho aberto é autodeclarado pelo fabricante, e a camada gratuita continua sem definição.
O caminho mais seguro é separar as tarefas por tipo e validar com as suas próprias amostras se o ganho do Carbon compensa os tokens de raciocínio extras. Uma boa forma de fazer isso é usar a APIYI (apiyi.com) para testar o Carbon e o Argon lado a lado na mesma interface e só depois definir as regras de roteamento.
📚 Referências
- Anúncio de disponibilidade do Gemini 4 Carbon: blog oficial do Google, 10/11/2026
- Link:
blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available -
Descrição: abrangência da liberação e as avaliações autodeclaradas pelo Google no comunicado
-
Introducing Gemini 4 Carbon: comunicado de lançamento inicial, 28/10/2026
- Link:
blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon -
Descrição: contexto do lançamento com a Fairwind e os critérios das avaliações de cibersegurança
-
Model card do Gemini 4 Carbon: resultados até outubro de 2026
- Link:
deepmind.google/models/model-cards/gemini-4-carbon -
Descrição: fonte dos dados da tabela comparativa deste artigo e das limitações conhecidas
-
Guia do desenvolvedor do Gemini 4 Carbon: Google AI Studio
- Link:
aistudio.google.com/learn/gemini-4-carbon-developer-guide -
Descrição: thinking_level, janela de 1M e pontos de atenção na migração
-
Relatório de segurança do Gemini 4 Carbon: Google DeepMind
- Link:
storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_safety_report.pdf -
Descrição: dados sobre honestidade (honesty), red teaming e injeção de comandos
-
Preços de modelos do Google Cloud: tabela de preços oficial
- Link:
cloud.google.com/model-garden/pricing -
Descrição: preço promocional, preço padrão a partir de dezembro e preço do Cyber Permissive
-
Documentação do Gemini 4 Argon no APIYI: guia de invocação do modelo da mesma série
- Link:
docs.apiyi.com/models/gemini-4-argon - Descrição: o Argon e o Carbon têm a mesma interface, então a documentação serve de referência para a migração
Autor: equipe técnica do APIYI
Troca de experiências: fale com a gente na página inicial do site do APIYI. Para mais materiais sobre invocação de modelos, acesse a central de documentação em docs.apiyi.com
