От исторических фотографий к интерактивному 3D: Gemini 4 Carbon воссоздаёт процесс строительства Эйфелевой башни с помощью одного промпта

Примечание автора: статья отталкивается от демонстрации Google с Эйфелевой башней и объясняет, как несколько агентов превращают исторические фотографии и инженерные материалы в интерактивную трёхмерную выставку.

Краткий словарь терминов (to know)

• Agent (агент): ИИ-программа, которая умеет вызывать инструменты и выполнять задачи. Она не просто отвечает на вопросы, а планирует, действует и проверяет результат.
• Мультиагентное взаимодействие: несколько агентов делят задачу на подзадачи и обмениваются промежуточными результатами.
• Antigravity: инструмент Google для разработки с ИИ. Gemini 4 Carbon там уже доступна.
• Swarm (/swarm): функция Antigravity в режиме предпросмотра, которая организует совместную работу нескольких агентов. Запущена 10 ноября 2026 года.
• Инженерные чертежи: материалы, где проект передаётся через графику и размеры. Это ключевой источник геометрии для трёхмерной реконструкции.
• Three.js: JavaScript-библиотека для построения трёхмерных сцен на веб-странице. Рендеринг и взаимодействие работают прямо в браузере.
• Решётчатая конструкция: несущая конструкция из множества соединённых стержней. Эйфелева башня — классический пример железной решётчатой конструкции.

10 ноября 2026 года Google официально открыла доступ к Gemini 4 Carbon и показала в официальном анонсе очень наглядный кейс: несколько агентов Carbon с помощью функции /swarm в Antigravity превратили исторические фотографии и инженерные чертежи в интерактивную 3D-выставку на Three.js, которая воссоздаёт строительство Эйфелевой башни в 1887—1889 годах. Всю задачу запустил один промпт.

Это не история про то, как «ИИ между делом нарисовал башню». И сам кейс, и механизм Swarm описаны в официальном анонсе Google и в блоге Antigravity. В этой статье мы разделим информацию на три типа: исторические факты, описание из официальной демонстрации Google и наши собственные аналитические выводы.

Главная ценность: после прочтения вы поймёте, какие технические задачи решает это демо, какую роль в нём играют несколько агентов и как разработчику попробовать похожий сценарий «от чертежа к 3D» через API.

Gemini 4 Carbon и Эйфелева башня: краткая сводка по демо

Для начала — что можно уверенно утверждать на основе официального анонса Google. В таблице ниже только то, что Google прямо упоминает; детали, которые не раскрыты, я вынес отдельно.

Важный момент: «один промпт» не означает «одну генерацию за один проход». Пользователь отправил команду всего один раз, а дальше декомпозицию задачи, параллельную обработку и проверку результата выполняли несколько агентов внутри фреймворка Swarm. Без понимания этого сложно правильно оценить весь кейс.

Почему Эйфелева башня — сложный экзамен для Gemini 4 Carbon

Если нужно просто сгенерировать модель, которая «похожа на башню», в демо нет ничего особенного. Настоящая сложность в том, что Эйфелева башня сама по себе — инженерный проект с огромным объёмом документации и очень сложной конструкцией. Данные ниже взяты из исторических архивов официального сайта Эйфелевой башни.

Хронология строительства тоже хорошо известна. 26 января 1887 года начались работы, 1 июля того же года приступили к монтажу опор башни. 1 апреля 1888 года был построен первый ярус, 14 августа — второй. 31 марта 1889 года завершили вершину башни и общую сборку. Для выставки, которая «воссоздаёт процесс строительства», эти даты — каркас временной шкалы.

Решётчатая конструкция Эйфелевой башни и защита от ветра

Согласно официальным историческим материалам, идея башни изначально принадлежала инженерам Maurice Koechlin и Émile Nouguier, архитектор Stephen Sauvestre участвовал в проработке внешнего вида, а окончательный вариант продвинул Гюстав Эйфель. В первоначальном проекте было четыре решётчатые опоры: внизу они расставлены широко и постепенно сходятся к вершине.

Кривизна опор была рассчитана математически, чтобы конструкция лучше сопротивлялась ветру. Каждый металлический элемент изготавливали на заводе заранее, по специальным расчётам, а точность чертежей доходила до десятой доли миллиметра. Это значит, что воссоздать башню — не значит «наставить геометрических фигур». Нужно понимать строгие связи между стержнями, кривыми и ярусами.

Как Gemini 4 Carbon превращает двумерные исторические материалы в трёхмерную структуру

Этот раздел — наш собственный разбор: Google не раскрывала, как именно модель решает эту задачу. Если рассуждать от входа к выходу, на пути стоят минимум три барьера.

1. Понять исторические фотографии. Строительные снимки сделаны с разных ракурсов и в ограниченном качестве. Нужно определить, до какого яруса дошло строительство и на какой стадии находятся опоры башни, а затем привязать фотографию к конкретной точке на временной шкале.
2. Извлечь геометрию из чертежей. Инженерные чертежи содержат фасады, разрезы, размерные выноски и многое другое. Из них надо считать параметры: наклон опор башни, высоту площадок, расположение стержней.
3. Вывести пространственные связи и собрать их в данные, пригодные для реконструкции. И фотографии, и чертежи двумерны. Информацию с разных ракурсов необходимо совместить, понять, где элементы находятся в трёхмерном пространстве, и оформить всё это в структурированное описание, которое сможет управлять кодом моделирования.

Согласно карточке модели, Gemini 4 Carbon принимает на вход текст, изображения, аудио и видео, а на выходе выдаёт текст. Общий лимит контекста — 1 048 576 токенов. Отсюда логично предположить, что выставка поставляется в виде «текста» — кода на Three.js. Трёхмерную картинку рисует браузер, исполняя этот код, а сама модель не выдаёт готовый 3D-файл.

В том же анонсе Google показала похожий пример. Carbon обработала 7 открытых PDF с градостроительными планами, извлекла из них 206 видов инженерных чертежей и за 10 ночных итераций собрала интерактивную модель здания на Three.js примерно из 906 000 треугольных граней. Идея у двух кейсов общая: «разнородные материалы → пространственная информация → интерактивное 3D».

Как несколько агентов Gemini 4 Carbon вместе собрали выставку про Эйфелеву башню

Google подтверждает, что этот кейс выполнили несколько агентов Carbon, работавших вместе через /swarm. Но как именно они распределили обязанности в этой задаче, компания не раскрывает. Поэтому ниже описан общий механизм Swarm из официального блога Antigravity, а не запись того, что происходило в конкретном кейсе.

Google заявляет, что пока агент простаивает в ожидании, токены он не тратит. При этом компания предупреждает: параллельная работа нескольких агентов всё равно заметно увеличивает общий расход. Ещё в официальных рекомендациях советуют распределять модели по ролям: проектирование архитектуры, координацию и сложный аудит отдавать Carbon, а обычную реализацию и параллельные правки файлов — более быстрым и лёгким моделям.

Для реконструкции по инженерным материалам такое разделение ролей вполне оправданно. Координатору нужно глубоко рассуждать, чтобы понять, какие материалы относятся к какому этапу. А рутинная работа вроде массовой генерации стержней или сборки сцены не требует каждый раз подключать самую дорогую модель. Верификация же служит страховкой качества: когда одна модель подряд генерирует трёхмерную конструкцию, пропорции легко «уплывают».

Как попробовать похожую задачу «чертёж → 3D» через Gemini 4 Carbon API

/swarm в Antigravity — это функция внутри самого продукта, и одним параметром API её не воспроизвести. Зато можно собрать через API упрощённый пайплайн и пощупать всю цепочку «чтение изображения → извлечение параметров → генерация Three.js». Официальный ID модели — gemini-4-carbon.

Минимальный пример: просим Carbon разобрать строительное фото

import base64
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Единый интерфейс, совместимый с OpenAI
)

with open("eiffel_1888.jpg", "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode()

resp = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "判断照片中铁塔建到了哪一层，估算塔柱倾角与平台高度比例，输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{img_b64}"}}
    ]}]
)
print(resp.choices[0].message.content)

import base64
import json
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)
MODEL = "gemini-4-carbon"


def encode(path: str) -> str:
    with open(path, "rb") as f:
        return base64.b64encode(f.read()).decode()


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


def worker_extract(path: str) -> str:
    """Параллельный воркер: извлекает структурные параметры из одной фотографии или чертежа"""
    return ask([
        {"type": "text", "text": "提取该资料中的结构信息：所属施工阶段、塔柱倾角、平台高度比例、可见杆件排布，只输出 JSON。"},
        {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{encode(path)}"}}
    ], system="你是结构工程资料分析员，数据不确定时标注 uncertain，不要编造。")


def builder(merged: str) -> str:
    """Строитель: генерирует страницу на Three.js по объединённым параметрам"""
    return ask(
        "根据以下结构参数，生成单文件 HTML，使用 Three.js 构建四根格构塔柱与两层平台，"
        "并提供 1887—1889 时间轴滑块按阶段显示结构：\n" + merged
    )


def verifier(merged: str, html: str) -> str:
    """Верификатор: проверяет, соответствует ли код параметрам"""
    return ask(
        "检查下列 Three.js 代码是否与结构参数一致，列出比例错误、阶段错误和无法运行的代码：\n"
        f"参数：{merged}\n代码：{html}"
    )


sources = ["photo_1887.jpg", "photo_1888.jpg", "drawing_elevation.jpg"]

with ThreadPoolExecutor(max_workers=3) as pool:
    results = list(pool.map(worker_extract, sources))

merged = json.dumps(results, ensure_ascii=False)
html = builder(merged)
report = verifier(merged, html)

with open("eiffel_exhibit.html", "w", encoding="utf-8") as f:
    f.write(html)
print(report)

Этот код — упрощённая реализация идеи Swarm на обычном API, а не внутреннее решение Google. Есть два момента, на которые стоит обратить внимание: Carbon игнорирует параметры сэмплирования вроде temperature и top_p, а если передать thinking_budget, вернётся HTTP 400. Уровень рассуждений по умолчанию — MEDIUM; более высокие уровни расходуют больше токенов и отвечают медленнее.

🚀 Совет для быстрого старта: в многошаговых экспериментах с большим числом изображений сначала проверьте промпт на небольшой выборке. Бесплатные тестовые кредиты можно получить на APIYI (apiyi.com). Один API-ключ позволяет переключаться между Gemini, Claude, OpenAI и другими моделями. Так проще реализовать в коде разделение ролей: лёгкая модель массово извлекает данные, а сильная модель для рассуждений занимается планированием и проверкой.

Интерактивная 3D-выставка Gemini 4 Carbon и традиционные форматы подачи

Three.js запускает трёхмерную сцену прямо в браузере. Зрителю не нужно ничего устанавливать: он может вращать камеру, приближать детали или двигать временную шкалу, чтобы посмотреть, как выглядела стройка в разные годы. В таблице ниже сравниваются распространённые способы представления исторических материалов.

Главная ценность интерактивной выставки — «прослеживаемость». По сути это код, поэтому каждой платформе и каждому участку башни соответствуют читаемые параметры. Если позже выяснится, что модель расходится с чертежами, можно точечно поправить нужное место, а не начинать всё заново. Именно на этом и строится работа агента-проверяющего.

Влияние демонстрации Gemini 4 Carbon с Эйфелевой башней

Сразу оговорю границы: это кейс, показанный самой Google, а не результат независимой проверки. Он демонстрирует, на что способны Carbon и Swarm в связке, но из него нельзя делать общий вывод вроде «любые архитектурные материалы можно стабильно реконструировать».

Что это значит для разработчиков

• Рабочий процесс смещается от одиночного вызова к оркестрации: за одним промптом стоит разделение труда между несколькими агентами, поэтому разработчикам придётся уделять внимание декомпозиции задач, формату промежуточных результатов и механизмам проверки.
• Стоимость нужно считать по задаче, а не по цене за единицу: на старте Carbon стоит 2 доллара за миллион входных токенов и 10 долларов за выходные, а с 1 декабря цена вырастет вдвое. Токены рассуждений учитываются как выходные, а параллельная работа нескольких агентов ещё сильнее раздувает расход.
• Смешивать разные модели становится реалистичнее: официально рекомендуется поручать Carbon только планирование, координацию и аудит, а массовое выполнение отдавать лёгким моделям. Для контроля расходов это принципиально.

Что это значит для индустрии

• Оцифровка исторических зданий: огромное количество зданий, которые сохранились только на фотографиях и чертежах, получают шанс превратиться в интерактивные модели с меньшими затратами. Исследователи смогут сопоставлять их с оригиналами.
• Реконструкция инженерной документации: и кейс с городским планом в PDF, и кейс с башней указывают в одну сторону — извлечение пространственной информации из разнородных документов.
• Цифровые выставки и образовательная визуализация: музеи и преподаватели могут превращать абстрактные цифры вроде «5 300 чертежей и 2,5 миллиона заклёпок» в сцены, где ученик сам двигает ползунок времени и наблюдает за происходящим.

При этом важно видеть и ограничения. /swarm пока остаётся функцией в режиме превью, а в карточке модели прямо сказано, что Carbon может галлюцинировать, а на высоких уровнях рассуждения отвечает медленно или вовсе упирается в тайм-аут. В инженерных сценариях, где нужна строгая точность, результаты ИИ-реконструкции всё равно должен перепроверять профильный специалист.

Часто задаваемые вопросы (FAQ)

Ключевые выводы по демо Gemini 4 Carbon с Эйфелевой башней (Key Takeaways)

• Суть кейса: несколько агентов Carbon превращают исторические фотографии и чертежи в интерактивную выставку на Three.js.
• Один промпт — это не одна итерация генерации: за ним стоит декомпозиция задач и параллельная работа Swarm.
• Инженерная сложность настоящая: 18 038 элементов конструкции, 5 300 чертежей, а требования к точности структуры очень высокие.
• Результат — это код: Carbon выдаёт текст, а сама выставка существует в виде изменяемого кода на Three.js.
• Считать стоимость нужно целиком: параллельная работа многих агентов увеличивает расход, поэтому выгоднее комбинировать модели по ролям.
• Границы стоит обозначить сразу: официальное демо не говорит об общей производительности, а Swarm пока остаётся превью-функцией.
• Как начать: через единый интерфейс APIYI (apiyi.com) можно на небольшой выборке проверить, как работают чтение изображений и построение модели.

Итоги

В демо Gemini 4 Carbon с Эйфелевой башней можно выделить три главных момента:

1. На входе — разнородные исторические материалы: фотографии и инженерные чертежи нужно понять, сопоставить друг с другом и превратить в пространственные параметры.
2. Процесс — совместная работа нескольких агентов: один промпт запускает Swarm, а координация, выполнение и проверка распределяются между агентами.
3. Результат — интерактивная трёхмерная выставка: благодаря Three.js процесс строительства 1887–1889 годов можно свободно изучать прямо в браузере.

Разработчикам стоит перенять сам подход к оркестрации: модель с глубоким рассуждением занимается планированием, лёгкие модели — исполнением, а этап проверки подстраховывает. Рекомендую сначала прогнать весь процесс на небольшом объёме материалов через APIYI (apiyi.com) и уже потом решать, стоит ли вкладываться в более крупные задачи с несколькими агентами.

📚 Справочные материалы

1. Официальный анонс Google: Gemini 4 Carbon is now available: пример с Эйфелевой башней и информация о релизе /swarm
2. Ссылка: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Описание: оригинальное описание кейса, доступность и изменения в ценах

4. Официальный блог Google Antigravity: Gemini 4 Carbon in Google Antigravity

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

6. Описание: как Swarm координирует работу, параллельное выполнение задач, состязательная верификация и механизм доски сообщений

7. Gemini 4 Carbon Model Card: карточка модели от Google DeepMind

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

9. Описание: входные и выходные модальности, объём контекста и известные ограничения

10. Руководство разработчика по Gemini 4 Carbon: документация Google Cloud

11. Ссылка: docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon

12. Описание: Thinking Level, ограничения параметров и информация о длинном декодировании

13. Официальные исторические материалы об Эйфелевой башне: La tour Eiffel

14. Ссылка: toureiffel.paris/en/the-monument/history
15. Описание: количество элементов конструкции и чертежей, хронология строительства и контекст проектирования конструкции

Автор: техническая команда APIYI
Обсуждение: если у вас есть вопросы по оркестрации нескольких агентов или мультимодальной 3D-генерации, пишите нам через главную страницу сайта APIYI apiyi.com

Читайте также

• Пусть модель пишет на Three.js, а не генерирует 3D-файлы напрямую: 5 уроков из рабочего процесса с промежуточным слоем кода: На примере Qwen3.5-4B-GLB-3D-Coder разберите рабочий процесс промежуточного кодового слоя «текст→Three.js→GLB» и дайте практические шаги локального развертывания, облачного подключения и проверки в Godot.
• Разбор релиза Gemini 4 Carbon: 59 баллов, обошла Opus 5.5 и победила в 15 из 17 тестов, но вызвать модель невозможно: Gemini 4 Carbon возглавила сводный индекс интеллекта Artificial Analysis с 59 баллами и победила в 15 из 17 официальных сравнений, но у неё нет ID модели для API и графика доступа; в статье разбираются оценка, причины недоступности и альтернатива gemini-4-argon для разработчиков в Китае.