Насколько мощна Gemini 4 Carbon? Шесть границ возможностей на одном экране

Google 10 ноября 2026 года открыла Gemini 4 Carbon для платных разработчиков и компаний. ID модели: gemini-4-carbon. Это текстовая модель на базе Gemini 4 Argon: на вход принимает текст, изображения, аудио и видео. В тот же день Google в официальном блоге и на официальном аккаунте назвала её самой сильной моделью Gemini на сегодня, созданной специально для долгих задач и многошагового рассуждения. В changelog Gemini API в тот же день модель получила статус общедоступной (GA).

Это не пересказ релиза в стиле «всех разгромили». Я разделил информацию на три слоя: то, что Google заявляет о себе сама; результаты из таблицы в карточке модели (model card) на октябрь 2026 года; и то, что пока неизвестно. Проекты, где модель проиграла в карточке, и те, где выиграла, описаны честно.

Что вы получите: 6 границ возможностей Gemini 4 Carbon. Вы поймёте, какие задачи стоит отдавать ей, а какие лучше оставить на Argon или других моделях.

---

Gemini 4 Carbon: ключевая информация

Gemini 4 Carbon появился не сегодня. 28.10.2026 Google опубликовала пост «Introducing Gemini 4 Carbon». Тогда модель получила только часть специалистов по киберзащите, а доступ расширяли постепенно через Fairwind Program. И лишь 10 ноября она открылась для всех платных разработчиков.

Пункт	Подробности	Уровень источника
Первый релиз	2026-10-28, сначала для части специалистов по киберзащите, постепенное расширение через Fairwind Program	Официальный анонс
Публичное открытие	2026-11-10, для платных разработчиков, компаний, учёных и подписчиков Google AI Ultra	Официальный блог
Статус API	gemini-4-carbon вышла в GA 2026-11-10; на той же странице указано, что gemini-4-argon вышла в GA 2026-11-05	Gemini API changelog
Вход для разработчиков	Gemini API в Google AI Studio и Android Studio, Gemini for business	Официальный пост Google
Вход для подписчиков	Gemini App, AI Mode в Search, Antigravity, Google AI Studio (подписка Ultra)	Официальный пост Google
Бесплатный и младшие тарифы	Даты открытия официально не названы, The Verge пишет, что когда и откроют ли вообще, пока неясно	Неизвестно

Официальный пост Google вышел 2026-11-10 в 16:05 UTC. По пекинскому времени это 00:05 11 ноября, поэтому многие разработчики узнали о новости только утром 11-го. Кроме того, программа для учёных, которая изначально была рассчитана на Argon (10 тысяч мест и шесть месяцев использования Antigravity), теперь распространяется и на Carbon. Заявки по-прежнему принимаются, их рассматривают еженедельно, при этом действуют ограничения по соответствию требованиям, ёмкости и отбору.

Три уровня данных о Gemini 4 Carbon

Вокруг Gemini 4 Carbon много цифр, но источники и методики у них разные. Дальше в тексте для каждой цифры будет указано, к какому уровню она относится, чтобы не сравнивать в одной таблице результаты, полученные по разным методикам.

Уровень	Что входит	Как использовать
Самоотчёт Google	Рейтинги, внутренние бенчмарки и данные по безопасности из анонса 28 октября и поста об открытии 10 ноября	Полезно как ориентир, но методику определяет Google, а внешне результаты не всегда воспроизводимы
Таблица результатов из model card	Сравнение Carbon с Argon, GPT-6 Astra, Claude Opus 5.5 и Claude Fable 5.1 по состоянию на октябрь 2026 года	Одна таблица, единая методика, горизонтальные сравнения в статье опираются только на неё
Неизвестно	Дата открытия бесплатного тарифа, долгосрочные независимые оценки, свежие индексы на сторонних страницах	Выводов не делаем, только фиксируем текущее положение дел

Пример: когда страницу Artificial Analysis сохранили 2026-11-11, в сводке Intelligence Index был равен 60. Но в графиках на той же странице много раз встречается надпись «No publicly available API», что противоречит факту: 10 ноября API уже открыли. Поэтому цифру 60 в статье мы не используем, а везде берём балл 59 по AA Index v5.0 из model card, методика — октябрь 2026 года.

---

По словам Google, Argon по-прежнему подходит для большинства задач в разработке ПО и работе со знаниями. Carbon оставлен для задач, которые реально упираются в потолок интеллекта: сложное многошаговое программирование и отладка, открытые научные исследования. Он тратит больше thinking-токенов, чем Argon, полнее перебирает гипотезы и дольше гоняет циклы проверки.

Параметр	Gemini 4 Carbon	Пояснение
Основа	На базе Gemini 4 Argon	Для перехода с Argon достаточно заменить название модели
Входные модальности	Текст, изображения, аудио, видео	Мультимодальное понимание
Выходные модальности	Только текст	Не умеет генерировать ни изображения, ни видео
Контекстное окно	1M токенов, общее для ввода, размышлений и вывода	В старых моделях «размышления + ответ» были ограничены 64K
Лимит синхронного вывода по умолчанию	65 536 токенов	Для более длинного вывода нужно задать background=True в Interactions API
Отсечка знаний	Март 2026 года (по карточке модели)	В некоторых областях может быть раньше

Три уровня thinking_level в Gemini 4 Carbon

У thinking_level всего три уровня, по умолчанию стоит medium. В руководстве для разработчиков их применение разделено так:

• low: лёгкие задачи вроде классификации, маршрутизации и точечного извлечения данных.
• medium: уровень по умолчанию, баланс между скоростью, стоимостью и шансом написать правильно с первого раза.
• high: поиск первопричины ошибки сразу в нескольких файлах, патчи безопасности, формальная математика, проектирование архитектуры на раннем этапе.

Если нужен вывод больше 65 536 токенов, в Interactions API задайте background=True и одновременно увеличьте max_output_tokens выше 65536. Кроме того, оставьте запас на процесс размышления, иначе ответ может обрезаться.

Нюансы миграции с Argon на Gemini 4 Carbon

Чтобы перейти с gemini-4-argon на gemini-4-carbon, достаточно поменять название модели: thinking_level и окно в 1M остаются прежними. В руководстве для разработчиков перечислены несколько подводных камней, на которые легко наступить при миграции:

• thinking_budget объявлен устаревшим, и при его передаче появится предупреждение.
• Пользовательские temperature, top_p, top_k игнорируются, а вместо этого выводится предупреждение.
• Больше не создавайте и не передавайте явный cached_content. Неявное кеширование включено по умолчанию, а на кешированный ввод действует скидка 95%.
• Сложные промпты могут выполняться несколько минут, поэтому таймаут на клиенте лучше ставить минимум на 15–20 минут или перейти на background=True.

Вызов Gemini 4 Carbon через APIYI

По состоянию на 2026-11-11 в ценовом интерфейсе APIYI уже доступна модель gemini-4-carbon. Как и gemini-4-argon, она работает через две группы — default и svip. Поддерживаются нативный эндпоинт Gemini и OpenAI-совместимый чат. Основные параметры вызова:

• ID модели: gemini-4-carbon
• base_url, совместимый с OpenAI: https://api.apiyi.com/v1, путь запроса — /v1/chat/completions
• Нативный эндпоинт Gemini: /v1beta
• Группы: default, svip (множитель в обеих равен 1)

Сейчас на APIYI указана цена: $2 за ввод, $10 за вывод и $0,10 за чтение из кеша за 1M токенов (2026-11-11), как и у Argon. Учтите, что 2 / 10 на официальном сайте Google — это промо-цена, действующая до 2026-11-30. С 1 декабря глобальная стандартная цена составит $4 за ввод и $20 за вывод. Сводная таблица в документации APIYI зафиксирована на 2026-11-10 15:40 (UTC+8), то есть раньше публичного запуска. Если на момент вашего визита этой строки там ещё нет, ориентируйтесь на консоль и ценовой интерфейс api.apiyi.com/api/pricing. Модели и цены — по списку моделей на платформе.

🚀 Совет для быстрого старта: если проект уже работает на OpenAI SDK, просто направьте base_url на https://api.apiyi.com/v1 и замените название модели на gemini-4-carbon. Тогда можно сравнить её с Argon, используя один и тот же ключ. Полный список моделей смотрите на apiyi.com.

---

Результаты Gemini 4 Carbon из модельной карты (по состоянию на октябрь 2026 года)

Таблица ниже взята из результатов в модельной карте и актуальна на октябрь 2026 года. Это официально опубликованные сравнительные данные, а не результаты тестов APIYI. Три теста по кибербезопасности показывают результаты в рамках Fairwind Program и отмечены отдельно. В модельной карте ячейка Argon в Terminal-Bench 4.0 напечатана с ошибкой и не соответствует никакому разумному проценту, поэтому в статье она не приводится.

Бенчмарк	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%	не приводится	59.1%	59.6%	52.0%
Agents’ Last Exam v1.1	77.4%	69.0%	73.1%	71.6%	—
OSWorld-2.1, офлайн-подмножество	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%	—	—

По таблице хорошо видна закономерность. Сильнее всего Carbon отрывается от конкурентов в трёх областях: поиск в длинном контексте (GraphWalks), научные рассуждения (RiemannBench, Terminal-Bench-Science) и долгие агентные задачи (Agents’ Last Exam, Terminal-Bench 4.0). А вот в управлении компьютером и в программной инженерии на публичных репозиториях первое место он не занимает.

Есть и несколько тестов, где разрыв совсем небольшой. В Vals Index у Carbon 70.4% против 70.2% у Opus 5.5, в SWE-sweep у Carbon 9.6% против 9.5% у Astra. Это можно считать ничьей, а не заметным преимуществом.

📊 О диаграмме: данные взяты из карточки модели Google и актуальны на октябрь 2026 года. Если хотите проверить разрыв на собственных задачах, через APIYI (apiyi.com) можно с одним и тем же ключом вызвать gemini-4-carbon и gemini-4-argon и сравнить их напрямую.

---

6 границ возможностей Gemini 4 Carbon

Сначала сведём все 6 границ в одну таблицу, а потом разберём каждую по отдельности.

№	Граница возможностей	Вывод в одной фразе	На чём основано
1	Длинные многошаговые инженерные задачи	Сильнее, но тратит больше токенов на размышления	Карточка модели + самоотчёт Google
2	Повседневная разработка функций	Google по-прежнему рекомендует Argon	Официальная позиция
3	Работа с компьютером	Opus 5.5 — 87,2%, это выше, чем у Carbon (81,5%)	Карточка модели
4	Инженерные задачи на публичных репозиториях	На FrontierSWE 2 Astra (65,5%) обходит Carbon (61,2%)	Карточка модели
5	Кибербезопасность	Высокие баллы получены через путь Fairwind, одной сменой названия модели их не повторить	Карточка модели + анонс
6	Вывод и доступность	Только текст; для бесплатного тарифа дата открытия не объявлена	Официальная документация + неизвестно

Граница первая: Gemini 4 Carbon сильнее в длинных многошаговых инженерных задачах, но тратит больше токенов на размышления

По данным модельной карточки, Carbon занимает первое место в таблице по Terminal-Bench 4.0 (65,2%), Agents’ Last Exam (77,4%) и поиску в длинном контексте GraphWalks (96,2%). В Vending-Bench 2, где модель управляет симулированным бизнесом, у неё тоже самый высокий итоговый баланс: 16 484 доллара. Все эти задачи объединяет одно: шагов много, и результат приходится постоянно перепроверять. Это как раз то, что Google называет «длинным циклом верификации».

Цена такой работы тоже указана в официальных материалах. Carbon тратит больше thinking tokens, чем Argon, а в модельной карточке «расход большего числа токенов на более высоких уровнях размышления» прямо назван известным ограничением. Начальная цена у моделей одинаковая, но итоговый счёт за одну задачу может оказаться выше. А на сложный промпт иногда придётся ждать несколько минут.

Граница вторая: для повседневной разработки фич Google по-прежнему рекомендует Gemini 4 Argon

Google пишет об этом прямо: для большинства задач в разработке ПО и работе со знаниями продолжайте использовать Argon, потому что он экономнее по токенам и быстрее отвечает. Carbon стоит оставлять только для самых сложных многошаговых инженерных задач, архитектуры и аудита, формальной математики и научных открытий, высокоточного финансового или юридического синтеза и поиска уязвимостей.

Модельная карточка этот подход подтверждает. В Vals Index у Carbon 70,4% против 69,2% у Argon, то есть разрыв совсем небольшой. Режим /swarm в превью Antigravity построен по той же логике: Google советует отдавать Carbon роли, где нужно самое глубокое рассуждение (архитектура, координация, аудит), а параллельно реализуемые части работы поручать gemini-4-argon или gemini-3.8-flash.

Граница третья: задачи по управлению компьютером — в модели карточке выше у Opus 5.5

OSWorld-2.1 (офлайн-подмножество) — бенчмарк из карточки модели, который измеряет работу с десктопом и управление компьютером. Здесь Claude Opus 5.5 набирает 87,2%, что выше, чем у Carbon (81,5%) и Astra (80,9%). Если ваш основной сценарий — заставить модель работать с десктопными приложениями, кликать по интерфейсу и проводить процесс через несколько программ, то по этому пункту Carbon не лидер.

Кроме того, Carbon работает через нативный интерфейс Gemini или через OpenAI-совместимый чат-интерфейс, а протокол Anthropic messages не поддерживает. Если ваш рабочий процесс глубоко завязан на Claude Code или протокол messages, стоимость миграции тоже нужно учитывать.

Граница четвёртая: публичный репозиторий FrontierSWE 2 — у GPT-6 Astra результат выше

На FrontierSWE 2 у GPT-6 Astra 65,5% — это лучший результат в таблице. У Opus 5.5 62,3% (второе место), у Carbon 61,2% (третье). Так что утверждение «Carbon по всем статьям опережает Astra в разработке ПО» не соответствует действительности.

Важно разделять два источника: в открытом анонсе от 10 ноября говорится, что Carbon занял первое место на CursorBench 4.0. Это данные, которые заявили сами разработчики; у них другие исполнители оценки и другая методика, чем в карточке модели, поэтому сравнивать их с таблицей выше не стоит. На SWE-sweep у Carbon 9,6%, у Astra 9,5% — по сути ничья, разница укладывается в погрешность.

Граница пятая: высокие баллы по кибербезопасности достигаются через путь Fairwind

По трём бенчмаркам (CWE-bench, ExploitGym и SEC-bench Pro) Carbon в карточке модели стоит на первом месте, но там же указано, что эти результаты получены в рамках программы Fairwind Program. В релизе от 28 октября уточняется, что бенчмарки по кибербезопасности прогонялись без ограничителей (evaluated without guardrails).

Поэтому простая замена названия модели на gemini-4-carbon в платном API не даёт тех же специализированных возможностей в кибербезопасности. Защитные возможности нужно запрашивать через Fairwind, и доступны они только проверенным защитникам. Gemini 4 Carbon Cyber Permissive, который в прайс-листе на официальном сайте выделен отдельной строкой, тоже не подпадает под промо-цену в 2 доллара.

Есть и набор официальных цифр по безопасности, которые Google привёл сам. Тесты на агентную честность (agentic honesty), всего 375 штук, модель проходит в 92% случаев (у Argon этот показатель 70%). Если экспериментальных данных нет, в 98% случаев она отказывается выдумывать результат. Успешность атак Gray Swan IPI заявлена на уровне 0%. При этом Google признаёт, что более сложное автоматизированное red-teaming-тестирование на части распределений всё же способно заставить модель выйти за допустимые рамки, так что устойчивость к промпт-инъекциям ещё предстоит усиливать.

Граница шестая: только текстовый вывод, а для бесплатного тарифа даты открытия нет

Carbon понимает текст, изображения, аудио и видео, но на выходе выдаёт только текст. Это не модель для генерации изображений и не модель для генерации видео, так что для таких сценариев модель придётся выбирать другую.

Что касается доступности: сейчас в потребительском приложении и в Antigravity модель указана для подписки Google AI Ultra, а API работает на платном тарифе. Когда Carbon станет доступен бесплатным пользователям и владельцам подписок попроще, в официальном анонсе не сказано, даты нет. В карточке модели перечислены и другие ограничения: галлюцинации, типичные для базовых моделей, устойчивость к джейлбрейкам, которую всё ещё усиливают, а также периодические задержки и таймауты.

---

Влияние Gemini 4 Carbon

Что Gemini 4 Carbon значит для разработчиков

• Разделение моделей по ролям стало чётче: Argon работает как основная модель на каждый день, а Carbon подключается только на самых сложных этапах. Маршрутизация или оркестрация в духе /swarm поможет держать расход токенов под контролем.
• Миграция обходится дёшево: достаточно заменить название модели. Но нужно убрать параметры вроде thinking_budget и temperature, а также отказаться от явного cached_content.
• Таймауты придётся пересмотреть: клиентский таймаут в 15–20 минут или background=True повлияют на ваши шлюзы и логику повторных запросов.
• У выгодной цены есть срок: акционная цена 2 / 10 на официальном сайте действует до 30 ноября. Оценивая долгосрочные расходы, считайте по стандартной цене, которая начнёт действовать с декабря.

💡 Совет по выбору: «сложные задачи» бывают разными. Поиск по длинному контексту и научные рассуждения лучше удаются Carbon, работа с компьютером — Opus 5.5, инженерные задачи на публичных репозиториях — Astra. Сначала прогоните один и тот же набор своих бизнес-примеров на APIYI (apiyi.com), а потом решайте, как настроить правила маршрутизации.

Что Gemini 4 Carbon значит для индустрии

• Понятие «самая сильная модель» становится детальнее: по карточке модели видно, что ни одна не лидирует во всех тестах. Распределение по типам задач станет нормой.
• Возможности в сфере безопасности начинают открывать по уровням: специализированные функции для кибербезопасности открывают точечно через Fairwind, а результаты тестов без ограничений защитного слоя указывают отдельно. Такой подход могут перенять и другие вендоры.
• Токены на размышления становятся главной переменной стоимости: при одинаковой цене за токен счёт зависит от глубины размышлений. Поэтому командам придётся внимательнее настраивать thinking_level.

---

Часто задаваемые вопросы (FAQ)

Q1: Что такое Gemini 4 Carbon?

Gemini 4 Carbon — это модель от Google с текстовым выводом, построенная на базе Gemini 4 Argon. Её ID — `gemini-4-carbon`, а для платных разработчиков и компаний она открылась 2026-11-10. Модель принимает на вход текст, изображения, аудио и видео. Контекстное окно в 1M токенов общее: оно делится между входом, размышлениями и выводом.

Q2: Как выбрать между Gemini 4 Carbon и Gemini 4 Argon?

У обеих моделей одинаковые thinking_level, окно в 1M и стартовая цена. Официальная рекомендация такая: для повседневной разработки берите Argon, потому что он экономнее по токенам и отвечает быстрее. Carbon лучше оставить для самых сложных задач: многошаговой инженерии, аудита архитектуры, научных рассуждений. Но он тратит больше токенов на размышления.

Q3: Можно ли считать баллы из карточки модели показателем работы через API?

В основном да, но есть два нюанса. Во-первых, результаты актуальны на октябрь 2026 года. Во-вторых, три теста по кибербезопасности проводились через путь Fairwind и без ограничителей, поэтому их нельзя принимать за стандартный балл для повседневного программирования через платный API. Рейтинги вроде CursorBench в анонсе — это данные, которые заявляет сама компания, и методика у них отличается от карточки модели.

Q4: Как быстро вызвать Gemini 4 Carbon через API?

Нужно выполнить три шага:

1. Зарегистрируйтесь на APIYI (apiyi.com) и получите API-ключ. Новым пользователям дают бесплатный тестовый лимит.
2. В OpenAI SDK укажите base_url `https://api.apiyi.com/v1`, а в качестве имени модели — `gemini-4-carbon`.
3. Выставьте thinking_level в зависимости от сложности задачи. Для трудных задач не забудьте увеличить таймаут на стороне клиента.

Тем же ключом можно вызывать и `gemini-4-argon`, так что модели удобно сравнивать напрямую.

Q5: Какие у Gemini 4 Carbon известные ограничения?

В карточке модели перечислены такие ограничения: галлюцинации всё ещё случаются, устойчивость к джейлбрейкам пока усиливается, иногда бывают замедления или таймауты, а на высоких уровнях thinking расход токенов выше. Кроме того, модель выдаёт только текст, когда откроют бесплатный тариф — неизвестно, а в тестах на управление компьютером и FrontierSWE 2 она по карточке тоже не лидирует.

---

Gemini 4 Carbon: ключевые выводы (Key Takeaways)

• Позиционирование: самая сильная текстовая модель Gemini на базе Argon, GA с 2026-11-10.
• Сильные стороны: по данным model card лидирует в долгих агентных задачах, поиске по длинному контексту и научных рассуждениях.
• Цена вопроса: входная цена такая же, как у Argon, но модель тратит больше токенов на размышления, поэтому одна задача обходится дороже.
• Где уступает: в OSWorld проигрывает Opus 5.5, в FrontierSWE 2 — Astra.
• Оценки по безопасности: высокие результаты в кибербезопасности получены через путь Fairwind, а не в стандартном API.
• Ограничения: на выходе только текст, а дата открытия бесплатного тарифа не объявлена.
• Как попробовать: в APIYI уже доступна модель gemini-4-carbon, её можно сравнить с Argon, используя один и тот же ключ.

---

Итоги

Границы возможностей Gemini 4 Carbon можно свести к трём пунктам:

1. Что стоит отдавать Carbon: долгие многошаговые инженерные задачи, поиск по длинному контексту, научные рассуждения, архитектуру и аудит. В этих областях отрыв по баллам из model card заметный.
2. Что отдавать не обязательно: для повседневной разработки функций по-прежнему хватает Argon. А в двух направлениях, управлении компьютером и инженерных задачах на публичных репозиториях, в model card выше результаты у Opus 5.5 и Astra соответственно.
3. Где нужно смотреть, как посчитаны цифры: оценки по кибербезопасности относятся к пути Fairwind, рейтинг в открытом черновике — это самостоятельно заявленные данные разработчика, а про бесплатный тариф до сих пор ничего не известно.

Самый надёжный подход — разделить задачи по типам и проверить на собственных примерах, оправдывает ли прирост от Carbon дополнительные токены на размышления. Для этого удобно запустить Carbon и Argon через единый интерфейс APIYI (apiyi.com) и только потом решать, как настроить маршрутизацию.

📚 Справочные материалы

1. Объявление об открытом доступе к Gemini 4 Carbon: официальный блог Google, 2026-11-10
2. Ссылка: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available

3. Описание: охват открытого доступа и официальные самостоятельно заявленные результаты оценок из анонса

4. Introducing Gemini 4 Carbon: первоначальный релиз, 2026-10-28

5. Ссылка: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon

6. Описание: контекст первого запуска Fairwind и методика оценки в области кибербезопасности

7. Карточка модели Gemini 4 Carbon: результаты на октябрь 2026 года

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

9. Описание: источник данных для сравнительной таблицы в этой статье и известные ограничения

10. Руководство разработчика Gemini 4 Carbon: Google AI Studio

11. Ссылка: aistudio.google.com/learn/gemini-4-carbon-developer-guide

12. Описание: thinking_level, окно в 1M токенов, нюансы миграции

13. Отчёт по безопасности Gemini 4 Carbon: Google DeepMind

14. Ссылка: storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_safety_report.pdf

15. Описание: данные по honesty, red teaming и промпт-инъекциям

16. Цены на модели Google Cloud: прайс-лист на официальном сайте

17. Ссылка: cloud.google.com/model-garden/pricing

18. Описание: промо-цена и стандартная цена с декабря, цены на Cyber Permissive

19. Документация APIYI по Gemini 4 Argon: инструкция по вызову модели из той же серии

20. Ссылка: docs.apiyi.com/models/gemini-4-argon
21. Описание: интерфейсы Argon и Carbon совпадают, так что документацию можно использовать как ориентир при миграции

---

Автор: техническая команда APIYI
Обсудить технические вопросы: пишите нам на главной странице сайта APIYI. Больше материалов по вызову моделей — в центре документации docs.apiyi.com

Читайте также

• Релиз Gemini 4 Carbon: сколько ещё разработчикам ждать доступа?: Gemini 4 Carbon выпущен 28 октября 2026 года, но публичного API пока нет; в статье на основе четырёх временных ориентиров и поэтапного допуска Fairwind прогнозируется доступность для разработчиков и предлагаются альтернативы, которые можно использовать уже сейчас.
• 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.