Gemini 4 Carbon использует /swarm для создания 3D-мира кампуса Google

Примечание автора: в центре статьи демо Google с пеликаном на велосипеде. Разбираем, как Gemini 4 Carbon организует работу нескольких агентов, делает 3D-ассеты и выпускает браузерную игру, и отдельно говорим об ограничениях этого демо.

8 терминов, которые нужно знать перед разбором открытого мира Gemini 4 Carbon

В статье будут часто встречаться термины из геймдева и из мира агентов. Загляните в таблицу, и дальше читать будет проще.

Пеликан катается на GBike по кампусу Google в Маунтин-Вью. Это одно из демо, которые Google показала 10 ноября 2026 года, когда Gemini 4 Carbon стал общедоступным: Carbon с помощью функции /swarm в Google Antigravity собрал браузерную 3D-игру с открытым миром.

Это не слухи, но и не независимый тест. Кейс взят из официального блога Google, там же есть ссылка, чтобы попробовать игру онлайн. Но это демонстрация от самого вендора, а не сторонняя оценка возможностей модели в разработке игр. В статье мы будем чётко разделять эти две вещи.

Чем это вам полезно: после прочтения вы поймёте, что именно Carbon делал в этой игре, в чём польза многоагентной работы и как далеко «ИИ-геймдев» пока находится от коммерческого продукта.

I. Пеликан на GBike: ключевые факты об open-world игре на Gemini 4 Carbon

Официальный блог Google описывает эту игру одним предложением: Carbon с помощью функции /swarm в Antigravity собрал 3D-игру с открытым миром, где игрок управляет пеликаном на GBike и исследует кампус Google в Mountain View. Описание короткое, но информации в нём немало: оно затрагивает сразу четыре уровня — главного героя, сцену, среду выполнения и формат поставки.

Отдельно стоит оговориться: официально не раскрыты система заданий, NPC, площадь карты, частота кадров и продолжительность игры. Мы не будем додумывать эти детали. Если вы встретите их описание где-то ещё, лучше сверьтесь с оригиналом на официальном сайте.

II. Почему игра с открытым миром на Carbon — это не просто генерация кода с помощью ИИ

Попросить большую языковую модель написать страничку на Three.js с вращающимся кубиком сегодня уже никого не удивит. Но за «открытым миром, который можно исследовать» стоит как минимум несколько совершенно разных профессиональных задач, и решать их нужно одновременно:

• Трёхмерные ассеты: здания кампуса, главный герой-пеликан и GBike — всё это нужно смоделировать и снабдить материалами;
• Сборка сцены: расставить ассеты с учётом пространственных связей так, чтобы получился кампус, который можно исследовать;
• Взаимодействие в браузере: действия игрока должны управлять движением персонажа;
• Графика в реальном времени: визуальные эффекты на WebGL-шейдерах, которые рендерятся прямо в браузере;
• Звуковой дизайн: нужны и процедурные звуковые эффекты, и фоновая музыка.

В обычной команде этим занимаются разные люди: 3D-художник, технический художник, фронтенд- или игровой программист, звукорежиссёр. Если одна модель выдаёт весь код за один присест, легко получить рассинхрон между ассетами и кодом, а заодно разнобой в стиле. Google в этом кейсе делает акцент именно на том, что работу выполняли разные агенты, поделив её между собой, а вовсе не на том, что «Carbon написал кусок игрового кода».

Ещё один важный момент: по официальной карточке модели Carbon, на выходе она выдаёт только текст, а на вход принимает текст, изображения, аудио и видео. Получается, что трёхмерные ассеты и музыку Carbon напрямую «в виде файлов» не генерирует — для этого подключаются Blender, Lyria и другие инструменты и модели. Это же объясняет, почему в кейсе понадобилась связка из нескольких агентов и цепочки инструментов.

III. Как Gemini 4 Carbon собирает команду для разработки игр через /swarm

/swarm — это превью-функция многоагентной работы в Google Antigravity, запущенная 10 ноября 2026 года. Идея простая: вы даёте одну команду, и над задачей параллельно работает несколько агентов, а не один агент, который делает всё по очереди. По официальному блогу, /swarm состоит из четырёх частей.

Как /swarm работал над игрой про пеликанов

Судя по тому, что раскрыл Google, создание игры можно представить как цепочку из четырёх этапов. Сначала визуальные референсы: материалы сгенерировали или предоставили Gemini Omni и Nano Banana, чтобы задать визуальное направление для парка и персонажей. Затем субагенты совместно моделировали в Blender и делали трёхмерные ассеты. После этого на Three.js и WebGL-шейдерах в браузере собрали открытый мир с графическими эффектами в реальном времени. Наконец, процедурные звуковые эффекты сделали на Web Audio, а музыку для игры сгенерировала Lyria.

Смысл многоагентного подхода в том, что у каждого этапа есть свой исполнитель, а координатор следит за целостностью всей работы. Google также дал рекомендации по распределению моделей: общую архитектуру, координацию задач, проверку безопасности и аудит сложного кода отдаём Carbon, обычную реализацию и параллельные правки файлов — более быстрым и лёгким моделям, а тестирование поручаем отдельным агентам-верификаторам. Какую именно модель использовал каждый агент в игре про пеликанов, Google не уточняет, так что здесь я описываю только общий механизм и ничего не додумываю.

О расходах на /swarm

Google сообщает, что инженеры уже около 5 недель пользуются /swarm внутри компании — в основном для миграции сразу нескольких пакетов, поиска первопричин сбоев на стыке подсистем и переработки архитектуры. При этом в Google предупреждают: даже если простой в ожидании не расходует токены, параллельная работа нескольких агентов всё равно заметно увеличивает общий расход квоты. Если вы хотите повторить такой процесс в своей команде, об этом стоит помнить в первую очередь, а не о том, что «можно сделать игру».

Четыре… точнее, пять слоёв технологического стека за открытым миром Carbon

Если сгруппировать инструменты, которые назвали авторы проекта, по задачам, получится довольно понятный технологический стек для браузерных игр:

Самое удачное в этом наборе то, что почти все его части можно запускать из кода или скриптов. Blender поддерживает скриптовое моделирование, Three.js и Web Audio — это по своей сути JavaScript-интерфейсы, а шейдеры — тоже код. Для Большой языковой модели, которая в основном выдаёт текст, это значит, что через вызов инструментов она может участвовать практически на каждом этапе производства.

В итоге получается интерактивная игра прямо в браузере, и устанавливать клиент не нужно. Это ещё одна причина, почему веб-стек так хорошо подходит для контента, созданного ИИ: результат легко раздавать, а проверяющему агенту ничего не стоит открыть страницу и посмотреть, как всё отрендерилось.

五、Не только игра с открытым миром: другие трёхмерные работы Gemini 4 Carbon

Игра про пеликана — не единичная демонстрация. Одновременно Google показала ещё несколько близких по духу 3D- и визуальных кейсов, и все они говорят об одном: Carbon применяют для проектирования пространств, создания визуальных ассетов, рендеринга в реальном времени и сборки мультимедиа, а не только для написания кода.

• Подводная сцена с Атлантидой: за референс взято видео, сгенерированное в Gemini Omni. В Blender сделаны процедурные руины, объёмное освещение и симуляция воды, после чего всё это превращено в браузерную сцену на Three.js, работающую в реальном времени. По сути, это та же цепочка «референс → Blender → Three.js», что и в игре про пеликана.
• Реконструкция клавишного инструмента 1780 года: по CAD-чертежам и рентгеновским снимкам воссоздан рабочий инструмент с физической моделью молоточкового механизма на 61 клавишу. Его поместили в 3D-модель зала Koerner Hall при Королевской консерватории Канады и смоделировали акустику для разных мест в зале.
• Редизайн Google Merchandise Store: всего за два раунда промптов получили пять арт-директорских концепций, а новые изображения товаров сгенерировали через Nano Banana 2.1.

Кроме того, в материалах к релизу Google упоминает ещё два кейса. В первом из 7 открытых PDF по городскому планированию извлекли 206 видов инженерных чертежей и за 10 ночных итераций получили архитектурную модель на Three.js примерно из 906 000 треугольных граней. Во втором по историческим фотографиям и инженерным чертежам создали интерактивную 3D-экспозицию о строительстве Эйфелевой башни в 1887–1889 годах. Всё это тоже официальные демонстрации.

VI. Анализ влияния: как далеко AI-агентам до настоящей разработки игр с открытым миром

Прежде чем обсуждать, может ли AI делать игры, нужно разделить понятие «игра» на уровни. Таблица ниже — наша классификация, основанная на общеотраслевых представлениях, а не официальный вывод:

Игра с пеликаном находится где-то между первым и вторым уровнем: она показывает, что несколько агентов способны довести до рабочего состояния кроссдисциплинарный 3D-прототип в браузере. Но одного официального демо недостаточно, чтобы утверждать, что модель уже может самостоятельно разработать коммерческую игру с открытым миром.

Что это значит для разработчиков

• Скорость проверки прототипов может заметно вырасти: инди-разработчики и небольшие команды смогут с помощью агентов быстро собирать интерактивные демо, чтобы проверить идею или подготовить питч.
• Умение «оркестрировать» становится таким же важным, как умение писать код: как разбить задачи, какую модель отдать каждому агенту, как выстроить этапы проверки — всё это напрямую влияет на качество результата и стоимость.
• Стоимость нужно считать по задачам: на старте Carbon стоил 2 доллара за миллион входных токенов и 10 долларов за миллион выходных, а с 1 декабря цены меняются на 4 и 20 долларов соответственно; токены размышлений входят в стоимость выходных. Когда агенты работают параллельно, счёт нужно оценивать для всего рабочего процесса целиком.

Что это значит для индустрии

• AI-агенты переходят от инструментов для кода к кроссдисциплинарному производству контента: один и тот же фреймворк взаимодействия охватывает графику, программирование и звук. Это более значимый сигнал, чем баллы по отдельным способностям.
• Ценность человека смещается к «постановке задачи» и «контролю»: проектирование продукта, контроль качества и эстетические суждения по-прежнему невозможны без людей, а вот рутинные производственные этапы будут постепенно сжиматься.

Как попробовать мультиагентный подход Gemini 4 Carbon через API

/swarm — это функция, которая живёт внутри Antigravity. Но сам принцип «сильная модель планирует, лёгкая исполняет» можно воспроизвести через API и собрать упрощённую версию самостоятельно. В минимальном примере ниже Carbon выступает координатором и разбивает задачу «сделать небольшую 3D-игру» на подзадачи:

import openai

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

resp = client.chat.completions.create(
    model="gemini-4-carbon",  # Название модели смотрите в списке моделей на платформе
    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)

Обратите внимание: в документации Google для разработчиков сказано, что Carbon игнорирует параметры temperature, top_p и top_k и не поддерживает thinking_budget. Поэтому в примере эти параметры не передаются.

import json
import openai

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

COORDINATOR_MODEL = "gemini-4-carbon"   # Отвечает за планирование и сборку результата
WORKER_MODEL = "YOUR_FAST_MODEL"        # Отвечает за рутинную реализацию, берите более быструю и лёгкую модель

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. Координатор разбивает задачу на подзадачи
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. Исполнители выполняют подзадачи по очереди (в продакшене можно сделать параллельно)
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. Координатор собирает результаты и проверяет их согласованность
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)

🚀 Совет для быстрого старта: хотите сначала проверить, окупается ли связка «Carbon планирует + лёгкая модель исполняет»? На APIYI (apiyi.com) можно переключаться между разными моделями с одним и тем же API-ключом и сравнивать результаты. Оплата по факту использования, новым пользователям дают бесплатные тестовые лимиты — удобно пробовать маленькими шагами.

Частые вопросы (FAQ)

Gemini 4 Carbon и открытый мир: главное

• Суть кейса: официальная демонстрация браузерной игры с открытым миром, где главный герой — пеликан на GBike.
• Ключевой механизм: /swarm организует работу нескольких агентов через координатора, параллельных исполнителей, верификатора и общую доску сообщений.
• Технологический стек: Blender для ассетов, Three.js и WebGL для сцены, Web Audio и Lyria для звука.
• Главная фишка: междисциплинарная командная работа, а не просто код, написанный Carbon.
• Важная оговорка: одна официальная демонстрация — это не независимое тестирование и тем более не готовый коммерческий продукт.
• Как попробовать: на APIYI (apiyi.com) можно через единый интерфейс комбинировать сильные и лёгкие модели и проверить идею с разделением ролей.

Итоги

В истории с пеликаном от Gemini 4 Carbon стоит обратить внимание на три вещи:

1. Распределение ролей между агентами: /swarm отдаёт визуальные референсы, трёхмерные ассеты, браузерную игру и звуковой дизайн разным исполнителям, а Carbon выступает координатором;
2. Стек, которым можно управлять скриптами: Blender, Three.js, WebGL и Web Audio позволяют модели, выдающей только текст, участвовать почти во всех этапах производства;
3. Трезвый взгляд на границы: демо показывает, что междисциплинарная работа на уровне прототипа возможна, но геймдизайн, контроль качества и доведение продукта до ума по-прежнему остаются за людьми.

Если хотите понять, подойдёт ли вашему проекту схема «сильная модель планирует, лёгкая исполняет», рекомендуем быстро проверить её через APIYI (apiyi.com). Одним API-ключом можно вызывать модели разных популярных провайдеров, так что сравнивать стоимость и качество результата удобно.

📚 Источники

1. Google Blog — Gemini 4 Carbon is now available: официальный анонс запуска, включая игру про пеликана и ещё три 3D-примера
2. Ссылка: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/

3. Примечание: первоисточник описания игры и технологического стека

4. Официальный блог Google Antigravity: как устроено взаимодействие нескольких агентов через /swarm

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

6. Примечание: подробности архитектуры — Coordinator, Git Worktree, верифицирующие агенты и другие

7. Gemini 4 Carbon Model Card: параметры модели и известные ограничения

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

9. Примечание: входные и выходные модальности, контекст, дата отсечения знаний

10. Официальная демонстрация игры «Пеликан в кампусе»: вход в Live App

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

12. Примечание: возможно, потребуется вход через аккаунт Google; это официальное демо

13. Цены на Gemini API: стартовая цена Carbon и стандартная цена с декабря

14. Ссылка: ai.google.dev/gemini-api/docs/pricing
15. Примечание: пригодится при расчёте стоимости мультиагентных рабочих процессов

Автор: техническая команда APIYI
Обратная связь: пишите нам через главную страницу сайта APIYI, а больше материалов по подключению найдёте в центре документации docs.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.