Gemini 4 Carbon 是 Google 面向长程复杂任务的推理模型，主打网络安全攻防（Cybersecurity）、大型软件工程、多模态知识处理和科学推导。本文编译自 aistudio.google.com/learn/gemini-4-carbon-developer-guide 官方文档。文中包含 Python 与 JavaScript（@google/genai）双语言示例、Long Decode 客户端续写机制，并附有 Playground 在线实验入口和《Family Historian》实机案例。
@googledevs 社区速览与 Token 成本计算器，可参阅 《Gemini 4 Carbon 开发者指南（X 社区版）》。一、开放权限与 Gemini 4 Carbon 模型规格总览
Google 现已向开发者、企业、科研人员和个人用户开放 Gemini 4 Carbon。该模型于两周前首次发布，当时先通过 Fairwind Program（顺风计划） 提供给一线网络安全防御人员。即日起，开发者可在 Google AI Studio 中调用 Gemini API 付费层接口构建应用；Google AI Ultra 订阅用户也可直接在 AI Studio 与 Google Antigravity 中使用该模型。
Gemini 4 Carbon 针对长程智能体工作流（Sustained Agentic Workflows）设计，擅长代码库全局排查、多步推理与长周期验证循环（Extended Verification Loops）。它适用于大型软件工程、全栈 Web 开发、开放式科学推导以及漏洞根因修补（Root-cause Vulnerability Patching）等复杂任务。
| MODEL | MODEL ID | DEFAULT THINKING | PRICING (PER 1M TOKENS) |
|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | medium | 限时尝鲜价 Intro（截至 2026 年 11 月 30 日）： $2 input · $10 output（缓存输入享 95% off cached）标准定价（自 2026 年 12 月 1 日起）： $4 input · $20 output（缓存输入同样享 95% 减免） |
Carbon 在 Gemini API 中支持输入与输出共享的 1M-token 上下文窗口，提供 low、medium 和 high 三档思考深度，并兼容全套内置工具。下文依次介绍 Carbon 与 Argon 的选型标准、API 变更点以及 5 条工程实践建议。
二、如何在 Gemini 4 Carbon 与 Gemini 4 Argon 之间选型
Gemini 4 Carbon 与 Gemini 4 Argon（实测对比见 《实测 Gemini 4 Argon》）执行相同的定价标准：11 月 30 日前每百万 Tokens 为 $2 输入、$10 输出；12 月 1 日起恢复为 $4 输入、$20 输出，缓存输入均减免 95%。两款模型共用统一的 1M-token 窗口、thinking_level 参数和内置工具，切换模型或配置动态路由只需改一行模型名称字符串：
- 高难度推理任务选用 Gemini 4 Carbon（
gemini-4-carbon）：Carbon 会投入更多思考 Token 排查大型代码库、跨多模态文档推理、定位隐蔽根因（Subtle Root Causes），并反复执行「构建与验证」循环。多步骤软件工程、架构审计与安全漏洞分析，以及形式化数学证明和金融法律研判，建议优先使用 Carbon。 - 日常开发与知识处理选用 Gemini 4 Argon（
gemini-4-argon）：Argon 兼顾推理质量与响应速度，Token 消耗更少，适合交互式编程、常规功能迭代和高频生产任务。 - 在多智能体工作流中组合调用（Pair them in multi-agent workflows）：把
gemini-4-carbon放在需要深度推理的关键节点，例如前期架构拆解、全局任务协调和最终代码验收（含在 Google Antigravity 的/swarm多智能体协同预览版中担任主控节点）。并行的子模块编码任务则交给gemini-4-argon或gemini-3.8-flash执行。
三、Gemini 4 Carbon 适用的三类开发场景
- 长程软件工程、形式化验证与网络安全（Long-horizon engineering, formal verification, and security tasks）：适合在大型代码库中定位深层根因、将安全属性转化为形式化数学证明，或追踪多跳软件缺陷（Multi-hop Software Flaws）并生成补丁。Carbon 会根据编译器报错与测试输出持续验证假设，直到所有检查通过。
- 多模态知识处理与科学推理（High-precision multimodal knowledge work and scientific reasoning）：接入包含 PDF 文献、长视频、财务总账或实验数据的知识库后，Carbon 可结合全量检索（Exhaustive Retrieval）与严格的 Schema 约束，生成带数据出处的电子表格、演示文稿、分析报告和多步推导过程。
- 全栈 Web 应用、3D 空间环境与物理仿真（Full-stack web apps, 3D environments, and physics simulations）：Carbon 可同时检查源码与实际渲染界面，结合前端布局能力与
Three.js、Blender和WebGPU的空间推理能力，独立完成 Web 应用、3D 场景重建和物理仿真（配套教程见 Building 3D Games and Procedural Worlds）。
四、Gemini API 三项更新与 Python / JS 双 SDK 示例
4.1 用 thinking_level 控制推理深度
Gemini 4 Carbon 通过 thinking_level（"low" | "medium" | "high"）控制响应前的思考预算：
"high"：分配最高推理预算，适合跨多文件根因调试、安全漏洞修补、形式化数学推导和系统架构设计。"medium"（默认值）：兼顾响应速度、调用成本与首轮准确率，适合日常交互式编程和 Agent 工具调用。"low"：降低延迟与 Token 开销，适合高频分类、意图路由和字段提取。
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-carbon",
input=(
"Build a single-file HTML drum machine and synth using the "
"Web Audio API with a 16-step sequencer, tempo slider, and "
"a live waveform visualizer."
),
generation_config={
"thinking_level": "medium" # "low" | "medium" (default) | "high"
},
)
print(interaction.output_text)gemini-4-carbon 模型与 Web Audio 16 步鼓机合成器 Prompt。4.2 统一 1M 输入与输出窗口及 Long Decode 超长解码
早期 Gemini 模型将单次最大输出（含思考与正文）限制在 64K tokens。在 Gemini 4 Carbon 与 Argon 中，输入、思考和输出共享同一个 1M-token 上下文窗口。启用 Long Decode（超长解码）后，单次输出上限可扩展至 1M tokens 减去输入 tokens，足以在一次请求内返回完整的多文件 Diff、全套测试代码或长篇数学证明：
- 默认输出上限为 65,536（64K）tokens：Interactions API 的流式与非流式请求默认上限均为
65,536tokens，现有代码无需修改即可运行。 - 开启
background=True最高生成至 1M tokens：在 Interactions API 中传入background=True（JS SDK 为background: true），并将max_output_tokens设为大于65536即可启用后台长解码。建议预留充足预算避免思考过程截断正文，同时设好上限以控制单次调用成本。
如需在客户端手动管理长解码状态与断点重连，可使用客户端续写（Client-side Continuation for Long Decoding）。该功能目前支持 GenerateContent API，后续也将接入 Interactions API。关于解除 64K 同步限制、后台结果保留期（Background Retention）、动态输出截断（Dynamic Output Clamping）及无状态续写的说明，请参阅 What's new in Gemini 4 Carbon。
import time
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-carbon",
input="Write a complete, rigorous proof of the prime number theorem.",
background=True,
generation_config={
"max_output_tokens": 262144,
"thinking_level": "high",
},
)
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
# Each segment adds a model_output step, so join the text of all of them.
text = "".join(
content.text
for step in interaction.steps
if step.type == "model_output"
for content in step.content
if content.type == "text"
)
print(text)
print("Status:", interaction.status)
print("Usage:", interaction.usage)4.3 从早期 Gemini 模型迁移的 4 项参数清理清单
从 gemini-4-argon 切换到 gemini-4-carbon 无需改动参数，直接替换模型名称即可。若从 Gemini 3 或更早模型迁移，请清理以下 4 项旧配置（完整说明见 Migration Checklist）：
- 将
thinking_budget替换为thinking_level：thinking_budget已废弃并返回警告。 - 移除
temperature、top_p与top_k：自定义采样值会被gemini-4-carbon忽略并返回废弃警告。 - 下线显式上下文缓存（Explicit Context Caching）：移除创建或传入显式
cached_content的代码。隐式缓存（Implicit Caching）默认自动开启，命中缓存的输入自动减免 95% 费用。 - 调大客户端超时时间（Client Timeouts）：复杂推理可能耗时数分钟，请启用
background=True，或将 HTTP 客户端超时设为至少 15 分钟～20 分钟。
五、在托管智能体（Managed Agents）中调用 Carbon 与《Family Historian》案例
你也可以将 gemini-4-carbon 设为 Gemini API Managed Agents（托管智能体） 的驱动模型。Managed Agents 提供云端安全沙盒（environment="remote"）与 Antigravity 运行环境。只需发起一次 API 调用，Carbon 即可在云端联网检索、编写并执行代码、校验输出产物并调用 MCP 工具：
from google import genai
client = genai.Client()
interaction = client.interactions.create(
agent="antigravity-preview-09-2026",
agent_config={
"type": "antigravity",
"model": "gemini-4-carbon",
},
input=(
"Audit https://web.dev for performance, Core Web Vitals, and SEO. "
"Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
"Check search indexing with Google Search for site:web.dev. "
"Format the output as a side-by-side scorecard table with prioritized fixes."
),
environment="remote",
)
print(interaction.output_text)借助 Gemini Managed Agents 追溯家族迁徙历史。智能体在远程 Antigravity 沙盒中检索公开历史档案（如跨大西洋航线记录与 1942 年迪耶普战役 Operation Jubilee 史料），并将父系、母系与汇合时间轴渲染在交互式 3D 地球仪（3D Globe）上。
六、使用 Gemini 4 Carbon 构建系统的 5 条工程建议
以下是 Google 内部工程团队在处理复杂项目时总结的 5 条实践经验：
建议 1：长程运行前先确认目标与验收标准（Align on intent before long runs）
Carbon 单次可独立运行较长时间，并在多步任务中保持上下文连贯。为避免长程执行偏离预期，启动前可做好四步准备：
- 先交代最终目标，让 Carbon 针对边界情况（Edge Cases）和验收标准主动提问。
- 在划定范围阶段压测架构（Ideate while scoping）：规划阶段可让模型评估技术方案。内部测试显示，Carbon 常能在此阶段提出更合理的数据模型、API 接口设计或交互实现方案。
- 执行启动前检查（Pre-flight check）：动工前让 Carbon 确认所需工具、文档权限均已就绪，并复述任务目标。
- 交由模型连续执行到底：不必每一步都手动催促，让 Carbon 跨文件写代码、跑检查并循环修复，仅在执行不可逆操作前暂停确认。
建议 2：接入可量化的自动验证信号（Give the model a way to verify its work）
不要让模型盲猜修改是否生效，直接给它客观的验证工具：接入单元测试套件、传入运行时日志，或用无头浏览器截图检查渲染后的页面。你也可以让它先写自动化检查脚本记录基线得分（Baseline Score），再按根因分批清零违规项：
We want to fix accessibility and layout issues across our web app, but we don't have automated checks yet. First, write a headless Chrome script that crawls every route in src/routes/, inspects the live DOM and accessibility tree, and logs all violations to record our baseline score. Group the failing checks into shared root causes across our shared components, then fix them one cluster at a time. Re-run your script after each change to verify that each single fix resolves the entire cluster with zero regressions. Keep going until all routes pass with zero violations.建议 3：结合多模态参考输入与官方 Agent Skills
Gemini 4 Carbon 支持直接输入图像、音频、视频、PDF 和源码。开发前端或重建 3D 场景时可传入设计稿与建筑图纸 PDF（UI 细节表现对比可参阅 《实测 Claude Fable 5.2》）；复刻交互动效时可直接传入录屏视频，或先让模型生成 DESIGN.md 固定字体、色板与栅格规范。此外，可通过 CLI 安装三个官方 Agent Skills（源码见 google-gemini/demolab）：
# 1. 安装官方 Gemini 4 前端与 UI 设计审美增强技能（稳定超越无 Skill 裸跑与第三方前端技能）
npx skills add google-gemini/demolab --skill gemini-frontend-design
# 2. 安装官方 Gemini API CLI 与 Agent 技能（终端直生图像/视频/语音/配乐落盘至项目目录，不占上下文）
npx skills add google-gemini/gemini-skills --skill gemini-api-cli
# 3. 安装官方代码库自动升级技能（一键将 Gemini 3 存量代码迁移至 gemini-4-carbon）
npx skills add google-gemini/gemini-skills --skill gemini-api-dev建议 4：用 Carbon 担任多智能体主控节点与多模态调度器
- 用 Carbon（
thinking_level="medium"或"high"）负责任务编排与代码合入审查：由它拆解系统架构、定义模块接口契约并审查最终代码，支持配合 Antigravity/swarm多工作区并行协作。 - 将独立子任务分发给轻量模型：子模块迁移、补充单元测试和高频静态检查可交给 Gemini 3.8 Flash（
model: flash）或 Gemini 4 Argon 并行处理。 - 按模态调度专用模型：由 Carbon 统筹调用 Nano Banana 2.1 生成产品图与 3D 贴图三视图，调用 Gemini Omni 1.2 Flash 解析视频参考，并调用 Gemini 3.8 Flash TTS 或 Lyria 生成配音与配乐（多模型协作流程见 《一个人指挥一支 AI 剧组：Gemini 4 + Omni 1.2 实操指南》）。
建议 5：复盘会话记录并生成交互式架构图解
复杂任务结束或排障完成后，可让 Carbon 回顾本轮执行记录，将代码库的特殊约定写入 AGENTS.md 或团队共享 Skill。遇到跨几十个文件的大规模改动时，还可以让它生成单页交互式架构图解（Interactive Visual Explainer），降低人工逐行看 Diff 的负担：
Investigate our current session to see where things stalled or required extra steps, and analyze why. Propose updates to our AGENTS.md or custom skills so we can improve our flow and take a more direct path next time.七、快速接入渠道与官方参考文档
- Google AI Studio：在 Playground 测试提示词，或在 AI Studio Build 构建全栈应用。
- Gemini API：通过 Interactions API、各语言
google-genai/@google/genaiSDK 以及 Managed Agents 直接调用。 - Google Antigravity：Google AI Ultra 用户可在桌面端、CLI 和 IDE 插件中选择
gemini-4-carbon运行/goal与/swarm。高校科研人员可申请 6 个月免费 Antigravity 权限，网络安全人员可申请 Fairwind Program。 - 原生文档处理与迁移：查阅 Office 与 OpenDocument 原生处理文档，并使用
gemini-api-devSkill 自动升级代码库。
八、交互工作台：Carbon / Argon 场景路由器与 Python / JS 代码生成器
gemini-4-carbonfrom google import genai
import time
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-carbon",
input="Trace multi-hop auth bypass vulnerabilities across src/, write reproduction tests, and verify root-cause patches until all checks pass.",
background=True,
generation_config={
"max_output_tokens": 131072,
"thinking_level": "high",
},
)
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
print(interaction.output_text)