Google 官方《Gemini 4 Carbon 开发者实战指南》：1M 统一输入输出窗口、Long Decode 长解码、托管智能体与 5 种长程 Agent 模式

点击放大查看原图

Gemini 4 Carbon 模型规格与定价总览

今天，我们正式向全球开发者、企业、科研人员与普通用户开放 Gemini 4 Carbon。该模型于两周前首次发布，并率先通过 Fairwind Program（顺风计划）向网络安全防御专家开放。即日起，所有开发者均可在 Google AI Studio 中通过 Gemini API 付费层调用该模型。Google AI Ultra 订阅用户也可在 AI Studio 与 Google Antigravity 中直接使用。

Gemini 4 Carbon 专为持续长线智能体工作流（Sustained Agentic Workflows）打造，支持全面代码探索、多步推理与长周期验证循环（Extended Verification Loops）。它适用于多步骤软件工程、全栈 Web 应用开发、开放式难题求解、科学发现以及漏洞根因修补（Root-Cause Vulnerability Patching）。

本指南介绍 Gemini 4 Carbon 与 Gemini 4 Argon 的选型标准、Gemini API 的新特性，以及构建 Carbon 应用的 5 项工程实践。关于软件工程、金融、法律、网络安全与科研领域的落地案例，请参阅官方发布博客。

一、Gemini 4 Carbon 与 Gemini 4 Argon 选型指南

Gemini 4 Carbon 与 Gemini 4 Argon 同属旗舰模型系列，目前定价一致。在 2026 年 11 月 30 日前，每百万 Tokens 尝鲜价为 $2 输入与 $10 输出；12 月 1 日起恢复为 $4 输入与 $20 输出，命中缓存的输入 Token 均享 95% 折扣。两款模型共享统一的 1M-token 上下文窗口、thinking_level 参数与内置工具，只需修改一行模型名称字符串即可切换或动态路由。

• 高复杂度推理任务优先选择 Gemini 4 Carbon（gemini-4-carbon）：Carbon 会投入更多思考 Token 探索大型代码库、跨多模态文件推理、定位隐蔽根因（Subtle Root Causes），并执行持久的构建与验证循环。它适合多步骤软件工程、系统架构设计与安全审计、形式化数学证明、金融与法律综合研判，以及安全漏洞研究。
• 常规软件工程与知识处理选用 Gemini 4 Argon（gemini-4-argon）：Argon 兼顾高水平推理能力、更低的 Token 消耗与更快的响应速度，适合交互式结对编程、日常功能迭代与高频交付任务。
• 在多智能体工作流中组合使用两款模型：你可以将 gemini-4-carbon 用于顶层架构设计、全局任务拆解与合入前验证，例如在 Google Antigravity 的 /swarm 多智能体协同预览版中担任主控节点。并行的具体代码实现切片则可交由 gemini-4-argon 或 gemini-3.8-flash 高速执行。

不同场景下的完整模型对比细节，请参阅官方文档 Compare Gemini models（对比 Gemini 模型系列）。

二、Gemini 4 Carbon 支持的三类核心开发工作流

在需要多步推理、代码探索与严格验证的工作流中，Gemini 4 Carbon 重点强化了以下三类场景：

1. 长程软件工程、形式化验证与网络安全任务：你可以向 Carbon 交付高复杂度目标，例如定位大型单体或微服务代码库中的疑难 Bug、将系统安全属性转化为形式化数学证明，或追踪多跳软件漏洞（Multi-hop Software Flaws）并生成修复补丁。模型会自动对照编译器报错与测试套件输出检验假设，循环迭代直到所有检查通过。
2. 高精度多模态知识处理与科学推理：Carbon 可直接接入包含大量 PDF 文献、长视频、财务总账报表或实验室原始观测数据的知识库。它结合穷尽式信息检索（Exhaustive Retrieval）与严格的 Schema 结构化输出，生成有据可查的电子表格、演示文稿、研究报告与多步科学公式推导。
3. 全栈 Web 应用、3D 空间环境与物理仿真：Carbon 能同时跨越源码与实际渲染的视觉 UI 运行构建与验证循环。它结合前端界面设计与 Three.js、Blender、WebGPU 的空间几何推理能力，可交付全栈应用、3D 场景重建与物理仿真。具体实践可参考配套指南 Building 3D Games and Procedural Worlds（构建 3D 游戏与程序化世界）。

三、Gemini API 新特性与迁移指南

通过 Gemini API 调用 gemini-4-carbon 时，主要涉及以下三项接口更新：

3.1 使用 thinking_level 控制推理深度

Gemini 4 Carbon 通过 thinking_level（可选值："low" | "medium" | "high"）控制模型在输出最终回答前的推理计算量：

• "high"：启用最高推理深度，适用于跨多文件根因调试、安全漏洞修补、形式化数学推导与系统架构设计。
• "medium"（默认值）：兼顾响应速度、Token 成本与首轮准确率，适合作为交互式编程与 Agent 工具调用的默认档位。
• "low"：降低延迟与调用成本，适合高吞吐分类、意图路由与定向字段提取。

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)

3.2 统一 1M 上下文窗口与 Long Decode 长解码

早期的 Gemini 模型将最大输出长度（思考 Token 加最终回复 Token）限制在 64K tokens。在 Gemini 4 Carbon 与 Argon 中，输入、思考与输出在 Gemini API 中共享同一个 1M-token 统一窗口。借助 Long Decode（长解码），单次输出可突破 64K tokens 限制，最高达到 1M tokens 减去输入 tokens。模型在完成充分推理后，仍能在单次请求中完整返回跨数十个文件的代码 Diff、全套单元测试或长篇数学证明。

• 默认输出上限为 65,536（64K）tokens：在 Interactions API 中，流式（Streaming）与非流式请求的默认上限均为 65,536 tokens，现有业务代码无需修改即可直接兼容。
• 设置 background=True 最高生成至 1M tokens：若需突破 65,536 tokens 输出上限，可开启 background=True，并将 max_output_tokens 设为大于 65536 的数值。建议预留充足上限以防深度思考截断最终答案，同时设定合理封顶值以避免复杂提示词耗尽预算。

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)

关于修改 64K 同步输出限制、后台任务保留期（Background Retention）、动态输出截断保护（Dynamic Output Clamping）及无状态续写（Stateless Continuation）的实现细节，请参阅官方文档 What's new in Gemini 4 Carbon。

3.3 从早期 Gemini 模型迁移的参数清理清单

如果你已在生产环境中使用 gemini-4-argon，切换到 gemini-4-carbon 无需修改代码（Drop-in replacement），两者的 thinking_level 参数、1M 统一窗口与计费结构一致。若从 Gemini 3 或更早版本的模型升级，请清理以下 4 项旧参数：

• 将 thinking_budget 替换为 thinking_level：thinking_budget 现已废弃（Deprecated），继续传入会返回警告。
• 移除 temperature、top_p 与 top_k：自定义采样参数会被 gemini-4-carbon 忽略，并返回废弃警告。
• 停用显式上下文缓存：移除创建或传入显式 cached_content 的代码。隐式缓存（Implicit Caching）现已默认自动开启，命中缓存的输入 Token 自动享受 95% 价格折扣。
• 调大客户端请求超时阈值：复杂推理请求可能持续思考数分钟。建议在 Interactions API 上启用 background=True，或将 HTTP 客户端 Timeout 调高至 15～20 分钟。

完整迁移细则请查阅官方 Migration Checklist（迁移检查清单）。你也可以在编程智能体中安装 gemini-api-dev Skill，自动完成代码库的 gemini-4-carbon 升级迁移。

四、在托管智能体（Managed Agents）中调用 Gemini 4 Carbon

你也可以在 Gemini API 的 Managed Agents（托管智能体） 中指定 gemini-4-carbon 作为驱动模型。Managed Agents 内置云端安全沙盒（environment="remote"）与原生 Antigravity Harness。只需单次 API 调用，模型就能自主联网搜索、编写并执行代码、校验输出产物并调用各类 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)

五、构建 Gemini 4 Carbon 应用的 5 项工程实践

以下是 Google 内部工程与研究团队在复杂项目中验证的 5 种 Carbon 协作模式：

5.1 在长程自主运行前明确目标与里程碑

Gemini 4 Carbon 支持长时间独立运行。启动任务前先明确可量化的目标与关键里程碑，有助于模型在长周期执行中保持上下文连贯。具体准备步骤如下：

• 明确最终目标与验收标准：说明业务预期，并让 Carbon 针对边界条件（Edge Cases）与验收指标主动提出澄清问题。
• 在规划阶段共同探讨架构方案：利用范围界定阶段压测系统架构并验证可行解法。在内部实践中，Carbon 常能提出跨技术栈的改进方案，例如补充程序化视觉效果、简化数据模型或规范 API 契约。
• 执行启动前自检（Pre-flight Check）：正式编码前，让 Carbon 确认已具备所需工具与文档的访问权限，并准确理解任务需求。
• 交由模型连续执行直至完成：无需逐轮手动输入提示词，让 Carbon 按计划跨文件编写代码、运行检查并循环迭代。仅在涉及不可逆操作（Irreversible Steps）时，要求模型暂停并等待人工确认。

5.2 为模型提供可量化的结果验证机制

当 Carbon 能对照客观反馈信号测试代码改动时，长程工程的准确率最高。你可以直接为模型接入自动化测试套件、实时运行时日志（Runtime Logs）或浏览器页面截图工具，也可以让它自行编写验证脚本并循环迭代，直到所有检查全部通过。

你还可以让 Carbon 先编写可复现的自动化验证脚本，记录当前基线得分（Baseline Score），再在迭代循环中对照该脚本检验每次修改。如果项目尚未建立量化指标，可直接要求 Carbon 分析代码库并从零搭建基线测试。

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.

5.3 结合多模态参考资料与官方 frontend-design / CLI 技能

Gemini 4 Carbon 原生支持同时输入图像、音频、视频、PDF、源码与长文本。开发前端界面或 3D 场景时可传入视觉参考图与工程 PDF；整理资料时可拖入幻灯片与电子表格；复刻交互动效时可直接传入录屏视频。若有明确的视觉风格要求，可提供 1～2 张参考图，或让模型先将字体排版、配色与栅格规范提炼为 DESIGN.md 文件，保证后续生成的组件风格统一。

Google 同时开源了官方 gemini-frontend-design Skill，用于提升 Gemini 4 系列模型的前端与 UI 实现质量。实测显示，加载该 Skill 构建的用户界面优于裸模型输出及常见第三方前端技能。你可以通过命令行直接安装，或前往 google-gemini/demolab GitHub 仓库 查看源码。

此外，Carbon 擅长编写结构化提示词，调度其他 Gemini 模型生成图像、视频、语音或配乐素材。建议同步安装 Gemini API CLI 及配套 Agent 技能。安装后，Carbon 可直接从终端生成媒体文件并保存到项目目录，无需编写临时胶水脚本，也不会占用上下文窗口，生成的视听素材可直接接入构建管线。

# 1. 安装官方 Gemini 4 前端与 UI 设计增强技能
npx skills add google-gemini/demolab --skill gemini-frontend-design

# 2. 安装官方 Gemini API CLI 技能（终端直出多模态图像/视频/语音资产）
npx skills add google-gemini/gemini-skills --skill gemini-api-cli

5.4 用 Carbon 统筹编排多智能体团队（Orchestrator & /swarm）

在大型多文件工程中，Carbon 适合承担多智能体团队的统筹协调工作。配合 Google Antigravity 推出的 /swarm 多智能体协同预览版，你只需输入一句提示词，即可启动多个在独立工作区（Isolated Workspaces）并行运行且支持实时状态追踪的子智能体：

• 将 Gemini 4 Carbon（thinking_level="medium" 或 "high"）设为主编排器与审查节点：负责顶层架构拆解、模块接口契约定义、安全审计以及子智能体代码验收。
• 将并行实现任务分发给高速子智能体：把叶子模块迁移、单元测试补充与高频脚本检查等并行开发任务，交由 Gemini 3.8 Flash（model: flash）或 Gemini 4 Argon 并行处理。
• 跨模态调度专用模型：由 Carbon 统一调度 Nano Banana 2.1 生成产品渲染图、材质贴图与 3D 三视图参考卡，调用 Gemini Omni 1.2 Flash 解析参考视频，并调用 Gemini 3.8 Flash TTS 或 Lyria 生成旁白配音与配乐。

5.5 复盘会话轨迹并更新 AGENTS.md 与团队技能

在复杂任务收尾或排障中途，可以让 Carbon 回顾当前会话的完整执行轨迹。借助长上下文归纳能力，定期执行会话复盘（Reflection）可带来两方面收益：

• 减少代码库特殊规则带来的重复试错：工程仓库往往存在自定义测试参数、特定 Lint 规则或已废弃的辅助函数，每次重新排查都会消耗多轮交互。让 Carbon 将这些注意事项写入 AGENTS.md 或自定义 Skill，后续新会话就能直接避开已知坑点。
• 将单次排障步骤转化为可复用的团队技能：当 Carbon 验证出一套可靠的多步操作流程（如本地数据库迁移或构建产物校验）后，可让它将该流程封装为标准化 Skill，供团队成员直接复用。

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.

当 Carbon 完成跨数十个源码文件的改造后，直接逐行阅读原始 Git Diff 效率较低。你可以让 Carbon 为改动方案生成一份交互式可视化说明页（Interactive Visual Explainer），例如动态架构拓扑图、数据流向图或分步管线演示。这种方式便于在合并代码前校验架构设计，也能直观展示复杂的数学推导或 3D 渲染管线的演进过程。

六、全平台接入方式与开发者生态

即日起，你可以通过以下 Google 开发者平台与开源生态工具接入 Gemini 4 Carbon：

• Google AI Studio：在 Playground 中测试提示词，或在 Google AI Studio Build 中构建全栈应用（面向 Google AI Ultra 订阅用户及启用 Gemini API 付费层的开发者开放）。
• Gemini API：在 Interactions API 中直接调用 gemini-4-carbon，首日支持全语言 google-genai SDK 与 Managed Agents。
• Google Antigravity：Google AI Ultra 订阅用户可在 Google Antigravity 桌面客户端、CLI 与 IDE 插件中切换至 gemini-4-carbon，用于架构规划、/goal 长程运行与多智能体 /swarm 协作。高校与科研院所研究人员可提交申请获取 6 个月 Google Antigravity 免费使用额度，网络安全防御人员可通过 Fairwind Program 申请安全专项权限。
• 官方开发者文档：查阅 Gemini 4 Carbon、Long Decode 长解码、Office 与 OpenDocument 原生文档处理文档，以及配套的 Building 3D Games and Procedural Worlds 开发手册。
• 主流开发框架与 Harness 集成：首日支持在 Vercel AI SDK、LiteLLM、OpenRouter、Pydantic AI、OpenCode、LiveKit Agents、BrowserBase、Eigent 与 Cua 中使用 Gemini 4 Carbon。
• Gemini API 自动迁移技能：在编程智能体中安装 gemini-api-dev Skill，将存量项目自动升级至 gemini-4-carbon。

原作者：Geneviève Huskens & Jack Wotherspoon（Google for Developers）

七、交互工坊：Gemini 4 Carbon 成本测算器与 Gemini 3 升级自检清单