Gemini 4 Carbon стал доступен: Google показала примеры создания 3D-сцен

Google DeepMind объявила, что 10 ноября 2026 года открыла доступ к Gemini 4 Carbon разработчикам, организациям, учёным и потребителям. По сообщению Google, платные разработчики и организации могут использовать модель через Google AI Studio API и Gemini for business; подписчикам Google AI Ultra доступ постепенно предоставляется через Google Antigravity, приложение Gemini и режим AI Mode в Поиске. В анонсе также приводятся примеры использования модели для решения сложных задач и создания 3D-контента.

Как устроены доступ и цены?

Google называет Gemini 4 Carbon своей самой мощной моделью и указывает, что она ориентирована прежде всего на многоэтапное программирование, отладку, научные исследования и продолжительные агентные рабочие процессы. По словам компании, по сравнению с Gemini 4 Argon модель может использовать больше токенов для более глубоких рассуждений и проверки результатов.

Стартовая цена для API и Gemini for business такая же, как у Argon: 2 доллара за 1 миллион входных токенов и 10 долларов за 1 миллион выходных. Это стартовые цены, указанные в анонсе. Отдельная стоимость доступа к приложениям и сервисам для подписчиков Google AI Ultra в источнике не приводится. Также компания не опубликовала перечень требований к оборудованию или совместимости с 3D-программами.

Примеры создания 3D-контента от Google

Один из примеров, напрямую относящихся к архитектуре и визуализации, — модель офиса, созданная с помощью функции /swarm в Google Antigravity. По словам Google, команда агентов подготовила интерактивную реконструкцию офиса Platform 37 на Three.js, используя 206 видов инженерных чертежей из семи PDF-файлов с муниципальной планировочной документацией. Модель содержит 906 тысяч треугольников, а работа выполнялась итерациями в течение 10 ночей.

Google также сообщает об интерактивной 3D-экспозиции, посвящённой строительству Эйфелевой башни в 1887–1889 годах и созданной на основе исторических фотографий и инженерных чертежей. В другом примере, по материалам академической работы, был подготовлен визуализатор текстиля с интерактивными сетями нитяных структур и кривыми напряжения-деформации. Это примеры из презентации продукта самой компанией, а не результаты независимых тестов производительности.

Что это значит для архитектурных и archviz-процессов?

Пример создания геометрии по планам и чертежам примечателен тем, что показывает возможность превращать проектную документацию в интерактивные 3D-модели. Google отмечает, что Carbon в Antigravity может распределять между агентами разные роли и выполнять задачи, требующие более глубоких рассуждений, например связанные с архитектурным проектированием, координацией и проверкой. Однако в анонсе не уточняется, на каких этапах примеры проектов требовали участия человека и насколько точны результаты для производственных проектов.

Поэтому модель стоит рассматривать не как готовую замену существующим этапам моделирования и проверки, а как инструмент для экспериментов. Геометрию, созданную по планам, необходимо проверять на соответствие размерам и чертежам; совместимость с используемыми приложениями и требования к оборудованию также нужно выяснить отдельно. Технических требований по этим двум пунктам Google не приводит.

Агентные рабочие процессы и оценка

Google описывает функцию /swarm как переход от одного запроса к команде агентов, за которой можно наблюдать в реальном времени. По словам компании, Carbon может выполнять задачи в разных рабочих пространствах вместе с более быстрыми и лёгкими моделями; для проверки изменений также можно задействовать агентов-валидаторов. Такой подход интересен с точки зрения распределения задач, особенно при многоэтапном создании 3D-контента и программировании.

Тем не менее приведённые примеры не доказывают, что одинаковые результаты будут получаться для проектов разных типов. На практике офисам стоит оценивать читаемость планов, возможность редактирования полученной модели, выявление ошибок и влияние стоимости использования API на рабочий процесс. Другие результаты, которыми Google делится в отношении эффективности и безопасности модели, также основаны на собственных оценках компании.