Gemini 4 Carbon chega à API paga: veja preço por token e quando compensa usar

O que mudou e quando

O Google começou a liberar o Gemini 4 Carbon nesta terça-feira, 10 de novembro de 2026, para assinantes do Google AI Ultra no aplicativo Gemini, no Modo IA da Busca e no Antigravity, sua plataforma de desenvolvimento com IA. Desenvolvedores e empresas também passaram a ter acesso ao modelo pela API paga, com cobrança separada da mensalidade (Exame, 10/11/2026).

O Carbon foi apresentado em 28 de outubro de 2026 e, até esta liberação, ficava restrito a um grupo de profissionais de segurança digital. Para quem acompanha a família Gemini 4, o lançamento completa o quadro: o Argon segue como modelo padrão para tarefas cotidianas, e o Carbon passa a ser a opção paga para quem precisa de mais capacidade de análise.

Como acessar pela API

Para usar o Carbon fora do app, é preciso chamar o modelo pela API do Google, com billing próprio e separado da assinatura do AI Ultra. Isso significa que um time de engenharia pode integrar o modelo a um pipeline de CI, a um agente de revisão de código ou a uma ferramenta interna sem precisar que cada desenvolvedor tenha assinatura individual do AI Ultra: o acesso é por chave de API e cobrança por uso.

Na prática, isso abre dois caminhos de adoção na mesma empresa:

• Uso interativo: times que já pagam o AI Ultra usam o Carbon direto no app Gemini ou no Antigravity para tarefas pontuais de investigação.
• Uso programático: times de plataforma integram o modelo via API em agentes, bots de suporte ou automações, pagando por token processado.

Argon ou Carbon: qual escolher

O Google não reposiciona o Argon, mantém os dois modelos ativos com propósitos diferentes. A escolha entre eles é basicamente uma decisão de custo versus profundidade de raciocínio.

A leitura direta da tabela: o Carbon rendeu cerca de 7,5 pontos percentuais a mais no benchmark, só que custou perto do dobro por tarefa executada. Para um time que roda milhares de chamadas por dia, essa diferença de custo pesa mais do que o ganho de precisão em boa parte dos casos, o que reforça usar o Carbon de forma seletiva, não como padrão.

O que o benchmark CursorBench 4.0 mostra

O CursorBench 4.0 reúne tarefas de programação que envolvem vários arquivos ao mesmo tempo, um cenário mais próximo de projetos reais do que testes de arquivo único. Na consulta feita nesta terça-feira pela Exame, o ranking ficou assim:

O Carbon lidera por uma margem pequena sobre o Claude Fable 5.2 Max, da Anthropic (0,4 ponto percentual). Para quem decide entre os dois na API, essa diferença dentro da margem de ruído de um benchmark não costuma justificar sozinha trocar de fornecedor: vale rodar o próprio conjunto de tarefas antes de migrar.

Quanto custa na prática

Na API do Google, o preço promocional do Carbon é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída. Token é a unidade em que o modelo divide o texto para processá-lo, e o preço dobra em 30 de novembro de 2026.

Para dar escala ao número: uma tarefa de revisão de código que processa 100 mil tokens de entrada e gera 20 mil tokens de saída custaria hoje cerca de US$ 0,4 (US$ 0,2 de entrada mais US$ 0,2 de saída). Com o reajuste de dezembro, o mesmo volume passa a custar US$ 0,8, porque os dois preços dobram juntos. Rodar essa conta com o volume real de tokens do seu caso de uso, antes do fim do mês, é o jeito mais direto de saber se compensa trancar workloads no Carbon agora ou esperar o Argon para o grosso do tráfego.

Swarm: vários agentes num pedido só

Junto com o Carbon, o Google começou a liberar uma prévia do Swarm no Antigravity. O recurso distribui um mesmo pedido entre agentes que trabalham em paralelo: um planeja as mudanças, enquanto outros editam partes do código e testam se as alterações funcionam, com o progresso visível em tempo real.

A plataforma permite combinar o Carbon em funções de planejamento e revisão com modelos mais leves nas demais etapas, o que é relevante para quem monta pipelines de agentes: dá para reservar o modelo mais caro só para as decisões que exigem mais raciocínio e usar opções mais baratas na execução mecânica. Numa demonstração divulgada pelo Google, um grupo de agentes recebeu fotografias históricas e desenhos de engenharia da Torre Eiffel e montou, a partir de um único pedido, uma exposição interativa em 3D sobre a construção do monumento, ilustrando o tipo de tarefa de múltiplas etapas para a qual o Swarm foi pensado.

O que ainda está em aberto

O material divulgado até aqui não traz limites de taxa (rate limits) da API, disponibilidade por região nem data de saída do Swarm da fase de prévia. Também não há, por ora, benchmark publicado comparando o custo do Swarm rodando vários agentes em paralelo contra uma chamada única ao Carbon, o que seria o dado mais útil para decidir se a orquestração paralela compensa o gasto extra de tokens que ela implica.

Fonte: Exame