Gemini 4 Carbon do Google é liberado e custa menos que o Fable 5.2 da Anthropic

Carbon sai do teste fechado bem na hora de encontrar um rival mais forte

O Google tornou o Gemini 4 Carbon disponível para qualquer desenvolvedor pagante e cliente empresarial em 10 de novembro de 2026, segundo reportagem do The Decoder. Antes disso, o modelo passou duas semanas em teste restrito a especialistas em segurança.

O problema de calendário é claro: Carbon havia sido anunciado no fim de outubro de 2026 prometendo liderar os benchmarks (teste padronizado que mede desempenho de um modelo em tarefas específicas). Mas, pouco antes da liberação geral, a Anthropic lançou seu modelo principal mais novo, o Fable 5.2, que supera o Carbon no índice geral do Artificial Analysis mesmo quando configurado com intensidade de raciocínio mais baixa.

Argon continua sendo a escolha padrão: Carbon é para o problema difícil

O Google deixou claro que Carbon não substitui o Gemini 4 Argon, lançado antes dele. Argon segue sendo a recomendação da própria empresa para a maior parte das tarefas de engenharia de software e trabalho de conhecimento. Carbon fica reservado para o que exige mais do modelo: depuração (debugging) de múltiplas etapas e pesquisa científica aberta.

Os dois modelos têm o mesmo preço por token (a unidade de texto que o modelo processa e pela qual o uso da API é cobrado), mas Carbon consome mais tokens na prática, porque raciocina mais a fundo em depuração complexa e roda loops de verificação mais longos.

Isso significa que a conta final tende a ficar mais alta que a do Argon, mesmo com o preço unitário igual. O preço promocional de lançamento é de US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída, e o modelo está acessível pela API do Gemini no Google AI Studio, no Android Studio e no Gemini for Business.

Quanto custa resolver uma tarefa: a comparação que decide a escolha

No teste do Artificial Analysis publicado duas semanas antes do lançamento geral, Carbon custou US$ 7,76 por tarefa resolvida, já no preço padrão regular (US$ 4 por milhão de tokens de entrada, US$ 20 por milhão de saída). Isso o torna mais barato que o antigo modelo econômico Flash 3.8, entregando desempenho melhor ao mesmo tempo, algo que o próprio The Decoder descreve como incomum.

O detalhe que importa para quem escolhe modelo em produção: pagar mais nem sempre compra o primeiro lugar, e o primeiro lugar nem sempre justifica o preço. O Fable 5.2 no tier mais alto custa mais de três vezes o Carbon e ainda assim fica só dois pontos à frente no índice geral do Artificial Analysis.

Onde Carbon lidera e onde fica atrás nos benchmarks específicos

Além dos dados já conhecidos desde o fim de outubro, o Google divulgou resultados novos em quatro benchmarks:

• CursorBench 4.0 (benchmark de código): Carbon lidera com pouco menos de 60%, seguido por Fable 5.2 e pelo próprio Argon. GPT-5.6 Sol e Grok 4.7 ficam bem atrás.
• WANDR, da Perplexity, e AutomationBench, da Zapier: Carbon lidera os dois, a menos da metade do custo por tarefa do segundo colocado, o Fable 5.2.
• MKA (Multimodal Knowledge Agent), benchmark novo feito em parceria com o Artificial Analysis para análise de documentos densos com gráficos, plantas e tabelas: Carbon fica em segundo lugar, atrás do Fable 5.2 e à frente do Opus 5.5, mas custando menos de um sexto do que o modelo líder.

O padrão se repete: Carbon raramente é o número um isolado, mas aparece quase sempre perto do topo gastando bem menos por tarefa.

O enxame de agentes: um prompt vira equipe coordenada no Antigravity

Junto com o lançamento, o Google mostrou em prévia o recurso "/swarm" no Google Antigravity, o concorrente direto do Claude Code. A ideia é transformar um único prompt em uma equipe coordenada de agentes de IA cujo trabalho pode ser acompanhado em tempo real.

Nesse esquema, Carbon assume papéis que exigem raciocínio profundo, como desenho de arquitetura, coordenação e auditoria, enquanto modelos mais leves e rápidos rodam em paralelo, em espaços de trabalho isolados, funcionando como verificadores adversariais (que checam o trabalho uns dos outros). O Google demonstrou o recurso com um jogo 3D que permite explorar o campus da empresa em Mountain View pilotando um pelicano de bicicleta, uma reconstrução interativa da construção da Torre Eiffel baseada em fotos históricas e um fortepiano do século 18 jogável, com acústica espacial calculada por assento.

A relação custo-benefício de enxames de agentes como esse ainda divide a indústria. Tanto a OpenAI quanto a Anthropic têm se mostrado cautelosas com a abordagem, e pesquisadores também expressam ceticismo. O ganho mais claro parece ser velocidade por paralelização, mas o The Decoder observa que medir esse ganho de forma confiável é complexo.

Segurança ofensiva é o número que o Google decidiu mostrar

Durante as duas semanas de acesso antecipado pelo Fairwind Program, o Google reuniu resultados concretos de cibersegurança que divulgou pela primeira vez. No programa Scan for Good da empresa de segurança Wiz, Carbon encontrou vulnerabilidades zero-day reais (falhas desconhecidas e ainda não corrigidas) ao escanear dois grandes provedores de SaaS, em menos de duas horas. A equipe de segurança de nuvem do próprio Google usou o modelo para escrever exploits de prova de conceito funcionais para duas falhas já conhecidas em um projeto open source popular, comprovando que eram criticamente exploráveis, em um caso comparável à vulnerabilidade conhecida como PHP2Shell.

No sistema autônomo de segurança do Google, o Project Fortify, Carbon aumentou a taxa de detecção em bases de código open source em mais de 25% em relação ao Argon. A empresa afirma que o modelo lidera os benchmarks SEC-bench Pro (achar vulnerabilidades), ExploitGym (explorá-las) e CWE-bench v1 (corrigi-las), mas só na versão disponível pelo Fairwind Program, e sem divulgar números específicos dessa versão.

O relatório de segurança publicado junto com o model card (documento técnico que descreve limites e comportamento do modelo) traz outros números: em um teste interno de honestidade com 375 tarefas, Carbon passa em 92% dos casos (contra 70% do Argon) e se recusa a inventar dados experimentais ausentes em 98% das vezes. Em simulações de ataque com agentes adversariais adaptativos, o modelo bloqueou 99% das rotas de ataque e reduziu a taxa de sucesso por tentativa de 3,1% (Argon) para 0,8%. Testadores externos da Trajectory Labs não encontraram um único jailbreak universal em 132 horas e mais de 13 mil consultas.

No benchmark Gray Swan IPI, que mede resistência a injeção de prompt (técnica em que um texto malicioso tenta sequestrar as instruções do modelo), Carbon registrou taxa de sucesso de ataque de zero por cento, segundo o Google, o primeiro modelo a chegar a esse resultado. Isso não significa que o problema de injeção de prompt esteja resolvido: o próprio teste pode estar saturado, mas ainda é um avanço, especialmente porque concorrentes seguem mais vulneráveis nesse ponto.

O que muda pra quem escolhe modelo e monta agente no Brasil

Na prática, a recomendação do próprio Google aponta um caminho: manter Argon como padrão para engenharia de software do dia a dia e reservar Carbon para os casos que realmente exigem mais raciocínio, como depuração de bugs difíceis de reproduzir, pesquisa aberta ou varredura de segurança. Como o preço por token é igual mas o consumo de tokens do Carbon é maior, trocar de modelo sem medir o ganho real pode só aumentar a fatura sem melhorar o resultado.

O recurso /swarm ainda está em prévia e a própria OpenAI e a Anthropic têm reservas sobre enxames de agentes, então vale testar em ambiente isolado antes de levar para produção. Já os números de segurança ofensiva (zero-day encontrado em SaaS real, exploits funcionais, detecção 25% maior no Project Fortify) são promissores, mas ficam presos à versão do Fairwind Program, sem benchmark público reprodutível por enquanto. Quem depende de modelo para pentest ou auditoria de código precisa acompanhar quando (e se) esses números chegarem à versão disponível via API.

Fonte: The Decoder