Google libera Gemini 4 Carbon para desenvolvedores com preço promocional até o fim de novembro

O Gemini 4 Carbon saiu da fase restrita a especialistas em segurança e chegou à API do Google AI Studio nesta terça-feira (10/11), com um comando novo para orquestrar times de agentes e um preço promocional que vale até o fim de novembro, quando deve dobrar.

Nota da redação: a fonte usada nesta matéria afirma apenas que o Gemini 4 Carbon ficou restrito a especialistas em cibersegurança por algumas semanas, sem especificar o que eles fizeram nesse período. A frase de que esses especialistas 'testaram o modelo em simulações internas' é um detalhe que não encontramos na fonte original, por isso o leitor deve considerar essa descrição específica como não verificada.

O Google liberou o Gemini 4 Carbon ao público geral e a empresas nesta terça-feira (10/11), depois de semanas restrito a especialistas em cibersegurança que testaram o modelo em simulações internas. Segundo o Tecnoblog, é a IA mais avançada que o Google já colocou para funcionar.

Para quem desenvolve, o acesso é direto: a API está disponível no Google AI Studio, no Android Studio e no Gemini for Business. Isso significa que dá para trocar o modelo numa chamada de API hoje mesmo, sem esperar integração via produto fechado. Para o público geral, o acesso passa pelo app do Gemini, pelo Modo IA da Busca e pelo Google Antigravity, mas só para quem assina o Google AI Ultra (a partir de R$ 779,90 por mês).

O preço de lançamento tem prazo de validade

O ponto que mais importa para quem orça um produto com agentes é o preço, e ele não é fixo. A tabela abaixo reúne os números divulgados.

Em resumo: quem está prototipando agentes agora paga metade do que vai pagar a partir de dezembro. Se o seu caso de uso depende de volume alto de tokens (agentes que rodam em loop, pipelines de análise longa), vale medir o custo real do seu fluxo nesta janela promocional antes que o preço dobre.

Segundo o The Verge, a estratégia de preço baixo no lançamento deve aumentar a competitividade do Google diante das concorrentes. Mesmo depois do reajuste, o Carbon continua mais barato por token que o GPT-6 Astra e o Fable 5.2, o que indica que o Google está disposto a operar com margem menor para ganhar adoção de API.

Carbon não substitui o Argon, ele assume a parte mais pesada do trabalho

O Gemini 4 Argon, lançado em outubro, segue como a opção para tarefas que exigem bastante raciocínio: auditorias de sistema, identificação de problemas em código e investigações científicas com várias etapas de análise. O Carbon fica acima dele na hierarquia de capacidade.

A diferença prática, segundo o Google, está no consumo de tokens e no tempo de verificação. O Carbon gasta mais tokens que o Argon para executar a mesma classe de tarefa, mas mantém ciclos de verificação mais longos: ele revisa resultados intermediários, explora alternativas e só então fecha a resposta. Na prática, isso é a troca clássica entre custo e confiabilidade: mais tokens gastos em troca de menos retrabalho corrigindo erro do modelo depois.

Para quem decide qual modelo usar em cada etapa de um pipeline, isso sugere uma divisão de papéis: Argon para tarefas de análise complexa isoladas, Carbon para pontos do fluxo em que o custo de um erro é alto o suficiente para justificar o gasto extra de tokens em verificação.

O comando /swarm distribui a tarefa entre vários agentes

A novidade que acompanha o Carbon é o comando /swarm, disponível por enquanto só no Google Antigravity (o ambiente de desenvolvimento com agentes do Google). Ele permite dividir uma tarefa única entre vários agentes de IA que trabalham em paralelo e de forma coordenada, sem que o desenvolvedor precise orquestrar manualmente cada etapa.

Na prática proposta pelo Google, o Carbon assume os pontos que exigem raciocínio mais complexo (como o planejamento da arquitetura de um sistema), enquanto tarefas menores e mais repetitivas são delegadas a modelos mais rápidos e baratos dentro do mesmo swarm. É o mesmo princípio por trás de frameworks de múltiplos agentes que times de TI já tentam montar na mão hoje, só que embutido como comando nativo da ferramenta.

O Google DeepMind mostrou duas demonstrações do recurso: a construção de uma biblioteca de interface gráfica em Rust rodando durante a madrugada, e a criação de um jogo tridimensional em Three.js simulando o campus da empresa. Nenhuma das duas tem métrica pública de tempo total ou custo em tokens, o que é o dado que falta para avaliar se o /swarm compensa o gasto extra de orquestração.

Os números de segurança vêm de testes do próprio Google

Para quem avalia se pode confiar em agentes autônomos com acesso a sistemas de produção, o Google divulgou três métricas do Project Fortify, seu sistema interno de identificação e mitigação de vulnerabilidades:

• 100% de sensibilidade na detecção de ameaças dentro do Project Fortify
• 99% de bloqueio de tentativas de intrusão em outras simulações
• Nenhuma injeção de prompt bem-sucedida nos testes internos de segurança

O Google também testou o comportamento do modelo em cenários nos quais agentes poderiam inventar resultados (o problema conhecido como alucinação, quando a IA apresenta uma resposta errada como se fosse correta), chegando a 92% de taxa de sucesso em testes de honestidade. Esse número, por si só, indica que em quase um a cada dez casos o modelo ainda gerou uma resposta não confiável nesse tipo de teste específico.

O que ainda não dá para responder

Todos os números de segurança e detecção de ameaça vêm de testes internos do próprio Google, sem validação por laboratório independente divulgada até agora. Isso não invalida o dado, mas significa que comparar o Carbon com outros modelos de fronteira em métricas de segurança ainda depende de alguém rodar o mesmo tipo de avaliação de forma aberta.

Também falta clareza sobre o custo real do /swarm em produção: o comando multiplica chamadas de API entre vários agentes, e o Google não publicou nenhuma estimativa de quanto esse padrão de uso custa comparado a uma chamada única ao Carbon. Quem for testar o recurso na janela promocional de preço vai precisar medir isso na própria conta de uso.

Fonte: Tecnoblog — IA