Philipp Schmid(@_philschmid)

https://t.co/5z8wCbAFBA

8.5内容质量
https://t.co/5z8wCbAFBA

TL;DR · AI 摘要

Google 推出 Gemini 4 Carbon 模型,适用于大规模工程、形式化证明和网络安全防御,支持长解码和背景执行。

核心要点

  • Gemini 4 Carbon 支持 1M-token 的共享池,适用于大规模工程和形式化证明。
  • Carbon 模型提供三种可调的思考级别,价格在 11 月 30 日前为 $2.00 输入和 $10.00 输出每 1M tokens。
  • Gemini 4 Carbon 和 Hydrogen 共享相同的 1M 上下文窗口和长解码架构。

结构提纲

按章节快速跳转。

  1. Gemini 4 Carbon 是 Google 最强的推理模型,适用于大规模工程、形式化证明和网络安全防御。

  2. Gemini 4 Carbon 支持共享 1M-token 池,输入、思考和输出之间可以进行长解码,最多 64K 跳跃。

  3. Gemini 4 Carbon 提供低、中、高三种可调的思考级别,温度、top_p 和 top_k 被忽略。

  4. Gemini 4 Carbon 支持自动隐式缓存,从 4,096 tokens 开始,折扣为 95%。

  5. Hydrogen、Gemini 4 Argon 和 Carbon 共享相同的 1M 上下文窗口和长解码架构。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • Gemini 4 Carbon
    • 共享 1M-token 池
      • 长解码支持
      • 64K 跳跃
    • 可调的思考级别
      • 低、中、高
    • 自动隐式缓存
      • 4,096 tokens
      • 95% 折扣

金句 / Highlights

值得收藏与分享的关键句。

  • Gemini 4 Carbon 支持共享 1M-token 池,输入、思考和输出之间可以进行长解码,最多 64K 跳跃。

    — 第 2 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • Carbon 模型提供三种可调的思考级别,价格在 11 月 30 日前为 $2.00 输入和 $10.00 输出每 1M tokens。

    — 第 3 段

    ⬇︎ 下载 PNG𝕏 分享到 X
  • Hydrogen、Gemini 4 Argon 和 Carbon 共享相同的 1M 上下文窗口和长解码架构。

    — 第 5 段

    ⬇︎ 下载 PNG𝕏 分享到 X
#Gemini#AI模型#Google#机器学习
打开原文

文章

文章

*

图片 1:头像
图片 1:头像
图片 2:文章封面图片
图片 2:文章封面图片

3 分钟阅读

上周我们发布了两个 Gemini 4 模型,我们的第一个决策模型和 API,Gemini 管理代理中的自托管代理沙盒,一个新的视觉知识基准,以及新的机器人和基因组学模型。

1. Gemini 4 Carbon

Gemini 4 Carbon,以 gemini-4-carbon 的形式提供,是我们用于仓库级工程、形式证明和网络安全防御的最强推理模型。

  • 输入、思考和输出共享 1M-token 池,通过 后台执行 实现 64K 跳跃的 长解码。
  • 可调节的低、中、高 思考级别;温度、top_p 和 top_k 被忽略。
  • 从 4,096 tokens 自动 隐式缓存,享受 95% 的折扣,淘汰缓存内容。
  • 初期 定价 为每 1M tokens 输入 2.00 美元,输出 10.00 美元,直至 11 月 30 日,之后从 12 月 1 日起,输入 4.00 美元,输出 20.00 美元;请参阅 模型卡片 和 Carbon 开发者指南。

typescript

code
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-carbon",
  input: "Find lock-ordering deadlocks in a two-phase commit coordinator and sketch a lock-free alternative.",
  generation_config: {
    thinking_level: "medium",
  },
});

console.log(interaction.output_text);

typescript

code
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-hydrogen",
  input: "Write a TypeScript token-bucket rate limiter that avoids floating-point burst-boundary drift.",
  generation_config: {
    thinking_level: "xhigh",
  },
});

console.log(interaction.output_text);

3. 选择你的模型

图片 3
图片 3

Hydrogen、Gemini 4 Argon 和 Carbon 共享相同的 1M 统一上下文窗口、长解码架构和 Interactions API 架构。选择模型 以匹配你的推理深度、延迟和成本目标:

  • Gemini 4 Hydrogen 适用于日常编码、交互式应用、使用工具的代理以及并行子代理。
  • Gemini 4 Carbon 适用于硬架构设计、调试、科学证明和安全审计。
  • Gemini 4 Argon 适用于长期任务,每回合的 token 消耗低于 Carbon。

你也可以将 Carbon 和 Hydrogen 配对使用。使用 Carbon 进行规划和协调,使用 Hydrogen 进行执行。

****4. Gemini Decisions API****

由 Gemini Decision 1 提供支持的 Gemini Decisions API 可以评估文本、图像、视频、PDF 或 音频,最多支持 256K tokens,最多 1,000 个独立问题,且不计费输出 tokens。

Image 4
Image 4

三种 问题类型 返回校准的概率和置信度评分:noul 用于二元是/否检查,choice 在 2 到 255 个离散键之间选择,score 用于有序评分标准。通过 base64、HTTPS URL 或 Files API 传递媒体,并在 Gemini Decisions Playground 中测试评分标准。以下是我们示例 WAV 文件的可运行检查:

typescript

code
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiVersion: "v1beta" });

const result = await ai.decisions.create({
  model: "gemini-decision-1",
  input: [
    {
      type: "audio",
      uri: "https://storage.googleapis.com/generativeai-downloads/audio/rehearsing.wav",
      mime_type: "audio/wav",
    },
  ],
  questions: {
    mentions_launch: {
      type: "noul",
      instructions: "Is the speaker talking about a product campaign launch?",
    },
    delivery: {
      type: "score",
      instructions: "How fluent and prepared does the speaker sound?",
      criteria: [
        "Hesitant, searching for notes, or self-correcting.",
        "Mostly steady with minor pauses.",
        "Polished, fluent, and confident throughout.",
      ],
    },
  },
});

const launch = result.answers?.mentions_launch;
const delivery = result.answers?.delivery;
if (launch?.type === "noul" && delivery?.type === "score") {
  console.log({ pLaunch: launch.noul, deliveryScore: delivery.score });
}

****5. 为托管代理带来自己的沙箱****

Gemini Managed Agents 现在支持 自托管环境。我们在 Google 基础设施上运行模型推理和代理循环,而 bash 命令和文件编辑则在你的计算环境中执行。

Image 5
Image 5

你的工作节点通过出站 HTTPS 连接,使用限定密钥且无需入站防火墙端口。在生产环境中,你可以使用我们的 自托管提供者清单 在 Modal、E2B、Cloudflare、Daytona、Fly.io、Vercel 或 Cloud Run 上部署。

要在自己的机器上进行端到端测试,请从CLI指南安装我们的开源gemini-api CLI,并运行以下脚本。该脚本通过REST创建一个自托管环境,在./sandbox中启动一个本地工作线程,本地运行管理代理,并在完成时清理环境。除非您在容器中运行或传递--disable-bash,否则本地模式会直接在您的主机上执行bash:

typescript

ts
import { spawn } from "node:child_process";
import { mkdirSync } from "node:fs";
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({ httpOptions: { apiVersion: "v1beta" } });
mkdirSync("./sandbox", { recursive: true });

const res = await fetch("https://generativelanguage.googleapis.com/v1beta/environments", {
  method: "POST",
  headers: { "x-goog-api-key": process.env.GEMINI_API_KEY!, "Content-Type": "application/json" },
  body: JSON.stringify({ mode: "self_hosted" }),
});
const { id, environment_key } = (await res.json()) as { id: string; environment_key: string };

const worker = spawn("gemini-api", [
  "environments", "connect", "--environment-key", environment_key,
  "--root-dir", "./sandbox", "--workdir", "./sandbox", "--worker-id", "local-sandbox",
], { stdio: ["ignore", "inherit", "inherit"] });

try {
  const run = await client.interactions.create({
    agent: "antigravity-preview-09-2026",
    input: "Write a fib.ts script that prints 8 Fibonacci numbers, run it with bun, and return the output.",
    environment: id,
  }, { timeout: 300000 });
  console.log(run.output_text);
} finally {
  worker.kill();
  await client.environments.delete(id);
}

运行脚本会同时打印本地工作线程日志和代理输出:

bash

code
$ bun run sandbox.ts
2026/11/16 13:40:30 Worker local-sandbox polling (maxConcurrent=4)
2026/11/16 13:40:30 [v1_Chd5d2Y3...] Claimed interaction lease (env=f5621577-89ef-4698-999f-b139b9121d00)
2026/11/16 13:40:31 [v1_Chd5d2Y3...] Executing tool execute_bash
2026/11/16 13:40:35 [v1_Chd5d2Y3...] Executing tool write_to_file
2026/11/16 13:40:38 [v1_Chd5d2Y3...] Executing tool execute_bash
2026/11/16 13:40:54 [v1_Chd5d2Y3...] Completed interaction session
Created fib.ts and ran it with bun fib.ts:
0
1
1
2
3
5
8
13

****6. 多模态知识代理基准测试****

我们与Artificial Analysis合作发布了多模态知识代理基准测试,该基准测试评估了200个跨10个垂直领域的多步骤任务,这些任务围绕着承载视觉内容构建:CAD蓝图、RF原理图、GIS地图、凝胶板和图表。我们在Hugging Face上发布了10个示例任务。

Image 6
Image 6

****7. 超越API:Gemini Robotics 2.5和AlphaGenome 2****

我们还发布了两个领域模型:

  • Gemini Robotics 2.5: 全身 视觉-语言-动作模型 应用于机械臂和人形机器人。在奔驰的实时装配线上,Apptronik 的 Apollo 2 人形机器人以 96% 的成功率对金属支架进行分类和装配。
  • AlphaGenome 2: 基于 68 种组织中 1.07 亿多个细胞的单细胞 DNA 模型。研究人员可通过 AlphaGenome API 提交 scRNA-seq 数据(无需重新训练)进行非商业研究,以预测细胞类型特异性变异的影响。

****立即使用云积分开始构建****

我们已将 Google 开发者计划云积分申领 直接集成到 Google AI Studio 中。Google AI Pro 和 Ultra 订阅用户现在可以在 AI Studio 中 申领并跟踪每月的云积分,并结合 API 计费 用于抵消 Gemini 4、Gemini Decisions API 和代理的使用。

立即开始构建或在下方留下反馈!

图片 7:头像
图片 7:头像

加入 127.3K 粉丝

  • ![图片 8:@Remilya356](https://x.com/Remilya356) 每个人的 Carbon API 都运行得慢吗?在 30k 上下文等待约 100 秒,这使得使用变得困难。它还严重限制了 Antigravity,以至于我甚至无法通过我的速率限制。
  • ![图片 9:@JIBONWEB3](https://x.com/JIBONWEB3) 自托管沙盒改变了代理的部署方式