好文集ChatGPT Plus¥119

Gemini 4 Carbon 开发者指南(译文)

文章目录

翻译模型:Gemini 4 Argon

原文:https://aistudio.google.com/learn/gemini-4-carbon-developer-guide

今天,我们正式面向广大开发者、企业、科研人员和普通用户开放 Gemini 4 Carbon。这款模型最早在两周前首次亮相,并通过我们的 Fairwind 计划(Fairwind Program)率先向网络安全防御人员开放。现在,所有人都可以在 Google AI Studio 中通过 Gemini API 付费层级调用它来构建应用;如果你是 Google AI Ultra 订阅用户,也可以直接在 AI Studio 和 Google Antigravity 中上手使用。

Gemini 4 Carbon 专为长周期的智能体(agentic)工作流打造,擅长做透彻的全局探索、深度推理,并能持续运行长时间的多轮验证循环。无论是多步骤的软件工程、全栈 Web 应用开发,还是开放式难题探索、科学发现以及漏洞根因修复(root-cause vulnerability patching),Carbon 都能从头到尾为高度复杂的任务注入更强大的智能。

Gemini 4 Carbon 模型概览

模型模型 ID默认思考深度定价(每 100 万 tokens)
Gemini 4 Carbongemini-4-carbonmedium尝鲜价(截至 11 月 30 日): 输入 $2 · 输出 $10 (缓存享 95% 折扣,即 0.5 折) 12 月 1 日起: 输入 $4 · 输出 $20 · 定价详情

通过 Gemini API 调用时,Carbon 支持输入与输出共享的统一 100 万 token 上下文窗口、可灵活调节的思考深度(thinking_level:支持 low、medium、high),以及全套内置的 Gemini API 工具。

在这篇指南里,我们会聊聊如何在 Gemini 4 Carbon 和 Gemini 4 Argon 之间做选择、API 有哪些重要更新,以及用 Carbon 做开发时的实用技巧。如果你想进一步了解 Gemini 4 Carbon 在软件工程、金融、法律、网络安全和科学研究等领域的实际应用案例,欢迎阅读我们的发布公告博客。

如何在 Gemini 4 Carbon 和 Gemini 4 Argon 之间做选择

Gemini 4 Carbon 与 Gemini 4 Argon 共同组成了我们的前沿模型(frontier models)家族,而且两者的尝鲜期 token 定价完全一致(截至 2026 年 11 月 30 日,每 100 万 tokens 输入 $2、输出 $10;12 月 1 日起为输入 $4、输出 $20,且缓存命中的输入 token 全程享 95% 折扣,即 0.5 折)。两款模型在 Gemini API 中共享同样的统一 100 万 token 上下文窗口、thinking_level 思考深度控制参数以及内置工具支持。这意味着,在它们之间切换或者做路由分发,只需要改一行模型名称字符串就行。

  • 当你的任务需要挑战前沿智能(frontier intelligence)的极限时,请果断派出 Gemini 4 Carbon(gemini-4-carbon): Carbon 是我们目前最强大的模型。它会投入更多的思考 token 去彻底摸清大型代码库、在密集的多模态文件之间进行深度推理、揪出隐蔽的深层根因,并运行持久的构建与验证循环(build-and-verify loops)。遇到最硬核的多步骤软件工程、架构设计与代码审计、形式化数学与科学发现、高精度的金融或法律材料综合分析,以及安全漏洞研究时,选 Carbon 准没错。

  • 处理绝大多数日常软件工程和知识型工作时,首选 Gemini 4 Argon(gemini-4-argon): 对于大多数高阶软件工程和知识处理任务来说,Argon 依然是极具性价比的理想主力。它在提供强大前沿推理能力的同时,token 消耗更精简、响应速度更快,非常适合交互式编程、日常功能开发和快节奏的生产迭代循环。

  • 在多智能体工作流中让它们打配合: 你可以把 gemini-4-carbon 安排在最吃深度推理的关键岗位上——比如前期架构设计、任务统筹协调和最终的质量验收(包括在 Google Antigravity 的 /swarm 预览版功能中担任主控);同时,把可以并行推进的具体代码实现切片交给 gemini-4-argon 或 gemini-3.8-flash 去快速跑完。

想更详细地了解不同场景下该用哪款模型,可以参考对比 Gemini 模型。

Gemini 4 Carbon 为开发者工作流解锁了哪些新能力

面对需要深度推理、全面探索和严格验证的持久型多步骤工作流,Gemini 4 Carbon 展现出了真正的前沿性能。

  1. 长线工程任务(Long-horizon engineering)、形式化验证与安全攻防任务: 你可以直接丢给 Carbon 一个极其复杂的目标——比如在庞大的代码库里定位疑难杂症的根因、把安全属性转化为严格的数学形式化证明(用数学逻辑证明代码在任何情况下都不会出现特定安全漏洞),或者追踪跨越多层调用的软件缺陷并生成经过验证的修复补丁——然后放手让它对照编译器报错和测试输出不断检验假设,直到所有检查项全部通过。

  2. 高精度多模态知识处理与科学推理: 把混杂了 PDF 文档、长视频、财务账本或实验室观测数据的密集资料库直接交给 Carbon。它会把地毯式的全面检索与严格的格式规范(schema)遵循能力结合起来,为你生成有据可依的(grounded)电子表格、演示文稿、分析报告以及多步骤的科学公式推导。

  3. 全栈 Web 应用、3D 环境与物理仿真: Carbon 能够横跨底层代码与前端实际渲染出来的 UI 界面,执行严谨的构建与验证循环。它不仅有良好的前端设计审美,还在 Three.js、Blender 和 WebGPU 上具备出色的空间推理能力,足以构建功能完备的应用程序、3D 场景重建和物理模拟。欢迎查看我们的配套指南《构建 3D 游戏与程序化世界》,了解可直接上手的实战工作流。

API 有哪些新变化

在聊具体的开发工作流技巧之前,我们先来看看通过 Gemini API 调用 gemini-4-carbon 时需要了解的几项核心 API 更新:

用 thinking_level 控制推理与思考深度

Gemini 4 Carbon 通过 thinking_level(思考深度,可选值为 "low" | "medium" | "high")参数,来控制模型在给出正式回答前投入多少推理(思考)算力:

  • "high": 将推理深度拉满,适合跨多文件的根因调试、安全漏洞修复、形式化数学推导以及前期的系统架构设计。

  • "medium"(默认值): 当你希望在响应速度、成本效益和首轮回答准确率之间取得最佳平衡时,推荐使用默认档位,非常适合交互式编程和智能体工具调用。

  • "low": 最大限度降低延迟和调用成本,适合高速分类、请求路由和定向信息提取。

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input=(
        "Build a single-file HTML drum machine and synth using the "
        "Web Audio API with a 16-step sequencer, tempo slider, and "
        "a live waveform visualizer."
    ),
    generation_config={
        "thinking_level": "medium"  # "low" | "medium" (default) | "high"
    },
)
print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-carbon",
  input:
    "Build a single-file HTML drum machine and synth using the " +
    "Web Audio API with a 16-step sequencer, tempo slider, and " +
    "a live waveform visualizer.",
  generation_config: {
    thinking_level: "medium", // "low" | "medium" (default) | "high" 
  },
});
console.log(interaction.output_text);

小贴士 - 在 Google AI Studio 中直接测试这段提示词: 你可以在 Playground 中直接打开预加载了 gemini-4-carbon 的 Web Audio 鼓机与合成器提示词。

直接在 AI Studio 中体验上述示例

统一的 100 万输入-输出 token 上限与长解码(long decode)

早期的 Gemini 模型将最大输出长度(思考过程 + 最终回答)限制在 64K tokens。而在 Gemini 4 Carbon(以及 Argon)中,输入、思考和输出在 Gemini API 里共享一个统一的 100 万 token 上下文窗口。你可以开启长解码(long decode)功能,突破 64K tokens 的生成限制(最高可生成“100 万 tokens 减去输入 token 数”的长度)。这样一来,Carbon 就能根据需要尽情思考,并在单次请求中一次性返回完整的多文件代码差异(diff)、整套测试用例或长篇数学证明。

  • 默认输出上限为 65,536(64K)tokens: 在 Interactions API 中,无论是流式(streaming)还是非流式请求,默认输出上限都是 65,536 tokens,现有代码无需做任何改动。

  • 配合 background=True 最高可生成 100 万 tokens: 如果你想在 Interactions API 中生成超过 65,536 tokens 的内容,只需设置 background=True,并将 max_output_tokens 设为大于 65536 的数值。建议把它设得足够高,免得模型思考太久把正式回答给截断了;但也别设得无上限,防止遇到极难的提示词把额度吃满、花掉冤枉钱。

注意: 如果你需要对长解码过程进行更细粒度的控制,可能会更倾向于使用客户端续写(client-side continuation,即由你的本地代码分段发起请求、把上一段没写完的内容接着往下拼)来实现长解码;该方式目前仅在旧版 GenerateContent API 中提供。客户端续写功能很快也会登陆 Interactions API,作为供开发者自主管理容错与恢复的高阶选项。

查看长解码文档了解更多详情

import time

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each segment adds a model_output step, so join the text of all of them.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)
print("Status:", interaction.status)
print("Usage:", interaction.usage)

关于如何更新代码中硬编码的 64K 同步输出限制、后台任务保留策略(background retention)、动态输出截断保护(dynamic output clamping)以及无状态续写(stateless continuation)的更多细节,请参阅《Gemini 4 Carbon 新特性说明》。

从旧版本模型迁移

如果你已经在用 gemini-4-argon,切换到 gemini-4-carbon 只需要原地替换模型名称字符串即可——两者的 thinking_level 控制方式、Gemini API 下的 100 万上下文窗口以及定价完全相同。如果你是从 Gemini 3 或更早期的模型迁移过来,请清理以下几个参数:

  • 把 thinking_budget 替换为 thinking_level: thinking_budget 现已废弃,继续传入会返回警告信息。

  • 移除 temperature、top_p 和 top_k: gemini-4-carbon 会直接忽略自定义采样参数,并返回废弃警告。

  • 告别显式上下文缓存(explicit context caching): 请移除用于创建或传入显式 cached_content 的调用代码。现在系统会自动启用隐式缓存(implicit caching),命中的缓存输入 token 直接享受 95% 折扣(0.5 折)。

  • 调大客户端超时时间(timeout): 高难度的深度推理提示词可能需要好几分钟才能跑完。建议在调用 Interactions API 时开启 background=True,或者把你的 HTTP 客户端超时时间至少设为 15 到 20 分钟。

欲了解完整细节,请查看我们的迁移检查清单;你也可以直接在你的编程智能体(coding agent)里安装 gemini-api-dev 技能(skill),让它自动帮你将代码库迁移至 gemini-4-carbon。

在托管智能体中使用 Gemini 4 Carbon

你还可以把 gemini-4-carbon 作为底层模型,配置到 Gemini API 的托管智能体(Managed Agents)中使用。托管智能体为你提供了云端托管的安全沙箱和 Antigravity 运行环境(Antigravity harness)——只需发起一次 API 调用,Carbon 的前沿推理能力就能在里面自主完成联网搜索、编写代码、验证结果以及调用 MCP 工具(模型上下文协议工具,用于连接外部数据源与工具系统)。

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-carbon",
    },
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
)

print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

let interaction = await client.interactions.create({
    model: "gemini-4-carbon",
    input: "Write a complete, rigorous proof of the prime number theorem.",
    background: true,
    generation_config: {
        max_output_tokens: 262144,
        thinking_level: "high",
    },
});

while (["in_progress", "queued"].includes(interaction.status)) {
    await new Promise((resolve) => setTimeout(resolve, 5000));
    interaction = await client.interactions.get(interaction.id);
}

console.log(interaction.output_text);

家族史探索者(Family Historian)

借助 Gemini 托管智能体追寻你的家族历史与根源。该智能体会自动搜索全网信息与公共档案记录,并在一个 3D 地球仪上把你的家族迁徙与繁衍史直观地构建出来。

文章配图

用好 Gemini 4 Carbon 的 5 个实战技巧

下面这 5 个实用模式,是我们内部团队在攻克最棘手难题、榨干模型潜力时总结出来的实战经验。

1. 在启动长周期运行前,先对齐目标与意图

Gemini 4 Carbon 可以独立执行任务相当长的时间。这意味着,在开工前先和它明确对齐可衡量的目标与关键里程碑,能帮你最高效地拿到理想结果。一旦锁定清晰的目标,模型在长周期运行中自主保持上下文连贯性的能力非常出色。为了确保长时间的自主运行从第一步起就瞄准正确的靶心,你可以这样做:

  • 先抛出目标,让 Carbon 主动追问细节: 在正式动手前,先让它针对边界情况(edge cases)和成功验收标准提出澄清问题。

  • 在划定需求范围时和 Carbon 一起头脑风暴: 利用规划阶段对系统架构进行压力测试,探索更有创意的解法。在我们自己的工作流中,经常看到它给出令人眼前一亮的全栈升级建议——从设计出人意料的游戏玩法机制、程序化视觉特效,到推荐更干净的数据模型和更符合直觉的 API 设计。

  • 跑一次快速的启动前检查(pre-flight check): 在正式开跑前,让 Carbon 确认它已经拿到了所需的工具和文档权限,并且准确理解了你的意图。

  • 放手让 Carbon 一口气跑完全程: 不用再像以前那样一轮一轮地盯着对话喂提示词了。让 Carbon 自主执行完整计划——自己写代码、跑检查、跨文件反复迭代,直到达成你们事先约定的目标;同时,要求它在执行任何不可逆的操作前先暂停并请求你的确认。

2. 给模型提供自主验证工作成果的手段

当 Carbon 能够通过真实的反馈循环来测试自己的代码改动时,它在长线任务中的表现最惊艳。与其让 Carbon 凭空猜测某个修复到底生没生效,不如给它一个明确的检验信号:把它指向你的测试套件、把运行时日志(runtime logs)通过管道喂给它、让它自己截取浏览器画面去检查渲染出来的 UI,或者干脆让它写一个验证脚本,在循环中不断迭代直到所有检查项全部通过。更进一步的做法是,让 Carbon 先写一个可复现的验证脚本,记录下当前的基线得分(baseline score),然后每次修改后都用这个脚本跑一遍循环测试,直到达标为止。只要有了明确的“通过/失败”靶标,Carbon 就能自己记录基线、在持久的多轮验证循环中逐一检验假设,持续迭代直到所有检查项全部变绿。

如果你手头还没有现成的衡量指标,可以让 Carbon 先帮你分析项目,搭建一套基线评测基准(baseline benchmark)。

提示词示例:

我们想修复整个 Web 应用里的无障碍访问(accessibility)和页面布局问题,但目前还没有自动化检查工具。请先编写一个无头 Chrome(headless Chrome,即在后台运行、不显示图形界面的浏览器,常用于自动化测试)脚本,遍历抓取 src/routes/ 下的每一个路由页面,检查实时 DOM 和无障碍树(accessibility tree),并记录所有违规项,作为我们的基线得分。接着,把未通过的检查项按共享组件里的共同根因进行归类,每次集中修复一类问题。每次修改后都重新运行你的脚本,验证单次修复确实解决了整类问题且没有引入任何回退错误(zero regressions)。请一直迭代下去,直到所有路由页面全部通过检查、实现零违规。

3. 善用多模态参考资料与我们的前端设计技能(frontend-design skill)

Gemini 系列模型在多模态推理上一直很强,而 Gemini 4 Carbon 进一步拓宽了你可以直接喂给它的素材类型:图片、音频、视频、PDF、代码和纯文本全都支持。在构建前端页面和 3D 重建项目时,你可以直接塞给它参考设计图或建筑图纸与架构设计 PDF;需要做信息综合整理时,直接丢进幻灯片演示文稿和电子表格;想要复刻某段动画或交互效果时,直接传一段视频给它。如果你对项目有特定的视觉风格要求,可以给 Carbon 提供 1 到 2 个具体的视觉参考样本,或者让它先把你的字体排版、色彩搭配和布局规范总结成一份轻量级的 DESIGN.md 文件,这样后续生成的每一个组件都能保持视觉风格高度统一。

随着 Gemini 4 Carbon 的发布,我们还同步开源了 gemini-frontend-design 技能,帮你充分释放 Gemini 4 系列模型在前端与 UI 设计上的最佳水准。使用该技能构建出来的 UI 界面,在质量上稳定超越不挂载技能或使用主流第三方前端设计技能生成的效果。你可以直接运行 npx skills add google-gemini/demolab --skill gemini-frontend-design 安装它,也可以前往 google-gemini/demolab GitHub 仓库浏览源码。

最后,Carbon 还非常擅长编写提示词去调度其他 Gemini 模型来生成图片、视频、语音或音乐等多媒体素材。为了让这套流程更顺滑,我们强烈建议安装 Gemini API CLI 以及配套的智能体技能(npx skills add google-gemini/gemini-skills --skill gemini-api-cli)。装好之后,Carbon 就能直接在终端里生成多媒体文件并保存到你的项目目录中,既不用专门写一次性脚本,也不会撑爆它自己的上下文窗口,生成的视觉和音频素材还能直接无缝接入你的构建流程。

4. 让 Carbon 担任总控编排者(orchestrator),组建多智能体团队

面对大型的多文件项目,Carbon 在协调多智能体团队方面堪称得心应手——包括在 Google Antigravity 全新推出的 /swarm 预览版功能中,你只需输入一段提示词,就能拉起一支在独立隔离工作区中协同作战的智能体团队,并实时追踪它们的进展。你可以把 Gemini 4 Carbon 安排在最考验深度推理的核心岗位上,比如架构设计、统筹协调、安全审计与质量验收;同时搭配 Gemini 3.8 Flash(或 Gemini 4 Argon)子智能体(subagents),负责高速的并行代码实现。

  • 将 Gemini 4 Carbon(设为 thinking_level="medium" 或 "high")固定为首席总控编排者与验收官,负责拆解系统架构、定义接口规范,并对已完成的改动进行严格审计。

  • 将可并行的具体实现切片委派出去: 像迁移底层叶子模块、编写单元测试或运行高频检查这类任务,可以交给 Gemini 3.8 Flash 子智能体(model: flash)去高速执行。

  • 跨模态统筹专业模型: 让 Carbon 统一指挥调度 Nano Banana 2.1 生成产品视觉图、材质贴图和 3D 参考三视图,调用 Gemini Omni 1.2 Flash 处理视频参考素材,并利用 Gemini 3.8 Flash TTS 或 Lyria 生成人声配音与背景音乐。

5. 让 Carbon 对过往工作进行复盘反思

每当完成一项复杂任务——或者在半途啃一块特别棘手的硬骨头(gnarly problem)卡壳时——不妨让 Carbon 先停下来,复盘一下到目前为止的执行轨迹。因为 Carbon 非常擅长从冗长的历史记录中提炼关键细节,养成复盘反思的习惯能为你带来两方面的丰厚回报:

  • 避开代码库怪癖带来的重复试错: 每个代码仓库都有一些不那么明显的隐蔽暗坑(non-obvious gotchas)——比如自定义的测试参数标志、严苛的 lint 代码检查规则,或者已经废弃的辅助函数(helpers)——每次排查这些小坑都要白白浪费好几轮对话。让 Carbon 把这些踩坑教训写进 AGENTS.md 或沉淀为可复用的技能,下次新开会话时它就能一步到位、直接走最正确的路径。

  • 把一次性的调试经验转化为团队可复用的技能: 一旦 Carbon 摸索出了一套可靠的多步骤工作流(比如跑通一次复杂的本地数据迁移,或者完成一套特定的构建验证),就让它把这些精确的步骤打包成一个可复用的技能(skill)。这样无论是你自己还是团队同事,以后都再也不用从零开始重新摸索了。

你可以试试用下面这段提示词引导 Carbon 复盘:

提示词示例:

请复盘检查我们当前的会话记录,看看哪些地方出现了卡顿或走了弯路、多花了额外步骤,并分析背后的原因。请提出对 AGENTS.md 或自定义技能的更新建议,帮我们优化工作流,确保下次遇到类似任务时能少走弯路、一步到位。

此外,当 Carbon 完成了一轮横跨几十个文件的长周期自主运行后,直接硬啃原始的代码差异(raw diff)往往不是理解整体改动最快的方式。你可以试着让 Carbon 为它的解决方案生成一份交互式的可视化讲解页面——比如动态架构图、数据流向图,或者分步骤的流水线演进拆解。这不仅是在合并代码前快速校验设计合理性的好办法,也能帮你快速搞懂陌生的数学推导或渲染逻辑,甚至用一段直观流畅的动画回放 3D 渲染的演进过程,让你一眼看清到底是哪几处改动起到了决定性作用。

快速上手

从今天起,你就可以在 Google 旗下的各个开发者平台上使用 Gemini 4 Carbon 构建应用了:

全文完
查看原文

沿着这个主题继续读

从一篇文章,找到相关的教程、经验和阅读路径。

Gemini 与 Google AIGemini 入门与进阶:Gemini 4 Argon、Gemini Notebook、Antigravity 与 Flow 的用法和实测。