Gemini 4 Carbon API: цены, настройка и миграция

Для сложных задач с кодом начните с Gemini 4 Carbon и thinking_level="medium", а Argon оставьте для повседневных правок. Перед выбором Carbon по умолчанию заложите декабрьские тарифы: с 1 декабря 2026 года стандартные цены за токены удваиваются. Не выбирайте low только ради экономии: в CursorBench этот режим оказался дороже medium в расчёте на задачу.

По документации Google, на 13 ноября 2026 года gemini-4-carbon доступна в платном тарифе Gemini API и Google AI Studio. В бесплатном тарифе Free tier её нет. Carbon глубже прорабатывает задачу, но тратит больше токенов на рассуждения и дольше отвечает на каждом шаге, чем Argon.

Сколько стоит Gemini 4 Carbon до и после 30 ноября?

Для постоянной нагрузки считайте расходы по декабрьским тарифам, даже если первые тесты проходят по стартовым ценам. Ниже — стандартные цены Google в USD за 1M токенов, проверенные 13 ноября 2026 года на странице тарифов.

Категория токенов	До 30 ноября 2026 года включительно	С 1 декабря 2026 года
Входные токены без кэша	$2.00	$4.00
Входные токены из неявного кэша	$0.10	$0.20
Выходные токены, включая рассуждения	$10.00	$20.00

Токены рассуждений оплачиваются как выходные, даже если их нет в итоговом ответе. При grounding, то есть обосновании ответа внешними источниками, Google также учитывает внутренние инструкции инструментов и объявления функций. За инструменты могут взиматься отдельные платежи, поэтому длина ответа не объясняет весь счёт агента.

Для оценки расходов разделите вход без кэша, вход из кэша и оплачиваемый выход. Допустим, по всем вызовам в одной задаче агента набралось:

200,000 входных токенов без кэша.
800,000 входных токенов из кэша.
100,000 оплачиваемых выходных токенов, включая рассуждения.

Оценка по стартовым тарифам: 0.2 × $2 + 0.8 × $0.10 + 0.1 × $10 = $1.48.

Оценка по декабрьским тарифам: 0.2 × $4 + 0.8 × $0.20 + 0.1 × $20 = $2.96.

Это оценка платы за токены модели, а не полного счёта. Она не включает инструменты, подписки и налоги. Доля попаданий в кэш — условие примера, а не прогноз. Без этих попаданий те же объёмы входа и выхода обошлись бы в $3.00 до декабря и в $6.00 после.

Суммируйте фактический расход по всем попыткам, включая повторные и неудачные. Низкая цена токена не гарантирует низкую стоимость правки, которую вы примете после проверки.

Какой уровень рассуждений выбрать?

Сначала выберите medium, затем сравните режимы на одной воспроизводимой задаче с кодом. Google рекомендует medium для большинства задач, включая сложный код и работу агентов. В рекомендациях по уровням рассуждений режим low предназначен для простых задач, а high — для самых сложных.

Результаты CursorBench 4.0 на 13 ноября 2026 года показывают, почему уровень рассуждений нельзя считать ограничителем расходов:

Модель и уровень рассуждений	Результат	Заявленная стоимость задачи	Шаги
Gemini 4 Carbon High	60.4%	$9.22	71
Gemini 4 Carbon Medium	60.1%	$8.49	67
Gemini 4 Carbon Low	58.6%	$11.89	124
Fable 5.2 Max	60.0%	$32.79	218
Opus 5.5 High	56.0%	$3.97	68
Gemini 4 Argon High	52.9%	$4.57	118

В этом тесте Carbon Low стоил на $3.40 дороже Medium за задачу. Он также сделал 124 шага вместо 67. High опередил Medium на 0.3 процентного пункта и стоил на $0.73 дороже.

Это результаты Cursor на собственном наборе задач с неоднозначными требованиями и работой в нескольких файлах. Они не прогнозируют результат на вашем репозитории или декабрьский счёт. По сводным строкам нельзя определить, чем вызвана разница в стоимости: кэшированием, рассуждениями или другими факторами.

Оставьте medium, если результат проходит ваши тесты. Попробуйте high, когда Medium не выполняет сложное требование или не исправляет воспроизводимую ошибку. Для небольших задач с чёткими границами пробуйте low, но проверьте, не сводят ли дополнительные попытки экономию на одном запросе к нулю.

Для сравнения с другой линейкой используйте руководство по настройке и ценам Fable 5.2. В нём разобраны запуск через API и настройка Claude Code. Сравнивайте принятые правки по одним и тем же тестам: одинаковые названия уровней у разных провайдеров не означают одинакового поведения.

Как отправить запрос напрямую в Gemini API?

Для примеров с Interactions ниже используйте API Google напрямую. Включите платный тариф проекта, завершите настройку оплаты и создайте ключ Gemini API. До подключения проверьте поддерживаемые регионы: на 13 ноября 2026 года Россия в этом списке не указана.

REST-адрес Interactions — https://generativelanguage.googleapis.com/v1beta/interactions. Python SDK сам формирует запрос и передаёт данные авторизации.

На 13 ноября 2026 года BetterToken также указывает gemini-4-carbon в каталоге. Его OpenAI-совместимый Base URL — https://www.bettertoken.ai/v1; цены шлюза проверяйте отдельно. По сведениям BetterToken, к его API можно подключаться из России без VPN, а баланс — пополнять в рублях.

Условия оплаты смотрите в консоли. Доступ без VPN относится только к API BetterToken: у сторонних сайтов, установщиков, входа в аккаунты и обновлений могут быть другие сетевые условия. Примеры Interactions и фоновых запросов ниже относятся к API Google и не подтверждают совместимость со шлюзом.

В Bash установите SDK и введите ключ без отображения на экране. Когда read начнёт ждать ввод, вставьте ключ и нажмите Enter.

python3 -m pip install --upgrade "google-genai>=2.34.0"
read -rs GEMINI_API_KEY && export GEMINI_API_KEY

Сохраните код в carbon_smoke.py. Он просит исправить небольшую ошибку, но не даёт модели инструментов для изменения файлов или запуска кода.

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
interaction = client.interactions.create(
    model="gemini-4-carbon",
    input=(
        "Find the bug. Return a corrected function and pytest tests for "
        "cached values 0 and False.\n\n"
        "def cached_value(cache, key, load):\n"
        "    if cache.get(key):\n"
        "        return cache[key]\n"
        "    cache[key] = load()\n"
        "    return cache[key]\n"
    ),
    generation_config={
        "thinking_level": "medium",
        "max_output_tokens": 32768,
    },
    timeout=900.0,
)
if interaction.status != "completed" or not interaction.output_text:
    raise RuntimeError(f"Unexpected result: {interaction.status}")

print(interaction.output_text)
print("Usage:", interaction.usage)

Запустите скрипт в том же сеансе Bash:

python3 carbon_smoke.py

Проверка прошла, если скрипт вывел текст ответа и статистику использования без исключения. Убедитесь, что в исправленной функции значения 0 и False из кэша не приводят к повторному вызову load(). Перед приёмкой изменения запустите предложенные тесты в обычном тестовом окружении.

В реализации SDK параметр timeout для отдельного вызова задан в секундах. Здесь 900.0 даёт 15 минут. Это предел ожидания, а не оценка длительности этой небольшой задачи.

Если API отклоняет запрос, сначала проверьте проект ключа, платный тариф и региональную доступность. Если у клиента нет interactions, обновите google-genai именно в окружении Python, из которого запускается скрипт.

Что изменить при миграции?

Меняйте только необходимое, но до перевода рабочей нагрузки проверьте лимиты токенов и тайм-ауты. Google даёт отдельные инструкции для перехода с Argon и с Gemini 3 или более ранних моделей.

Переход с Gemini 4 Argon

Замените gemini-4-argon на gemini-4-carbon: по документации Google менять схему запроса не нужно. Но задержка и стоимость того же запроса могут измениться.

На первом этапе оставьте thinking_level равным medium. Проверьте max_output_tokens и тайм-ауты: Carbon может потратить больше токенов на рассуждения. Оставьте Argon для повседневных правок и новых функций, если он проходит ваши приёмочные тесты, особенно когда важна скорость.

Если вы уже используете Managed Agents, оставьте agent="antigravity-preview-09-2026". Укажите agent_config={"type":"antigravity","model":"gemini-4-carbon"}. Идентификатор агента и выбранная модель — разные настройки.

Переход с Gemini 3 и более ранних моделей

Замените ID модели и проверьте четыре особенности запросов:

Откажитесь от явного кэширования. Carbon не поддерживает cachedContents и caches.create. Удалите вызовы для создания или использования cached_content.
Уберите параметры сэмплирования. Carbon игнорирует temperature, top_p и top_k. Не рассчитывайте, что эти настройки сохранят прежнее поведение модели.
Пересмотрите лимит выхода. Если приложение использует меньший предел, Google рекомендует поднять его как минимум до 32,768. В этот лимит входят рассуждения, поэтому слишком маленькое значение может не оставить места для ответа.
Увеличьте время ожидания. Используйте фоновые запросы либо тайм-аут не меньше 15 минут для блокирующих вызовов. Проверьте его также в приложении и прокси, а не только в SDK.

Неявное кэширование доступно для запросов длиной от 4,096 токенов. При попадании в кэш скидка на входные токены составляет 95%; само повторение текста попадания не гарантирует.

Для многошаговых циклов агента в руководстве Google по кэшированию есть дополнительное условие. Весь предыдущий запрос кэшируется, только если в новом добавлено не меньше 2,050 токенов. Проверяйте число кэшированных токенов в статистике ответа, а не применяйте скидку ко всему повторяющемуся контексту.

Как получить ответ длиннее 65,536 токенов?

Для длинной генерации, которой управляет сервер, задайте background=True и увеличьте max_output_tokens. У Carbon единое окно на 1,048,576 токенов для входа, рассуждений и выхода. Чем больше вход, тем меньше места остаётся для генерации.

По умолчанию Google ограничивает выход 65,536 токенами. Это не абсолютный предел для всех вызовов через SDK без фонового режима. В руководстве по длинным ответам описано продолжение генерации на клиенте для Python SDK 2.34.0 и новее.

Фоновый режим удобен, когда приложение должно отправить задачу и получить результат позже. Одного background=True недостаточно, чтобы увеличить лимит выхода. Задайте max_output_tokens явно.

Для фонового выполнения требуется сохранение объекта interaction на сервере. При сочетании background=True и store=False Google возвращает ошибку 400. Прежде чем отправлять конфиденциальные материалы репозитория, изучите правила хранения и фонового выполнения.

Сохраните следующий код в carbon_background.py. В request.txt запишите текст задачи без секретов, который разрешено отправить провайдеру. Скрипт запускает новую задачу или возобновляет проверку статуса уже созданной.

import os
import sys
import time
from pathlib import Path
from google import genai

if len(sys.argv) != 3 or sys.argv[1] not in ("start", "resume"):
    raise SystemExit(
        "Usage: python3 carbon_background.py start request.txt\n"
        "   or: python3 carbon_background.py resume INTERACTION_ID"
    )

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
mode, value = sys.argv[1:]

if mode == "resume":
    job = client.interactions.get(id=value)
else:
    prompt = Path(value).read_text(encoding="utf-8")
    if not prompt.strip():
        raise SystemExit("Request file is empty.")
    job = client.interactions.create(
        model="gemini-4-carbon",
        input=prompt,
        background=True,
        store=True,
        generation_config={
            "thinking_level": "medium",
            "max_output_tokens": 131072,
        },
    )

print("Interaction ID:", job.id, flush=True)

try:
    while job.status in ("queued", "in_progress"):
        time.sleep(5)
        job = client.interactions.get(id=job.id)
except KeyboardInterrupt:
    client.interactions.cancel(id=job.id)
    raise SystemExit("Cancellation requested.")

if job.status != "completed":
    raise RuntimeError(f"Interaction {job.id} stopped: {job.status}")

text = "".join(
    block.text
    for step in (job.steps or [])
    if step.type == "model_output"
    for block in (step.content or [])
    if block.type == "text" and block.text
)
if not text:
    raise RuntimeError("Completed without text; inspect the interaction steps.")

print(text)
print("Usage:", job.usage)

Запустите скрипт в том же сеансе Bash, где задан API-ключ:

python3 carbon_background.py start request.txt

Сохраните напечатанный ID взаимодействия. После сетевого сбоя выполните python3 carbon_background.py resume, добавив этот ID: скрипт проверит уже созданную задачу. Не создавайте повторную платную задачу автоматически только из-за сбоя опроса.

Скрипт объединяет текст всех шагов model_output. Длинный ответ может состоять из нескольких продолжений. Если прочитать только последний шаг, можно потерять начало ответа.

Ctrl+C отправляет запрос на отмену, а не просто прекращает проверку статуса. Команда resume не перезапускает отменённую задачу. При другом конечном статусе изучите объект взаимодействия, прежде чем менять запрос или увеличивать лимит.

131072 — верхний предел, а не ожидаемая длина ответа. Принимайте результат только после проверки полноты и прохождения тестов.

Чем отличается оплата в Cursor и Copilot?

Проверяйте доступ к модели отдельно от правил списания по подписке. Наличие Carbon в редакторе не делает вызовы бесплатными.

В Cursor выберите Gemini 4 Carbon и уровень Medium. По документации Cursor, Carbon не входит в объём использования, включённый в тариф. В The X Subscription расходы списываются с предоплаченного баланса. На старых тарифах — из пула Other Models. Cursor также указывает повышенные тарифы с 1 декабря.

В GitHub Copilot Carbon доступна пользователям Pro+, Max, Business и Enterprise. В записи о выпуске от 10 ноября перечислены клиенты с выбором модели, в том числе VS Code и Copilot CLI. Доступ появляется постепенно; настройки модели в организации тоже могут его ограничивать.

Copilot тарифицирует Carbon по фактическому использованию, применяя прайс-лист провайдера. Не переносите сюда правила Cursor: учёт расходов в GitHub зависит от тарифа. Для сравнения с моделью самого Copilot изучите уровни рассуждений и оплату Copilot Fusion.

Перед долгой работой агента в редакторе поручите ему небольшое изменение и проверьте списание. Выбирайте модель по умолчанию только после проверки доли принятых правок, задержек и бюджета по декабрьским ценам.