Google zpřístupnil vývojářům i firmám svůj nejvýkonnější AI model Carbon

Dva týdny po uzavřeném testování mezi bezpečnostními experty spouští Google svůj nejvýkonnější model Gemini 4 Carbon pro široký trh. Od 10. listopadu 2026 k němu mají přístup platící vývojáři přes aplikační rozhraní (API) v Google AI Studio, firemní zákazníci ve službě Gemini for business i běžní uživatelé s předplatným Google AI Ultra. Sesterský model Gemini 4 Argon při stejné zaváděcí sazbě za token nadále zůstává výchozí volbou pro běžnou agendu, protože novinka kvůli hlubšímu uvažování spotřebuje na stejný úkol více výpočetního výkonu.

Kdy zvolit Carbon a kdy zůstat u levnějšího provozu

Hlavní otázka pro vývojáře i firmy zní, zda se přechod na nejvyšší model vyplatí finančně a provozně. Podle oznámení divize Deepmind je Gemini 4 Argon dál ideální volbou pro většinu běžného softwarového inženýrství a každodenní práci s informacemi. Podobně jsou na tom uživatelé, kterým model Hydrogen od Googlu čte soubory Office a řeší standardní kancelářskou rutinu.

Carbon míří na úlohy, které narážejí na limity běžných jazykových modelů. Jde o vícekrokové ladění rozsáhlého kódu, hledání kořenových příčin chyb napříč podsystémy, migrace více balíčků najednou nebo otevřený vědecký výzkum. Model si při práci spouští prodloužené ověřovací smyčky, testuje vlastní výstupy a opravuje chyby.

Tento postup má přímý dopad na rozpočet. Přestože je ceníková sazba za jeden token v zaváděcím období totožná s modelem Argon, Carbon při důkladném prohledávání a ověřování spotřebuje znatelně více tokenů. Na to, jak se reálná spotřeba promítá do peněz při náročném nasazení, ukazuje starší srovnání, v němž Gemini 4 Carbon zvládne úlohu za 200 Kč, zatímco Claude Fable 5.2 za 712 Kč. Výrobce přitom v oficiální dokumentaci tvrdí, že v testech reálných pracovních postupů CursorBench 4.0, Perplexity WANDR a Zapier AutomationBench obsadil Carbon první místo při více než dvakrát nižších nákladech na dokončenou úlohu oproti dalšímu nejlepšímu externímu modelu.

Ceník v přepočtu na koruny a konec zaváděcí slevy

Pro vývojáře v Česku a Evropské unii je model dostupný přes Google AI Studio a firemní účty. Ceny jsou stanovené v amerických dolarech a přepočet kurzem ČNB (22,01 Kč za dolar k 12. listopadu 2026) je orientační, protože konečná faktura v EU podléhá příslušným daňovým předpisům a DPH. Jak upřesňuje český Blog Googlu, současná cena je pouze dočasná.

Při opakované práci s týmiž rozsáhlými dokumenty nebo kódovou základnou lze využít ukládání vstupních tokenů do mezipaměti (caching). Google u nich účtuje sazbu nižší o 95 % oproti standardnímu vstupu, což při zaváděcím tarifu odpovídá 0,10 dolaru (asi 2,20 Kč) za milion tokenů. Kdy přesně zaváděcí období skončí a ceny vyskočí na 4 dolary (asi 88 Kč) za vstup a 20 dolarů (asi 440 Kč) za výstup, však Google v žádném z oznámení neuvádí.

Běžní spotřebitelé se k modelu dostanou v rámci předplatného Google AI Ultra. To model zpřístupňuje přímo v aplikaci Gemini, v režimu AI Mode ve vyhledávání a ve vývojářském prostředí Google Antigravity.

Týmy agentů v Antigravity a práce s 3D grafikou

Spolu s uvolněním modelu spouští Google v prostředí Google Antigravity testovací verzi funkce /swarm. Ta umožňuje proměnit jedno textové zadání v koordinovaný tým dílčích AI agentů, jejichž práci lze sledovat přímo během výpočtu. Vývojáři tak mohou drahý model Carbon pověřit jen architektonickým návrhem, koordinací a auditem, zatímco samotné psaní dílčích částí v oddělených pracovních prostorech přenechají rychlejším a levnějším modelům.

V žebříčku WebDev Arena si Carbon polepšil o 89 bodů Elo na celkových 1768 bodů, což mu vyneslo čtvrté místo. V komplexním hodnocení Artificial Analysis Intelligence Index (verze 5.0) pak podle Googlu obsadil první příčku se skóre 59. Ve spolupráci s organizací Artificial Analysis zároveň Google představil nový benchmark Multimodal Knowledge Agent (MKA), který testuje práci agentů s hustými soubory plnými grafů, technických výkresů a tabulek. Carbon v něm skončil druhý, podle výrobce však s více než šestkrát nižší průměrnou cenou za úlohu než vítězný model.

V praxi Google demonstruje schopnosti funkce /swarm na převodu technické dokumentace do interaktivních 3D aplikací v knihovně Three.js. Tým agentů například ze sedmi veřejných územních PDF dokumentů (obsahujících 206 inženýrských výkresů) během deseti nočních smyček sestavil trojrozměrný model kancelářské budovy Platform 37 složený z 906 tisíc trojúhelníků. Ve finančním sektoru pak model v předběžných testech obsadil první místo z 23 hodnocených konfigurací v interním benchmarku investiční společnosti Balyasny Asset Management.

Kybernetická bezpečnost a konec vymýšlení v kódu

Největší posun proti předchozí generaci vykazuje novinka v hledání a opravování softwarových zranitelností. Právě kvůli těmto schopnostem prošel model před veřejným nasazením dobrovolným testovacím procesem americké vlády a dvouměsíčním uzavřeným provozem v programu Fairwind.

• SEC-bench Pro (hledání zranitelností): Carbon dosáhl úspěšnosti 88,2 % při autonomním odhalování chyb v reálném softwaru.
• ExploitGym (testování zneužitelnosti): S výsledkem 54,8 % model ověřuje, zda lze nalezenou slabinu skutečně zneužít k útoku, což bezpečnostním týmům pomáhá určit priority oprav.
• CWE-bench v1 (nasazování záplat): Úspěšnost 71,0 % při převodu zjištěných chyb do funkčních oprav kořenové příčiny.

V interním systému Googlu nazvaném Project Fortify zaznamenal model při testování otevřeného softwaru (open-source) více než 25% relativní zlepšení v zachycení chyb oproti modelu Argon. Bezpečnostní platforma Wiz zase v rámci programu Scan for Good využila Carbon ke kontrole veřejné digitální infrastruktury: u dvou velkých poskytovatelů cloudových služeb (SaaS) model odhalil dosud neznámé zranitelnosti (0-day) za méně než dvě hodiny.

Pro běžné programátory je podstatné omezení takzvaného hledání zkratek, kdy model v testu obejde pravidla, aby úkol zdánlivě splnil. V benchmarku Terminal-Bench 4.0 klesla míra úspěšného podvádění na 0,0 % a pokusy o obcházení na 0,4 %. V interních týmech Googlu se počet závažných upozornění na odchylky od zadání snížil o téměř 80 % a výskyt nepodložených tvrzení klesl oproti Argonu na polovinu. Pokud modelu chybí podklady, zablokovaný krok pozastaví a vypíše, co potřebuje doplnit, místo aby si fakta domýšlel. V testu odolnosti proti nepřímému podstrčení škodlivých instrukcí (Gray Swan Indirect Prompt Injection Benchmark) pak Carbon srazil úspěšnost útoků z 0,7 % u Argonu na 0,0 %.

Časté otázky