Google 把 Gemini 4 Carbon 推到了正式可用状态。公告很短，信息密度不低：官方给它的定位是当前最强的推理模型，四个应用方向分别是持续智能体编码、多模态知识工作、科学推理和网络安全防御；2026 年 11 月 30 日之前，输入每百万 token 两美元，输出每百万 token 十美元。这条更新日志真正值得反复读的地方，不在“最强”两个字，在那两个数字和那个日期上。
价签先于参数
模型发布看的是能力描述，模型接入看的是单位成本。这两件事经常被混着谈，但对真要把它接进流水线的人来说，后者才是决定项。
两美元和十美元，落在什么位置
百万输入 token 两美元，放在“最强推理模型”这个定位上，不算贵。麻烦在输出端——每百万十美元，整整五倍价差。
这个比例不是随手定的。推理模型在给出答案之前，先生成一长串思考内容，这些 token 一样计入输出。日常对话里，输出通常只是输入的零头；换成智能体跑长任务，比例整个翻过来。它跟自己对话的时间，远长于跟你对话的时间。
拿输入价去做横向比较表，看着省事，实际上把账单里最贵的那一段藏起来了。按输出价选型，按输出价做预算，这是接推理模型的第一条纪律。另外得说清楚，官方给的“最强”是自评，公告里没有第三方基准，也没交代测法。措辞可以信，结论要自己跑。
十一月三十日
入门价带截止日期，这件事本身就值得读两遍。11 月 30 日之后什么价，公告没说。没说，通常意味着会调，方向大概率朝上。
这套打法不新鲜。厂商在 GA 初期用低价换真实负载：拿到数据分布、失败样本，还有最关键的一项——客户黏性。等工作流长进你的代码库、报表流程、值班手册里，议价空间就不在你这头了。别把折扣价写进长期预算模型。要么按上调后的价格重做一遍敏感性分析，要么在采购阶段把锁价条款摆上桌。前者更容易做到，也更诚实。
四个场景，其实在说同一件事
官方列了四类用途。乍看是四个市场，细看是同一种能力套了四层外壳：多步推理不中断，并且每一步都还认得清上下文。科学推理是这条曲线最纯粹的形态，另外三个是它落到具体行业的模样。
智能体编码，关键词是“持续”
补全代码这件事，模型早就会了。难的是“持续”——跨文件、跨会话、跨几个小时不掉线，每次工具调用返回之后重新对齐一次目标。
这类任务里，模型最典型的失败不是某一行写错，是跑到第四十步时忘了第三步定下的约束，然后非常自信地把整个重构带偏。所以“持续智能体编码”这个措辞不是包装，它在描述一条能力曲线：长程一致性。验收时别用单元测试那种题目，用需要走二十步、第五步埋一个陷阱的任务。跑三遍，看它会不会在不同地方掉同一个坑。
知识工作跨过模态门槛
多模态这三个字被用得太松。很多模型所谓“支持”，指的是能识别一张干净的截图。知识工作的现场完全不是这样：一份带手写批注的财报、一页扫描歪了的合同、一张坐标轴标错的图表，还有散落在正文脚下的注释。
真正的门槛不在“能看图”，在这些东西必须塞进同一条推理链，而且引用不串行、数字不搬家。验收标准其实很朴素：拿十份你自己都不太想读的文档丢进去，看它引用的页码对不对。对得上，再谈科学推理那类更硬的任务；对不上，后面全是空谈。
网络安全：容错率最低的一格
把网络安全防御单列成一类用途，是这份公告里最耐人寻味的一笔。安全运营的瓶颈从来不是告警数量，是假阳性。分析师一天能看的告警有限，模型的价值在于把一条孤立的异常登录，跟三天前的权限变更、一周前的配置漂移串成一条能被追下去的线索。
反过来，这里对错误的容忍度也最低。模型说错一句话，代价不是重跑一次，是漏掉一次真实入侵，或者冤枉一个正常员工。再加上提示注入这类冲着模型本身来的攻击面，接入之前得先划清线：哪些判断可以交给它，哪些动作绝对不能让它自动执行。这个问题想不明白，能力再强也不该上线。
下单之前，把三笔账算明白
便宜的那一半，你未必用得上
两美元的输入价很吸引人，但大多数智能体工作负载是输出密集的。真正能省钱的地方不在输入端，在别处：压缩上下文，别把整份日志塞进去；把简单请求路由给更小的模型；把能并行的事拆开，别让一个长思考链反复重算同一段背景。
值得在接入前问清楚的是计费细节：上下文缓存怎么算、批处理有没有折扣、失败重试的 token 谁承担。这些问题不问，第一张账单会替厂商回答你。
延迟是另一种账单
推理模型的思考时间，在聊天框里体现为转圈，在智能体里体现为串行步骤的乘积。单步慢半秒，二十步就是十秒；如果中间还要等人确认，一小时就没了。
测的时候把延迟和吞吐分开看。长任务里首 token 时间没那么重要，总时长才重要；短交互正好相反。一份能说明问题的评测，得按你自己的调用形态去设计，公开榜单帮不上忙。
迁移成本比 token 单价贵
重写提示词、重建评测集、重新训练团队的使用习惯，这些开销不会出现在价目表上，但通常比一年省下的 token 费用更高。再叠上一个限时价格和单一供应商，锁定风险就不是理论问题了。
务实一点的做法：保留一层薄薄的可切换抽象，把自家业务数据做成固定评测集，每季度重跑一次。榜单会变，你的评测集不会骗你。
Gemini 4 Carbon 值不值得接，取决于你手上有没有那类“需要走二十步还不能忘事”的任务。有，就赶在 11 月 30 日之前把真实负载压上去测一遍，折扣是顺带的。没有，那就先别急——两美元的输入价，买不到一个不存在的场景。
