Gemini 4 Carbon je javno dostupan: testirajte ga kao model za eskalaciju, ne kao podrazumevani izbor
Googleov novi frontier model stigao je u plaćeni Gemini API. Vredi pokrenuti pilot, ali ne i odmah menjati podrazumevani model.
Šta je objavljeno
Google je 10. novembra otvorio Gemini 4 Carbon korisnicima plaćenog API-ja i poslovnim kanalima. Model podržava tekst, slike, audio i video, sa kombinovanim ulazno-izlaznim kontekstom do milion tokena, a namenjen je dugotrajnim agentskim tokovima, složenom programiranju, istraživanju i sajber bezbednosti.
Cena nije trajna
Standardna uvodna cena iznosi 2 dolara za milion ulaznih i 10 dolara za milion izlaznih tokena do 30. novembra. Od 1. decembra obe stavke se udvostručuju, a u izlaz se računaju i tokeni utrošeni na rezonovanje. Carbon nije dostupan u besplatnom API paketu.
Kako bismo ga uveli
Ne bismo zamenili postojeći model jednim potezom. Carbon bismo prvo uključili samo kada jeftiniji model ne završi zadatak ili kada greška nosi visok rizik, uz paralelnu evaluaciju kvaliteta, ukupne potrošnje, latencije i pouzdanosti. Tek rezultat celog zadatka, a ne tabela sa benchmark rezultatima, treba da odluči gde model ulazi u produkciju.
Gemini 4 Carbon vredi testirati odmah, ali bi njegovo postavljanje kao podrazumevanog modela bilo operaterska greška. Google ga tokom uvodnog perioda cenovno izjednačava sa Argonom, ali je Carbon namerno napravljen da duže rezonuje, a svi tokeni utrošeni na rezonovanje se naplaćuju; zato ista cena po tokenu ne znači isti trošak po uspešno završenom zadatku. Rezultati su dovoljno jaki da opravdaju pilot: Carbon vodi na CursorBench 4.0 u testiranim konfiguracijama High i Medium i postiže dobre rezultate na evaluacijama poslovnih agenata. Ipak, Google u model kartici navodi povremenu sporost, prekide zbog isteka vremena i veću potrošnju tokena pri višim nivoima rezonovanja, dok rana praktična testiranja otvaraju važnije produkciono pitanje: ume li model da stane kada je posao zaista završen, bez stalnog nadzora? Mi bismo Carbon stavili iza pravila za eskalaciju teških migracija, višekoračnog otklanjanja grešaka i istraživanja koja zahtevaju revizioni trag, a zatim ga paralelno testirali na kopijama stvarnih produkcionih zahteva. Ne bismo prepravljali sistem agenata oko njega dok ne izmerimo kvalitet završetka, latenciju i trošak na sopstvenim zadacima, posebno uz promenu cene od 1. decembra.
Pretvorite uvid u sistem koji radi.
Gradimo sistem za evaluaciju i paralelno usmeravanje koji proverava Gemini 4 Carbon na Vašim stvarnim zadacima pre promene podrazumevanog modela. Dodajemo rezervnog provajdera, budžete tokena, dozvole i revizioni trag. Razgovarajte sa Virtual Arc ako Vaš tim vodi dugotrajne agente ili složene AI tokove.