Gemini 4 Carbon

Capacidades do Modelo e Benchmarks

• Carbon é apresentado como o novo modelo de fronteira Gemini 4 da Google, aparentemente um checkpoint mais treinado de Argon com a mesma precificação de API.
• Alegações: #1 no geral no Artificial Analysis (AA) Index v5, forte em programação, melhor desempenho em contexto longo, segurança aprimorada e menos “fabrication”.
• Alegações técnicas específicas que impressionaram as pessoas:
  • 0% de “cheating” no Terminal-Bench 4.0, com tentativas de cheating reduzidas para 0,4%.
  • 0% de sucesso em um benchmark de prompt injection usado no blog.
• Alguns comentaristas destacam fraquezas remanescentes: em benchmarks focados em programação, como FrontierSWE, ainda fica atrás de Opus 5.5 e Astra.

Artificial Analysis Index e Ceticismo em Relação aos Benchmarks

• O AA atualizou seu índice (v5) um dia antes; Carbon então aparece como #1.
• Vários comentaristas veem esse timing como coordenado e “sus”.
• Preocupações:
  • Alterar pesos/metodologia sempre que certos modelos (especialmente os de pesos abertos) se aproximam do topo.
  • Inclusão de benchmarks privados, não verificáveis.
  • Pontuações mudando drasticamente entre versões do índice, enfraquecendo a confiança.
• Outros ainda consideram o AA o melhor sinal agregado disponível, embora reconheçam suas limitações.

Estratégia de Lançamento e Disponibilidade

• Há frustração generalizada porque a Google anuncia modelos (“coming soon”) antes do acesso amplo:
  • Argon levou ~semanas do anúncio até a usabilidade geral; alguns usuários pagos ainda não conseguem acessá-lo em todas as superfícies.
  • Carbon é benchmarkado e promovido, mas ainda não pode ser usado, exceto por uma prévia estreita para “cyber defender”.
• Muitos veem isso como marketing de “vaporware” e teatro de call de resultados; outros argumentam que os grandes laboratórios agora precisam aguardar validação governamental/“cyber”.

Nomenclatura, Versionamento e Confusão de Produtos

• Há um forte consenso de que a nomenclatura da Google é confusa:
  • Argon vs Carbon não transmite uma ordem de nível óbvia; a ordem da tabela periódica entra em conflito com a capacidade percebida.
  • Coexiste com 3.1 Pro, 3.6/3.8 Flash, Flash-Lite, etc.
• Várias pessoas gostariam de versões numéricas simples (por exemplo, “Gemini 4.1”) ou de uma hierarquia fixa e clara como “Lite / Flash / Pro / Ultra”.

Preços, Planos e Limites de Uso

• A precificação da API ($2/$10 promocional → $4/$20 por 1M tokens) é vista como agressiva e atraente, especialmente se o desempenho corresponder às alegações.
• Mas as assinaturas de consumo são vistas como uma bagunça:
  • O nível Plus preso ao antigo 3.1 Pro e 3.6 Flash, sem Argon/Carbon; alguns se sentem “scammed”.
  • Os níveis Pro/Ultra diferem por tipo de conta (pessoal vs Workspace); alguns usuários do Workspace nem conseguem comprar o Ultra.
  • Os pools de uso do Argon são minúsculos; alguns prompts podem esgotar a cota semanal, empurrando os usuários de volta para Flash-Lite.

Harnesses, UX para Desenvolvedores e Desempenho em Código

• O Antigravity (o harness agentic da Google) recebe fortes críticas:
  • Difícil de iniciar, quotas confusas, recursos instáveis, padrões ruins; alguns o chamam de o “pior coding harness” que já usaram.
  • Outros dizem que Argon/Carbon têm desempenho muito melhor em harnesses bem ajustados (Antigravity com configs limpas, ou setups personalizados).
• As impressões de programação no mundo real são mistas:
  • Alguns dizem que Argon está “um degrau claramente abaixo” de Opus/Sol, tem dificuldade como agente de codificação local e tem desempenho inferior em um framework aberto de duelos entre agentes.
  • Outros relatam que Argon é excelente para planejamento, revisão de código, refatoração e trabalho de cyber; “minucioso, inteligente, adere aos objetivos”, e às vezes é preferido a Opus 5.5.
  • Vários observam o estilo do Argon: muito “goody two shoes”, pedindo confirmação com frequência e às vezes pior na execução do que no planejamento.

Segurança, Rollout de Cyber e Gatekeeping

• Carbon vai primeiro para um programa “Fairwind” para governos e “defenders” de infraestrutura crítica antes do lançamento geral.
• Um lado vê isso como responsável: capacidades de cyber de fronteira são perigosas e devem ser controladas.
• Outro vê isso como gatekeeping contraproducente:
  • Crença de que atacantes sérios já têm modelos/pesos fortes.
  • Medo de que restringir modelos poderosos de “cyber” a grandes fornecedores e governos deixe defensores de código aberto e de organizações pequenas em desvantagem.

Panorama Mais Amplo do Mercado e da Concorrência

• Muitos esperam que Anthropic ou OpenAI retomem a posição #1 dentro de dias ou semanas; o ritmo dos lançamentos de fronteira é visto como “insano”.
• Alguns argumentam que avaliações de código (FrontierSWE, SWE-Sweep, etc.) importam mais economicamente do que o índice composto de “inteligência” do AA.
• Tema recorrente: a Google tem pesquisa e hardware fortes, mas é limitada por burocracia, produtos fragmentados, UX ruim e assinaturas confusas.
• Alguns veem Google e Meta como vencedoras de longo prazo com distribuição para “normies”; outros acham que UX ruim e problemas de confiança (banimentos de conta, descontinuações) limitarão a adoção por desenvolvedores.