Авторазметка Gemini 4 Carbon: новый лидер нашего рейтинга VLM

Gemini 4 Carbon занимает первое место среди 45 моделей для авторазметки на UL37 — нашем бенчмарке обнаружения объектов на 36 датасетах benchmark — в срезе рейтинга VLM Ultralytics от 11 ноября 2026 года. Модель набирает 0.584 mAP₅₀ и 0.371 mAP_50-95, а теперь занимает верхние строки и в столбце точности, и в столбце полноты: в октябрьских результатах эти позиции принадлежали разным моделям. GPT-6.1 Terra, предыдущий лидер, занимает второе место с показателем 0.560 mAP₅₀ и примерно втрое меньшей стоимостью обработки одного изображения у провайдера, чем Carbon.

Поэтому вопрос для всех, кто размечает датасет, заключается не в том, какая модель набирает больше всего баллов в целом. Вопрос в том, когда Carbon стоит втрое дороже. Ниже рассмотрим, где Carbon установила новые рекорды, где по-прежнему выигрывает Terra, сколько стоит каждая модель до и после декабрьского изменения цен Google и как запустить Carbon на собственных данных в Ultralytics Platform.

Gemini 4 Carbon теперь доступна всем платным разработчикам#

В конце октября Google сначала выпустила Carbon для небольшой группы специалистов по кибербезопасности. 10 ноября 2026 года компания открыла доступ к модели всем платным разработчикам и предприятиям и начала предоставлять ее подписчикам Google AI Ultra. В публикации о доступности Google говорится, что Carbon доступна через API в Google AI Studio и Gemini для бизнеса, а также в приложении Gemini, AI Mode и Antigravity для подписчиков Ultra. Специалисты по кибербезопасности сохраняют специальный доступ через программу Fairwind от Google.

Google называет Carbon своей самой мощной моделью, ориентированной на кибербезопасность и длительную агентную работу. В карточке модели Gemini 4 Carbon сказано, что она основана на Gemini 4 Argon и использует больше токенов на размышление, чем Argon, «чтобы тщательно изучать гипотезы, глубоко рассуждать и выполнять продолжительные циклы проверки». Модель обрабатывает текст, изображения, аудио и видео, поддерживает контекстное окно до 1M токенов и отвечает текстом.

В анонсе Google Carbon не представлена как модель обнаружения объектов. Для разметки данных важно, как дополнительные рассуждения влияют на ограничивающие рамки, — именно это и измеряет UL37. Все результаты можно изучить на странице модели Gemini 4 Carbon.

Страница модели Gemini 4 Carbon на Ultralytics Platform с результатами UL37 и ссылкой для авторазметки датасета.

Обнаружение объектов Gemini 4 Carbon: первое место по всем метрикам точности#

UL37 оценивает, насколько рамки модели совпадают с эталонными метками каждого датасета, на 360 изображениях: по 10 из каждого из 36 реальных датасетов обнаружения объектов, охватывающих медицинские снимки, аэрофотосъемку и тепловизионные изображения, торговые полки, спорт, документы, печатные платы и многое другое. Каждое изображение проходит одинаковый производственный конвейер, доступный пользователям Platform, с собственными названиями классов датасета; SAM 3.1 уточняет рамки всех моделей, кроме SAM 3, так же, как и для пользователей. Все датасеты имеют одинаковый вес; см. методологию бенчмарка UL37.

Вот результаты Carbon в сравнении со следующими четырьмя моделями:

Carbon опережает GPT-6.1 Terra на 0.024 по mAP₅₀. Более строгая метрика mAP_50-95, которая выше оценивает рамки, точно прилегающие к границам объектов, показывает похожий разрыв: у Carbon 0.371 против 0.347 у Claude Fable 5.2, предыдущей лучшей модели, и 0.345 у Terra.

Carbon также превосходит модель, на основе которой она создана. Gemini 4 Argon набирает 0.537 mAP₅₀ и 0.343 mAP_50-95, поэтому Carbon улучшает результаты на 0.047 и 0.028 соответственно на том же бенчмарке и в том же конвейере разметки.

У Gemini 4 Carbon самые высокие показатели точности и полноты на UL37#

Как объясняется в нашем руководстве по выбору VLM с учетом точности и полноты, в октябрьских результатах лидеры рейтинга разделились на два лагеря. У Gemini 4 Argon была самая высокая точность — 0.667: значительная часть рамок совпадала с разметкой, но некоторые размеченные объекты модель пропускала. У GPT-6 Astra была самая высокая полнота — 0.627: модель находила больше размеченных объектов, но меньшая доля ее рамок была правильной.

В срезе рейтинга от 11 ноября 2026 года точность Carbon составляет 0.685, а полнота — 0.642. Это самые высокие средние показатели среди всех 45 моделей: точность выше, чем у Argon, а полнота — выше, чем у Astra.

Для проверяющего это наилучшее сочетание, которое может показать бенчмарк. Более высокая точность означает, что большая доля подготовленных рамок верна; более высокая полнота — что большая доля реальных объектов уже имеет рамку. При низкой точности приходится удалять лишние рамки, а при низкой полноте — дорисовывать рамки для объектов, поэтому первые варианты разметки Carbon требуют меньше исправлений обоих типов.

SKU110K показывает, почему это важно для перегруженных изображений. На полках супермаркетов этого датасета находятся 1,666 размеченных товаров на 10 изображениях бенчмарка, все в одном классе. Здесь Carbon набирает 0.671 mAP₅₀ — лучший результат среди всех моделей, выше предыдущего рекорда Terra, равного 0.619. На такой полке проверяющему приходится искать каждую ошибочную рамку среди десятков правильных.

Датасет Dense Retail Shelf Detection 2 SKU110K на Ultralytics Platform, где Carbon показывает лучший результат UL37 — 0.671 mAP₅₀.

Gemini 4 Carbon показывает лучшие результаты в девяти областях#

Согласно результатам по отдельным датасетам на страницах моделей Platform, Carbon теперь лидирует среди всех моделей на длинном списке датасетов UL37. Вот эти датасеты и предыдущие лучшие результаты:

Выделяются три закономерности. Carbon сохраняет сильные стороны Argon на тепловизионных, аэрофотоснимках и подводных изображениях и улучшает результаты в каждой области; самый заметный прирост — на тепловизионных видеозаписях с дронов HIT-UAV. На планах этажей Carbon опережает GPT-6 Astra почти на 0.1. А на снимках МРТ опухолей головного мозга, где классы — менингиома, глиома и опухоль гипофиза, модель немного превосходит Terra.

На каждый датасет приходится 10 изображений, поэтому отдельный результат — это повод для проверки, а не окончательный вывод. Carbon сравнялась с текущим рекордом на RPC и CeyMo и опережает лидера на 0.001 на DDR — разрыв слишком мал, чтобы различить модели.

На странице модели воспроизводятся записанные рамки UL37 от Carbon рядом с ожидаемой разметкой для каждого датасета бенчмарка и COCO.

Gemini 4 Carbon против GPT-6.1 Terra: где Terra по-прежнему выигрывает#

Terra сохраняет два лучших результата в медицинской области. В таблице датасетов рейтинга она по-прежнему указана как лучшая модель для TN5000 с УЗИ щитовидной железы — 0.935, и для TXL-PBC с микроскопическими изображениями клеток крови — 0.889. Если твои данные похожи на один из этих датасетов, сравни строки обеих моделей на страницах моделей, прежде чем сделать выбор.

Главное преимущество Terra — цена. Вот прямое сравнение на UL37:

Стоимость рассчитана по данным провайдеров об использовании токенов на 1,000 успешно размеченных изображений бенчмарка, по стандартным ценам. Terra обеспечивает около 96% показателя mAP₅₀ Carbon примерно за треть стоимости, отвечает быстрее и не допустила ни одного сбоя запроса. Обе модели находятся на линии «Лучшее соотношение цены и качества» рейтинга, которая объединяет модели, у которых нет конкурентов одновременно по цене и точности.

График зависимости mAP₅₀ от стоимости для платных моделей в рейтинге UL37 по текущим стандартным ценам.

Разница в цене увеличится. Согласно публикации Google о доступности, до 30 ноября 2026 года компания продает Carbon по стартовой цене $2 за миллион входных токенов и $10 за миллион выходных, а затем цены вырастут до $4 и $20. При том же расходе токенов стоимость Carbon в $12.93 за 1,000 изображений с 1 декабря составит около $26.

Вот как выбирать на практике:

• Плати за Carbon, когда качество разметки оправдывает затраты: для перегруженных сцен, например торговых полок, тепловизионных и аэрофотоснимков, планов этажей и чертежей CAD, а также любых датасетов, где страница модели показывает явное преимущество Carbon.
• Выбирай Terra для больших универсальных пакетов данных, когда бюджет важнее разницы в 0.024 mAP₅₀, а также для данных, похожих на датасеты УЗИ щитовидной железы TN5000 и клеток крови TXL-PBC.
• Запусти большую задачу на Carbon до 1 декабря, если планируешь использовать эту модель, пока действует стартовая цена.

Какую бы модель ты ни выбрал, за пакетную разметку Ultralytics Platform взимает плату за обработку $1.00 за 1,000 обработанных изображений, минимум $0.01 за запуск, а провайдер выставляет счет напрямую за использование твоего ключа. Ultralytics не добавляет наценку на токены. Более подробный разбор см. в нашем руководстве по стоимости ПО для разметки изображений. Среди более дешевых платных моделей — Claude Haiku 5.5, набирающая 0.429 за $0.37 на 1,000 изображений; для размещенных моделей, таких как Qwen3.8 27B и SAM 3.1 Text, ключ вообще не нужен.

Как запустить авторазметку Gemini 4 Carbon на своем датасете#

Carbon — модель обнаружения объектов с промптами по классам, предназначенная для датасетов с 1–200 классами. Она возвращает ограничивающие рамки для собственных названий классов твоего датасета; Platform передает их в формате Gemini, где координата y указана первой, а затем уточняет рамки с помощью SAM 3.1.

1. Создай ключ Gemini API в Google AI Studio. Carbon работает на платном уровне API, поэтому для ключа нужно включить оплату.
2. Добавь ключ в разделе Настройки > Ключи API рабочего пространства Platform, которому принадлежит твой датасет. Подробности описаны в документации по ключам провайдера.
3. Открой изображение в редакторе разметки, переключись в режим Smart и выбери Gemini 4 Carbon в разделе Google в списке моделей.
4. Нажми Predict или P, чтобы разметить текущее изображение. Перед масштабированием попробуй модель на нескольких изображениях, характерных для твоих данных.
5. На странице датасета выбери Дополнительные действия > Пакетная разметка, чтобы за один проход разметить все изображения без меток. Сначала Platform сохраняет версию датасета, чтобы ты мог откатить изменения.
6. Проверь и исправь рамки — редактор сохраняет изменения автоматически, — а затем обучи модель Ultralytics YOLO26 на полученных данных в том же рабочем пространстве.

Разработчики также могут вызывать Carbon из кода: в выпуске Platform SDK v0.1.109 добавлена gemini-4-carbon в качестве модели для прогнозирования по изображениям. Чтобы получить более полное представление, узнай, как Ultralytics Platform использует ИИ для автоматизации разметки и почему проверка с участием человека остается частью рабочего процесса. Для анализа медицинских изображений считай рамки любой модели черновиком, который должны проверить и одобрить клинические специалисты, а не диагнозом.

Кому стоит использовать Gemini 4 Carbon#

Используй Gemini 4 Carbon, когда качество разметки важнее счета от провайдера. Это самая точная модель авторазметки из тех, что мы тестировали; сейчас она лидирует и по точности, и по полноте, а также показывает лучшие результаты на датасетах с тепловизионными и аэрофотоснимками, подводными изображениями, торговыми полками, планами этажей и снимками МРТ головного мозга.

Команды, уже использующие Argon, получат более высокий общий результат и новые рекорды в самых сильных областях Argon по той же стартовой цене за токены, хотя при этой цене обработка одного изображения Carbon обходится дороже. Командам, размечающим большие универсальные пакеты данных с ограниченным бюджетом, стоит оставить GPT-6.1 Terra моделью по умолчанию и переходить на Carbon для отдельных датасетов, где страница модели показывает явное преимущество. О результатах Argon см. в нашем материале об авторазметке Gemini 4 Argon.