Gemini 4 Carbon 与 Argon：价格相同，何时值得选 Carbon？

Gemini 4 Carbon并不是一个新的模型系列，而是Gemini 4 Argon的思考量更大的版本，token 单价相同：在 2026 年 11 月 30 日之前，入门价格为每百万输入 token $2、每百万输出 token $10；从 12 月 1 日起则为 $4 和 $20。问题不在于哪个模型的 token 单价更低，两者完全相同。问题在于，每个任务增加的思考能否带来足够的收益，值得为此接受更慢的首次响应。

Artificial Analysis 的实时数据对一种工作给出了明确答案，也对另一种工作发出了明确警告。在 AA Intelligence Index 上，Carbon High 以 60.03 排名 104 个模型中的第 #4，Argon High 则为 50.41。Carbon 每项任务的成本为 $7.76，低于 Argon 的 $9.95；完成时间为 25.6 分钟，也快于 Argon 的 29.0 分钟。但 Carbon 首次生成回答 token 需要 67.1 秒，而 Argon 只需 40.1 秒。Carbon 更适合处理任务队列，Argon 更适合对话。

这就是本文的核心。下文将介绍有哪些变化、测量数据说明了什么、Google 的模型卡补充了哪些信息、价格将在 12 月 1 日如何变化，以及哪些工作负载应该继续使用 Argon。

Argon 有哪些变化

Google 的模型卡明确说明了两者的关系：“Gemini 4 Carbon 基于 Gemini 4 Argon。”模型 ID 为gemini-4-carbon，在 AIHubMix 上也相同。Google 记载的上下文窗口为 1,048,576 个 token。思考强度分为低、中、高，默认值为中。标准输出上限为 65,536 个 token；Google 原生的长解码路径最高可达到 1,048,576 个 token 减去输入 token 数，文档中列出的示例值为 131,072 和 262,144。AIHubMix 目前只记录了 Chat Completions，因此在有更大输出路径的文档说明之前，请将网关请求控制在 65,536 个 token 以内。知识截止时间为 2026 年 3 月。Google 不向免费额度用户提供该模型。

在Google 的 AI Studio 说明中，模型变化被描述为：“Carbon 每轮会花费更多思考 token，以进行充分探索并核验结果，因此，与 Argon 相比，每轮 token 用量和延迟都会增加。”这句话几乎解释了本文后续提到的所有差异。更多思考可以提高处理困难任务的上限，也会增加每轮费用，并延长首个 token 到达前的等待时间。

迁移过程刻意保持简单。“从 Argon 升级无需更改请求架构。”在 API 层面，只需更换模型字符串。Google 给出的运维建议是：“除非工作负载需要高强度，否则请将 thinking_level 保持为中（默认值），并确保 max_output_tokens 和 HTTP 超时时间能够容纳更长的推理过程。”

实测权衡：思考更多，每项任务花费更少

下列数据来自Artificial Analysis 的实时测量，访问时间为 2026-11-11T05:23Z（06:01Z 重新检查模型页面，数据未变），采用标准价格：每百万输入 token $4、每百万输出 token $20。

值得关注的比较是质量与任务完成成本之间的关系：Carbon 能否以更低的费用提升指数得分？图中将四种模型配置分别列出。

Carbon High 位于 Argon High 的左上方。此次测试中，Carbon Medium 是成本最低的 Carbon 配置；Low 是为降低延迟而选的配置，并非成本最低的配置。这些是 AA 按标准价格计算的任务成本，不是 AIHubMix 的请求费用。

Carbon High、Medium 和 Low 分别位列 104 个模型中的第 #4、#6 和 #14；Argon High 排在它们之后。Carbon High 之前的三个配置全都是 Claude Fable 5.2。“首个 token”指生成第一个回答 token 所需的时间。与 Argon High 相比，Carbon High 的指数得分高出 9.62 分，每项任务成本低 22.0%，耗时为 25.6 分钟而非 29.0 分钟，但首个回答 token 的等待时间为 67.1 秒而非 40.1 秒。

指数差距足以改变排行榜名次，延迟差距也足以影响用户是否需要等待。这两点来自同一行数据。

Artificial Analysis 称 Carbon“每项任务的速度明显较慢，且输出非常冗长”，并报告称，运行该指数时 Carbon 生成了 205 million 个 token，Argon 为 113 million，而参与测量的模型中位数为 72.8 million。在这次 AA 测试中，Carbon 的输出量大幅增加，但每项任务成本反而更低：标价相同，token 多得多，整体任务成本却更低。

有一个异常值得单独说明。Carbon Low 每项任务成本为 $7.19，高于 Medium 的 $6.59，尽管它的思考量更少。无论原因是什么，Low 的表现更像是降低延迟的配置，而非省钱的配置，因此在将大量请求路由到它之前，请先测量每项任务的成本。

从编程智能体的角度看

Intelligence Index 汇总了许多任务的表现。Coding Agent Index v2则更贴近 API 客户的实际使用场景：它在同一测试框架中端到端测量配备工具的编程智能体。Carbon High 排名第 #4，Argon High 排名第 #11。

使用相同的智能体和测试框架，只更换模型，因此这项比较测出的是模型本身的差异，而非外围配置的差异。Carbon 每项任务成本低 34.0%，指数得分高 6.2 分，快 4.9 分钟，且每项任务的输出量几乎相同：109,031 个 token，而 Argon 为 109,236 个。Carbon 的缓存命中率更高，为 0.95，而 Argon 为 0.87；输入用量也更低，为 12.44 million 个 token，而 Argon 为 13.76 million。

需要注意两点。Carbon 在该指数中排名第 #4：Claude Code 搭配 Opus 5.5 Max 以 61.7 领跑，其后是 Devin Fusion CLI 和 GitHub Copilot Fusion。此外，Fable 5.2 并未列入该指数，因此这张表无法定论 Carbon 与 Fable 谁更好。

Google 的模型卡补充了什么，又没有说明什么

Google 的模型卡是供应商提供的文档：数据截至 2026 年 10 月，由 Google 自行报告，与上文的实时数据来自不同时间点。下表中的每一项，Google 给出的 Carbon 数值都更高。

AA 这一行是 Google 四舍五入后的 59，并非前表实时数据中的 60.03；两者来自不同时间点，不应混为一谈。模型卡中的外部对比对象是 Fable 5.1，而不是 Fable 5.2。

值得关注的是各项结果都保持一致：优势并非只体现在某一个基准测试上。局限也很明显。供应商模型卡不会计算每项任务的价格，也不会测量首个 token 的延迟，更无法告诉你智能体需要执行多少轮。它能支持“Carbon 的平均表现更强”这一说法，却不能支持“Carbon 更适合你的工作流”这一结论。

价格：相同价目表，12 月 1 日同样调价

Carbon 和 Argon 的价格逐项相同。两者都在 2026 年 11 月 30 日之前采用入门价格，并于 12 月 1 日起涨至原来的两倍。

官方价格，单位为每百万 token 的美元，数据日期为 2026 年 11 月 11 日。Gemini 3.1 Pro Preview 在提示词 token 数超过 200k 时的价格为 $4/$18/$0.40，另加每百万 token 每小时 $4.50 的存储费。Fable 5.2 的缓存写入费用为 5 分钟 $10、1 小时 $16；批量处理可享受 50% 的折扣。Carbon 和 Argon 的入门价格于 11 月 30 日结束；两者的所有价格都将在 12 月 1 日翻倍。

AIHubMix 为 Carbon 标出的价格为 $2/$10/$0.10，与 Google 的入门价格一致。本文不预设网关在 11 月 30 日之后的收费标准；请查看模型页面获取当前价格。

按照入门价格，重新计算 Artificial Analysis 测得的 token 数量，可得每项任务的大致费用：Carbon High 为 $3.88，Medium 为 $3.30，Low 为 $3.60，Argon High 为 $4.98。这些是计算得出的估算值，并非 AA 的测量结果：计算假定每项任务的 token 构成保持不变，而你的提示词和缓存命中率都会影响最终结果。

按 token 计价，在标准价格下，Fable 5.2 的成本是 Carbon 的两倍；在入门价格下则是四倍。这只是价格差异，并不代表质量高低；本系列的第三篇文章将对此进行比较。

Carbon 并非更好的选择的情况

不选 Carbon，并不是因为它表现更差，而是因为它带来的优势——每轮更多的思考——恰恰是交互式产品无法等待的东西。

首个 token 来得太晚。Carbon High 要等 67.1 秒才能生成第一个回答 token，Argon High 则需要 40.1 秒。Medium 将等待时间缩短至 23.2 秒，Low 则缩短至 12.9 秒，但两者的指数得分也随之降低。聊天界面暂停一分钟，就已经错过了这轮对话，不管最终答案有多好。

Google 建议速度优先时继续使用 Argon。Argon 面向“交互式编程、日常功能开发和快速生产迭代”等场景，可提供“更快的响应和更低的每轮 token 消耗”。迁移说明中的建议直截了当：“速度很重要时，请继续使用 Argon。”Google 的公告文章也再次强调：“对于大多数软件工程和知识工作，Argon 仍然是理想选择。”

即使每项任务成本更低，每轮开销仍然更高。两者的 token 单价相同，但 Carbon 每轮会使用更多思考 token。对于关注每轮 token 用量或需要控制 token 配额的团队来说，Carbon 用起来会更贵。指数测试中 Carbon 使用了 205-million 个 token，而 Argon 使用 113 million，这正是这种影响最明显的例子。

Low 并不是省钱的选项。Carbon Low 每项任务成本为 $7.19，高于 Medium 的 $6.59。如果路由规则是降低每项已完成任务的成本，Low 就不符合要求。

基准测试的胜利无法追回等待时间。在 Google 的表格中，Carbon 在 OSWorld-2.1 和 FrontierSWE 2 上都表现更好，但这些数据由供应商报告，而且都不会缩短首个 token 的等待时间。基准测试衡量最终结果，用户感受到的却是开场等待。

哪些人应该立即切换，哪些人应该继续使用 Argon

如果你运行供应商原生的批处理或后台智能体任务（AIHubMix 尚未记录 Carbon 对这些路径的支持），如果质量问题造成的损失超过耗时，如果请求能够容忍更长的超时和更大的输出预算，或者你已经在为 Carbon 可能避免的重试付费，现在就切换到 Carbon。

如果你在开发聊天、自动补全，或任何有人等待结果的循环；如果预算或配额按轮次计算；或者产品要求延迟控制在约 30 秒以内，就继续使用 Argon。

如果情况介于两者之间，先进行测试。将相同的 20 到 50 个真实请求分别发送给两个模型，记录首 token 耗时和每个已完成任务的成本，然后根据这些数据进行路由，而不是依据排行榜。AIHubMix 对比页面将两个模型页面并排展示。

如何通过 AIHubMix 调用

Carbon 在 AIHubMix 上使用相同的模型 ID 格式，并采用文档中说明的聊天补全端点。

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

response = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": "Summarise this incident report and list the follow-ups."}],
    max_tokens=16384,
)

print(response.choices[0].message.content)

端点为 POST /v1/chat/completions；这是 AIHubMix 为该模型记录的唯一调用路径。文档列出的输入模态为文本。AIHubMix 尚未记录 Carbon 对图像和 PDF 输入、Responses API、Anthropic Messages 以及 Gemini 原生端点的支持，因此应将这些功能视为未经确认。reasoning_effort映射也同样如此：不要假设网关会传递思考级别参数。请将max_tokens控制在 65,536 的标准输出限制内；更高的限制需要使用 Google 的后台模式，目前尚未确认 AIHubMix 是否支持。本文未进行实时测试，因此示例展示的是请求格式，而非经过验证的响应。

常见问题

Carbon 和 Argon 的价格相同吗？
是的。Google 官方定价完全相同：截至 2026 年 11 月 30 日，每百万输入 token 收费 $2，每百万输出 token 收费 $10，此后分别为 $4 和 $20。缓存读取费用分别为 $0.10 和 $0.20。

Carbon 比 Argon 更好吗？
在质量和每个已完成任务的成本方面，根据 Artificial Analysis 的测量结果，是的：Intelligence Index 得分为 60.03，对比 50.41；每个任务的成本为 $7.76，对比 $9.95。在响应速度方面则不是：Carbon 首个回答 token 耗时 67.1 秒，而 Argon 为 40.1 秒。

为什么 Carbon 完成任务更快，响应却更慢？
它会等待更久才开始回答，但随后更快完成整个任务：耗时 25.6 分钟，而 Argon 为 29.0 分钟。等待首个 token 的时间与任务总耗时是不同的指标，且呈现出相反的趋势。

请求需要修改吗？
不需要。Google 表示，从 Argon 升级无需更改 schema；只需将模型字符串改为 gemini-4-carbon。请提高输出限制和 HTTP 超时时间，以适应更长的思考过程。

为什么 Carbon Low 的单任务成本比 Medium 更高？
Artificial Analysis 测得 Low 的成本为 $7.19，Medium 为 $6.59。应将 Low 视为延迟设置，而非折扣设置；在通过它处理大量请求之前，先测量每个任务的成本。

Carbon 在 Artificial Analysis 上排名如何？
它在 Intelligence Index 上排名第 #4，排在三种 Claude Fable 5.2 配置之后。Google 的模型卡显示该指数的四舍五入分数为 59；实时分数为 60.03，不应混为一谈。

Carbon 提供免费额度吗？
不提供。Google 不在免费额度中提供 Gemini 4 Carbon，因此只能通过付费 API 定价或 AIHubMix 这类网关访问。

继续阅读：Gemini 4 Carbon 系列

• 如果这篇文章让你决定尝试 Carbon，但首次请求失败，迁移指南介绍了在更长的思考过程中可能出现的 400 错误、超时设置和输出限制变化：Gemini 4 Carbon API 迁移：400 错误、超时和输出限制。
• 如果你仍在考虑 Carbon 是否足以胜任智能体编程，或者 Fable 5.2 的溢价是否物有所值，第三篇文章会将相同的实测数据与 Fable 5.2 并列比较：Gemini 4 Carbon 与 Fable 5.2：智能体编程该选哪个？。

来源

• Google AI Studio，Gemini 4 Carbon：新增内容
• Google DeepMind，Gemini 4 Carbon 模型卡
• Google AI Studio，Gemini API 定价
• Artificial Analysis，Gemini 4 Carbon
• AIHubMix，Gemini 4 Carbon