Gemini 4 Carbon 與 Argon：價格相同，什麼時候值得選 Carbon？

Gemini 4 Carbon不是全新的模型系列，而是每回合會進行更多思考的Gemini 4 Argon，每 token 售價相同：每百萬個輸入 token $2、每百萬個輸出 token $10，優惠價格適用至 2026 年 11 月 30 日；自 12 月 1 日起，價格將調整為 $4 和 $20。問題不在於哪個模型的 token 單價較低，因為兩者完全相同。真正的問題是，每項已完成任務所帶來的額外思考效益，是否足以讓人接受較慢的首次回應。

Artificial Analysis 的即時數據，對一種工作給出了明確答案，也對另一種工作提出明確警告。Carbon High 在 AA Intelligence Index 的 104 個模型中排名第 4，得分 60.03；Argon High 則為 50.41。Carbon 每項任務花費 $7.76，低於 Argon 的 $9.95；完成時間為 25.6 分鐘，也短於 Argon 的 29.0 分鐘。但 Carbon 首個回答 token 的等待時間為 67.1 秒，Argon 則是 40.1 秒。Carbon 更適合排入佇列的工作；Argon 更適合對話。

這個差異就是本文的核心。以下將說明有哪些變化、數據反映了什麼、Google 的模型卡補充了哪些資訊、價格在 12 月 1 日如何變動，以及哪些工作負載應繼續使用 Argon。

Argon 有哪些變化

Google 的模型卡明確說明兩者的關係：「Gemini 4 Carbon 是以 Gemini 4 Argon 為基礎打造。」模型 ID 為 gemini-4-carbon，在 AIHubMix 上也相同。Google 記載的上下文視窗為 1,048,576 個 token。思考強度分為 low、medium 和 high，預設為 medium。標準輸出上限為 65,536 個 token；Google 原生的長解碼路徑最多可輸出 1,048,576 個 token 減去輸入 token 數，並以 131,072 和 262,144 為例。AIHubMix 目前只記載 Chat Completions，因此在有更高上限的路徑文件之前，請將閘道請求限制在 65,536 以下。知識截止日期為 2026 年 3 月。Google 不提供免費額度。

這項變化在Google 的 AI Studio 說明中有清楚描述：「Carbon 每回合會使用更多思考 token，徹底探索並驗證結果，因此相較 Argon，每回合的 token 使用量和延遲都會增加。」這句話幾乎解釋了本文後續提到的所有差異。更多思考能提高處理困難任務的上限，也會增加每回合費用，以及等待首個 token 的時間。

遷移刻意保持簡單。「從 Argon 升級不需要變更請求結構。」在 API 層級只要替換模型字串即可。Google 的操作建議是：「除非工作負載需要 high，否則請將 thinking_level 維持在 medium（預設值），並確認 max_output_tokens 和 HTTP 逾時設定足以容納較長的推理過程。」

實際取捨：思考更多，每項任務花費更少

以下數據來自Artificial Analysis 的即時測量，資料查詢時間為 2026-11-11T05:23Z（模型頁面於 06:01Z 再次確認，數據未變），採用標準價格：每百萬個輸入 token $4、每百萬個輸出 token $20。

值得關注的比較方式，是品質與已完成任務成本之間的關係：Carbon 能否以較低費用提升指數？圖表將四種模型設定分開呈現。

Carbon High 的位置在 Argon High 的左上方。這次測試中，Medium 是 Carbon 成本最低的設定；Low 是為了降低延遲而選的設定，不是成本最低的選擇。這些是依標準價格計算的 AA 任務成本，不是 AIHubMix 的請求費用。

Carbon High、Medium 和 Low 在 104 個模型中分別排名第 4、第 6 和第 14；Argon High 排名則低於這三者。Carbon High 之前的三個項目全都是 Claude Fable 5.2 的設定。「首個 token」指的是首個回答 token 的等待時間。Carbon High 與 Argon High 相比：指數高出 9.62 分，每項任務便宜 22.0%，完成時間為 25.6 分鐘而非 29.0 分鐘，但首個回答 token 的等待時間是 67.1 秒而非 40.1 秒。

指數差距大到足以改變排行榜名次；延遲差距也大到足以影響使用者是否願意等待。這兩個結論來自同一列數據。

Artificial Analysis 將 Carbon 描述為「每項任務速度明顯偏慢，而且輸出非常冗長」，並指出執行該指數測試時，Carbon 產生了 205 million 個 token，Argon 則為 113 million，所有受測模型的中位數為 72.8 million。在這次 AA 測試中，輸出量大幅增加的同時，每項任務成本反而更低：單價相同、token 多出許多，總體任務成本卻較低。

有一個反常之處值得特別指出。Carbon Low 每項任務花費 $7.19，比 Medium 的 $6.59 還高，儘管它的思考量較少。不論原因為何，Low 的表現更像是降低延遲的設定，而不是省錢的設定，因此在將大量流量導向它之前，請先測量每項任務的成本。

從程式碼 Agent 的角度來看

Intelligence Index 是許多任務的平均值。Coding Agent Index v2更接近 API 客戶實際執行的情境：使用工具的程式碼 Agent，透過相同測試架構進行端對端測量。Carbon High 排名第 4；Argon High 排名第 11。

兩者使用相同的 Agent 和測試架構，只更換模型，因此比較結果反映的是模型差異，而非周邊架構。Carbon 每項任務便宜 34.0%，指數高出 6.2 分，快 4.9 分鐘，而且每項任務的輸出量幾乎相同：109,031 個 token，Argon 則為 109,236 個。Carbon 的快取命中率更高，為 0.95，Argon 則為 0.87；輸入 token 使用量也較少，為 12.44 million，Argon 則為 13.76 million。

有兩點需要留意。Carbon 在此指數中排名第 4：Claude Code 搭配 Opus 5.5 Max 以 61.7 分居首，接著是 Devin Fusion CLI 和 GitHub Copilot Fusion。而 Fable 5.2 完全未列入此指數，因此這張表無法解答 Carbon 和 Fable 之間的比較問題。

Google 的模型卡補充了什麼，以及沒有補充什麼

Google 的模型卡是供應商文件：數據截至 2026 年 10 月，由 Google 自行回報，與上述即時數據來自不同時間點。下列各項中，Google 列出的 Carbon 數值每次都較高。

AA 這一列是 Google 四捨五入後的 59，並非前表即時數據中的 60.03；兩個數值來自不同時間點，不應混為一談。模型卡中的外部比較對象是 Fable 5.1，而不是 Fable 5.2。

有參考價值的是結果的一致性：Carbon 的優勢不只出現在一項基準測試上。其限制也很明顯：供應商模型卡不會計算每項任務的價格、不會測量首個 token 延遲，也不會告訴你 Agent 需要執行多少回合。它能支持「平均而言，Carbon 是更強的模型」這個結論，但無法支持「Carbon 更適合你的工作流程」這個結論。

價格：費率表相同，12 月 1 日也同樣調整

Carbon 和 Argon 的費率逐項相同。兩者都適用優惠價格至 2026 年 11 月 30 日，並於 12 月 1 日調漲一倍。

官方價格，單位為每百萬個 token 的美元價格，資料日期為 2026 年 11 月 11 日。Gemini 3.1 Pro Preview 在提示詞 token 超過 200k 時，價格為 $4/$18/$0.40，另加每百萬個 token 每小時 $4.50 的儲存費。Fable 5.2 的快取寫入費用為五分鐘 $10、一小時 $16；批次處理可享 50% 折扣。Carbon 和 Argon 的優惠價格將於 11 月 30 日結束；兩者所有費率都會在 12 月 1 日調漲一倍。

AIHubMix 列出的 Carbon 價格為 $2/$10/$0.10，與 Google 的優惠價格相同。本文不假設閘道在 11 月 30 日之後會收取什麼費用；請查看模型頁面確認目前價格。

將 Artificial Analysis 測得的 token 數量按優惠價格重新計算後，每項任務的粗略估算費用為：Carbon High $3.88、Medium $3.30、Low $3.60，Argon High $4.98。這些是計算出的估算值，不是 AA 的實測值：計算假設每項任務的 token 組成不變，而你的提示詞和快取命中率會影響結果。

以 token 單價來看，Fable 5.2 在標準價格下是 Carbon 的兩倍，在優惠價格下則是四倍。這是價格差距，不代表品質高低；系列第三篇文章會比較兩者。

Carbon 不適合的情境

不選 Carbon 的理由不是它比較差，而是它帶來的優勢，也就是每回合進行更多思考，正是互動式產品無法承受的成本。

首個 token 要等很久。Carbon High 要等 67.1 秒才會回傳首個回答 token；Argon High 則是 40.1 秒。Medium 可將等待時間縮短至 23.2 秒，Low 則縮短至 12.9 秒，但兩者的指數分數也會降低。若聊天介面停頓一分鐘，不論最後的回答如何，使用者早已錯過這一輪互動。

Google 建議為了速度繼續使用 Argon。Argon 的定位是適用於「需要更快回應和更低每回合 token 用量」的「互動式程式設計、日常功能開發和快速的正式環境工作流程」。遷移說明中的指示很直接：「在速度至關重要的情境中，請繼續使用 Argon。」Google 的公告文章也再次強調：「對大多數軟體工程和知識工作而言，Argon 仍是理想選擇。」

即使每項任務的成本較低，每回合的花費仍較高。token 單價相同，但 Carbon 每回合會使用更多思考 token。若團隊關注每回合的 token 花費，或必須節省 token 配額，Carbon 用起來就會比較貴。指數測試中 Carbon 使用 205-million 個 token，而 Argon 使用 113 million，正是這種效應的極端例子。

Low 並不是便宜的選擇。Carbon Low 每項任務花費 $7.19，比 Medium 的 $6.59 還高。如果路由依據是每項已完成任務的成本，Low 就不符合條件。

基準測試的勝利無法追回等待時間。在 Google 的表格中，OSWorld-2.1 和 FrontierSWE 2 都顯示 Carbon 較佳，但這些結果由供應商回報，而且都不會改變首個 token 的等待時間。基準測試衡量的是最終結果；使用者感受到的則是開始時的等待。

哪些人現在應該切換，哪些人應繼續使用 Argon

如果你執行供應商原生的批次或背景 Agent 工作（AIHubMix 尚未公開 Carbon 支援這些流程的文件），品質不佳造成的代價高於實際執行時間、請求可以接受較長的逾時時間和較大的輸出預算，或你已經在為 Carbon 可能避免的重試付費，現在就改用 Carbon。

如果你開發聊天、自動完成，或任何有人等待回應的流程；預算或配額是按每次互動計算；或產品要求延遲低於約 30 秒，請繼續使用 Argon。

如果你處於兩者之間，請先進行測試。將相同的 20 到 50 個實際請求分別送到兩個模型，記錄首個 token 的時間，以及每項已完成任務的成本，並據此選擇模型，而不是只看排行榜。AIHubMix 比較頁面會並列顯示這兩個模型的頁面。

如何透過 AIHubMix 呼叫

Carbon 在 AIHubMix 上使用相同的模型 ID 格式，以及文件列出的 chat completions 端點。

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)

端點為 POST /v1/chat/completions；這是 AIHubMix 唯一有文件說明的此模型路徑。列出的輸入模態為文字。AIHubMix 尚未公開 Carbon 支援圖片和 PDF 輸入、Responses API、Anthropic Messages 及 Gemini 原生端點的文件，因此請將這些功能視為尚未確認。reasoning_effort 的對應方式也一樣：請勿假設閘道會傳遞思考層級參數。請將 max_tokens 設在 65,536 的標準輸出上限內；較高的上限需要 Google 的背景模式，在 AIHubMix 上尚未確認。本文未進行即時測試，因此範例呈現的是請求格式，而非經驗證的回應。

常見問題

Carbon 和 Argon 的價格相同嗎？
是。Google 官方費率完全相同：每百萬個輸入 token 收費 $2，每百萬個輸出 token 收費 $10，適用至 2026 年 11 月 30 日；之後分別為 $4 和 $20。快取讀取費率則分別為 $0.10 和 $0.20。

Carbon 比 Argon 好嗎？
就品質和每項已完成任務的成本而言，根據 Artificial Analysis 的測量結果，是的：Intelligence Index 分別為 60.03 和 50.41，每項任務的成本分別為 $7.76 和 $9.95。但在回應速度方面則不是：Carbon 需要 67.1 秒才產生第一個回應 token，Argon 則為 40.1 秒。

為什麼 Carbon 完成任務較快，回應卻較慢？
它會等待較久才開始回應，但完成整項任務所需時間較短：25.6 分鐘，相較於 29.0 分鐘。等待第一個 token 的時間和完成任務的總時間是不同的測量指標，兩者呈現的趨勢正好相反。

需要修改請求嗎？
不需要。Google 表示，從 Argon 升級不必變更結構描述；只要將模型字串改為 gemini-4-carbon。請調高輸出上限和 HTTP 逾時時間，以因應較長的思考時間。

為什麼 Carbon Low 的每項任務成本比 Medium 高？
Artificial Analysis 測得 Low 每項任務的成本為 $7.19，Medium 則為 $6.59。請將 Low 視為延遲設定，而非折扣設定；透過它處理大量請求前，先測量每項任務的成本。

Carbon 在 Artificial Analysis 上排名第幾？
它在 Intelligence Index 中排名第 4，排在三種 Claude Fable 5.2 設定之後。Google 的模型卡顯示同一指標的四捨五入數值為 59；即時數據為 60.03，兩者不應混為一談。

Carbon 有免費額度嗎？
沒有。Google 不提供 Gemini 4 Carbon 免費額度，因此須透過付費 API 費率或 AIHubMix 這類閘道使用。

繼續閱讀：Gemini 4 Carbon 系列

• 如果本文讓你想試試 Carbon，但第一次請求就失敗，遷移指南涵蓋了較長思考過程所涉及的 400 錯誤、逾時設定和輸出上限變更：Gemini 4 Carbon API 遷移：400 錯誤、逾時與輸出上限。
• 如果你想知道 Carbon 是否足以應付 Agent 式程式開發，或 Fable 5.2 的高階定價是否物有所值，第三篇文章會將相同的實測數據與 Fable 5.2 並列比較：Gemini 4 Carbon vs Fable 5.2：Agent 式程式開發該選哪個？。

資料來源

• Google AI Studio，Gemini 4 Carbon：最新功能
• Google DeepMind，Gemini 4 Carbon 模型卡
• Google AI Studio，Gemini API 定價
• Artificial Analysis，Gemini 4 Carbon
• AIHubMix，Gemini 4 Carbon