# Gemini 4 Carbon vs Argon: где Carbon сильнее и цена задачи

> Carbon выше Argon на 9 баллов, но на 30 октября 2026 года недоступен в API. По одной цене задача стоит почти столько же; 1 декабря Argon дорожает вдвое.

- URL: https://blog.laozhang.ai/ru/posts/gemini-4-carbon-vs-gemini-4-argon
- Published: 2026-10-30
- Updated: 2026-10-30
- Author: LaoZhang AI Team (https://blog.laozhang.ai/ru/about)
- Topic: Сравнения моделей
- Tags: Gemini 4 Carbon, Gemini 4 Argon, Gemini API, Сравнение моделей, цены API, бенчмарки

---
Gemini 4 Carbon, анонсированный Google 28 октября 2026 года, набирает 59,4 балла в Intelligence Index v5.0 от Artificial Analysis (AA) против 50,4 у Gemini 4 Argon, но эти 9 баллов распределены неравномерно. Сильнее всего Carbon вырос в агентах для кода и в научных рассуждениях, заметно — в работе с документами, а в автоматизации SaaS-процессов модели идут вровень: 77,8 % против 77,5 %. На 30 октября 2026 года вызвать Carbon через API нельзя: Google открывает его сначала части специалистов по киберзащите, и тестовый запрос к `gemini-4-carbon` в этот день вернул HTTP 503.

Поэтому сегодня продолжайте выпускать на `gemini-4-argon`, держите имя модели в одной настройке и заложите в бюджет 1 декабря: в этот день вводная цена Argon $2 / $10 за 1 млн токенов ввода и вывода сменится на $4 / $20, и типичная задача из индекса подорожает с $3,84 до $7,68. Переход на Carbon стоит готовить прежде всего командам с агентами для кода и с научными или аналитическими задачами; для SaaS-автоматизации и для функций, где пользователь ждёт ответа в реальном времени, причин спешить нет.

Две популярные фразы верны только наполовину. «Цена та же» верно за токен и в одном и том же ценовом периоде: тогда задача на Carbon стоит на 0,9 % дороже. Но если Carbon откроют после 1 декабря, пока у него ещё действует вводная цена, он окажется вдвое дешевле Argon. «Carbon медленнее» верно для первого токена — у Artificial Analysis 98 секунд против 47, — но скорость генерации почти одинаковая, а целую задачу агента для кода Carbon заканчивает быстрее.

## Где Carbon сильнее Argon: девять тестов AA по видам работы

Самый большой прирост у Carbon — в агентной разработке в реальных репозиториях (FrontierCode 2.0: 40,6 % против 25,7 %) и в научных и экспертных вопросах, где разница 10–12 пунктов; в работе с документами прирост умеренный (GDP.pdf: плюс 6,6 пункта), а в автоматизации SaaS-процессов почти не изменился. Все цифры ниже — замеры Artificial Analysis на уровне рассуждения high для обеих моделей, по состоянию на 30 октября 2026 года, со [страницы сравнения Gemini 4 Argon и Gemini 4 Carbon на Artificial Analysis](https://artificialanalysis.ai/models/comparisons/gemini-4-argon-vs-gemini-4-carbon). Других уровней рассуждения для этих моделей там нет, а тестировали их через закрытый доступ до выхода публичного API.

| Вид работы | Тест и что он измеряет | Carbon | Argon | Разница |
| --- | --- | ---: | ---: | ---: |
| Агенты для кода | FrontierCode 2.0: агент дорабатывает реальные open-source-репозитории | 40,6 % | 25,7 % | +14,9 |
| Агенты для кода | Terminal-Bench 4.0: многошаговые задачи в терминале | 65,2 % | 57,1 % | +8,1 |
| Рассуждения и наука | HLE-Diamond: трудные вопросы экспертного уровня | 69,1 % | 56,7 % | +12,4 |
| Рассуждения и наука | Terminal-Bench-Science: научные задачи в терминале | 64,8 % | 52,9 % | +11,9 |
| Рассуждения и наука | CritPt v2 Hard: исследовательские задачи по физике | 63,0 % | 52,5 % | +10,5 |
| Документы и офисная работа | AA-Briefcase: агентная работа со знаниями, рейтинг Эло | 1609,5 | 1483,3 | +126 |
| Документы и офисная работа | GDP.pdf: профессиональные документы, засчитывается только полностью верный | 28,4 % | 21,8 % | +6,6 |
| Фактические ответы | AA-Omniscience v1.1: знания, неверный ответ штрафуется, отказ — нет | 53,5 | 46,1 | +7,4 |
| SaaS-автоматизация | AutomationBench-AA: агентные процессы в SaaS-сервисах | 77,8 % | 77,5 % | +0,3 |

![Разница Carbon и Argon в девяти тестах Artificial Analysis: большой прирост в агентах для кода и науке, умеренный в документах и фактах, вровень в SaaS-автоматизации](https://blog.laozhang.ai/posts/ru/gemini-4-carbon-vs-gemini-4-argon/img/carbon-vs-argon-nine-tests.webp)

Та же картина в индексах возможностей, которые Artificial Analysis собирает по отраслям: финансы 62,6 против 55,9, право 62,0 против 54,6, инженерия 64,7 против 57,3, экономика 61,0 против 54,0, а меньше всего вырос индекс стратегии и операционной работы — 60,9 против 57,2. Для медицины балл Carbon не опубликован. В [статье Artificial Analysis о Gemini 4 Carbon](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1) отмечено, что Carbon первый среди всех моделей в 4 тестах из 9 (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience и AutomationBench-AA), но в коде и в работе со знаниями лидерства у него нет. Баллы v5.0 нельзя сравнивать с баллами версии v4.3.2, которые цитировали до 27 октября.

У Google в [анонсе Gemini 4 Carbon](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/) своя таблица, и это измерения самого разработчика. Terminal-Bench 4.0 там совпадает с прогоном модели у Artificial Analysis (65,2 % против 57,1 %), а в прогоне через агент Antigravity CLI у Artificial Analysis вышло 63,6 % против 56,1 %. Для команд безопасности главное в таблице Google: SEC-bench Pro (поиск уязвимостей) 88,2 % против 83,4 %, ExploitGym (эксплуатация) 54,8 % против 42,0 %, CWE-bench (исправление) 71,0 % против 68,0 %, а доля успешных атак в тесте непрямых промпт-инъекций Gray Swan снизилась с 0,7 % до 0,0 %; киберзадачи Google прогонял на максимальном уровне рассуждения и без защитных ограничений. Самый скромный прирост в той же таблице — у Vals Index v2.2: 70,4 % против 69,2 %. GraphWalks для длинного контекста дал 96,2 % против 84,2 %, но контекстное окно Carbon Google не публиковал, так что этот результат говорит о качестве работы с длинным текстом, а не о размере окна.

## Что выбрать для вашей задачи: Carbon, Argon или подождать

Готовить переход стоит там, где прирост большой и задержка первого ответа не мешает: агенты для кода, научные и аналитические задачи, длинные многошаговые сценарии, которые и так идут минутами. Там, где модели почти равны (SaaS-автоматизация) или где важна быстрая реакция и осторожность в фактах, Argon остаётся разумным выбором и после открытия Carbon.

Агенты для кода — самый сильный довод за Carbon. Кроме прироста в FrontierCode 2.0, в [индексе агентов для кода Artificial Analysis](https://artificialanalysis.ai/agents/coding-agents) связка Antigravity CLI с Carbon набирает 59,4 против 53,2 с Argon, и задача агента у Carbon ещё и дешевле, и короче по времени (цифры — в разделах о цене и скорости). Научные и экспертные задачи — второй кандидат: плюс 10–12 пунктов в трёх тестах, а ожидание ответа в таких сценариях обычно не критично. Если вы сравниваете Carbon с Claude, то в том же индексе Claude Code с Opus 5.5 (max) набирает 61,7; подробно это разобрано в материале [Gemini 4 Carbon vs Opus 5.5: Carbon выше в индексе, Opus — в коде](https://blog.laozhang.ai/ru/posts/gemini-4-carbon-vs-claude-opus-5-5).

Для документов и офисной работы прирост реальный, но умеренный: плюс 126 пунктов Эло в AA-Briefcase и 28,4 % полностью верных документов в GDP.pdf против 21,8 %. Даже у Carbon больше двух третей документов в этом тесте не проходят все проверки, поэтому человеческая проверка остаётся в процессе при любой модели, а переход имеет смысл, если ваши документы похожи на тестовые и выигрыш подтвердится на ваших примерах. Для SaaS-автоматизации (AutomationBench-AA 77,8 % против 77,5 %) и для задач уровня стратегии и операционной работы разница почти нулевая, и решать здесь будет цена, а не качество.

Для фактических ответов и интерактивных функций лучше остаться на Argon, пока вы не проверили Carbon сами. У Argon самая низкая доля галлюцинаций среди моделей, которые измеряла Artificial Analysis, а первый токен он выдаёт примерно вдвое быстрее; если и 47 секунд Argon для вашего интерфейса много, вопрос уже в том, не избыточен ли флагман, — его разбирает статья [Gemini 4 Argon vs 3.8 Flash: сравнение, тест цены и что выбрать](https://blog.laozhang.ai/ru/posts/gemini-4-argon-vs-gemini-3-8-flash). Если флагман нужен прямо сейчас и Carbon ждать нельзя, доступные сегодня варианты сравнены в материале [Gemini 4 Argon, Claude Opus 5.5 или GPT-6.1 Sol: что выбрать](https://blog.laozhang.ai/ru/posts/gemini-4-argon-vs-claude-opus-5-5-vs-gpt-6-1-sol).

## Carbon дороже Argon? Цена задачи до и после 1 декабря

За токен Carbon и Argon стоят одинаково, если сравнивать в одном ценовом периоде, и задача из индекса AA по стандартной цене стоит у Carbon всего на 8 центов дороже. Вывод меняется 1 декабря 2026 года, когда у Argon заканчивается вводная цена, а дату окончания вводной цены Carbon Google не опубликовал.

По [странице цен Gemini API](https://ai.google.dev/gemini-api/docs/pricing) на 30 октября 2026 года `gemini-4-argon` стоит $2 за 1 млн токенов ввода и $10 за 1 млн токенов вывода, кэшированный ввод — $0,10, до 30 ноября включительно; с 1 декабря — $4 / $20, кэшированный ввод $0,20. Batch и Flex для Argon стоят вдвое дешевле. Для Carbon Google объявил те же числа: вводная цена $2 / $10 со скидкой 95 % на кэшированный ввод, после неё $4 / $20. Когда закончится вводный период Carbon, не сказано, а цены Batch, Flex и Priority для него не опубликованы.

| Ценовой период | Задача индекса: Argon | Задача индекса: Carbon | Задача агента для кода: Argon | Задача агента для кода: Carbon |
| --- | ---: | ---: | ---: | ---: |
| Сейчас, до 30 ноября 2026 года | $3,84 | недоступен | $5,87 | недоступен |
| Обе модели по вводной цене | $3,84 | $3,88 | $5,87 | $3,87 |
| Обе модели по стандартной цене | $7,68 | $7,76 | $11,73 | $7,74 |
| С 1 декабря, если Carbon откроют во вводный период | $7,68 | $3,88 | $11,73 | $3,87 |

Как получены эти суммы. Artificial Analysis публикует стоимость задачи по стандартной цене и её разбивку; из разбивки восстановлено число токенов, а затем оно пересчитано по ценам каждого периода. Средняя задача индекса у Argon — 116 368 выходных токенов, 10,36 млн токенов чтения из кэша и около 0,821 млн токенов ввода по полной цене, включая запись в кэш: Google не берёт за неё отдельную плату при неявном кэшировании. По вводной цене это 0,821 × 2 + 10,36 × 0,10 + 0,116 × 10 ≈ 3,84 доллара, по стандартной всё вдвое больше — 7,68, и это совпадает с итогом Artificial Analysis. У Carbon 122 768 выходных токенов, 10,20 млн из кэша и около 0,815 млн по полной цене: 0,815 × 2 + 10,20 × 0,10 + 0,123 × 10 ≈ 3,88 доллара по вводной цене и 7,76 по стандартной. Для задачи агента для кода стандартные суммы $11,73 и $7,74 взяты из индекса агентов, вводные — их половина.

Выгода Carbon в задаче агента складывается не из цены токенов, а из того, как он их тратит: доля попаданий в кэш у него 95,2 % против 87,0 %, ввод — 12,44 млн токенов против 13,76 млн, а вывод одинаковый, около 109 тыс. Это вывод из цифр Artificial Analysis для одного агента (Antigravity CLI), и в вашем собственном агенте с другим промптом и другой историей кэш может работать иначе. В пересчёте на балл индекса по стандартной цене Carbon тоже выгоднее: $0,131 против $0,152.

Пока Carbon не открыт, реальный вопрос бюджета — не Carbon против Argon, а Argon в ноябре против Argon в декабре: та же нагрузка 1 декабря станет вдвое дороже. Если ответ не нужен сразу, часть работы можно перевести на Batch или Flex, где цена Argon вдвое ниже.

## Carbon медленнее Argon? Первый токен вдвое позже, задача агента быстрее

У Carbon вдвое дольше ожидание первого токена, но почти та же скорость генерации и более короткое время целой задачи агента для кода. Все три утверждения верны одновременно, потому что они меряют разное.

![Три замера скорости Carbon и Argon: первый токен 97,94 и 47,20 секунды, генерация 85 и 83 токена в секунду, задача агента для кода 29,8 и 34,7 минуты](https://blog.laozhang.ai/posts/ru/gemini-4-carbon-vs-gemini-4-argon/img/carbon-vs-argon-speed.webp)

На 30 октября 2026 года Artificial Analysis показывает для Carbon 97,94 секунды до первого токена ответа против 47,20 у Argon, а ответ из 500 токенов вместе с рассуждением занимает 103,82 секунды против 53,23. Скорость самой генерации почти равна: 85 токенов в секунду у Carbon и 83 у Argon. Эти значения меняются каждый день: ещё 29 октября у Carbon было 99,8 токена в секунду, а измерены они на закрытом доступе до релиза, поэтому после открытия публичного API цифры могут сдвинуться. Показатель «время на задачу» на той же странице (1452,93 секунды против 1364,94) считает только время генерации без ожидания первого токена и накладных расходов, поэтому реальным временем задачи его считать нельзя.

Время целой задачи агента — другая мера, и здесь Carbon быстрее. В индексе агентов для кода средняя задача в Antigravity CLI заняла у Carbon 29,8 минуты против 34,7 у Argon, хотя шагов было больше, 178 против 166. Каждый отдельный вызов у Carbon дольше, но задачу он доводит до конца раньше.

Фраза «в 2–4 раза медленнее» пришла из [обзора letslearngenai «Gemini 4 Carbon vs Gemini 4 Argon» от 28 октября](https://letslearngenai.com/articles/gemini-4-carbon-vs-gemini-4-argon-a-faster-flagship-becomes-a-harder-working-one-2026-10-28), который ссылается на слепое тестирование ранних версий на Arena: Carbon там назван медленнее Argon в 2–4 раза в зависимости от задачи, а сложные задания занимали почти 30 минут. Сами авторы оговаривают, что это наблюдения раннего доступа, а не стандартизированный замер задержки. Измерения Artificial Analysis подтверждают примерно двукратную разницу до первого токена, но не 2–4 раза. Практический вывод: если в вашем клиенте, прокси или балансировщике таймаут ожидания первого байта меньше двух минут, при текущих цифрах Carbon будет в него упираться.

## Carbon больше галлюцинирует? 11,4 % у AA и «вдвое меньше» у Google

В тесте знаний AA-Omniscience доля галлюцинаций у Carbon выросла с 4,3 % до 11,4 %, а Google утверждает, что Carbon примерно вдвое реже делает необоснованные утверждения. Противоречия нет: это два разных измерения.

AA-Omniscience проверяет знание фактов: за верный ответ модель получает балл, за неверный — штраф, а отказ ответить не наказывается. Доля галлюцинаций показывает, как часто модель отвечает неверно там, где могла бы признать, что не знает. Carbon отвечает чаще: точность выросла с 48,3 % до 58,3 %, но вместе с верными ответами выросло и число неверных. При этом 11,4 % — второй лучший результат среди всех моделей, которые измеряла Artificial Analysis, после самого Argon; у Claude Opus 5.5 (max) и GPT-6 Astra (max) этот показатель около 50 %.

Google мерил другое — утверждения без опоры внутри готовых рабочих результатов. По внутренним тестам Google, Carbon сокращает такие утверждения примерно вдвое по сравнению с Argon, выносит методологические оговорки прямо в результат, а заблокированные действия не выполняет и перечисляет, чего для них не хватает, вместо того чтобы додумывать недостающие данные. Метод этих тестов не опубликован, и это собственные данные разработчика.

Отсюда и что проверить до переключения. Если ваш продукт отвечает на фактические вопросы и неверный ответ обходится дороже, чем «не знаю», прогоните на обеих моделях свой набор вопросов, включая те, на которые правильного ответа в данных нет, и считайте три исхода отдельно: верно, неверно и отказ. Если Carbon чаще отвечает неверно там, где Argon отказывался, для этой функции оставьте Argon или явно требуйте отказа в инструкции. Для агентных отчётов и документов проверяйте другое: есть ли в результате утверждения, которые не подкреплены входными данными.

## Можно ли вызвать gemini-4-carbon сейчас: проверка 30 октября

Нет: на 30 октября 2026 года Carbon не вызывается ни через шлюз, на котором его проверяли, ни, судя по документации, через Gemini API — у Google в списке моделей нет его идентификатора.

Проверка прошла 30 октября 2026 года в 00:12 UTC через шлюз api.laozhang.ai с ключом с оплатой по использованию. Запрос `GET /v1/models` вернул 192 модели, и из линейки Gemini 4 среди них был только `gemini-4-argon`. Запросы к `gemini-4-carbon` и `gemini-4-carbon-preview` через Chat Completions, а также нативный `POST /v1beta/models/gemini-4-carbon:generateContent` вернули HTTP 503 с сообщением «no available channels for model» примерно за 1,1 секунды, без списания. Такой же результат был 29 октября в 01:36 и 03:00 UTC. Это показывает, что через этот шлюз Carbon сегодня недоступен; прямой API Google с ключом Google в эту проверку не входил, но на страницах моделей, цен и журнала изменений Gemini API на 30 октября идентификатора Carbon нет вовсе. Argon на том же шлюзе есть и для нативного формата Gemini, и для формата, совместимого с OpenAI.

*Примечание: [laozhang.ai — наш собственный сервис](https://blog.laozhang.ai/ru/about#laozhang); его цены — наши тарифы, а не независимое сравнение.*

Google не опубликовал для Carbon ни идентификатор модели, ни контекстное окно, ни лимиты, ни список поддерживаемых модальностей, поэтому любые утверждения, что они такие же или другие, чем у Argon, пока ничем не подтверждены. Google также не объявлял, что Carbon заменит Argon или что Argon отключат. Кто и когда получит Carbon, разобрано в материале [Gemini 4 Carbon когда выйдет: пока только для киберзащиты](https://blog.laozhang.ai/ru/posts/gemini-4-carbon-release-date), а условия программы доверенного доступа — в статье [Gemini 3.8 Flash Cyber и Fairwind: кому дадут доступ и как подготовиться](https://blog.laozhang.ai/ru/posts/gemini-3-8-flash-cyber-fairwind).

## Что подготовить на Argon сейчас, чтобы быстро перейти на Carbon

Чтобы переход занял день, а не спринт, подготовьте сейчас три вещи: одно место, где задано имя модели, бюджет с ценой Argon после 1 декабря и собственный набор задач с замерами на Argon, который вы прогоните на Carbon в первый же день доступа.

1. Вынесите имя модели в одну настройку или переменную окружения и разделите её по видам работы: например, отдельно для агента кода и для фактических ответов. Тогда Carbon можно включить только там, где он выигрывает, а остальное оставить на `gemini-4-argon`.
2. Пересчитайте бюджет с 1 декабря по стандартной цене Argon и решите, какие фоновые задачи перевести на Batch или Flex. Если длинные ответы Argon у вас обрываются, разберитесь с этим до перехода: причины и проверка `finish_reason` описаны в материале [Gemini 4 Argon API: доступ, finish_reason и обрыв ответа](https://blog.laozhang.ai/ru/posts/gemini-4-argon-api-finish-reason).
3. Соберите 20–50 реальных задач из своей работы и запишите на Argon качество, время до первого токена, полное время задачи, число токенов и стоимость; для фактических вопросов добавьте вопросы без правильного ответа в данных.
4. Проверьте таймауты клиента, прокси и очередей: при текущих замерах Carbon выдаёт первый токен почти через 100 секунд.
5. В день открытия Carbon сверьте его идентификатор, цену и дату окончания вводной цены на странице цен Gemini API, прогоните тот же набор и сравните время до первого токена, полное время задачи, долю отказов и неверных ответов, а для агентов ещё и долю попаданий в кэш. Переключайте по видам работы, а Argon оставьте запасным вариантом.

## Источники

Внешние страницы, на которые ссылается это руководство, в порядке упоминания. Последнее обновление: 2026-10-30.

- [страницы сравнения Gemini 4 Argon и Gemini 4 Carbon на Artificial Analysis](https://artificialanalysis.ai/models/comparisons/gemini-4-argon-vs-gemini-4-carbon) (artificialanalysis.ai)
- [статье Artificial Analysis о Gemini 4 Carbon](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1) (artificialanalysis.ai)
- [анонсе Gemini 4 Carbon](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/) (blog.google)
- [индексе агентов для кода Artificial Analysis](https://artificialanalysis.ai/agents/coding-agents) (artificialanalysis.ai)
- [странице цен Gemini API](https://ai.google.dev/gemini-api/docs/pricing) (ai.google.dev)
- [обзора letslearngenai «Gemini 4 Carbon vs Gemini 4 Argon» от 28 октября](https://letslearngenai.com/articles/gemini-4-carbon-vs-gemini-4-argon-a-faster-flagship-becomes-a-harder-working-one-2026-10-28) (letslearngenai.com)