Gemini 4 Carbon vs Argon 测评与价格：高 9 分，首 token 慢一倍

Gemini 4 Carbon 确实比 Argon 强，但提升集中在编程代理和科研推理，SaaS 自动化几乎没有差别。截至 2026 年 10 月 30 日，在 Artificial Analysis（下称 AA）智能指数 v5.0 的 high 推理档上，Carbon 得 59.4 分，Argon 得 50.4 分；在开源仓库里做软件工程的 FrontierCode 2.0 上 Carbon 高出 14.9 个百分点，在 SaaS 工作流测试 AutomationBench-AA 上只高 0.3。代价在首 token：AA 测得 Carbon 平均 97.94 秒才吐出第一个回答 token，Argon 是 47.20 秒。

Carbon 今天还用不上。Google 在 10 月 28 日宣布 Carbon 后，只先开放给一部分网络安全防御方，没有公布面向开发者的日期和模型 ID，详情见 Gemini 4 Carbon 什么时候可以用：已发布，但只给网安防御方。所以现在的做法是继续在 gemini-4-argon 上交付，把模型名放进一个配置项，以后改一行就能切换；同时按 12 月 1 日起 Argon 每百万 token 输入 $4、输出 $20 重做预算，因为这一天 Argon 的首发价到期，同样的用量账单翻倍。

"两者同价"和"Carbon 更慢"都只说对一半。同价只在每 token、同一价格阶段成立，12 月 1 日后两者可能处在不同阶段；慢只体现在首 token，生成速度基本相同，整个编程代理任务 Carbon 反而少用约 5 分钟。要秒回的交互式功能，以及要求"不知道就说不知道"的事实问答，即使 Carbon 开放也应先留在 Argon，等自己的测试结果出来再说。

Gemini 4 Carbon 比 Argon 强在哪：九项评测按工作类型拆开

AA 智能指数 v5.0 的九项评测里，Carbon 提升最大的是编程代理和科研推理，多数项目高出 8 到 15 个百分点；文档型知识工作提升中等；SaaS 自动化两者基本打平。下表是截至 2026 年 10 月 30 日 AA 的 Gemini 4 Argon 与 Carbon 对比页上的数据，两者都只测了 high 推理档，用的是 Google 给 AA 的预发布接口，成本按标准价计算。

AA 按行业算的能力分指数也是同一个走向。工程、法律、经济、金融四类 Carbon 都高 7 分左右，比如工程从 57.3 升到 64.7、法律从 54.6 升到 62.0；战略与运营只从 57.2 升到 60.9，是提升最小的一类；医疗类 AA 还没有给出 Carbon 的分数。把它和 AutomationBench 的持平放在一起看，偏流程、偏运营的工作从 Carbon 得到的好处最少。v5.0 是 AA 在 10 月 27 日前后换上的新版指数，分数不能和之前流传的 v4.3.2 分数直接比。

Google 自己的发布文章里也有一张对比表，那是 Google 自己跑的成绩，目前没有第三方复现。按 Google 的 Gemini 4 Carbon 发布文章，网络安全类提升最明显：找漏洞的 SEC-bench Pro 从 83.4% 到 88.2%，验证可利用性的 ExploitGym 从 42.0% 到 54.8%，这两项是在最高思考档、关闭防护的条件下跑的；间接提示词注入测试 Gray Swan 的攻击成功率从 0.7% 降到 0.0%。这几行主要对安全团队有参考价值。同一张表里也有几乎没涨的项目，例如 Vals Index v2.2 只从 69.2% 到 70.4%，修补漏洞的 CWE-bench 从 68.0% 到 71.0%。

我的工作该用 Carbon 还是 Argon：六类任务的判断规则

编程代理和科研推理是最值得为 Carbon 做切换准备的两类工作；SaaS 自动化和交互式低延迟功能没有理由换；文档型知识工作和事实问答要先用自己的任务测过再定。下面按工作类型给出条件，Carbon 开放前这些都只是"准备什么"的依据，今天的生产流量仍然跑在 Argon 上。

如果你主要跑长时间的编程代理，Carbon 是提升最清楚的一类。AA 编程代理指数用 Antigravity CLI 测两者的 high 档，截至 2026 年 10 月 29 日的数据是 Carbon 59.4、Argon 53.2；其中代码库问答 SWE-Atlas QnA 从 55.1 升到 63.7，同一工具下的 Terminal-Bench v4 从 56.1 升到 63.6（Google 表和 AA 单模型测试里是 65.2%，三个数字来自不同的测法）。更关键的是，Carbon 在这个测试里每个任务用时 29.8 分钟，Argon 要 34.7 分钟，同为标准价时 Carbon 每任务的成本还低约三分之一，具体金额见下面的价格表。拿 Carbon 和 Claude 比，Claude Code 搭配 Opus 5.5 max 在同一指数上是 61.7，仍然领先，细节见 Gemini 4 Carbon vs Opus 5.5 怎么选：编程代理仍是 Opus 领先。

推理和科研类工作同样值得准备。HLE-Diamond 高 12.4 个百分点、Terminal-Bench-Science 高 11.9、CritPt 物理题高 10.5，而这类任务通常是批量或后台跑的，首 token 多等 50 秒影响不大。文档型知识工作的提升要打折看：AA-Briefcase 总分高 126.2 Elo，按 AA 关于 Gemini 4 Carbon 登上智能指数第一的文章，涨得最多的是演示文稿分项（+293 Elo），但 Carbon 的 Briefcase 总分约 1,609，仍低于 Grok 4.7 xhigh 的 1,638、Muse Wonder max 的 1,659 和 Kimi K3.1 Pro 的 1,678；GDP.pdf 的完成率也只从 21.8% 到 28.4%。如果你的交付物主要是幻灯片和分析报告，值得把 Carbon 放进测试名单；写普通文档、整理资料，Argon 已经够用。

SaaS 自动化可以不考虑 Carbon。AutomationBench-AA 上 77.8% 对 77.5%，战略与运营分指数也只高 3.7，在 CRM、工单、表格之间搬数据的代理任务换模型拿不到可测的提升；这类工作更值得问的是 Argon 是不是已经超出需要，可以看 Gemini 4 Argon 和 3.8 Flash 区别：实测成本差多少，哪些任务该换。交互式低延迟功能，比如聊天界面、IDE 里的即时补全和语音助手，按 AA 的 high 档数据，Carbon 单次请求的首 token 等待是 Argon 的两倍多，留在 Argon 更合适。事实问答的情况比较特殊，答对的更多，但硬答错的也更多，下文单独说明。想横向比较今天已经能调用的几家旗舰模型，可以看 Gemini 4 Argon、Opus 5.5、GPT-6.1 Sol 对比：已开放，12 月起涨价。

Gemini 4 Carbon 价格：同价只在同一价格阶段成立

按每百万 token 算，Carbon 和 Argon 的标价完全一样，差别来自时间线和每个任务消耗的 token。截至 2026 年 10 月 30 日，Gemini API 定价页上 gemini-4-argon 的首发价是输入 $2、输出 $10、缓存输入 $0.10，有效期到 11 月 30 日，12 月 1 日起变成 $4、$20 和 $0.20，Batch 和 Flex 都是半价。Google 说 Carbon 上线时用同样的首发价，首发期结束后同样是 $4 和 $20，缓存输入按普通输入价的 5% 收费；但 Carbon 还不能调用，首发价什么时候开始算、什么时候结束都没有公布，AA 的说法是"没有确认的截止日期"，Batch 和 Flex 价格也没有公布。

所以"同价"能不能兑现，取决于 Carbon 开放的时间。下表按价格阶段重算两种任务的单任务成本：一种是 AA 智能指数的一道题，另一种是 AA 编程代理指数里 Antigravity CLI 跑完的一个任务，都是 high 推理档。

指数单题的 token 用量是从 AA 公布的成本分项反推出来的：Argon 每题输出 116,368 token、读缓存 10,357,304 token，另有约 82.1 万 token 按普通输入计费（含写入缓存的部分，Google 的隐式缓存不单收写入费）；Carbon 分别是 122,768、10,195,728 和约 81.5 万。按标准价代入，能复现 AA 给出的总数：

Argon 标准价：0.8210 × 4 + 10.3573 × 0.20 + 0.1164 × 20 ≈ 7.68 美元
Carbon 标准价：0.8153 × 4 + 10.1957 × 0.20 + 0.1228 × 20 ≈ 7.76 美元
（单位：百万 token × 每百万 token 美元单价；首发价每一项都是标准价的一半）

编程代理任务的 $11.73 和 $7.74 直接取自 AA 的标准价结果，因为首发价对输入、输出和缓存都正好打五折，首发价下就是这两个数的一半。从表里能读出三件事。同为标准价时，指数单题 Carbon 只贵 0.9%，原因是它多输出约 5.5% 的 token，按每得 1 分的成本算，Carbon 是 $0.131，反而低于 Argon 的 $0.152。编程代理任务上 Carbon 便宜约 34%；从 AA 公布的分项看，主要原因应该是 Carbon 的缓存命中率更高（95.2% 对 87.0%）、输入 token 更少（1,244 万对 1,376 万），不是 token 单价更低。最后一行是有条件的情景：如果 Carbon 开放时首发期还没结束，12 月 1 日后同一道指数题在 Carbon 上只要 Argon 的一半，编程代理任务约是三分之一，Google 不公布截止日期之前，不要把这一行写进长期预算。

Carbon 是不是更慢：首 token 慢一倍，代理整任务反而更短

"更慢"取决于量的是哪一段时间。截至 2026 年 10 月 30 日，AA 测得 Carbon 的首 token 时间约是 Argon 的 2.1 倍，生成速度基本相同，而在完整的编程代理任务上 Carbon 少用约 5 分钟。具体数字在 AA 对比页上：首个回答 token 出现的时间 Carbon 97.94 秒、Argon 47.20 秒；之后的生成速度 Carbon 每秒 85 个 token、Argon 83 个；输出 500 个 token（含思考）的完整响应时间 Carbon 103.82 秒、Argon 53.23 秒，也是约 2 倍。

AA 页面上还有一个"每任务时间"，Carbon 1,452.93 秒、Argon 1,364.94 秒，看起来 Carbon 只慢 6%。这个数是按生成速度折算的解码时间，AA 注明不含首 token 等待和其他开销，不能当成你实际要等多久。编程代理的 29.8 分钟对 34.7 分钟是另一种量法，计的是 Antigravity CLI 从开始到完成一个任务的总时长，Carbon 走了 178 步、Argon 走了 166 步，Carbon 仍然先完成。所以单次请求的等待 Carbon 更长，长任务的总耗时 Carbon 更短，两句话要分开说。

网上流传的"Carbon 慢 2 到 4 倍"出自更早的报道。letslearngenai 10 月 28 日的 Carbon 与 Argon 对比文章引用 Arena 盲测的反馈，说 Carbon 根据任务不同慢 2 到 4 倍，复杂任务接近 30 分钟，同时也写明这是早期访问和盲测的印象，不是标准化的延迟测试，测的还是发布前的版本。AA 的测量只支持"首 token 和短回答约慢 2 倍"，不支持 2 到 4 倍。这些速度数值每天都在变，AA 页面在 10 月 29 日显示的 Carbon 生成速度还是每秒 99.8 个 token，公开 API 开放后可能再变，引用时带上日期。

Carbon 幻觉更多吗：AA 测到 11.4%，Google 说减半

两个说法都成立，因为它们量的不是同一件事。AA-Omniscience v1.1 测的是知识问答，答对加分、答错扣分、不答不扣分，其中的幻觉率看的是模型在不知道答案时，是承认不知道，还是给出一个错答案。截至 2026 年 10 月 30 日，Carbon 的正确率从 Argon 的 48.3% 升到 58.3%，幻觉率也从 4.3% 升到 11.4%：Carbon 更愿意作答，所以答对的和答错的都变多了。按 AA 关于 Gemini 4 Carbon 登上智能指数第一的文章，11.4% 在 AA 测过的所有模型里仍是第二低，只比 Argon 高，Opus 5.5 max 和 GPT-6 Astra max 都在 50% 左右。

Google 的说法是另一个场景。Google 称在内部测试中，Carbon 的无依据陈述比 Argon 少了约一半，会把方法上的保留意见直接写进交付物，遇到被阻止的操作会列出还缺什么，而不是编造或含糊带过。这量的是代理任务产出的报告、代码说明里有没有缺乏依据的陈述，是 Google 自测的结果，没有公布测试方法。

所以切换前要测的东西取决于你的产品。如果你做的是客服知识库、内部文档问答这类"答错比不答代价大"的功能，拿自己的问题集测一遍，其中故意放一批文档里没有答案的问题，分别记下 Argon 和 Carbon 回答"不知道"和答错的次数；Carbon 的弃答变少会直接变成错答。如果你的工作是让代理产出带引用的报告，Google 的说法更接近你的场景，但仍要抽查结论有没有对应的出处，而不是只看 Google 的倍数。

2026 年 10 月 30 日实测：gemini-4-carbon 请求返回 503

2026 年 10 月 30 日 00:12（UTC，北京时间 08:12），通过 api.laozhang.ai 用一个按量计费的 key 调用 Carbon，三种请求都在约 1.1 秒内返回 HTTP 503，没有计费。GET /v1/models 正常返回 200，列出 192 个模型，其中 Gemini 4 只有 gemini-4-argon。用 Chat Completions 接口请求 gemini-4-carbon，1.08 秒返回 503；换成 gemini-4-carbon-preview，1.11 秒返回 503；走 Gemini 原生接口 POST /v1beta/models/gemini-4-carbon:generateContent，1.07 秒返回 503。10 月 29 日 01:36 和 03:00（UTC）两次测试结果相同。返回内容如下：

说明：laozhang.ai 是我们自己的服务，其价格是平台报价，不是独立比较的结论。

{"error":{"message":"Current group default has no available channels for model gemini-4-carbon under billing mode [pay-as-you-go, pay-per-request]","type":"shell_api_error"}}

这个结果说明，截至 10 月 30 日，这个网关上没有 Carbon 的可用渠道，无论用哪种猜测的模型名都调用不到，所以秒回 503。它不能说明 Google 官方 API 的情况，因为这次没有用 Google 自己的 key 去调；不过同一天 Gemini API 的模型页和定价页上也都没有任何 Carbon 的模型 ID，gemini-4-carbon 本身只是猜测的名字。laozhang.ai 目前列出的 Gemini 4 模型是 gemini-4-argon，Gemini 原生和 OpenAI 兼容两种调用方式都可以用。

为切换到 Carbon 做准备：今天在 Argon 上做的四件事

现在最有用的准备都在 Argon 上完成，不需要等 Carbon 开放。按下面的顺序做，Carbon 开放那天你只需要改一个配置值，再跑一遍现成的测试：

1. 继续用 gemini-4-argon 交付，把模型 ID 放进环境变量或配置文件，例如 GEMINI_MODEL=gemini-4-argon。Carbon 的正式 ID 还没公布，不要提前在代码里写死 gemini-4-carbon。
2. 按 12 月 1 日起的标准价重算 Argon 预算，同样的 token 用量账单是现在的两倍；不需要实时返回的任务先挪到 Batch 或 Flex，按现在的定价是半价。
3. 从自己的日志里攒一套有标准答案的回归任务，按上文的工作类型分组，记下 Argon 今天的通过率、每任务 token 和总耗时，作为以后对比的基线。
4. 检查超时和流式输出。Carbon high 档的首 token 在 AA 的测试里要等近 98 秒，客户端或网关的请求超时如果短于这个时间，同步请求会先超时，要改成流式输出或调大超时。

Carbon 开放第一天，先确认 Google 公布的正式模型 ID、可选的思考档位、首发价截止日期、Batch 和 Flex 是否可用以及速率限制，再在你的回归任务上对比通过率、每任务成本和整个任务的耗时，不要只看首 token。做事实问答的，同时跑一遍上文的弃答测试。Argon 同步请求单次最多输出 65,536 token，回归任务里有长输出的，截断和续写的处理可以参考 Gemini 4 Argon API finish_reason 怎么处理：长输出续写与中转实测。

Gemini 4 Carbon 和 Argon 的其他问题

Gemini 4 Argon 会被 Carbon 取代或下线吗？ 截至 2026 年 10 月 30 日，Google 没有宣布 Argon 下线，也没有说 Carbon 会取代 Argon。Google 的发布文章把 Carbon 描述为在 Argon 基础上打造的模型，Gemini API 定价页也已经列出 Argon 从 12 月 1 日起的标准价。

Carbon 的上下文窗口和输入类型跟 Argon 一样吗？ Google 没有公布 Carbon 的上下文窗口、输入类型和输出上限。Argon 在 Gemini API 模型页上是 1,048,576 token 的统一上下文；AA 把两者都列为 100 万 token，但那是 AA 的条目，不是 Google 的规格，在 Google 公布前不要按 Carbon 和 Argon 规格相同或不同来做设计。

Gemini 4 Carbon 有 high 以外推理档的测评吗？ 目前没有。截至 2026 年 10 月 30 日，AA 对 Carbon 和 Argon 都只测了 high 档，Google 的对比表也没有分档数据，所以上面的分数、成本和延迟都来自 high 档。Carbon 在 low 或 medium 档能把首 token 缩短多少，要等公开 API 开放后才有测量。

怎样才能提前用上 Carbon？ Google 的安排是先给一部分网络安全防御方，再通过 Fairwind 计划逐步扩大到更多可信合作伙伴，之后才面向开发者、企业和普通用户。如果你的团队做网络安全防御，资格和申请准备可以参考 Gemini 3.8 Flash Cyber 怎么申请 Fairwind：资格、限制与准备清单；其他团队只能等 Google 公布开放时间。