Gemini 4 Carbon vs Argon: quale modello Gemini 4 dovresti usare?

Usa Gemini 4 Argon per la programmazione interattiva e i cicli rapidi, e passa un compito a Gemini 4 Carbon quando la risposta di Argon trascura qualcosa che per te conta. È anche il consiglio di Google: i due modelli accettano la stessa richiesta, hanno lo stesso contesto da 1.048.576 token e sono stati lanciati allo stesso prezzo di lancio. A cambiare è quanto ragiona Carbon prima di rispondere.

La maggior parte dei confronti che troverai è stata scritta per l’annuncio del 28 ottobre, quando solo un piccolo gruppo di difensori informatici poteva usare Carbon. La situazione è cambiata il 10 novembre 2026: Google ha aperto Carbon a tutti gli sviluppatori paganti dell’API Gemini. Così lo abbiamo provato, poi abbiamo inviato gli stessi prompt ad Argon.

Cosa resta uguale

La guida alla migrazione di Google è esplicita: se usi già gemini-4-argon, «il passaggio a gemini-4-carbon non richiede modifiche allo schema della richiesta». Cambi la stringa del modello e nient’altro.

Entrambi ignorano temperature, topP e topK, e nessuno dei due elenca un livello di ragionamento minimal (Carbon ha restituito HTTP 400 quando lo abbiamo inviato). Se il tuo codice funziona con uno, invia una richiesta valida anche all’altro.

Le differenze secondo Google

Google descrive Carbon come il modello «progettato per compiti che spingono al limite la profondità del ragionamento». Nella stessa guida dice che Carbon «consuma più token di ragionamento per turno per esplorare a fondo e verificare il proprio lavoro, aumentando l’uso di token e la latenza per turno rispetto ad Argon». Google destina Carbon al debug delle cause radice, al lavoro di architettura, alla sintesi multimodale densa, alle dimostrazioni e agli audit di sicurezza. Ad Argon assegna «programmazione interattiva, sviluppo quotidiano di funzionalità e cicli rapidi in produzione».

Le altre differenze provengono dall’annuncio di Google. Per Carbon elenca risultati migliori nella cybersecurity, meno affermazioni prive di riscontri e maggiore onestà nelle attività agentiche. Non abbiamo riprodotto quei benchmark, quindi non ne ripeteremo i numeri come se lo avessimo fatto. Tienilo presente quando leggi l’annuncio di Carbon di Google.

Stessi prompt, entrambi i modelli: cosa abbiamo misurato

L’11 novembre 2026 abbiamo inviato tre prompt con risposte note a entrambi i modelli tramite l’endpoint Gemini nativo di SeedRouter. Ogni richiesta usava thinkingLevel: "medium" e maxOutputTokens: 8192, con un solo tentativo e nessuna ripetizione. L’output conta la risposta visibile; il ragionamento è quello riportato da thoughtsTokenCount.

Sono emersi tre punti.

Carbon non ha sempre ragionato di più. Sulla domanda sul fattoriale, Argon ha consumato 249 token di ragionamento e Carbon 71. Sulle altre due, Argon ha risposto senza alcun token di ragionamento riportato, mentre Carbon ne ha usati 224 e 392. Sui tre prompt, Carbon ha fatturato 1010 token di output (risposta più ragionamento), contro i 701 di Argon. È circa il 44% in più su questo campione minuscolo: in linea con la tendenza indicata da Google, ma non in ogni singolo caso.

Qui il ragionamento non ha cambiato le risposte. Entrambi hanno risposto correttamente a tutti e tre i prompt. Entrambi hanno riscritto la funzione allo stesso modo: ordinamento decrescente, poi lo slice [:k]. Nessuno dei due ha segnalato che anche il codice originale ranked[-k:] si comporta male quando k è 0, perché -0 è semplicemente 0 e lo slice restituisce l’intera lista. Il codice corretto gestisce anche quel caso, seppure incidentalmente. Prompt facili come questi non possono mostrare dove le verifiche aggiuntive di Carbon siano utili; mostrano solo quanto costano.

La latenza seguiva il ragionamento, non il nome del modello. La risposta più lenta di Carbon è stata la correzione del codice (18,4 secondi), quella su cui ha ragionato più a lungo. Sul prompt del fattoriale è stato più veloce di Argon.

Tre prompt non dimostrano nulla sulla qualità. Ti indicano però come eseguire un tuo test: prendi cinque o dieci compiti su cui Argon oggi sbaglia o richiede un secondo passaggio, inviali a entrambi i modelli con le stesse impostazioni e confronta le risposte corrette per dollaro, non i token per risposta.

Costi: stesso prezzo per token, diversi token per risposta

Entrambi i modelli sono stati lanciati allo stesso prezzo di lancio dell’API Gemini, quindi la differenza che paghi dipende dal numero di token, soprattutto quelli di ragionamento. Google indica queste tariffe di lancio per 1M di token (verificate l’11 novembre 2026), valide fino al 30 novembre 2026:

Sono i prezzi di listino di Google, tratti dalla sua pagina dei prezzi. Le tariffe attuali per token sulla nostra piattaforma sono qui sotto e si applicano allo stesso modo a entrambi i modelli nello stesso gruppo:

Poiché i token di ragionamento sono fatturati alla tariffa di output, un compito in cui Carbon ne usa 400 e Argon nessuno costa di più su Carbon anche a parità di tariffe. Se sposti un intero carico di lavoro su Carbon, prevedi un consumo di output più alto e imposta maxOutputTokens abbastanza in alto da evitare che il ragionamento tronchi la risposta. Google suggerisce almeno 32.768.

Come passare una richiesta da Argon a Carbon

Cambia il modello nell’URL:

curl "https://api.seedrouter.ai/v1beta/models/gemini-4-carbon:streamGenerateContent?alt=sse" \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"contents":[{"role":"user","parts":[{"text":"Review this migration plan for ordering mistakes."}]}],"generationConfig":{"thinkingConfig":{"thinkingLevel":"medium"},"maxOutputTokens":32768}}'

Due note pratiche dai nostri test in produzione. Primo, usa lo streaming per tutto ciò che potrebbe durare a lungo. Una nostra richiesta audio senza streaming è durata circa due minuti e si è conclusa con HTTP 524 al perimetro della rete prima che arrivasse la risposta; la stessa richiesta è andata a buon fine in streaming in 84 secondi. Secondo, mantieni thinkingLevel su medium, a meno che un compito non richieda high. Nelle nostre verifiche, il ragionamento high su una piccola domanda di fattorizzazione ha usato 493 token di ragionamento contro i 193 di medium, con la stessa risposta.

Il riferimento completo delle richieste è nella documentazione API di Gemini 4 Carbon, e puoi provare entrambi i modelli con i tuoi prompt sulla pagina di Gemini 4 Carbon e sulla pagina di Gemini 4 Argon.

FAQ

Gemini 4 Carbon è migliore di Argon?

Nei benchmark di Google sì, soprattutto per il lavoro agentico lungo e i compiti di sicurezza. Sui nostri tre prompt semplici, entrambi hanno risposto correttamente e Carbon ha usato più token di output su due di essi. Il vantaggio emerge nei compiti difficili; prova quelli su cui Argon sbaglia.

Qual è la differenza tra Gemini 4 Carbon e Argon?

Lo sforzo di ragionamento. Il formato della richiesta, la finestra di contesto, gli strumenti, le modalità e il prezzo di lancio sono gli stessi. Carbon ragiona di più per turno per verificare il proprio lavoro, quindi è più lento e usa più token di output sui prompt difficili.

Gemini 4 Carbon è più costoso di Argon?

Non per token: entrambi sono stati lanciati a $2 per l’input e $10 per l’output per 1M di token nel listino di Google. Per risposta di solito costa di più, perché Carbon consuma più token di ragionamento, fatturati come output.

Posso passare da Gemini 4 Argon a Carbon senza modificare il codice?

Sì. La guida di Google dice che non servono modifiche allo schema della richiesta. Sostituisci gemini-4-argon con gemini-4-carbon e rivedi il limite di output e i timeout.

Gemini 4 Carbon sostituisce Argon?

No. Google mantiene Argon come opzione più veloce per la maggior parte dei compiti software e del lavoro della conoscenza, e destina Carbon ai problemi più difficili. Entrambi restano disponibili.