Gemini 4 Carbon vs Argon：どちらの Gemini 4 を使うべき？
Gemini 4 Carbon と Argon はリクエスト形式と料金が同じです。同じ 3 つのプロンプトを API で実行し、思考トークン、遅延、回答を比較しました。
Markdown で読む対話型コーディングや素早い反復作業には Gemini 4 Argon を使い、Argon の回答が大事な点を見落としたら、そのタスクを Gemini 4 Carbon に移してください。これは Google 自身の助言でもあります。両モデルは同じリクエストを受け取り、コンテキストはともに 1,048,576 トークンで、同じ導入価格で提供を開始しました。違うのは、Carbon が回答前にどれだけ思考するかです。
検索で見つかる比較記事の多くは、10 月 28 日の発表時に書かれたものです。当時 Carbon を使えたのは、ごく一部のサイバー防御担当者だけでした。2026 年 11 月 10 日に状況は変わり、Google は Gemini API を使うすべての有料開発者に Carbon を公開しました。そこで私たちは実際に動かし、同じプロンプトを Argon でも実行しました。
共通する仕様
Google の移行ガイドは明快です。すでに gemini-4-argon を使っていれば、「gemini-4-carbon へのアップグレードにリクエストスキーマの変更は必要ありません」。変えるのはモデル文字列だけです。
| Gemini 4 Carbon | Gemini 4 Argon | |
|---|---|---|
| モデル ID | gemini-4-carbon | gemini-4-argon |
| コンテキストウィンドウ | 入力・思考・出力で共有する 1,048,576 トークン | 同じ |
| 1 回の応答の出力 | ストリーミングは 65,536、非ストリーミングは 32,768 | 同じ |
| 長文の分割生成 | 継続リクエストで最大 1M トークン | 同じ |
| 思考レベル | low、medium（デフォルト）、high | 同じ |
| 入力 | テキスト、画像、音声、動画、PDF | 同じ |
| ツール | Search、Maps、コード実行、URL コンテキスト、ファイル検索、コンピューター操作、関数 | 同じ |
| 明示的なコンテキストキャッシュ | 非対応。暗黙的なキャッシュのみ | 同じ |
どちらも temperature、topP、topK を無視し、minimal という思考レベルはどちらにも記載されていません（Carbon に送信すると HTTP 400 が返りました）。片方で動くコードは、もう片方にも有効なリクエストを送れます。
Google が説明する違い
Google は Carbon を「推論の深さの限界に挑むタスク向けに作られた」モデルと説明しています。同じガイドには、Carbon は「十分に探索して自らの作業を検証するため、各ターンでより多くの思考トークンを使います。そのため Argon と比べ、ターンごとのトークン使用量と遅延が増えます」とあります。Google が Carbon に勧めている用途は、根本原因のデバッグ、アーキテクチャ設計、情報密度の高いマルチモーダル情報の統合、証明、セキュリティ監査です。Argon の用途は「対話型コーディング、日常の機能開発、本番環境での素早い反復作業」です。
それ以外の違いは、Google 自身の発表に示されています。Carbon では、サイバーセキュリティの成績が高まり、根拠のない主張が減り、エージェントとしての誠実さが改善したとしています。私たちはそのベンチマークを再現していないため、自ら測ったかのように数値を繰り返すことはしません。その点を踏まえて、Google の Carbon の発表をご覧ください。
同一プロンプトで両モデルを実測
2026 年 11 月 11 日、正解が分かっている 3 つのプロンプトを、SeedRouter のネイティブ Gemini エンドポイント経由で両モデルに送りました。すべてのリクエストで thinkingLevel: "medium" と maxOutputTokens: 8192 を使い、それぞれ 1 回だけ実行し、再試行はしていません。出力は表示される回答のトークン数、思考は thoughtsTokenCount が報告した数です。
| プロンプト | モデル | 正答か | 出力トークン | 思考トークン | 秒 |
|---|---|---|---|---|---|
| 1000! の末尾のゼロの数 | Carbon | はい（249） | 66 | 71 | 5.2 |
| 1000! の末尾のゼロの数 | Argon | はい（249） | 107 | 249 | 8.9 |
| x² − y² = 2026 の整数解 | Carbon | はい（解なし、偶奇による証明） | 220 | 224 | 9.0 |
| x² − y² = 2026 の整数解 | Argon | はい（解なし、2 通りの証明） | 313 | 0 | 7.3 |
Python の top_k のバグ修正 | Carbon | はい | 37 | 392 | 18.4 |
Python の top_k のバグ修正 | Argon | はい | 32 | 0 | 7.0 |
目立った点は 3 つありました。
Carbon の思考量が常に多いわけではありませんでした。 階乗の問題では Argon が 249 思考トークン、Carbon が 71 を使いました。残る 2 問では、Argon は思考トークンをまったく報告せずに回答し、Carbon はそれぞれ 224 と 392 トークンを思考に使いました。3 つのプロンプトを合わせると、課金対象の出力トークン（回答と思考）は Carbon が 1,010、Argon が 701 でした。このごく小さなサンプルでは約 44% 多く、Google の説明の傾向には合っていますが、すべてのケースに当てはまるわけではありません。
今回、思考量の違いで回答は変わりませんでした。 どちらも 3 問すべてに正答しました。関数の書き直し方も同じで、降順にソートしてから [:k] でスライスしました。元の ranked[-k:] は k が 0 の場合にも誤動作することを、どちらも指摘しませんでした。-0 は単なる 0 なので、リスト全体が返されるためです。修正後のコードは、結果的にこのケースにも対応しています。このような簡単なプロンプトでは、Carbon が追加で行う確認の効果は分かりません。分かるのは、その費用だけです。
遅延を左右したのはモデル名より思考量でした。 Carbon の回答が最も遅かったのはコード修正（18.4 秒）で、最も長く思考した問題でもありました。階乗のプロンプトでは Argon より速く回答しました。
3 つのプロンプトだけでは、品質について何も証明できません。ただし、自分でテストする方法は分かります。現在 Argon が失敗する、またはやり直しが必要なタスクを 5 件か 10 件選び、同じ設定で両モデルに送ってください。回答ごとのトークン数ではなく、1 ドルあたりの正答数を比較します。
料金：トークン単価は同じでも、回答ごとの使用量は異なる
両モデルは同じ Gemini API 導入価格で提供を開始したため、支払額の差は主に思考のトークン数から生じます。Google が掲載する 1M トークンあたりの導入料金は次のとおりです（2026 年 11 月 11 日確認）。2026 年 11 月 30 日まで適用されます。
| 2026 年 11 月 30 日まで | 2026 年 12 月 1 日から | |
|---|---|---|
| 入力 | $2.00 | $4.00 |
| 出力（思考を含む） | $10.00 | $20.00 |
| キャッシュ入力 | $0.10 | $0.20 |
これは Google の料金ページに掲載された定価です。当プラットフォームの現在のトークン単価は以下のとおりで、同じグループの両モデルに同じ料金が適用されます。
Gemini 4 Carbon
100 万トークンあたりの米ドル料金
| 項目 | 100 万トークンあたりの米ドル料金 |
|---|---|
| 入力 | $0.90 |
| 出力（思考を含む） | $4.50 |
| キャッシュ入力 | $0.045 |
Standard 処理の料金で、コンテキスト長による料金段階はありません。キャッシュ入力はキャッシュ料金で 1 回だけ課金されます。Search と Maps によるグラウンディングは、これらのトークン料金とは別に課金されます。
Gemini 4 Argon
100 万トークンあたりの米ドル料金
| 100 万トークンあたりの米ドル料金 | googlellm | googlellm-vertext |
|---|---|---|
| 入力 | $0.90 | $1.00 |
| 出力（思考を含む） | $4.50 | $5.00 |
| キャッシュ入力 | $0.045 | $0.05 |
キャッシュ済みトークンは入力の一部であり、追加入力ではありません。各継続リクエストには個別の使用量があります。失敗したリクエストには課金されません。
思考トークンには出力単価が適用されるため、Carbon が 400 トークン分思考し、Argon がまったく思考しないタスクでは、単価が同じでも Carbon のほうが高くなります。作業全体を Carbon に移す場合は、出力使用量の増加を予算に織り込み、思考で回答が途中で切れないよう maxOutputTokens を十分高く設定してください。Google は少なくとも 32,768 を勧めています。
リクエストを Argon から Carbon に切り替える方法
URL 内のモデルを変更します。
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}}'本番テストから分かった実用上の注意点は 2 つです。まず、長引く可能性のある処理にはストリーミングを使ってください。私たちの非ストリーミング音声リクエストは約 2 分かかった後、回答が届く前にネットワークのエッジ側が待機をタイムアウトし、HTTP 524 で終了しました。同じリクエストはストリーミングなら 84 秒で正常に完了しました。次に、タスクに high が必要でなければ、thinkingLevel は medium に保ってください。小さな因数分解の問題で確認したところ、思考を high にすると 493 思考トークン、medium では 193 を使い、回答は同じでした。
リクエストの完全なリファレンスは Gemini 4 Carbon API ドキュメントにあります。Gemini 4 Carbon のページと Gemini 4 Argon のページでは、自分のプロンプトで両モデルを試せます。
よくある質問
Gemini 4 Carbon は Argon より優れていますか？
Google のベンチマークでは、特に長時間のエージェント型作業とセキュリティタスクで上回っています。私たちの簡単な 3 つのプロンプトでは、両方が正答し、そのうち 2 つで Carbon の出力トークン数が多くなりました。差が表れるのは難しいタスクです。Argon が間違える問題で試してください。
Gemini 4 Carbon と Argon の違いは何ですか？
思考に費やす量です。リクエスト形式、コンテキストウィンドウ、ツール、モダリティ、導入価格は同じです。Carbon は自らの作業を検証するため各ターンでより多く思考するので、難しいプロンプトでは遅くなり、出力トークン数も増えます。
Gemini 4 Carbon の料金は Argon より高いですか？
トークン単価は同じです。提供開始時の Google の定価は、どちらも 1M トークンあたり入力 $2、出力 $10 でした。Carbon は出力として課金される思考トークンを多く使うため、回答ごとの費用は通常高くなります。
コードを変えずに Gemini 4 Argon から Carbon に切り替えられますか？
はい。Google のガイドではリクエストスキーマの変更は不要とされています。gemini-4-argon を gemini-4-carbon に変え、出力上限とタイムアウトを見直してください。
Gemini 4 Carbon は Argon を置き換えますか？
いいえ。Google は大半のソフトウェア開発や知識業務で、より速い選択肢として Argon を残し、最も難しい問題に Carbon を位置付けています。どちらも引き続き利用できます。
