Gemini 4 Carbon vs Argon: który model Gemini 4 wybrać?

Używaj Gemini 4 Argon do interaktywnego programowania i szybkich iteracji, a zadanie przenieś do Gemini 4 Carbon, gdy odpowiedź Argon pomija coś dla ciebie ważnego. Tak radzi również samo Google: oba modele przyjmują to samo żądanie, mają ten sam kontekst 1 048 576 tokenów i zadebiutowały w tej samej cenie startowej. Różnią się tym, ile zasobów Carbon poświęca na rozumowanie przed odpowiedzią.

Większość porównań, które znajdziesz, powstała przy okazji ogłoszenia z 28 października, kiedy z Carbon mogła korzystać tylko mała grupa specjalistów od cyberobrony. Zmieniło się to 10 listopada 2026 r.: Google udostępniło Carbon wszystkim płacącym deweloperom Gemini API. Wywołaliśmy więc model, a następnie wysłaliśmy te same prompty do Argon.

Co jest takie samo w obu modelach

Przewodnik migracji Google mówi wprost: jeśli już używasz gemini-4-argon, „przejście na gemini-4-carbon nie wymaga zmian schematu żądania”. Zmieniasz ciąg znaków określający model i nic więcej.

Oba ignorują temperature, topP i topK, a żaden nie wymienia poziomu rozumowania minimal (Carbon zwrócił HTTP 400, gdy go wysłaliśmy). Jeśli twój kod działa z jednym modelem, wysyła poprawne żądanie również do drugiego.

Jakie różnice wskazuje Google

Google opisuje Carbon jako model „stworzony do zadań, które przesuwają granice głębokości rozumowania”. W tym samym przewodniku podaje, że Carbon „zużywa więcej tokenów rozumowania na turę, aby dokładnie zbadać możliwości i zweryfikować swoją pracę, co zwiększa zużycie tokenów i opóźnienie na turę w porównaniu z Argon”. Google kieruje Carbon do szukania pierwotnych przyczyn błędów, pracy nad architekturą, syntezy złożonych danych multimodalnych, dowodów i audytów bezpieczeństwa. Argon ma służyć do „interaktywnego programowania, codziennej pracy nad funkcjami i szybkich iteracji produkcyjnych”.

Pozostałe różnice opisano w samym ogłoszeniu Google. Wymienia ono lepsze wyniki Carbon w cyberbezpieczeństwie, mniej niepopartych twierdzeń i większą uczciwość w pracy agentowej. Nie odtworzyliśmy tych benchmarków, więc nie będziemy przytaczać liczb tak, jakbyśmy to zrobili. Z tym zastrzeżeniem przeczytaj je w ogłoszeniu Carbon od Google.

Te same prompty, oba modele: co zmierzyliśmy

11 listopada 2026 r. wysłaliśmy trzy prompty o znanych odpowiedziach do obu modeli przez natywny punkt końcowy Gemini w SeedRouter. Każde żądanie używało thinkingLevel: "medium" i maxOutputTokens: 8192, po jednej próbie, bez ponowień. Wyjście obejmuje widoczną odpowiedź; rozumowanie to wartość zgłoszona w thoughtsTokenCount.

Zwróciły naszą uwagę trzy rzeczy.

Carbon nie zawsze poświęcał więcej zasobów na rozumowanie. W pytaniu o silnię Argon zużył 249 tokenów rozumowania, a Carbon 71. Przy pozostałych dwóch Argon odpowiedział bez jakichkolwiek zgłoszonych tokenów rozumowania, a Carbon zużył na rozumowanie 224 i 392 tokeny. Łącznie w trzech promptach naliczono Carbon 1010 tokenów wyjściowych (odpowiedź plus rozumowanie), a Argon 701. To około 44% więcej w tej maleńkiej próbie: zgodnie z kierunkiem wskazanym przez Google, ale nie w każdym przypadku.

Rozumowanie nie zmieniło tu odpowiedzi. Oba modele poprawnie rozwiązały wszystkie trzy zadania. Oba przepisały funkcję tak samo: sortowanie malejąco, a potem wycinek [:k]. Żaden nie wskazał, że oryginalne ranked[-k:] działa błędnie także wtedy, gdy k wynosi 0, ponieważ -0 to po prostu 0 i wycinek zwraca całą listę. Poprawiony kod przy okazji obsługuje ten przypadek. Tak proste prompty nie pokazują, gdzie dodatkowe sprawdzanie Carbon się opłaca; pokazują tylko jego koszt.

Opóźnienie zależało od rozumowania, nie od nazwy modelu. Najwolniejszą odpowiedzią Carbon była poprawka kodu (18,4 sekundy), przy której najdłużej rozumował. W prompcie o silnię był szybszy niż Argon.

Trzy prompty niczego nie dowodzą o jakości. Pokazują jednak, jak przeprowadzić własny test: weź pięć lub dziesięć zadań, z którymi Argon obecnie sobie nie radzi lub potrzebuje drugiego podejścia, wyślij je do obu modeli z tymi samymi ustawieniami i porównaj poprawne odpowiedzi na dolara, a nie tokeny na odpowiedź.

Koszty: ta sama cena tokenu, różna liczba tokenów na odpowiedź

Oba modele zadebiutowały w tej samej cenie startowej Gemini API, więc różnica w opłatach wynika z liczby tokenów, głównie rozumowania. Google podaje następujące stawki startowe za 1 mln tokenów (sprawdzone 11 listopada 2026 r.), obowiązujące do 30 listopada 2026 r.:

To ceny katalogowe Google ze strony z cennikiem. Poniżej znajdują się aktualne stawki za tokeny na naszej platformie, jednakowe dla obu modeli w tej samej grupie:

Ponieważ tokeny rozumowania są rozliczane według stawki za wyjście, zadanie, w którym Carbon zużyje ich 400, a Argon żadnego, kosztuje więcej w Carbon nawet przy identycznych cenach. Jeśli przenosisz cały zestaw zadań do Carbon, zaplanuj budżet na większe zużycie wyjścia i ustaw maxOutputTokens na tyle wysoko, by rozumowanie nie skróciło odpowiedzi. Google zaleca co najmniej 32 768.

Jak przełączyć żądanie z Argon na Carbon

Zmień model w adresie 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}}'

Dwie praktyczne uwagi z naszych testów produkcyjnych. Po pierwsze, używaj strumieniowania we wszystkim, co może potrwać dłużej. Jedno z naszych żądań z dźwiękiem bez strumieniowania trwało około dwóch minut i zakończyło się HTTP 524 na brzegu naszej sieci, zanim nadeszła odpowiedź; to samo żądanie ze strumieniowaniem wykonało się poprawnie w 84 sekundy. Po drugie, pozostaw thinkingLevel na medium, chyba że zadanie wymaga high. W naszych testach wysoki poziom rozumowania przy pytaniu o rozkład niewielkiej liczby na czynniki zużył 493 tokeny rozumowania wobec 193 na poziomie średnim, przy tej samej odpowiedzi.

Pełną dokumentację żądań znajdziesz w dokumentacji API Gemini 4 Carbon, a oba modele możesz wypróbować z własnymi promptami na stronie Gemini 4 Carbon i stronie Gemini 4 Argon.

Częste pytania

Czy Gemini 4 Carbon jest lepszy od Argon?

W benchmarkach Google tak, zwłaszcza przy długiej pracy agentowej i zadaniach związanych z bezpieczeństwem. W naszych trzech prostych promptach oba modele odpowiedziały poprawnie, a Carbon zużył więcej tokenów wyjściowych w dwóch z nich. Przewaga ujawnia się w trudnych zadaniach; sprawdź te, w których Argon się myli.

Czym różni się Gemini 4 Carbon od Argon?

Nakładem rozumowania. Format żądań, okno kontekstu, narzędzia, modalności i cena startowa są takie same. Carbon poświęca więcej zasobów na rozumowanie w każdej turze, by sprawdzić swoją pracę, więc przy trudnych promptach jest wolniejszy i zużywa więcej tokenów wyjściowych.

Czy Gemini 4 Carbon jest droższy od Argon?

Nie za token: oba modele zadebiutowały w cenniku Google przy $2 za wejście i $10 za wyjście na 1 mln tokenów. Za odpowiedź zwykle kosztuje więcej, ponieważ Carbon zużywa więcej tokenów rozumowania, rozliczanych według stawki za wyjście.

Czy mogę przejść z Gemini 4 Argon na Carbon bez zmian w kodzie?

Tak. Przewodnik Google mówi, że nie trzeba zmieniać schematu żądania. Zmień gemini-4-argon na gemini-4-carbon i sprawdź limit wyjścia oraz limity czasu.

Czy Gemini 4 Carbon zastępuje Argon?

Nie. Google zachowuje Argon jako szybszą opcję do większości prac nad oprogramowaniem i prac z wiedzą, a Carbon przeznacza do najtrudniejszych problemów. Oba pozostają dostępne.