Gemini 4 Carbon vs Argon: qual modelo Gemini 4 você deve usar?

Use o Gemini 4 Argon para programação interativa e ciclos rápidos, e passe uma tarefa para o Gemini 4 Carbon quando a resposta do Argon deixar de fora algo importante para você. Esse também é o conselho do próprio Google: os dois modelos aceitam a mesma requisição, têm o mesmo contexto de 1.048.576 tokens e foram lançados pelo mesmo preço introdutório. O que muda é quanto raciocínio o Carbon dedica antes de responder.

A maioria das comparações que você vai encontrar foi escrita para o anúncio de 28 de outubro, quando só um pequeno grupo de defensores de cibersegurança podia usar o Carbon. Isso mudou em 10 de novembro de 2026: o Google liberou o Carbon para todos os desenvolvedores pagantes da API Gemini. Então nós o testamos e depois executamos os mesmos prompts no Argon.

O que é igual nos dois

O guia de migração do Google é direto: se você já usa gemini-4-argon, “migrar para gemini-4-carbon não exige mudanças no esquema da requisição”. Você troca a string do modelo e nada mais.

Ambos ignoram temperature, topP e topK, e nenhum lista um nível de raciocínio minimal (o Carbon retornou HTTP 400 quando enviamos esse nível). Se seu código funciona com um, ele envia uma requisição válida ao outro.

O que o Google diz que é diferente

O Google descreve o Carbon como o modelo “criado para tarefas que levam ao limite a profundidade do raciocínio”. No mesmo guia, diz que o Carbon “usa mais tokens de raciocínio por turno para explorar a fundo e verificar seu trabalho, o que aumenta o uso de tokens e a latência por turno em comparação com o Argon”. O Google indica o Carbon para depuração de causa raiz, trabalho de arquitetura, síntese multimodal densa, demonstrações e auditorias de segurança. Para o Argon ficam “programação interativa, trabalho diário em funcionalidades e ciclos rápidos em produção”.

O restante das diferenças vem do próprio anúncio do Google. Ele lista melhores resultados de cibersegurança, menos afirmações sem fundamento e maior honestidade em tarefas agênticas para o Carbon. Não reproduzimos esses benchmarks, então não vamos repetir os números como se tivéssemos feito isso. Leia-os no anúncio do Carbon do Google com isso em mente.

Mesmo prompt nos dois modelos: o que medimos

Em 11 de novembro de 2026, enviamos três prompts com respostas conhecidas aos dois modelos pelo endpoint nativo Gemini do SeedRouter. Todas as requisições usaram thinkingLevel: "medium" e maxOutputTokens: 8192, com uma tentativa cada e sem novas tentativas. A saída conta a resposta visível; o raciocínio é o que foi informado em thoughtsTokenCount.

Três coisas chamaram a atenção.

O Carbon nem sempre usou mais raciocínio. Na questão do fatorial, o Argon usou 249 tokens de raciocínio e o Carbon, 71. Nas outras duas, o Argon respondeu sem nenhum token de raciocínio informado, enquanto o Carbon usou 224 e 392 tokens de raciocínio. Nos três prompts, o Carbon cobrou 1.010 tokens de saída (resposta mais raciocínio), contra 701 do Argon. Isso dá cerca de 44% a mais nesta amostra minúscula, o que acompanha a tendência descrita pelo Google, mas não todos os casos.

O raciocínio não mudou as respostas aqui. Os dois acertaram as três. Ambos reescreveram a função da mesma forma: ordenar em ordem decrescente e depois usar a fatia [:k]. Nenhum apontou que o ranked[-k:] original também se comporta mal quando k é 0, porque -0 é apenas 0 e a fatia retorna a lista inteira. O código corrigido acaba tratando esse caso. Prompts fáceis como esses não mostram onde as verificações extras do Carbon compensam; só mostram quanto custam.

A latência acompanhou o raciocínio, não o nome do modelo. A resposta mais lenta do Carbon foi a correção de código (18,4 segundos), na qual ele raciocinou por mais tempo. No prompt do fatorial, foi mais rápido que o Argon.

Três prompts não provam nada sobre qualidade. Mas indicam como fazer seu próprio teste: escolha cinco ou dez tarefas em que o Argon falha hoje ou precisa de uma segunda rodada, envie-as aos dois modelos com as mesmas configurações e compare respostas corretas por dólar, não tokens por resposta.

Custo: mesmo preço por token, consumo diferente por resposta

Os dois modelos foram lançados pelo mesmo preço introdutório da API Gemini, então a diferença que você paga vem da contagem de tokens, principalmente de raciocínio. O Google lista estas tarifas introdutórias por 1M de tokens (verificadas em 11 de novembro de 2026), válidas até 30 de novembro de 2026:

Esses são os preços de tabela do Google, da sua página de preços. As tarifas atuais por token na nossa plataforma estão abaixo e valem igualmente para os dois modelos no mesmo grupo:

Como os tokens de raciocínio são cobrados pela tarifa de saída, uma tarefa em que o Carbon usa 400 tokens de raciocínio e o Argon nenhum custa mais no Carbon, mesmo com preços idênticos. Se você passar toda uma carga de trabalho para o Carbon, preveja maior consumo de saída no orçamento e defina maxOutputTokens alto o bastante para o raciocínio não cortar a resposta. O Google sugere pelo menos 32.768.

Como trocar uma requisição de Argon para Carbon

Troque o modelo na 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}}'

Duas observações práticas dos nossos testes em produção. Primeiro, use streaming para qualquer tarefa que possa demorar. Uma das nossas requisições de áudio sem streaming rodou por cerca de dois minutos e terminou com HTTP 524 por tempo de espera esgotado na borda da nossa rede, antes de a resposta chegar; a mesma requisição funcionou em streaming em 84 segundos. Segundo, mantenha thinkingLevel em medium, a menos que a tarefa precise de high. Nas nossas verificações, o nível alto de raciocínio em uma questão simples de fatoração usou 493 tokens de raciocínio, contra 193 no médio, com a mesma resposta.

A referência completa de requisições está na documentação da API do Gemini 4 Carbon, e você pode testar os dois modelos com seus próprios prompts na página do Gemini 4 Carbon e na página do Gemini 4 Argon.

Perguntas frequentes

O Gemini 4 Carbon é melhor que o Argon?

Nos benchmarks do Google, sim, especialmente para trabalhos agênticos longos e tarefas de segurança. Nos nossos três prompts simples, ambos responderam corretamente, e o Carbon usou mais tokens de saída em dois deles. A melhora aparece em tarefas difíceis; teste aquelas em que o Argon erra.

Qual é a diferença entre o Gemini 4 Carbon e o Argon?

O esforço de raciocínio. O formato da requisição, a janela de contexto, as ferramentas, as modalidades e o preço introdutório são iguais. O Carbon usa mais raciocínio por turno para verificar seu trabalho, então é mais lento e usa mais tokens de saída em prompts difíceis.

O Gemini 4 Carbon é mais caro que o Argon?

Por token, não: ambos foram lançados a $2 de entrada e $10 de saída por 1M de tokens na tabela do Google. Por resposta, costuma custar mais, porque o Carbon usa mais tokens de raciocínio, que são cobrados como saída.

Posso trocar o Gemini 4 Argon pelo Carbon sem mudar o código?

Sim. O guia do Google diz que não são necessárias mudanças no esquema da requisição. Troque gemini-4-argon por gemini-4-carbon e revise seu limite de saída e os tempos de espera.

O Gemini 4 Carbon substitui o Argon?

Não. O Google mantém o Argon como a opção mais rápida para a maioria dos trabalhos de software e conhecimento e posiciona o Carbon para os problemas mais difíceis. Ambos continuam disponíveis.