Gemini 4 Carbon vs Argon: какую модель Gemini 4 выбрать?

Используйте Gemini 4 Argon для интерактивного программирования и быстрых итераций, а на Gemini 4 Carbon переносите задачу, когда ответ Argon упускает что-то важное для вас. Это совет и самой Google: обе модели принимают один и тот же запрос, имеют одинаковый контекст в 1 048 576 токенов и вышли по одной стартовой цене. Различается объём рассуждений Carbon перед ответом.

Большинство сравнений, которые вы найдёте, написаны к анонсу 28 октября, когда Carbon могла пользоваться лишь небольшая группа специалистов по киберзащите. Это изменилось 10 ноября 2026 года: Google открыла Carbon всем разработчикам, оплачивающим Gemini API. Поэтому мы запустили её, а затем отправили те же промпты Argon.

Что у моделей одинаково

В руководстве по миграции Google говорит прямо: если вы уже используете gemini-4-argon, «переход на gemini-4-carbon не требует изменений схемы запроса». Вы меняете строку с именем модели, и больше ничего.

Обе игнорируют temperature, topP и topK, и ни у одной не указан уровень рассуждений minimal (Carbon вернула HTTP 400, когда мы его передали). Если ваш код работает с одной моделью, он отправляет корректный запрос и другой.

Какие отличия отмечает Google

Google описывает Carbon как модель, «созданную для задач, которые проверяют пределы глубины рассуждений». В том же руководстве сказано, что Carbon «тратит больше токенов рассуждений за ход, чтобы тщательно исследовать задачу и проверить свою работу, что увеличивает расход токенов и задержку за ход по сравнению с Argon». Google рекомендует Carbon для поиска первопричин ошибок, работы над архитектурой, синтеза насыщенной мультимодальной информации, доказательств и аудита безопасности. Argon отведены «интерактивное программирование, повседневная работа над функциональностью и быстрые рабочие циклы в продакшене».

Остальные различия описаны в собственном анонсе Google. Для Carbon там указаны более высокие результаты в кибербезопасности, меньше неподтверждённых утверждений и большая честность при работе в качестве агента. Мы не воспроизводили эти бенчмарки, поэтому не будем повторять цифры так, будто проверили их сами. С этой оговоркой читайте анонс Carbon от Google.

Одинаковые промпты для обеих моделей: что мы измерили

11 ноября 2026 года мы отправили обеим моделям три промпта с известными ответами через нативный эндпоинт Gemini на SeedRouter. В каждом запросе использовались thinkingLevel: "medium" и maxOutputTokens: 8192: по одной попытке, без повторов. Выход — это видимый ответ; рассуждения — то, что сообщил thoughtsTokenCount.

Выделились три момента.

Carbon не всегда расходовала больше токенов рассуждений. На вопросе о факториале Argon потратила 249 токенов рассуждений, а Carbon — 71. На двух других Argon ответила, не сообщив ни одного токена рассуждений, а Carbon потратила на рассуждения 224 и 392 токена. На трёх промптах у Carbon было оплачено 1 010 выходных токенов (ответ плюс рассуждения), у Argon — 701. На этой крошечной выборке это примерно на 44% больше: общая тенденция совпадает с описанием Google, но не каждый отдельный случай.

Рассуждения не изменили ответы в этих примерах. Обе модели верно решили все три задачи. Обе переписали функцию одинаково: сортировка по убыванию, затем срез [:k]. Ни одна не указала, что исходный ranked[-k:] работает неверно и при k, равном 0: ведь -0 — это просто 0, и срез возвращает весь список. Исправленный код заодно обрабатывает и этот случай. Такие простые промпты не показывают, где дополнительные проверки Carbon приносят пользу; они показывают лишь затраты на них.

Задержка зависела от рассуждений, а не от имени модели. Самым медленным ответом Carbon было исправление кода (18,4 секунды) — задача, на которой она рассуждала дольше всего. На вопросе о факториале она была быстрее Argon.

Три промпта ничего не доказывают о качестве. Зато они показывают, как провести собственный тест: возьмите пять или десять задач, в которых Argon сейчас ошибается или требует второй попытки, отправьте их обеим моделям с одинаковыми настройками и сравните число правильных ответов на доллар, а не токенов на ответ.

Стоимость: цена за токен одна, число токенов на ответ разное

Обе модели вышли по одной стартовой цене Gemini API, поэтому разница в расходах зависит от числа токенов, прежде всего токенов рассуждений. Google указывает следующие стартовые тарифы за 1M токенов (проверено 11 ноября 2026 года), действующие до 30 ноября 2026 года включительно:

Это прейскурант Google с её страницы цен. Ниже приведены текущие тарифы за токен на нашей платформе; в одной группе они одинаковы для обеих моделей:

Поскольку токены рассуждений оплачиваются по тарифу выхода, задача, в которой Carbon тратит на рассуждения 400 токенов, а Argon — ни одного, обойдётся дороже на Carbon даже при одинаковых тарифах. Если переносите всю нагрузку на Carbon, заложите больший расход выходных токенов и задайте достаточно высокий maxOutputTokens, чтобы рассуждения не обрезали ответ. Google рекомендует не менее 32 768.

Как перевести запрос с Argon на Carbon

Измените модель в 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}}'

Два практических замечания из наших тестов в продакшене. Во-первых, используйте потоковую выдачу для всего, что может выполняться долго. Один наш запрос с аудио без потоковой выдачи выполнялся около двух минут и завершился HTTP 524 на пограничном сетевом узле до получения ответа; тот же запрос с потоковой выдачей успешно выполнился за 84 секунды. Во-вторых, оставляйте thinkingLevel равным medium, если задаче не нужен high. В наших проверках на небольшой задаче факторизации высокий уровень рассуждений израсходовал 493 токена рассуждений против 193 на среднем, при том же ответе.

Полный справочник запросов есть в документации API Gemini 4 Carbon, а проверить обе модели на собственных промптах можно на странице Gemini 4 Carbon и странице Gemini 4 Argon.

Частые вопросы

Gemini 4 Carbon лучше Argon?

В бенчмарках Google — да, особенно при длительной агентной работе и в задачах безопасности. На наших трёх простых промптах обе ответили правильно, а Carbon израсходовала больше выходных токенов на двух из них. Преимущество проявляется на сложных задачах; проверьте те, в которых Argon ошибается.

Чем Gemini 4 Carbon отличается от Argon?

Объёмом рассуждений. Формат запроса, контекстное окно, инструменты, модальности и стартовая цена одинаковы. Carbon больше рассуждает за ход, проверяя свою работу, поэтому на сложных промптах работает медленнее и расходует больше выходных токенов.

Gemini 4 Carbon дороже Argon?

Не за токен: обе вышли с ценами Google $2 за вход и $10 за выход на 1M токенов. Один ответ обычно обходится дороже, потому что Carbon тратит больше токенов рассуждений, оплачиваемых по тарифу выхода.

Можно ли перейти с Gemini 4 Argon на Carbon без изменений кода?

Да. В руководстве Google сказано, что изменений схемы запроса не требуется. Замените gemini-4-argon на gemini-4-carbon и проверьте лимит выхода и тайм-ауты.

Gemini 4 Carbon заменяет Argon?

Нет. Google сохраняет Argon как более быстрый вариант для большинства задач разработки и интеллектуальной работы, а Carbon предназначает для самых сложных проблем. Обе остаются доступны.