Gemini 4 Carbon 與 Argon 比較：該選哪個 Gemini 4 模型？
Gemini 4 Carbon 與 Argon 的請求格式及價格相同。我們透過 API 將相同的三個提示詞交給兩者，實測思考 token、延遲與答案。
以 Markdown 閱讀互動式程式開發與快速迭代先用 Gemini 4 Argon；當 Argon 的答案漏掉你在意的內容，再把任務交給 Gemini 4 Carbon。Google 自己也是這樣建議：兩款模型接受相同請求，上下文都是 1,048,576 token，推出時也採相同首發優惠價。差別在於 Carbon 回答前投入多少思考。
你找到的大多數比較文章都是針對 10 月 28 日的公告撰寫，當時只有一小群資安防禦人員能使用 Carbon。到了 2026 年 11 月 10 日，Google 將 Carbon 開放給所有付費 Gemini API 開發者。於是我們實際呼叫了它，再將相同提示詞交給 Argon。
兩者有哪些相同之處
Google 的遷移指南說得很直接：如果已經使用 gemini-4-argon，「升級至 gemini-4-carbon 不需要變更請求結構」。只改模型字串，其他都不動。
| Gemini 4 Carbon | Gemini 4 Argon | |
|---|---|---|
| 模型 ID | gemini-4-carbon | gemini-4-argon |
| 上下文視窗 | 1,048,576 token，由輸入、思考與輸出共用 | 相同 |
| 單次回應輸出 | 串流 65,536，非串流 32,768 | 相同 |
| 長文分段生成 | 透過接續生成最高達 1M token | 相同 |
| 思考層級 | low、medium（預設）、high | 相同 |
| 輸入 | 文字、圖片、音訊、影片、PDF | 相同 |
| 工具 | Search、Maps、程式碼執行、URL 上下文、檔案搜尋、電腦操作、函式 | 相同 |
| 明確建立的上下文快取 | 不支援；僅支援隱含快取 | 相同 |
兩者都會忽略 temperature、topP 與 topK，也都沒有列出 minimal 思考層級（我們傳送這個值時，Carbon 回傳 HTTP 400）。若程式能呼叫其中一款模型，送給另一款的請求也符合格式要求。
Google 說兩者有什麼差異
Google 將 Carbon 描述為「專為挑戰推理深度極限的任務打造」的模型。同一份指南也說，Carbon「每輪使用更多思考 token 來充分探索並驗證自己的工作，因此與 Argon 相比，每輪 token 用量與延遲都會增加」。Google 建議用 Carbon 找出根本原因並除錯、處理架構工作、綜合高資訊密度的多模態內容、進行證明與資安稽核。Argon 則適合「互動式程式開發、日常功能開發，以及快速的正式環境迭代」。
其餘差距來自 Google 自己的公告，其中列出 Carbon 更好的資安成績、更少的無依據斷言，以及更誠實的代理行為。我們沒有重現這些基準測試，因此不會把那些數字當成自己的實測結果重述。閱讀 Google 的 Carbon 公告時，請記得這一點。
相同提示詞測試：我們量到了什麼
2026 年 11 月 11 日，我們透過 SeedRouter 的原生 Gemini 端點，將三個答案已知的提示詞傳給兩款模型。所有請求都採用 thinkingLevel: "medium" 與 maxOutputTokens: 8192，各嘗試一次，沒有重試。輸出欄統計可見答案；思考欄採用 thoughtsTokenCount 回報的數值。
| 提示詞 | 模型 | 答案正確 | 輸出 token | 思考 token | 秒 |
|---|---|---|---|---|---|
| 1000! 尾端有幾個零 | Carbon | 是（249） | 66 | 71 | 5.2 |
| 1000! 尾端有幾個零 | Argon | 是（249） | 107 | 249 | 8.9 |
| x² − y² = 2026 的整數解 | Carbon | 是（無解，以奇偶性證明） | 220 | 224 | 9.0 |
| x² − y² = 2026 的整數解 | Argon | 是（無解，兩種證明） | 313 | 0 | 7.3 |
修正 Python top_k 錯誤 | Carbon | 是 | 37 | 392 | 18.4 |
修正 Python top_k 錯誤 | Argon | 是 | 32 | 0 | 7.0 |
有三點特別明顯。
Carbon 並非每次都思考更多。 在階乘題中，Argon 用了 249 個思考 token，Carbon 用了 71 個。另外兩題中，Argon 回答時並未回報任何思考 token，Carbon 則分別用了 224 和 392 個思考 token。三個提示詞合計，Carbon 計費輸出為 1,010 token（答案加思考），Argon 為 701。在這個很小的樣本中，Carbon 大約多用 44%，整體方向符合 Google 的說法，但並非每次都如此。
這次測試中，思考沒有改變答案。 兩者三題全對，也用相同方式改寫函式：遞減排序，再取切片 [:k]。兩者都沒指出，原本的 ranked[-k:] 在 k 為 0 時也會出錯，因為 -0 就是 0，切片會回傳整個串列。修正後的程式碼剛好也處理了這種情況。這類簡單提示詞無法顯示 Carbon 額外的檢查何時有價值，只能顯示它的成本。
延遲隨思考量變化，而非由模型名稱決定。 Carbon 最慢的回答是程式修正（18.4 秒），也是思考最久的一次。階乘題上，它反而比 Argon 快。
三個提示詞無法證明品質，卻能告訴你如何自己測試：挑五個或十個 Argon 目前答錯或需要再處理一次的任務，以相同設定交給兩款模型，比較每美元能得到多少正確答案，而非每個答案用了多少 token。
費用：token 單價相同，每個答案的 token 用量不同
兩款模型在 Gemini API 上採相同首發優惠價，因此實際費用差異來自 token 數量，主要是思考。以下是 Google 公布的每 1M token 首發優惠費率（核對於 2026 年 11 月 11 日），適用至 2026 年 11 月 30 日：
| 截至 2026 年 11 月 30 日 | 自 2026 年 12 月 1 日起 | |
|---|---|---|
| 輸入 | $2.00 | $4.00 |
| 輸出，含思考 | $10.00 | $20.00 |
| 快取輸入 | $0.10 | $0.20 |
這些是 Google 定價頁上的牌價。以下是我們平台目前的 token 費率，同一分組內兩款模型適用相同費率：
Gemini 4 Carbon
美元／100 萬 token
| 項目 | 美元／100 萬 token |
|---|---|
| 輸入 | US$0.90 |
| 輸出（含思考） | US$4.50 |
| 快取輸入 | US$0.045 |
標準處理費率，不隨上下文長度調整價格級距。快取輸入僅依快取費率計費一次。Search 與 Maps 的 grounding 費用和這些 token 費用分開計算。
Gemini 4 Argon
美元／100 萬 token
| 美元／100 萬 token | googlellm | googlellm-vertext |
|---|---|---|
| 輸入 | US$0.90 | US$1.00 |
| 輸出（含思考） | US$4.50 | US$5.00 |
| 快取輸入 | US$0.045 | US$0.05 |
快取 token 屬於輸入的一部分，不是額外輸入。每個接續請求都有自己的用量，失敗的請求不收費。
思考 token 以輸出費率計費，因此同一個任務若 Carbon 用了 400 個思考 token，而 Argon 沒用思考 token，即使單價相同，使用 Carbon 還是比較貴。若把整批工作負載改交給 Carbon，要為更高的輸出用量編列預算，並將 maxOutputTokens 設得夠高，避免思考耗盡額度而截斷答案。Google 建議至少設為 32,768。
如何將請求從 Argon 切換到 Carbon
變更 URL 中的模型：
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}}'正式環境測試有兩點實用經驗。首先，可能執行較久的任務應使用串流。我們一次非串流音訊請求執行了約兩分鐘，答案還沒回來，網路邊緣就因等待逾時回傳 HTTP 524；相同請求改用串流，在 84 秒內順利完成。其次，將 thinkingLevel 維持在 medium，除非任務需要 high。我們檢查一道簡單因數分解題時，高思考層級用了 493 個思考 token，中層級用了 193 個，答案相同。
完整請求參考請見 Gemini 4 Carbon API 文件。你也可以在 Gemini 4 Carbon 頁面與 Gemini 4 Argon 頁面，使用自己的提示詞試用兩款模型。
常見問題
Gemini 4 Carbon 比 Argon 更好嗎？
以 Google 的基準測試來看，是的，尤其是長週期代理工作與資安任務。我們的三個簡單提示詞，兩者都答對了，其中兩題 Carbon 用了更多輸出 token。優勢要在難題上看；請測試 Argon 答錯的任務。
Gemini 4 Carbon 和 Argon 有什麼差別？
思考投入。請求格式、上下文視窗、工具、模態與首發優惠價都相同。Carbon 每輪投入更多思考來驗證自己的工作，因此處理難題時較慢，也使用更多輸出 token。
Gemini 4 Carbon 比 Argon 貴嗎？
以 token 單價來看並沒有：兩者推出時，Google 牌價都是每 1M token 輸入 $2、輸出 $10。不過每個答案通常比較貴，因為 Carbon 花更多思考 token，而這些 token 以輸出費率計費。
從 Gemini 4 Argon 切換到 Carbon 可以不改程式碼嗎？
可以。Google 的指南說不需要變更請求結構。將 gemini-4-argon 改成 gemini-4-carbon，並檢查輸出上限與逾時設定。
Gemini 4 Carbon 會取代 Argon 嗎？
不會。Google 保留 Argon，作為多數軟體與知識工作中速度較快的選項，並將 Carbon 用於最棘手的問題。兩者都會繼續提供。
