# Gemini 4 Carbon 多考 9 分、Token 单价没变：Argon 还留得住吗？

**Summary:** 在 Artificial Analysis 的 v5 上，Gemini 4 Carbon 比 Argon 高 9 分，而每个基准任务的成本几乎一样。我会先把它当成 Argon 的替代品来测，再从别的模型迁活。

- Canonical: https://markhuang.ai/zh/news/gemini-4-carbon-argon-upgrade
- Language: zh-CN
- Author: [Mark Huang](https://markhuang.ai/about)
- Published: 2026-10-29
- Section: News
- Tags: Gemini 4 Carbon, Gemini 4 Argon, Artificial Analysis, 模型评测, AI 定价
- Source: [Artificial Analysis](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1)
- License: https://creativecommons.org/licenses/by-nc/4.0/

---

![一块黑色碳晶体和一支泛着紫光的玻璃安瓿，分别放在黄铜天平的托盘上](https://cdn.markhuang.ai/news/gemini-4-carbon-argon-upgrade/hero.webp)

*示意图：Carbon 和 Argon 的 Token 单价一样。真正该问的是，同样的钱买到了什么。*

[Artificial Analysis 把 Gemini 4 Carbon 排到了 Intelligence Index v5 的第一名](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1)，推理强度调到高时拿到 59 分，比 Gemini 4 Argon 高 9 分。不过我觉得榜单旁边那个数字更值得看：按标准价算，Carbon 每完成一项 Index 任务要花 7.76 美元，Argon 是 7.68 美元。

等能拿到访问权限，现在交给 Argon 的那些最难的活，我会优先让 Carbon 试试。实测能力上去了，基准测试的开销几乎没动，这就够我重新考虑一个正在用的模型了。要留着 Argon，理由得是实打实的：也许是跑得更快，也许是在某类具体活儿上结果更好。这两条都得测。

最该关心这件事的，是本来就在考虑 Argon 的团队。Carbon 给的是一个现成的升级选项，Token 单价没变，不用再解释多出来的成本。至于已经在用别的模型、而且用得挺顺手的团队，要不要换，主要看它要干的活是哪一类。

## 多出来的那 9 分，没多花钱

在 Artificial Analysis 的价目里，Carbon 和 Argon 的标准价完全一样：输入每百万 Token 4 美元，输出每百万 Token 20 美元。可单价相同本身说服不了我——模型完全可以靠烧更多 Token 把活干完。这回连每项 Index 任务的平均花费也基本持平，能力上的提升才值得细看。

九项评测里 Carbon 拿下四项第一，强项是复杂推理、知识和科学任务。[v5 的公告](https://artificialanalysis.ai/articles/artificial-analysis-intelligence-index-v5)里，知识工作、编程、科学和通用能力各占 25% 权重。用这个配比拉一份宽泛的候选名单是合适的，但我手上的活，构成可能跟它差得很远。

比的时候还得盯着版本号。v5 换了一整套评测，这里的 9 分是 Carbon 和 Argon 在 v5 内部的差距；拿 Carbon 的分数去对旧版 Index 里 Argon 的成绩，量的就不是同一件事了。

## 换别家比，得另算一笔

同一份 Carbon 报告里，它在 Coding Agent Index 排第二，前面是 Claude Opus 5.5。这一项比的是两套组合：Carbon 配 Antigravity CLI，Opus 配 Claude Code——测的不只是模型，还有 agent 怎么搭。要换掉我现在这套编码配置，我想看的是自己那套跑法下的证据，而不是总体智能排名。

办公任务的成绩就没那么好看了。Carbon 在 AA-Briefcase 上拿到 1609 Elo，比 Argon 的 1483 高，但仍低于 Kimi K3.1 Pro 的 1678 等模型。如果是冲着这类活买 agent，那总体冠军之外还有更对路的选择。

换个对手，价格这笔账也不一样。Carbon 每项 Index 任务 7.76 美元，比最高强度的 Opus 5.5（10.04 美元）便宜，比最高强度的 GPT-6 Astra（6.25 美元）贵。当然，这些都是基准测试的成本。真到我这儿，交付一份能用的报告、或者一个能被合进去的补丁，花的又是另一笔钱。

这么一比就清楚了：跟 Argon 比，Carbon 用差不多的实测花费拿到更高的总分；跟别家的模型比，我得先确认它的强项真能对上我的活，才谈得上动一套已经跑通的配置。

## 发布折扣撑不起预算

[Google 的发布公告](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon/)里，Carbon 先按输入每百万 Token 2 美元、输出每百万 Token 10 美元定价，脚注写明之后是 4 美元和 20 美元。Artificial Analysis 全程按标准价算，也提到这 50% 的发布折扣什么时候结束还没有准信。

我排预算只会按标准价来。折扣能让第一次试用的账好看一点，但我得确认折扣没了以后这次升级依然值得掏钱，才肯动。

更急的限制是拿不到权限。按 Google 的说法，Carbon 先给一部分网络安全从业者，之后通过 Fairwind Program 放给更多可信合作伙伴，面向大众的开放还没排上。[Hacker News 上关于这次排名的讨论](https://news.ycombinator.com/item?id=50288019)里，好几个人在问：庆祝一个自己根本试不了的模型，有什么意思。这个顾虑我也有——方案现在就能列，我自己的测试结果只能等权限。

[TestingCatalog 的发布前报道](https://www.testingcatalog.com/gemini-4-carbon-early-test-results/)也提醒，那些早期印象来自竞技场对战和人工挑的提示词，服务端跑的是哪个 checkpoint 也没个准。延迟这块我打算先悬着，等能测到自己实际拿到的服务再说。

## 什么情况下 Argon 还留得住？

等能用了，我会让两个模型跑同一批难任务，验收标准也用同一套。失败的尝试同样要算进账单，人盯着检查输出花的时间也算。如果 Carbon 在成本和等待时间差不多的情况下，能多交出几个可用的结果，这些活我就挪过去。

Argon 也还有守住的地盘：哪类任务它每个合格结果的耗时或花费更低，就继续交给它。Carbon 总体领先，并不妨碍这种情况存在。[我早前写过 Carbon 被曝出的作弊尝试](https://markhuang.ai/news/gemini-4-carbon-cheating-attempts)，那条现在照样成立：分数高了，该做的独立验证一点不能省。

与其说它证明了“哪个模型最好”，不如说它改变的是 Argon 在一条工作流里的位置。手上跑着 Argon 的人，可以从最难的活开始试，看 Carbon 能不能让这些活更快收尾。到那时，想留着旧模型，就得给个我能量出来的理由。