Gemini 4 Carbon vs. DeepSeek V4 Pro: Was 37 Indexpunkte und 4,4-fache Kosten pro Aufgabe tatsächlich bringen

Put G​emini 4 Carbon and DeepSeek V4 Pro on the same scale and the result is not close: 60 against 23 on Artificial Analysis Intelligence Index v5.0.1, a 37-point gap between the fourth-best model on the board and one sitting below the median. Put them on the cost scale and it is not close either, in the other direction — $7.76 per index task against $1.77. The interesting question is not which is better. It is which of those two numbers you are actually paying for in the work you have, because for a large share of production traffic the 37 points go unused while the 4.4x bill arrives every month.

Both models are callable today, which makes this a real comparison rather than a roadmap exercise. G​emini 4 Carbon opened to paid API developers on 10 November 2026 after a twelve-day gated rollout. DeepSeek V4 Pro has been generally available since 13 August 2026 as the 0813 checkpoint, with open weights under MIT.

Zwei Modelle, die auf gegensätzlichen Annahmen beruhen

Die Spezifikationen erklären den Großteil des Verhaltensunterschieds, bevor irgendein Benchmark es tut.

• Price, standard rate — G​emini 4 Carbon: $2 in / $10 out per million until 30 November 2026, then $4 / $20. DeepSeek V4 Pro: $0.66 / $1.98 off-peak and $1.32 / $3.96 at peak, straight from D​eepSeek's own rate card.

• Cached input — Carbon $0.10 per million now, $0.20 after 1 December, implicit caching only. D​eepSeek $0.022 off-peak and $0.044 at peak, a 97% discount on the fresh-token rate.

• Kontext und Ausgabe – beide verfügen über ein Fenster von 1 Mio. Token. Carbon begrenzt die synchrone Ausgabe auf 65.536 Token und erlaubt bei langem Decoding bis zu 1.048.576; V4 Pro ist auf 384.000 begrenzt.

• Input modality — Carbon takes text, image, audio, video and PDF. V4 Pro is text only, and D​eepSeek's own pricing page says vision is not supported on v4-pro.

• Gewichte — Carbon ist Closed Source. V4 Pro erscheint unter MIT-Lizenz, mit einem Mixture-of-Experts mit 1,6 Billionen Parametern und 49 Milliarden aktiven Parametern, sodass du es selbst hosten, feinabstimmen und – vorbehaltlich der Lizenz – weiterverbreiten kannst.

• Aufwandssteuerung — Carbon bietet Denken auf niedrig, mittel und hoch. V4 Pro bietet einen Reasoning-Regler auf niedrig, hoch und maximal.

Die Modalitätsgrenze ist keine Fußnote. Wenn Ihre Pipeline Screenshots, gescannte PDFs oder Anrufaufzeichnungen aufnimmt, kann V4 Pro zu keinem Preis das Modell in diesem Teil des Stacks sein, und der Vergleich schrumpft auf einen einzigen Kandidaten. Wenn Ihr Traffic aus Code, Logs und Textdokumenten besteht, ist der Unterschied tatsächlich eine Wahl.

Die 37 Punkte, zerlegt

Eine zusammengesetzte Lücke dieser Größe ist normalerweise das Werk einiger weniger Evaluierungen, die die ganze Arbeit leisten, und genau das zeigen die unabhängigen Boards für dieses Paar. Artificial Analysis misst Carbon mit hohem Aufwand und V4 Pro 0813 mit maximalem Aufwand; beide Werte stammen von diesem Evaluator, nicht von den Anbietern.

• Kosten pro Intelligence-Index-Aufgabe — Carbon 7,76 $, V4 Pro 1,77 $. Dieses Verhältnis berücksichtigt bereits die Ausführlichkeit, daher ist es die fairste einzelne wirtschaftliche Kennzahl zwischen beiden.

• Im Index verbrauchte Output-Tokens — Carbon 205 Millionen, V4 Pro 119 Millionen, gegenüber einem Median von 72,8 Millionen. Beide Modelle sind redselig; Carbon ist es etwa 1,7-mal stärker, was einen Teil der Preisdifferenz erklärt, die nicht allein aus dem Preis pro Token resultiert.

• {{1}}Geschwindigkeit und Latenz{{/1}} — {{2}}Carbon 80 liefert 80 Ausgabe-Tokens pro Sekunde bei 66,85 Sekunden bis zum ersten Antwort-Token; V4 Pro 67 Tokens pro Sekunde bei 67,71 Sekunden{{/2}}. Auf dieser Achse sind sie nahezu identisch, und beide sind langsam genug, dass keines von beiden ohne Streaming und Geduld in einen interaktiven Chat-Pfad gehört.

• Empfindlichkeit gegenüber dem Aufwandsniveau – Carbon erzielt 60 bei hohem, 58 bei mittlerem und 54 bei niedrigem Aufwand. V4 Pros Nicht-Reasoning-Konfiguration erreicht 13 gegenüber 23 bei maximalem Aufwand. Das günstigere Modell verliert deutlich mehr, wenn man das Reasoning herunterdreht, sodass „es günstig laufen lassen“ auf keiner der beiden Seiten ein kostenloser Schalter ist.

On the vendor side the numbers are loud and unaudited, and they do not overlap enough to compare directly. D​eepSeek's own card for the 0813 build reports Terminal-Bench 2.1 at 87.9, DeepSWE at 62.7, CyberGym at 83.3, SWE-bench Verified at 80.6 and a Codeforces rating of 3206 — all vendor-reported, none reproduced by a neutral party at the time of writing. G​oogle's card for Carbon reports SEC-bench Pro at 88.2%, ExploitGym at 54.8% and CWE-bench at 71.0%. Note what happens if you try to line those up: CyberGym and ExploitGym are different harnesses, Terminal-Bench 2.1 and Terminal-Bench 4.0 are different versions of a moving target, and only one of the two vendors published a cyber score on a benchmark the other also ran. Any chart setting 83.3 beside 54.8 is comparing a scale to a different scale.

Die Abrechnungsuhr, für die niemand einplant

D​eepSeek's price is not one price, and this is the most under-reported difference between the two models. V4 Pro bills at half rate outside a defined peak window: peak is 01:00–04:00 and 06:00–10:00 UTC, Monday to Friday, excluding Chinese public holidays. Everything else — nights, weekends, holidays — is off-peak.

Sieben Stunden pro Werktag von 24, an fünf Tagen pro Woche, sind etwa 21 % der Kalenderwoche. Wenn Ihre Batch-Jobs durch einen Cron in UTC geplant werden, ist das einfach abzustimmen. Wenn Ihr Traffic zu einem Live-Produkt mit einer US-amerikanischen oder europäischen Tageskurve gehört, fällt ein erheblicher Teil davon in das Peak-Fenster, und Ihr tatsächlicher Mischpreis liegt zwischen 0,66 $ und 1,32 $ – nicht bei der Zahl auf der Marketingseite.

Carbons Uhr läuft andersherum. Sie ist bis zum 30. November konstant und verdoppelt sich dann. Zwei Modelle, zwei völlig unterschiedliche Quellen für Rechnungsvarianz: Beim einen variiert sie nach Tageszeit, beim anderen nach Kalenderdatum. Keine von beiden ist an einem einzelnen Pro-Token-Wert ablesbar, und ein Vergleich, der 4 $/20 $ gegen 0,66 $/1,98 $ stellt, beschreibt auf der einen Seite einen Worst Case und auf der anderen einen Best Case.

Die ehrliche Version: Beim Einführungstarif von Carbon gegenüber dem Spitzentarif von V4 Pro liegt Carbon bei Input bei 1,5-mal und bei Output bei 2,5-mal. Ab dem 1. Dezember gegenüber der Off-Peak-Zeit sind es 6-mal und 10-mal. Der Wert von 4,4-mal bei den Kosten pro Aufgabe liegt dazwischen und ist die Zahl, mit der man planen sollte, weil er berücksichtigt, wie viele Tokens jedes Modell tatsächlich benötigt, um fertig zu werden.

Wo sich die Lücke bezahlt macht

Statt eines Urteils: vier Aufteilungen, die der tatsächlichen Gestalt der beiden Modelle standhalten.

Cyber and vulnerability work. This is Carbon's home ground and the reason G​oogle gated it to defenders first. Carbon reads code, images and PDFs in one call, which is what a vulnerability triage pipeline needs, and G​oogle's own reported numbers put it at the top of the cyber boards it chose to publish. V4 Pro has respectable self-reported cyber scores and cannot see a screenshot. For a security team, Carbon at 6x the input price is not obviously the wrong call.

Klassifizierung, Extraktion und Routing in hohem Volumen. Schick das an V4 Pro. Eine zusammengesetzte Lücke von 37 Punkten sagt fast nichts darüber aus, ob ein Modell ein Support-Ticket taggen oder Felder aus einer Rechnung ziehen kann, und bei 0,66 $ pro Million Eingabe-Tokens gewinnt das günstige Modell rechnerisch, lange bevor es qualitativ verliert. Die meisten Teams kaufen hier zu viel.

Dokumentarbeit mit langem Kontext. Beide Fenster umfassen 1M Tokens, bei der Rohkapazität herrscht also Gleichstand. Der Unterschied liegt bei Modalität und Ausgabegrenze: Carbon verarbeitet das gescannte PDF und schreibt bis zu 1M Tokens; V4 Pro benötigt den bereits extrahierten Text und endet bei 384K. Wenn Ihre Pipeline bereits per OCR erfasst ist, bietet V4 Pro dasselbe 1M-Fenster für ein Zehntel des Ausgabepreises.

Alles, was Sie möglicherweise selbst hosten müssen.Nur V4 Pro ist eine Option. MIT-Gewichte bedeuten, dass kein Anbieter das Modell zurückziehen, den Preis neu festlegen oder es nur über ein Programm zugänglich machen kann – was in einem Jahr, in dem sich die Zugangsbedingungen von Carbon innerhalb von vierzehn Tagen zweimal geändert haben und sich sein Preis am 1. Dezember erneut ändert, kein hypothetisches Problem ist.

Die Routing-Antwort, mit dem ehrlichen Vorbehalt

Die reife Version dieser Entscheidung ist nicht, sich für eine der beiden zu entscheiden. Sie besteht darin, V4 Pro für den Großteil des Traffics einzusetzen und die schwierigen Fälle an ein Frontier-Modell zu eskalieren – genau dafür gibt es unsere Routing-DSL: einen günstigen Zweig, der das Volumen abwickelt, eine Eskalationsbedingung, die bei geringer Konfidenz oder fehlgeschlagener Validierung auslöst, und einen OpenAI-kompatiblen Endpunkt vor beiden.

What is on that endpoint today is deepseek/deepseek-v4-pro at D​eepSeek's own $0.66/$1.98, alongside google/gemini-4-argon at $2/$10 — Argon being the G​emini 4 model that carries the same 1M window and a 50 on the same index, at half Carbon's post-December output price. G​emini 4 Carbon is not in our catalogue; it is reached through G​oogle's paid API, and a Carbon branch in a pipeline is a direct integration. Because provider list price is passed through with 0% markup across the 200-plus models on the key, a vendor rate change lands the day it happens, which for Carbon means 1 December.

Automatisches Failover ist der Teil, der die Kalkulation beim günstigen Modell verändert. Der Grund, warum Teams Frontier-Kapazität überkaufen, ist die Angst vor einer schlechten Antwort bei den 5 % der Anfragen, die wirklich zählen. Failover und Eskalation ermöglichen es dem günstigen Modell, die 95 % zu übernehmen, die es problemlos bewältigt, während das teure Modell über einen einzigen Endpunkt erreichbar ist, wenn eine Anfrage außerhalb seines Bereichs liegt – statt für jedes Token Frontier-Preise zu zahlen, um sich gegen einen Tail abzusichern, den man stattdessen routen könnte.

Was würde diese Empfehlung ändern?

Two developments, both plausible within a quarter. If a neutral evaluator runs Carbon on a cyber benchmark that D​eepSeek also published, the two scorecards become comparable for the first time and the gap stops being an inference. And if D​eepSeek ships the V4.1-Pro that its own migration note pointed at, the cheap side of this comparison gets stronger without the expensive side moving — which would make the escalation split even more attractive than it is now.

Bis dahin ist die haltbare Position unspektakulär: V4 Pro für das Volumen, Carbon nur dort, wo multimodale Eingaben oder Cyber-Fähigkeiten tragend sind, und kein langfristiger Vertrag, unterzeichnet auf keiner der beiden Seiten eines Preises, der sich in zwanzig Tagen verdoppelt.