Gemini 4 Carbon vs DeepSeek V4 Pro : qu’apportent réellement 37 points d’indice et un coût par tâche 4,4 fois plus élevé ?

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.

Deux modèles fondés sur des hypothèses opposées

Les spécifications expliquent l’essentiel de la différence de comportement avant même qu’un benchmark ne le fasse.

• 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.

• Contexte et sortie — tous deux disposent d’une fenêtre de 1 M de tokens. Carbon plafonne la sortie synchrone à 65 536 tokens et autorise jusqu’à 1 048 576 avec un décodage long ; V4 Pro plafonne à 384 000.

• 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.

• Poids — Carbon est propriétaire. V4 Pro est distribué sous licence MIT, avec un mélange d'experts de 1,6 billion de paramètres et 49 milliards de paramètres actifs, vous pouvez donc l'héberger vous-même, l'affiner et le redistribuer sous réserve des termes de la licence.

• Contrôle de l’effort — Carbon expose la réflexion à faible, moyen et élevé. V4 Pro expose un curseur de raisonnement à faible, élevé et max.

La ligne de modalité n'est pas une note de bas de page. Si votre pipeline ingère des captures d'écran, des PDF numérisés ou des enregistrements d'appels, V4 Pro ne peut pas être le modèle de cette partie de la pile, à aucun prix, et la comparaison se réduit à un seul candidat. Si votre trafic est constitué de code, de journaux et de documents texte, l'écart est bel et bien un choix.

Les 37 points, décomposés

Un écart composite de cette taille signifie généralement que quelques évaluations font tout le travail, et c’est ce que montrent les classements indépendants pour cette paire. Artificial Analysis mesure Carbon à effort élevé et V4 Pro 0813 à effort maximal ; ces deux chiffres proviennent de cet évaluateur, pas des fournisseurs.

• Coût par tâche de l’Intelligence Index — Carbon 7,76 $, V4 Pro 1,77 $. Ce ratio tient déjà compte de la verbosité ; c’est donc le chiffre économique unique le plus équitable entre les deux.

• Jetons de sortie consommés sur l'indice — Carbon 205 millions, V4 Pro 119 millions, contre une médiane de 72,8 millions. Les deux modèles sont bavards ; Carbon l'est environ 1,7 fois plus, ce qui explique une bonne partie de l'écart de prix, plutôt que le tarif par jeton seul.

• Vitesse et latence — Carbon : 80 jetons de sortie par seconde avec 66,85 secondes jusqu’au premier jeton de réponse ; V4 Pro : 67 jetons par seconde avec 67,71 secondes. Sur cet axe, ils sont quasi identiques, et tous deux sont suffisamment lents pour qu’aucun des deux n’ait sa place dans un parcours de chat interactif sans streaming et sans patience.

• Sensibilité à l’effort — Carbon obtient 60 au niveau élevé, 58 au niveau moyen et 54 au niveau faible. La configuration sans raisonnement de V4 Pro obtient 13, contre 23 au maximum. Le modèle moins cher perd bien davantage lorsqu’on réduit le raisonnement, donc « l’exécuter à moindre coût » n’est pas une bascule gratuite d’un côté comme de l’autre.

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.

L’horloge de facturation que personne ne budgète

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.

Sept heures par jour ouvré sur 24, cinq jours par semaine, représentent environ 21 % de la semaine calendaire. Si vos tâches par lots sont planifiées par un cron en UTC, il est facile de les aligner. Si votre trafic provient d’un produit en production avec une courbe de fréquentation diurne américaine ou européenne, une part significative de ce trafic tombe dans la fenêtre de pointe et votre taux moyen réel se situe entre 0,66 $ et 1,32 $, et non au chiffre indiqué sur la page marketing.

L’horloge de Carbon tourne dans l’autre sens. Elle reste stable jusqu’au 30 novembre, puis double. Deux modèles, deux sources de variation de facture totalement différentes : l’un varie selon l’heure de la journée, l’autre selon la date du calendrier. Aucune des deux n’est visible à partir d’un seul chiffre par jeton, et une comparaison qui cite $4/$20 contre $0.66/$1.98 décrit un pire cas d’un côté et un meilleur cas de l’autre.

La version honnête : au tarif de lancement de Carbon par rapport au tarif de pointe de V4 Pro, Carbon est 1,5x en entrée et 2,5x en sortie. Après le 1er décembre, face au tarif hors pointe, c’est 6x et 10x. Le chiffre de 4,4x de coût par tâche se situe entre les deux et c’est celui avec lequel il faut planifier, car il tient compte du nombre de tokens dont chaque modèle a réellement besoin pour terminer.

Là où l'écart en vaut la peine

Plutôt qu'un verdict, quatre clivages qui tiennent bon face à la manière dont les deux modèles sont réellement constitués.

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.

Classification, extraction et routage à grand volume. Envoyez ceci à V4 Pro. Un écart composite de 37 points ne dit presque rien sur la capacité d'un modèle à étiqueter un ticket de support ou à extraire des champs d'une facture, et à 0,66 $ par million de tokens d'entrée, le modèle bon marché l'emporte sur l'arithmétique bien avant de perdre en qualité. La plupart des équipes surdimensionnent ici.

Travail sur documents à contexte long. Les deux fenêtres font 1 M de tokens, donc la capacité brute est à égalité. La différence tient à la modalité et au plafond de sortie : Carbon ingère le PDF scanné et produit jusqu’à 1 M de tokens ; V4 Pro exige un texte déjà extrait et s’arrête à 384 K. Si votre pipeline est déjà passé par OCR, V4 Pro offre la même fenêtre de 1 M pour un dixième du prix de sortie.

Tout ce que vous pourriez avoir à auto-héberger. Seul V4 Pro est une option. Les poids sous licence MIT signifient qu’aucun fournisseur ne peut retirer le modèle, en modifier le prix ni le réserver à un programme — ce qui n’est pas une inquiétude hypothétique une année où les conditions d’accès de Carbon ont changé deux fois en quatorze jours et où son prix change à nouveau le 1er décembre.

La réponse du routage, avec la mise en garde honnête

La version mature de cette décision ne consiste pas à choisir l’un ou l’autre. Elle consiste à exécuter V4 Pro sur l’essentiel du trafic et à escalader les cas difficiles vers un modèle de pointe, ce qui correspond exactement à la composition pour laquelle notre DSL de routage existe : une branche peu coûteuse qui gère le volume, une condition d’escalade qui se déclenche en cas de faible confiance ou d’échec de validation, et un point de terminaison compatible OpenAI devant les deux.

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.

Le basculement automatique est ce qui change le calcul pour le modèle économique. Si les équipes surdimensionnent la capacité de pointe, c’est par crainte d’une mauvaise réponse sur les 5 % de requêtes qui comptent. Le basculement et l’escalade permettent au modèle économique de prendre en charge les 95 % qu’il gère bien, le modèle coûteux restant accessible sur un seul point de terminaison lorsqu’une requête sort de son périmètre — plutôt que de payer des tarifs de pointe sur chaque token pour se prémunir contre une queue que vous pourriez plutôt router.

Qu’est-ce qui changerait cette recommandation ?

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.

D’ici là, la position défendable n’a rien de glamour : V4 Pro pour le volume, Carbon uniquement là où l’entrée multimodale ou la capacité cyber joue un rôle déterminant, et aucun contrat à long terme signé de part et d’autre d’un prix qui double en vingt jours.