כרטיס כותרת עם הכיתוב Gemini 4 Neon לעומת Gemini 4 Carbon מתחת לשורה "איטי יותר כדי שיהיה אפשר לסמוך עליו, מהיר יותר כדי לסיים", מעל שני כרטיסים — עלות לכל טוקן, Neon גבוהה יותר, ועלות לכל משימה, Neon נמוכה יותר, לפי Google — עם הכיתוב "מספר אחד מתמחר טוקנים. האחר מתמחר את העבודה."
Guides & Insights

Gemini 4 Neon לעומת Gemini 4 Carbon: למודל החדש יותר לוקח יותר זמן לזכות באמון, והוא מסיים מהר יותר

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

הציבו את Gem​ini 4 Neon ואת Gemini 4 Carbon זה לצד זה בכרטיס תעריפים, ו-Neon מפסיד: $3.00 בקלט ו-$15.00 בפלט לעומת $2.00 ו-$10.00 של Carbon. הציבו אותם זה לצד זה במשימה שהושלמה, ו-Goog​le אומרת את ההפך, בטענה ש-Neon עולה 32% פחות למשימה ברמת החשיבה המוגדרת כברירת מחדל שלו. שתי הטענות נכונות, והפער ביניהן הוא כל ההחלטה. מספר אחד מתמחר טוקנים. האחר מתמחר את העבודה שהטוקנים האלה עושים — וכשמשפחה משחררת ארבעה מודלים בתוך שמונה שבועות, המספר השני הוא היחיד שאומר לך איזה מודל להעלות לייצור.

שניהם זמינים באופן כללי. Carbon מאז 10 בנובמבר 2026, לאחר שבועיים שבהם היה מוגבל למגיני סייבר דרך תוכנית Fairwind של Goog​le. Neon מאז 18 בנובמבר 2026, ופתוח לכל מפתח Gemini API בתשלום מהיום הראשון. הם חולקים הקשר מאוחד של 1M טוקנים, את אותן חמש מודליות קלט, את אותה תקרת פלט ברירת מחדל של 64K עם עד 1M זמין, את אותו caching משתמע בלבד, ואת אותו היעדר מסלול חינמי. כמעט כל מה שמבדיל ביניהם הוא התנהגות, לא מפרט.

עלות לכל טוקן, עלות לכל משימה, ושלושה עשר הימים שהופכים אותם

כרטיסי התעריפים קודם, כי ההיפוך ב-1 בדצמבר משנה את התשובה לשאלה "מה זול יותר" בלי שאף אחד מהמודלים משתנה כלל.

• היום, 19 בנובמבר 2026 — Carbon: קלט $2.00 / פלט $10.00 / נשמר במטמון $0.10; Neon: $3.00 / $15.00 / $0.15. ‏Carbon זול ב-33% בכל שורה.

• החל מ-1 בדצמבר 2026 — Carbon עולה ל-$4.00 / $20.00 / $0.20 לפי לוח הזמנים המפורסם של Goog​le; Neon לא משתנה. Neon הופך זול ב-25% בכל שורה.

• אצווה וגמישות — Carbon $1.00 / $5.00 היום, $2.00 / $10.00 לאחר המדרגה; Neon קבוע ב-$1.50 / $7.50.

• עדיפות — דרגת ה-1.8x: Carbon $3.60 / $18.00 היום, $7.20 / $36.00 לאחר מכן; Neon ללא שינוי ב-$5.40 / $27.00.

• עמוד ה-Carbon של Artificial Analysis עצמה, שנקרא ב-19 בנובמבר, מציין את Carbon במחירים של $4.00 ו-$20.00 — התעריף של דצמבר, ולא זה ש-Google גובה כעת. אם אתם שולפים תמחור מלוח דירוגים ולא מכרטיס התעריפים של הספק, ייתכן שאתם כבר משווים למחיר שאף אחד עדיין לא משלם.

כעת הנתון לכל משימה, וזה המקום שבו טמון הטיעון של Neon. ההכרזה של Goog​le קובעת שברמת החשיבה הגבוהה של Neon כברירת מחדל, היא מספקת „עלות נמוכה ב־32% לכל משימה לעומת Carbon”. זו אינה טענת תמחור, אלא טענת אריכות־יתר לבושה בבגדי טענת תמחור. מודל שמנמק עם פי שניים טוקנים בחצי מהתעריף עולה אותו דבר לכל משימה; Goog​le אומרת ש־Neon פולטת פחות טוקנים באופן מהותי כדי להגיע לתשובה דומה. זו גם הטענה היחידה בהכרזה שממופה ישירות לחשבונית שלך, כלומר זו הטענה שעליך למדוד מחדש על התעבורה שלך במקום פשוט לקבל אותה.

קיימות ראיות בלתי תלויות לגבי הכיוון של הדבר. Artificial Analysis מודדת את Carbon ב-205 מיליון טוקני פלט לאורך Intelligence Index, שאותו היא מתארת כמפורט מאוד לעומת חציון של 65.1 מיליון, ב-36.0 דקות למשימה וב-$7.76 למשימה, עם מהירות פלט של 57 טוקנים לשנייה וזמן של 75 שניות עד לטוקן התשובה הראשון. יהיו אשר יהיו המספרים של Neon עצמה, הפרופיל של Carbon מבוסס: איטי להתחלה, כבד בטוקנים, יקר למשימה במחיר המחירון שלו. כל המיצוב של Neon בנוי על היותו ההפך מהפרופיל הזה.

ההשוואה ש-Goog​le למעשה עורכת אינה בהגדרות תואמות

זו המלכודת בכל טבלת Neon מול Carbon שמסתובבת השבוע, כולל התרשים של Goog​le עצמו. לשני המודלים אין אותו סולם חשיבה, והמספרים הבולטים שלהם אינם נמדדים באותו שלב.

• רמות חשיבה — Carbon: נמוך, בינוני, גבוה, כאשר ברירת המחדל היא בינוני. Neon: נמוך, בינוני, גבוה, גבוה במיוחד, כאשר ברירת המחדל היא גבוה.

• מה המשמעות של "high" — ב-Carbon זה המקסימום; ב-Neon זוהי ברירת המחדל המומלצת, עם שלב עמוק יותר מעליה.

• נתון האינדקס ש-Goog​le מציין עבור Neon — 61 במדד Artificial Analysis Intelligence Index, שלישי בסך הכול — הוא xhigh מספר. באותה הודעה מצוין היתרון של Neon בעלות-למשימה ברמת high. אלו שתי תצורות שונות שמתוארות במשפטים סמוכים.

ציון האינדקס של Carbon — 59 באינדקס v5.0 בעת ההשקה, ודורג ראשון באותה עת; העמוד של Artificial Analysis עצמו מציג כעת 60 ברמה גבוהה, שביעי מתוך 92 מודלים, לאחר שמהדורות חדשות יותר עלו מעליו.

אז ההשוואה ההוגנת אינה 61 מול 60. היא: Neon ב-xhigh מנצח את Carbon ב-high במדד בכנקודה בקירוב; Neon ב-high הוא התצורה ש-Goog​le טוענת לגבי הכלכלה שלה; ול-Carbon אין xhigh לסגת אליו. התיעוד של Goog​le עצמו ממליץ להריץ הערכות בכל ארבע הרמות של Neon ולבחור את הנמוכה ביותר שעוברת את הרף שלך, תוך אזהרה ש-xhigh "עלול לגרום לחשיבת יתר או למצות את max_output_tokens בפרומפטים פשוטים." מודל עם תקרה גבוהה יותר וברירת מחדל נמוכה יותר הוא מודל שצריך לכוונן, ולא כזה שאפשר פשוט להכניס כמו שהוא.

A two-column scoreboard titled Gemini 4 Neon vs Gemini 4 Carbon — the scoreboard. Gemini 4 Neon reads price today $3.00 / $15.00, price from 1 Dec $3.00 / $15.00, cached input $0.15 flat, thinking levels low to xhigh, default thinking high, AA Index 61 at xhigh; Gemini 4 Carbon reads $2.00 / $10.00, $4.00 / $20.00, cached input $0.10 then $0.20, thinking levels low to high, default thinking medium, AA Index 60 at high. The footer says Neon figures are vendor-reported and Carbon's Index of 60 is per Artificial Analysis, 19 November 2026.

היכן ש-Carbon הוא עדיין המודל הטוב יותר, וזו לא רשימה קטנה

משפט המיצוב של Goog​le הוא ש"Carbon מתמודד עם הפרויקטים הקשים ביותר וארוכי הטווח שלך, ו-Hydrogen מטפל בביצוע יומיומי מהיר, בעוד Neon מאזן בין עומק ליעילות". אם קוראים זאת כפשוטו, זה ממקם את Neon בין השניים, לא מעל Carbon — ורשימת הבנצ'מרקים תומכת בקריאה הזו במקומות החשובים ביותר לעבודה ארוכת טווח.

• FrontierCode 2.0 — Neon 46.2% בהגדרת ברירת המחדלהגבוהה שלו. Goog​le אינה מפרסמת את הנתון של Carbon באותו בנצ'מרק בהכרזת Neon, וזה סוג של השמטה שכדאי לשים לב אליה במסמך שאחרת נדיב בנתונים זה לצד זה.

• SWE-sweep — Neon 12.8% על ה-mini-SWE harness, 39.0% בתוך Antigravity. הפער פי שלושה הוא Google שאומרת לך שמספר הקידוד הטוב ביותר שלה תלוי ב-harness הסוכן שלה עצמה, והמספר ללא harness הוא זה שקורא API רגיל היה מזהה.

• עבודת ידע מולטימודלית — Carbon הושקה עם דירוג במדד Multimodal Knowledge Agent החדש (מקום שני, בעלות נמוכה פי יותר מ-6 לכל משימה מזו של המובילה). ההכרזה של Neon אינה כוללת נתון MKA.

• פיתוח אתרים — Carbon מזנק ב-89 נקודות Elo למקום הרביעי ב-WebDev Arena עם 1768. מספר ה-WebDev Arena של Neon אינו מפורסם.

• סייבר — הנתונים של Carbon ב-SEC-bench Pro (88.2%), ExploitGym (54.8%) ו-CWE-bench (71.0%) הם המספרים שמולם נמדדת Neon, והנתונים הטובים יותר של Neon (90.5%, ו-70.7% ב-CWE-bench v2) מגיעים מהווריאנט הנפרד "Neon for cyber", שעדיין מוגבל לחברי Fairwind.

הדפוס עקבי: הניצחונות של Neon הם במדדים שמתגמלים השלמת משימה ביעילות במסגרת סשן קבוע, והניצחונות של Carbon הם במדדים שמתגמלים ליטוש ממושך של בעיה קשה. זו אינה הבחנה שיווקית אלא צורה שונה של הוצאת משאבי מחשוב, והיא קובעת איזה מהשניים שייך ללולאת הסוכן שלך.

למה כל אחד משני המודלים נועד להיות

Goog​le מתארת את Neon כמתזמר: "מתזמר מהיר בעל שיקול דעת גבוה, שמכוון תת-סוכני Hydrogen מקבילים ב-Goog​le Antigravity." המשפט הבודד הזה שימושי יותר מכל האחוזים. מתזמר מבלה את חייו בקריאת מצב, בהחלטה מה לעשות הלאה ובהאצלת משימות — פניות רבות, פלט מתון לכל פנייה, רגישות גבוהה להשהיה. הפרופיל המתועד של Carbon הוא ההפך: מודל ש"פועל במשך ימים כדי להמשיך גם כשהוא נתקל במבוי סתום", תוך שימוש ביותר טוקנים מ-Argon "כדי לחקור ביסודיות, לחשוב לעומק ולהריץ לולאות אימות מורחבות."

אם אתם בוחרים בין השניים לבעיה קשה בניסיון אחד — באג עדין החוצה בסיס קוד גדול, שאלת מחקר פתוחה, סקירת אבטחה שבה החמצת הפגם היא מצב הכשל — Carbon הוא המודל שהעיצוב המוצהר שלו תואם את המשימה, והעלייה במחיר בדצמבר היא בעיית תקצוב ולא סיבה לעבור.

אם אתם בוחרים עבור צינור עיבוד שרץ אלפי פעמים ביום וזקוק לכך שכל ריצה תסתיים, העיצוב של Neon מתאים למשימה הזו, והמחירון האחיד שלו הוא יתרון אמיתי לעומת מודל שמחירו מוכפל בתוך שנים-עשר יום. הטעות היקרה היא להתייחס ל"חדש יותר" כ"טוב יותר" ולהעביר עומס עבודה ארוך טווח למודל ש-Google עצמה ממקמת מתחת ל-Carbon בכל הנוגע לעומק.

The OrcaRouter model page for Gemini 4 Carbon, showing the identifier google/gemini-4-carbon, a 1,048,576-token context window, multimodal input across text, image, audio, video and documents, and the pricing panel reading $2.00 input and $10.00 output per million tokens with a 10.00 second p50 time to first token.

להריץ אותם יחד במקום לבחור

התשובה הריאלית עבור רוב מערכות הייצור היא גם וגם, והסיבה היא ששני המודלים נכשלים באופן שונה. Carbon נכשל בשחיקה: הוא יבזבז דקות ומאות אלפי טוקנים לפני שיענה, מה שנכון בבעיה קשה ובזבזני בבעיה קלה. Neon נכשל בטיפוס: דחוף xhighלמשימה שלא זקוקה לזה ותקבל חשיבת יתר, JSON קטוע וחשבון שנראה כמו של Carbon.

זו בעיית ניתוב לפני שהיא בעיית מודל. ובתוך הקטלוג שלנו, google/gemini-4-carbon זמין היום במחיר המחירון של הספק, ללא תוספת — $2.00 ו-$10.00 למיליון טוקנים כל עוד תעריף ההיכרות תקף, ומטפס ל-$4.00 ו-$20.00 ב-1 בדצמבר, כאשר המדרגה מופיעה בחשבונית שלך ביום שבו היא מופיעה אצל Goog​le. google/gemini-4-argon נמצא שם באותם תנאים. Neon עדיין לא נמצא בקטלוג, והטקסט הזה לא יתאר שרשרת גיבוי למודל שאיננו יכולים לשרת; כשהוא יגיע, הוא יגיע באותם תנאי תמחור עוברים.

מה ששכבת הניתוב נותנת לך היום הוא היכולת לכתוב את ההחלטה פעם אחת במקום לקודד אותה בקידוד קשיח: כלל ששולח את הסיווג והחילוץ לשכבה הזולה, שולח כל דבר שנכשל במעבר ראשון ל-Carbon, ומגביל את עומק החשיבה לכל מסלול ולא לכל מודל. כש-Neon הופך לאפשרות, הכלל הזה מקבל ענף במקום הגירה. ומכיוון שהנתב עובר אוטומטית לגיבוי, שינוי מדרגה במחיר או בזמינות של ספק אחד אינו מפיל איתו את צינור העיבוד.

איזה אחד לבחור ב-19 בנובמבר

בחר ב-Carbon אם העבודה קשה ונדירה, אם אתה צריך את הנתונים שפורסמו בנושא ידע רב-מודלי או פיתוח ווב, או אם כבר יש לך Carbon מכויל והצעד של דצמבר ניתן לספיגה. בחר ב-Neon אם העבודה בתדירות גבוהה, עתירת כלים, ונמדדת במשימות שהושלמו ולא בבעיות שנפתרו — ואם אתה מוכן למדוד את התעבורה שלך ברמה גבוהה לפני שתסמוך על טענה לכל משימה מההכרזה של המודל עצמו. אל תבחר באף אחד מהם, עדיין, אם עומס העבודה שלך הוא ביצוע יומיומי בהיקף גדול: Gem​ini 4 Hydrogen עושה זאת מאז 12 בנובמבר במחיר של $1.50 ו-$7.50 עם מסלול חינמי, ושום דבר באף אחת משתי ההשקות האלה לא משנה את החשבון הזה.

הדבר שבאמת צריך לעקוב אחריו הוא לא פער האינדקס, שהוא נקודה או שתיים לכאן או לכאן, אלא האם הטענה של Goog​le שלפיה כל משימה זולה ב-32% תחזיק מעמד במדידה עצמאית — והאם ההכפלה ב-1 בדצמבר ב-Carbon דוחפת את תעבורת הייצור לעבר Neon מהר יותר ממה שמישהו תכנן עבור מודל שהושק שלושה עשר ימים לפני העלייה.

The OrcaRouter models catalogue filter rail, with controls for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region.