Gemini 4 Carbon vs Gemini 4 Argon: Peningkatan 15 Hari yang Tak Bisa Anda Sebut

Dua model, satu kartu tarif, terpaut sembilan poin indeks — dan hanya satu di antaranya yang memiliki endpoint. Gemini 4 Carbon diumumkan pada 28 Oktober 2026, lima belas hari setelah Gemini 4 Argon dapat dipanggil di Gemini API berbayar, dan pos resmi Google sendiri menyebut Carbon sebagai yang lebih kuat di antara keduanya. Namun kekuatan tidak sama dengan ketersediaan: saat ini tidak ada gemini-4-carbon entri di daftar model Google maupun di halaman harganya, dan mereka yang menjalankannya adalah para pembela siber dan mitra tepercaya yang diizinkan melalui Fairwind Program perusahaan. Versi jujur dari perbandingan ini adalah perbandingan kemampuan antara dua model dan perbandingan akses antara sebuah model dan sebuah program.

Apa yang Google nyatakan secara resmi pada 28 Oktober

Pengumuman tersebut disampaikan oleh Koray Kavukcuoglu, wakil presiden senior Google DeepMind, dalam unggahan berjudul "model frontier kami berikutnya". Carbon menggantikan Argon — diumumkan pada 30 September, tersedia secara umum sejak 13 Oktober — dalam nomor generasi yang sama. Fokus yang dinyatakan Google adalah keamanan siber dan pekerjaan agen berhorizon panjang, jenis tugas ketika agen terus melewati jalan buntu selama beberapa hari, bukan tugas ketika sebuah prompt hanya memperoleh satu jawaban.

Tiga detail lebih penting daripada pemasaran:

• Akses diberikan secara bertahap dan tanpa tanggal. Carbon pertama-tama diberikan kepada “sebagian kecil pembela siber”, lalu diperluas melalui Fairwind Program, kemudian kepada pengembang, bisnis, dan konsumen “secepat mungkin”. Tidak ada tanggal yang diberikan untuk tiga kelompok terakhir.

• Peluncuran ini merupakan bagian dari proses pengujian pra-rilis sukarela pemerintah Amerika Serikat. Google mengatakan bahwa pihaknya ikut serta dan masih menyempurnakan pengamanan sebelum akses yang lebih luas.

• Tidak ada kartu model publik, tidak ada endpoint, tidak ada pengenal. Daftar model Gemini API, yang diperiksa pada 29 Oktober, berisi tepat satu entri Gemini 4 — Gemini 4 Argon — dan halaman penetapan harga tidak memuat satu pun untuk Carbon. Jendela konteks yang diterbitkan Google untuk Argon (1M token terpadu, dengan decode hingga 1M) belum dinyatakan ulang untuk Carbon; Artificial Analysis mencantumkan 1M token untuk model itu, yang merupakan daftar pihak ketiga dan bukan spesifikasi Google.

Kesenjangan sembilan poin, dan siapa yang mengukurnya

Artificial Analysis membangun ulang Intelligence Index-nya sebagai v5 pada 27 Oktober, sehari sebelum Carbon diluncurkan, menggantikan dua benchmark, meningkatkan tiga benchmark lainnya, dan menjadikan sebagian besar indeks bersifat privat. Waktu tersebut menjadi alasan untuk berhati-hati dengan setiap grafik sebelum-dan-sesudah yang Anda lihat minggu ini: skor dari sebelum pembangunan ulang tidak berada pada skala yang sama dengan skor sesudahnya. Pada daftar terkini pasca-pembangunan ulang, kedua model telah dinilai dan kesenjangannya nyata serta diukur dengan instrumen yang sama.

• Intelligence Index v5 — Carbon 59, peringkat pertama dari 52 model yang terdaftar; Gemini 4 Argon 50, peringkat ketiga belas.

• Biaya per tugas indeks pada harga standar — Carbon $7,76 versus Argon $7,68. Model yang lebih baru mencetak skor sembilan poin lebih tinggi dengan biaya delapan sen lebih mahal per tugas.

• Akurasi — Carbon 58%, peningkatan sepuluh poin dibandingkan Argon; AA-Omniscience 54 berbanding 46.

• Halusinasi — Carbon 11%, naik dari 4% milik Argon. Carbon masih yang terendah kedua di pelacak, tetapi arahnya salah.

• Volume keluaran — 123k token per tugas indeks, 29% lebih rendah daripada 173k milik Claude Opus 5.5, yang menjadi salah satu alasan mengapa biaya per tugas tetap rendah meskipun harga tertera sama.

Kecepatan — 99,8 token keluaran per detik pada pengukuran Artificial Analysis, dengan waktu hingga token pertama 97,48 detik pada upaya penalaran tinggi. Itulah angka yang perlu diperhatikan jika Anda menempatkan model di balik antarmuka interaktif, bukan tugas yang berjalan lama.

Artificial Analysis juga mengukur hal yang disembunyikan oleh headline: pada Coding Agent Index-nya, Carbon mencetak 59 dengan Antigravity CLI, tertinggal tiga poin dari Claude Code yang menjalankan Claude Opus 5.5 dengan skor 62. Hasil pengembangan web Google sendiri menunjukkan arah sebaliknya — WebDev Arena pada 1.768, posisi keempat, kenaikan 89 Elo — yang menjadi pengingat bahwa "nomor satu secara keseluruhan" dan "terbaik dalam kode" adalah klaim yang berbeda.

Angka-angka Google sendiri adalah yang paling mencolok dalam postingan itu

Google melaporkan kumpulan hasil keamanan yang substansial, dan ada baiknya memisahkan apa yang diukur dari apa yang diklaim. Pada SEC-bench Pro, untuk penemuan kerentanan, Carbon mencetak 88,2% dibandingkan Argon 83,4%. ExploitGym, yang memvalidasi eksploitasi, naik dari 42,0% menjadi 54,8%. CWE-bench, untuk patching, naik dari 68,0% menjadi 71,0%. Secara internal, Google mengatakan Carbon menghasilkan kode bebas kerentanan lebih dari dua kali lebih sering daripada Argon, dan bahwa tim Chrome-nya mendapati Carbon lebih dari sepuluh kali lebih baik daripada "model frontier besar dari lab lain" dalam menghasilkan patch berkualitas tinggi — sebuah perbandingan tanpa pihak pembanding yang disebutkan namanya dan tanpa metode yang dipublikasikan.

Angka-angka keselamatan lebih berdampak daripada angka kemampuan, karena ini adalah tempat pertama Google memublikasikan Carbon mengalahkan Argon dalam hal perilaku, bukan hanya dalam skor. Pada benchmark injeksi prompt tidak langsung Gray Swan, tingkat keberhasilan serangan Carbon adalah 0,0% dibandingkan 0,7% milik Argon. Pada Terminal-Bench 4.0, upaya curang dilakukan dalam 0,4% eksekusi dan tidak satu pun berhasil, sedangkan perilaku Argon lebih buruk. Peringatan ketidakselarasan berkeparahan tinggi dalam pengodean langsung internal turun hampir 80%, klaim tanpa dukungan berkurang setengah, tindakan melampaui batas turun 26%, dan kekurangan layanan turun 29%.

Dua catatan penting semestinya diletakkan berdampingan dengan angka-angka itu, bukan dalam catatan kaki. Google mengatakan evaluasi keamanan siber dijalankan tanpa guardrail, yang merupakan cara tepat untuk mengukur kemampuan mentah suatu model dan cara yang salah untuk memprediksi apa yang akan dilakukan sistem yang telah diterapkan. Dan pengali terbesar — kode aman 2x dan patching 10x — adalah benchmark internal dan laporan tim, bukan hasil independen. Tafsiran The Register pada hari peluncuran adalah bahwa kasus keamanan itu menjanjikan dan sebagian besar dilaporkan vendor; tidak ada yang diterbitkan sejak itu yang mengubahnya.

Angka yang beredar dalam liputan peluncuran menempatkan Carbon unggul pada Vals Index v2.2 (70,4% vs 69,2%), SWE-sweep (9,6% vs 4,3%), FrontierSWE 2 (61,2% vs 55,0%), Agents' Last Exam v1.1 (77,4% vs 69,0%), OSWorld-2.1 (81,5% vs 74,7%) dan GraphWalks berkonteks panjang (96,2% vs 84,2%). Angka tersebut dilaporkan oleh Google kecuali pemilik benchmark menyatakan sebaliknya, dan polanya konsisten: Carbon merupakan peningkatan yang luas, bukan seragam, dan masih tertinggal dari Opus 5.5 serta GPT-6 Astra pada beberapa uji rekayasa perangkat lunak dan penggunaan komputer.

Harga tertera sama, jam berbeda

Kedua model memiliki kartu tarif terbitan yang sama: $2 per juta input dan $10 per juta output untuk masa pengenalan, dengan input yang di-cache mendapat diskon 95%, lalu naik menjadi $4 dan $20 setelahnya. Asimetrinya terletak pada kalender. Jendela masa pengenalan Argon memiliki tanggal — halaman harga Google menyatakan angka yang lebih tinggi mulai berlaku pada 1 Desember 2026 — dan tier batch, flex, serta priority-nya dipublikasikan bersamaan. Diskon Carbon tidak memiliki tanggal berakhir sama sekali; pengumumannya hanya menyebut "setelah masa pengenalan".

Artificial Analysis menetapkan harga keduanya pada tarif standar $4/$20, itulah sebabnya angka biaya per tugasnya menjadi cara yang adil untuk membandingkan keduanya, sedangkan tarif pengenalan tidak. Anggaran yang dibangun berdasarkan $2/$10 untuk model mana pun mengandung jurang di dalamnya, dan bagi Argon jurang itu kini memiliki tanggal.

OrcaRouter tidak merutekan satu pun dari model ini saat ini: Gemini 4 Carbon tidak memiliki pengenal publik untuk dirutekan, dan Gemini 4 Argon juga tidak ada dalam katalog kami. Aturan pass-through tetap relevan, karena aturan itulah yang menentukan apa yang terjadi ketika hal itu berubah — kami mengenakan markup 0% atas harga daftar penyedia, sehingga kartu yang dipublikasikan Google adalah kartu yang dilihat pelanggan, termasuk kenaikan tarif di tengah kontrak dari $2/$10 menjadi $4/$20. Yang kami rutekan dari keluarga yang sama adalah Gemini 3.8 Flash, dengan harga $0.75 per juta input dan $3.75 per juta output dengan pembacaan cache sebesar $0.075, yang merupakan kelas model berbeda tetapi merupakan endpoint Google yang dapat Anda pasang di jalur produksi minggu ini.

Siapa yang harus memilih yang mana

Jika Anda seorang defender di dalam perimeter {{1}}Fairwind{{/1}}, pilihan itu bukan Anda yang menentukan dan {{2}}Carbon{{/2}} kini tersedia untuk Anda — pertanyaan yang menarik adalah apakah keuntungan keamanan tetap bertahan di harness Anda sendiri, karena yang dipublikasikan diukur tanpa guardrail dan sebagian pada suite internal Google.

Jika Anda membangun sesuatu yang harus dirilis kuartal ini, Argon adalah jawaban default. Argon memiliki endpoint, harga yang sudah dipublikasikan, dan tanggal untuk diskon, yang lebih dari apa yang dimiliki Carbon. Titik lemahnya sudah diketahui: Terminal-Bench 4.0 di kisaran lima puluhan atas menurut angka peluncuran Google, berbanding Opus 5.5 sebesar 66,4%, serta tingkat halusinasi yang sejak itu justru telah disalip Carbon ke arah yang salah.

Jika Anda sedang menentukan cakupan produk keamanan, keputusannya bukan terutama soal model mana yang menang, melainkan model mana yang dapat Anda uji. Carbon tidak tersedia, jadi vendor mana pun yang hari ini menawarkan kinerja "Gemini 4 Carbon" kepada Anda sebenarnya hanya menawarkan sebuah label. Argon ditambah evaluasi Anda sendiri adalah tolok ukur yang jujur yang nantinya dapat dipakai untuk memeriksa klaim Carbon.

Irama lima belas hari itulah inti cerita sebenarnya.

Argon berusia empat minggu. Carbon hadir dalam nomor generasi yang sama, bukan sebagai Gemini 4.1 atau Gemini 5, yang menunjukkan bagaimana Google berniat merilis produk mulai sekarang: varian, bukan versi. Penafsiran Ars Technica pada hari peluncuran adalah bahwa Carbon pada dasarnya adalah Argon yang sedikit lebih baik — mungkin penyegaran pascapelatihan — dan catatan rilis mendukung pola tersebut: harga identik, konteks identik, modalitas masukan identik, kombinasi kemampuan berbeda.

Bagi siapa pun yang melakukan integrasi, hal itu memiliki konsekuensi konkret. Nama model tidak lagi menjadi deskripsi perilaku yang stabil. gemini-4-argon pada 13 Oktober menggambarkan satu hal dan mungkin menggambarkan hal lain setelah penyegaran senyap; penemuan di arena yang kami liput pada 21 Oktober, ketika sebuah alias tampak menyajikan bobot yang berbeda, tidak dikonfirmasi maupun dibantah oleh peluncuran ini. Pertahanannya adalah yang tidak glamor: sematkan pengenal yang benar-benar Anda evaluasi, simpan set evaluasi bertanggal, dan perlakukan alias apa pun sebagai sesuatu yang dapat bergeser di bawah Anda.

Tontonan Berikutnya

• Entri pertama gemini-4-carbon dalam daftar model Google — itulah, bukan pengumumannya, momen ketika Carbon menjadi produk.

• 1 Desember, saat diskon perkenalan Argon berakhir dan perbandingan efektifnya berubah bagi setiap pembeli yang masih menggunakannya.

• Evaluasi berpasangan oleh pihak ketiga terhadap Carbon-versus-Argon pada benchmark keamanan, dijalankan dengan guardrails, karena belum ada yang dipublikasikan.

Sampai yang pertama dari semua itu terwujud, peringkatnya milik Carbon dan keputusannya milik Argon. Itu hal yang tidak biasa untuk ditulis tentang sebuah model yang baru saja disebut sebagai yang terbaik di dunia, tetapi itulah yang dikatakan oleh endpoint.