Gemini 4 Carbon vs DeepSeek V4 Pro: cosa comportano davvero 37 punti indice e un costo per attività 4,4 volte superiore

Metti G​emini 4 Carbon e DeepSeek V4 Pro sulla stessa scala e il divario è netto: 60 contro 23 sull'Artificial Analysis Intelligence Index v5.0.1, 37 punti di distacco tra il quarto modello migliore della classifica e uno che si colloca sotto la mediana. Mettili sulla scala dei costi e anche lì il divario è netto, ma nella direzione opposta — 7,76 $ per attività dell'indice contro 1,77 $. La domanda interessante non è quale sia migliore, ma per quale di quei due numeri stai effettivamente pagando nel lavoro che hai, perché per una larga quota del traffico di produzione i 37 punti restano inutilizzati mentre la bolletta da 4,4x arriva ogni mese.

Entrambi i modelli sono invocabili oggi, il che rende questo un confronto reale anziché un esercizio di roadmap. Gemini 4 Carbon è stato aperto agli sviluppatori con accesso API a pagamento il 10 novembre 2026, dopo un rollout con accesso limitato durato dodici giorni. DeepSeek V4 Pro è disponibile a livello generale dal 13 agosto 2026 come checkpoint 0813, con pesi aperti con licenza MIT.

Due modelli basati su presupposti opposti

Le specifiche spiegano gran parte della differenza di comportamento prima ancora che qualsiasi benchmark lo faccia.

• Prezzo, tariffa standard — G​emini 4 Carbon: 2 $ in input / 10 $ in output per milione fino al 30 novembre 2026, poi 4 $ / 20 $. D​eepSeek V4 Pro: 0,66 $ / 1,98 $ fuori dalle ore di punta e 1,32 $ / 3,96 $ nelle ore di punta, direttamente dal tariffario ufficiale di D​eepSeek.

• Input in cache — Carbon $0,10 per milione ora, $0,20 dopo il 1° dicembre, solo caching implicito. D​eepSeek $0,022 fuori dalle ore di punta e $0,044 nelle ore di punta, uno sconto del 97% sulla tariffa dei token freschi.

• Contesto e output — entrambi dispongono di una finestra da 1M di token. Carbon limita l'output sincrono a 65.536 token e consente fino a 1.048.576 con decodifica lunga; V4 Pro si ferma a 384.000.

• Modalità di input — Carbon accetta testo, immagini, audio, video e PDF. V4 Pro supporta solo testo, e la pagina dei prezzi di D​eepSeek stessa afferma che la visione non è supportata su v4-pro.

• Pesi — Carbon è chiuso. V4 Pro viene distribuito con licenza MIT, con un'architettura mixture-of-experts da 1,6 trilioni di parametri e 49 miliardi di parametri attivi, quindi puoi ospitarlo autonomamente, metterlo a punto e ridistribuirlo nel rispetto della licenza.

• Controllo dello sforzo — Carbon espone il pensiero a basso, medio e alto. V4 Pro espone un selettore del ragionamento a basso, alto e massimo.

La linea della modalità non è una nota a piè di pagina. Se la tua pipeline acquisisce screenshot, PDF scansionati o registrazioni di chiamate, V4 Pro non può essere il modello in quella parte dello stack a nessun prezzo, e il confronto si riduce a un solo candidato. Se il tuo traffico è fatto di codice, log e documenti testuali, il divario è davvero una questione di scelta.

I 37 punti, scomposti

Un divario composito di quella entità di solito significa che sono poche valutazioni a fare tutto il lavoro, ed è ciò che mostrano le classifiche indipendenti per questa coppia. Artificial Analysis misura Carbon a sforzo elevato e V4 Pro 0813 a sforzo massimo; entrambi i valori sono del valutatore, non dei fornitori.

• Costo per attività dell'Intelligence Index — Carbon 7,76 $, V4 Pro 1,77 $. Quel rapporto tiene già conto della verbosità, quindi è il singolo dato economico più equo tra i due.

• Token di output consumati sull'indice — Carbon 205 milioni, V4 Pro 119 milioni, contro una mediana di 72,8 milioni. Entrambi i modelli sono loquaci; Carbon lo è circa 1,7 volte di più, ed è da qui che deriva una buona parte del divario di prezzo, non solo dalla tariffa per token.

• Velocità e latenza — Carbon 80 token di output al secondo con 66,85 secondi al primo token di risposta; V4 Pro 67 token al secondo con 67,71 secondi. Su questo asse sono quasi identici, ed entrambi sono così lenti che nessuno dei due può stare in un percorso di chat interattivo senza streaming e pazienza.

• Sensibilità allo sforzo: Carbon ottiene 60 con sforzo alto, 58 con medio e 54 con basso. La configurazione senza ragionamento di V4 Pro ottiene 13 contro 23 al massimo. Il modello più economico perde molto di più quando si riduce il ragionamento, quindi "eseguirlo a basso costo" non è un interruttore gratuito in nessuno dei due casi.

Dal lato del fornitore i numeri sono clamorosi e non verificati, e non si sovrappongono abbastanza da poter essere confrontati direttamente. La scheda di DeepSeek per la build 0813 riporta Terminal-Bench 2.1 a 87,9, DeepSWE a 62,7, CyberGym a 83,3, SWE-bench Verified a 80,6 e un rating Codeforces di 3206 — tutti dichiarati dal fornitore, nessuno riprodotto da una parte neutrale al momento in cui scriviamo. La scheda di Google per Carbon riporta SEC-bench Pro all'88,2%, ExploitGym al 54,8% e CWE-bench al 71,0%. Nota cosa succede se provi ad allinearli: CyberGym ed ExploitGym sono harness diversi, Terminal-Bench 2.1 e Terminal-Bench 4.0 sono versioni diverse di un bersaglio mobile, e solo uno dei due fornitori ha pubblicato un punteggio cyber su un benchmark che anche l'altro ha eseguito. Qualsiasi grafico che metta 83,3 accanto a 54,8 sta confrontando una scala con una scala diversa.

Il timer di fatturazione che nessuno mette in budget

Il prezzo di DeepSeek non è un unico prezzo, e questa è la differenza più sottostimata tra i due modelli. V4 Pro viene fatturato a metà tariffa al di fuori di una finestra di punta definita: la fascia di punta è 01:00–04:00 e 06:00–10:00 UTC, dal lunedì al venerdì, esclusi i giorni festivi pubblici cinesi. Tutto il resto — notti, fine settimana, festivi — è fuori punta.

Sette ore al giorno nei giorni feriali su 24, cinque giorni alla settimana, equivalgono a circa il 21% della settimana di calendario. Se i tuoi job batch sono pianificati tramite un cron in UTC, è facile allinearsi. Se il tuo traffico è un prodotto live con una curva diurna statunitense o europea, una quota significativa ricade nella finestra di picco e la tua tariffa media ponderata effettiva si colloca tra $0.66 e $1.32, non al valore riportato nella pagina marketing.

L'orologio di Carbon va nella direzione opposta. Resta invariato fino al 30 novembre e poi raddoppia. Due modelli, due fonti completamente diverse di variabilità della fattura: uno varia in base all'ora del giorno, l'altro alla data di calendario. Nessuno dei due è visibile da un singolo valore per token, e un confronto che cita $4/$20 rispetto a $0.66/$1.98 sta descrivendo un caso peggiore da una parte e un caso migliore dall'altra.

La versione onesta: alla tariffa introduttiva di Carbon rispetto alla tariffa di picco di V4 Pro, Carbon è 1,5x sull'input e 2,5x sull'output. Dopo il 1° dicembre, rispetto alla tariffa fuori picco, è 6x e 10x. Il valore di 4,4x di costo per attività si colloca tra questi e è il numero su cui vale la pena pianificare, perché tiene conto di quanti token ciascun modello necessita effettivamente per completare il lavoro.

Dove vale la pena pagare per il divario

Anziché un verdetto, quattro distinzioni che reggono rispetto a come sono effettivamente strutturati i due modelli.

Attività di cybersecurity e vulnerability management. Questo è il terreno di casa di Carbon e il motivo per cui Google lo ha riservato prima ai difensori. Carbon legge codice, immagini e PDF in un'unica chiamata, che è ciò di cui ha bisogno una pipeline di triage delle vulnerabilità, e i numeri riportati da Google stesso lo collocano in cima alle classifiche cyber che ha scelto di pubblicare. V4 Pro ha punteggi cyber autoreferenziali rispettabili e non è in grado di vedere uno screenshot. Per un team di sicurezza, Carbon a 6 volte il prezzo di input non è ovviamente la scelta sbagliata.

Classificazione, estrazione e instradamento ad alto volume. Invia questo a V4 Pro. Un divario composito di 37 punti non dice quasi nulla sulla capacità di un modello di etichettare un ticket di assistenza o estrarre campi da una fattura, e a $0,66 per milione di token di input il modello economico vince sull'aritmetica molto prima di perdere in qualità. La maggior parte dei team compra troppo in questo ambito.

Lavoro su documenti a contesto lungo. Entrambe le finestre sono da 1M token, quindi la capacità grezza è pari. Il fattore distintivo è la modalità e il tetto di output: Carbon acquisisce il PDF scansionato e scrive fino a 1M token; V4 Pro richiede il testo già estratto e si ferma a 384K. Se la tua pipeline è già sottoposta a OCR, V4 Pro offre la stessa finestra da 1M a un decimo del prezzo di output.

Tutto ciò che potresti dover ospitare autonomamente. Solo V4 Pro è un'opzione. I pesi MIT significano che nessun fornitore può ritirare il modello, modificarne il prezzo o riservarlo a un programma — il che non è una preoccupazione ipotetica in un anno in cui le condizioni di accesso di Carbon sono cambiate due volte in quattordici giorni e il suo prezzo cambierà di nuovo il 1° dicembre.

La risposta sul routing, con l'onesta avvertenza

La versione matura di questa decisione non consiste nello scegliere una sola opzione. Consiste nell'eseguire V4 Pro sulla maggior parte del traffico e nell'escalare i casi difficili a un modello di frontiera, che è esattamente la composizione per cui esiste il nostro routing DSL: un ramo economico che gestisce il volume, una condizione di escalation che scatta in caso di bassa affidabilità o validazione fallita e un unico endpoint compatibile OpenAI davanti a entrambi.

Oggi su quell'endpoint c'è deepseek/deepseek-v4-pro ai prezzi di D​eepSeek stesso, $0.66/$1.98, insieme a google/gemini-4-argon a $2/$10 — Argon è il modello G​emini 4 che porta la stessa finestra da 1M e un 50 sullo stesso indice, a metà del prezzo di output post-dicembre di Carbon. G​emini 4 Carbon non è nel nostro catalogo; vi si accede tramite l'API a pagamento di G​oogle, e un ramo Carbon in una pipeline è un'integrazione diretta. Poiché il prezzo di listino del provider viene trasferito con 0% di ricarico su oltre 200 modelli sulla chiave, una variazione delle tariffe del fornitore arriva il giorno stesso in cui avviene, il che per Carbon significa il 1° dicembre.

Il failover automatico è la parte che cambia i calcoli sul modello economico. Il motivo per cui i team acquistano in eccesso capacità frontier è la paura di una risposta scadente su quel 5% di richieste che contano davvero. Failover ed escalation permettono al modello economico di farsi carico del 95% che gestisce senza problemi, con il modello costoso raggiungibile su un unico endpoint quando una richiesta esula dal suo ambito — invece di pagare tariffe frontier su ogni token per assicurarsi contro una coda che potresti semplicemente instradare altrove.

Cosa cambierebbe questa raccomandazione?

Due sviluppi, entrambi plausibili entro un trimestre. Se un valutatore neutrale esegue Carbon su un benchmark cyber che anche DeepSeek ha pubblicato, le due schede di valutazione diventano confrontabili per la prima volta e il divario smette di essere una deduzione. E se DeepSeek rilascia il V4.1-Pro a cui faceva riferimento la sua stessa nota di migrazione, il lato economico di questo confronto diventa più forte senza che il lato costoso si muova — il che renderebbe lo split di escalation ancora più attraente di quanto non lo sia ora.

Fino ad allora, la posizione difendibile è poco attraente: V4 Pro per i volumi, Carbon solo dove input multimodale o capacità cyber sono determinanti, e nessun contratto a lungo termine firmato da nessuna delle due parti su un prezzo che raddoppia in venti giorni.