Gemini 4 Carbon vs DeepSeek V4 Pro：37インデックスポイントとタスクあたり4.4倍のコストで、実際に何が手に入るのか

G​emini 4 CarbonとDeepSeek V4 Proを同じ尺度で比較すると、結果は僅差ではない。Artificial Analysis Intelligence Index v5.0.1で60対23、ボード上で4番目に優れたモデルと中央値以下のモデルの間には37ポイントの差がある。コストの尺度で見ても、同様に差は大きいが、方向は逆だ。インデックスタスクあたり7.76ドル対1.77ドルである。興味深い問題は、どちらが優れているかではない。あなたの仕事で実際に支払っているのは、その2つの数値のどちらかということだ。なぜなら、本番トラフィックの大部分では37ポイントは使われない一方で、4.4倍の請求が毎月届くからだ。

両モデルは現在呼び出し可能であり、これによりロードマップ上の試算ではなく実際の比較になります。G​emini 4 Carbonは、12日間の制限付き展開を経て、2026年11月10日に有料API開発者向けに公開されました。DeepSeek V4 Proは、0813チェックポイントとして2026年8月13日から一般提供されており、MITライセンスの下でオープンウェイトが公開されています。

相反する前提に基づいて構築された2つのモデル

仕様は、どんなベンチマークよりも先に、挙動の違いの大部分を説明している。

• 価格、標準料金 — G​emini 4 Carbon：100万トークンあたり入力$2／出力$10（2026年11月30日まで）、その後は$4／$20。D​eepSeek V4 Pro：オフピーク時$0.66／$1.98、ピーク時$1.32／$3.96（D​eepSeek自身の料金表による）。

• キャッシュ済み入力 — Carbon は現在100万あたり$0.10、12月1日以降は$0.20、暗黙的キャッシュのみ。D​eepSeek はオフピーク時$0.022、ピーク時$0.044で、新規トークン料金の97%割引。

• コンテキストと出力 — どちらも100万トークンのウィンドウを持ちます。Carbonは同期出力を65,536トークンに制限し、ロングデコードでは最大1,048,576トークンまで許可します。V4 Proは384,000トークンが上限です。

• 入力モダリティ — Carbon はテキスト、画像、音声、動画、PDF を扱えます。V4 Pro はテキスト専用で、DeepSeek 自身の料金ページには v4-pro では vision がサポートされていないと記載されています。

• モデル重み — Carbonは非公開。V4 ProはMITライセンスの下で提供され、1.6兆パラメータのMixture-of-Expertsと490億のアクティブパラメータを備えているため、ライセンスの条件に従ってセルフホスト、ファインチューニング、再配布が可能です。

• エフォート制御 — Carbon は思考を low、medium、high で公開しています。V4 Pro は推論ダイヤルを low、high、max で公開しています。

モダリティの線引きは脚注ではない。パイプラインがスクリーンショット、スキャンしたPDF、通話録音を取り込むのであれば、V4 Proはその部分のスタックではいくら積まれてもモデルにはなり得ず、比較は単一の候補に収束する。トラフィックがコード、ログ、テキスト文書であるなら、その差は本当に選択の問題だ。

37のポイントを分解

その規模の合成ギャップは通常、ごく少数の評価が実質すべてを担っている結果であり、このペアについて独立系ボードが示しているのもまさにそれだ。Artificial AnalysisはCarbonをhigh effortで、V4 Pro 0813をmax effortで測定しており、どちらの数値もベンダーではなくその評価者によるものだ。

• Intelligence Index タスクあたりのコスト — Carbon は $7.76、V4 Pro は $1.77。この比率には冗長さがすでに織り込まれているため、両者を比べる際の最も公平な単一の経済指標と言えます。

• インデックス上で消費された出力トークン — Carbon 2億500万、V4 Pro 1億1900万、中央値7280万に対して。両モデルとも出力が多く、Carbon は約1.7倍で、価格差のかなりの部分はトークン単価だけではなくここに由来している。

• 速度とレイテンシー — Carbon 80 は毎秒80出力トークンで、最初の回答トークンまで66.85秒。V4 Pro は毎秒67トークンで67.71秒。この軸では両者はほぼ同一であり、どちらもストリーミングと忍耐なしには対話型チャットの経路に置くには遅すぎる。

• 推論強度への感度 — Carbonはhighで60、mediumで58、lowで54のスコア。V4 Proの非推論構成は13に対し、maxでは23。安価なモデルのほうが推論を下げたときに失うものがはるかに大きく、「安く回す」はどちらの側でも無償のスイッチではない。

ベンダー側の数字は派手で監査されておらず、直接比較できるほど重なっていない。DeepSeek自身の0813ビルド向けカードでは、Terminal-Bench 2.1が87.9、DeepSWEが62.7、CyberGymが83.3、SWE-bench Verifiedが80.6、Codeforcesレーティングが3206と報告されている——すべてベンダー報告であり、執筆時点で中立の第三者による再現はない。GoogleのCarbon向けカードでは、SEC-bench Proが88.2%、ExploitGymが54.8%、CWE-benchが71.0%と報告されている。これらを並べようとすると何が起きるかに注意してほしい。CyberGymとExploitGymは異なるハーネスであり、Terminal-Bench 2.1とTerminal-Bench 4.0は動く標的の異なるバージョンであり、2社のうち片方だけが、もう片方も実施したベンチマークのサイバースコアを公表している。83.3を54.8の隣に置くグラフは、ある尺度を別の尺度と比較している。

誰も予算に組み込んでいない課金の時計

DeepSeekの価格は単一の価格ではなく、これが2つのモデル間で最もあまり報じられていない違いです。V4 Proは、定義されたピーク時間帯の外では半額で課金されます。ピークはUTCの01:00～04:00および06:00～10:00で、月曜日から金曜日、中国の祝日を除きます。それ以外すべて——夜間、週末、祝日——はオフピークです。

平日の24時間のうち7時間、週5日で、暦週の約21%に相当します。バッチジョブがUTCのcronでスケジュールされているなら、合わせるのは簡単です。トラフィックが米国や欧州の日中のカーブを持つライブ製品であれば、そのかなりの部分がピーク時間帯に入り、実際のブレンド料金はマーケティングページに記載の数字ではなく、$0.66から$1.32の間に位置します。

Carbonの時計は逆方向に進む。11月30日までは横ばいで、その後2倍になる。2つのモデル、請求額の変動要因はまったく異なる2つ：一方は時間帯によって変動し、もう一方はカレンダー上の日付によって変動する。どちらもトークンあたりの単一の数値からは見えず、$4/$20 と $0.66/$1.98 を比較する記述は、一方では最悪のケースを、もう一方では最良のケースを述べていることになる。

正直に言うと、Carbonの導入料金をV4 Proのピーク料金と比べると、Carbonは入力で1.5倍、出力で2.5倍です。12月1日以降はオフピーク料金と比べて6倍と10倍になります。タスクあたりコスト4.4倍という数字はその中間にあり、計画に使うべき数値です。各モデルが実際にタスクを完了するのに必要なトークン数を考慮しているからです。

その差に費用を払う価値があるのはどこか

判定ではなく、2つのモデルが実際にどのように形作られているかに照らしても通用する4つの分割。

サイバーセキュリティと脆弱性対応。 ここはCarbonの独壇場であり、Googleがまず防御側に限定して提供した理由でもある。Carbonはコード、画像、PDFを1回の呼び出しで読み取れる。これは脆弱性トリアージのパイプラインに必要な機能だ。さらにGoogle自身が公表した数値では、Googleが公開を選んだサイバー系ベンチマークで首位に立っている。V4 Proは自己申告のサイバースコアは相応に高いものの、スクリーンショットを見ることはできない。セキュリティチームにとって、入力価格が6倍のCarbonを選ぶことが明らかに間違いとは言えない。

大量の分類・抽出・ルーティング。 これはV4 Proに送るべきだ。37ポイントの総合差は、モデルがサポートチケットにタグを付けたり、請求書からフィールドを抽出できるかどうかをほとんど説明しない。しかも入力100万トークンあたり$0.66なら、安価なモデルは品質で負けるよりずっと早く算数で勝つ。多くのチームはここで過剰に買っている。

長文コンテキストのドキュメント作業。どちらのウィンドウも100万トークンなので、生の容量では互角です。差がつくのはモダリティと出力の上限です。CarbonはスキャンしたPDFをそのまま取り込み、最大100万トークンまで書き出せます。V4 Proはテキストが事前に抽出されている必要があり、384Kで止まります。パイプラインがすでにOCR済みなら、V4 Proでも同じ100万トークンのウィンドウを、出力価格の10分の1で利用できます。

セルフホストが必要になるかもしれないものなら何でも。選択肢はV4 Proだけです。MITライセンスの重みは、どのベンダーもモデルを撤回したり、価格を変更したり、プログラムの参加を条件にアクセスを制限したりできないことを意味します — これは架空の懸念ではありません。今年はCarbonのアクセス条件が14日間で2度変更され、12月1日には価格が再び変更されるからです。

正直な但し書きを添えた、ルーティングの答え

この判断の成熟した形は、どちらか一方を選ぶことではない。トラフィックの大半をV4 Proで処理し、難しいケースをフロンティアモデルへエスカレーションすることだ。まさにそれが、私たちのルーティングDSLが存在する理由である構成だ。つまり、大量のトラフィックを処理する安価なブランチ、信頼度が低い場合や検証に失敗した場合に発火するエスカレーション条件、そしてその両方の手前に置かれた1つのOpenAI互換エンドポイントだ。

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.

自動フェイルオーバーこそが、安価なモデルに関する計算を変える部分です。チームがフロンティア容量を過剰に購入してしまうのは、重要となる5%のリクエストで悪い回答が返ってくることへの恐れがあるからです。フェイルオーバーとエスカレーションがあれば、安価なモデルが問題なく処理できる95%を担い、リクエストがその範囲外になったときには高価なモデルに単一のエンドポイントから到達できます。ルーティングできるテールに備えて、すべてのトークンにフロンティア料金を支払うのではなく。

この推奨を変えるものは何ですか？

2つの動きがあり、どちらも四半期以内に現実味がある。中立的な評価者が、D​eepSeekも公開したサイバー・ベンチマークでCarbonを実行すれば、2つのスコアカードは初めて比較可能になり、その差は推測ではなくなる。そして、D​eepSeekが自社の移行ノートが示していたV4.1-Proを出荷すれば、この比較の安い側は、高い側が動かないまま強化される——それにより、エスカレーション・スプリットは今よりさらに魅力的になるだろう。

それまでは、擁護できる立場は地味なものだ。大量処理にはV4 Pro、マルチモーダル入力またはサイバー能力が要となる場合にのみCarbon、そして20日で2倍になる価格のどちら側でも長期契約は結ばない。