Gemini 4 Carbon vs DeepSeek V4 Pro: Wat 37 indexpunten en 4,4x de kosten per taak werkelijk opleveren

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.

Twee modellen gebouwd op tegenovergestelde aannames

De specificaties verklaren het grootste deel van het gedragsverschil al voordat welke benchmark dan ook dat doet.

• 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.

• Context en uitvoer — beide hebben een venster van 1M tokens. Carbon beperkt synchrone uitvoer tot 65.536 tokens en staat bij lange decode tot 1.048.576 toe; V4 Pro is beperkt tot 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.

• Gewichten — Carbon is closed-source. V4 Pro wordt onder MIT uitgebracht, met een mixture-of-experts-model met 1,6 biljoen parameters en 49 miljard actieve parameters, zodat je het zelf kunt hosten, fine-tunen en herdistribueren onder de voorwaarden van de licentie.

• Beheer van inspanning — Carbon biedt denkmodi op laag, gemiddeld en hoog. V4 Pro biedt een redeneerinstelling op laag, hoog en max.

De modaliteitsgrens is geen voetnoot. Als je pipeline screenshots, gescande pdf's of gespreksopnamen verwerkt, kan V4 Pro tegen geen enkele prijs het model in dat deel van de stack zijn, en valt de vergelijking terug tot één enkele kandidaat. Als je verkeer uit code, logs en tekstdocumenten bestaat, is het verschil echt een keuze.

De 37 punten, uiteengezet

Een samengestelde kloof van die grootte komt meestal doordat een paar evaluaties al het werk doen, en dat is wat de onafhankelijke boards voor dit paar laten zien. Artificial Analysis meet Carbon bij hoge inspanning en V4 Pro 0813 bij maximale inspanning; beide cijfers zijn van die evaluator, niet van de leveranciers.

• Kosten per taak in de Intelligence Index — Carbon $7,76, V4 Pro $1,77. Die verhouding houdt al rekening met uitvoerigheid, dus het is het eerlijkste enkele economische getal tussen hen.

• Verbruikte outputtokens op de index — Carbon 205 miljoen, V4 Pro 119 miljoen, tegenover een mediaan van 72,8 miljoen. Beide modellen zijn praatgraag; Carbon ongeveer 1,7x meer, en dat verklaart een deel van het prijsverschil, eerder dan alleen het tarief per token.

• Snelheid en latentie — Carbon 80 levert 80 outputtokens per seconde met 66,85 seconden tot het eerste antwoordtoken; V4 Pro 67 tokens per seconde met 67,71 seconden. Op deze as zijn ze vrijwel identiek, en beide zijn zo traag dat geen van beide thuishoort in een interactief chatpad zonder streaming en geduld.

• Inspanningsgevoeligheid — Carbon scoort 60 bij hoog, 58 bij gemiddeld en 54 bij laag. De niet-redeneerconfiguratie van V4 Pro scoort 13 tegenover 23 bij max. Het goedkopere model verliest veel meer wanneer je de redeneerstand lager zet, dus "goedkoop draaien" is aan beide kanten geen gratis schakelaar.

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.

De facturatieklok waar niemand rekening mee houdt

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.

Zeven uur per weekdag van de 24, vijf dagen per week, is ongeveer 21% van de kalenderweek. Als je batchtaken door een cron in UTC worden gepland, is dat gemakkelijk af te stemmen. Als je verkeer afkomstig is van een live product met een Amerikaanse of Europese dagcurve, valt een aanzienlijk deel ervan binnen het piekvenster en ligt je werkelijke gemengde tarief tussen $0,66 en $1,32, niet bij het getal op de marketingpagina.

De klok van Carbon loopt de andere kant op. Die is vlak tot 30 november en verdubbelt daarna. Twee modellen, twee volledig verschillende bronnen van factuurvariatie: de ene varieert per uur van de dag, de andere per kalenderdatum. Geen van beide is zichtbaar op basis van één cijfer per token, en een vergelijking die $4/$20 tegenover $0.66/$1.98 zet, beschrijft aan de ene kant een slechtste geval en aan de andere kant een beste geval.

De eerlijke versie: tegen het introductietarief van Carbon versus het piektarief van V4 Pro is Carbon 1,5x op input en 2,5x op output. Na 1 december tegen daluren is dat 6x en 10x. Het kosten-per-taakcijfer van 4,4x ligt tussen die waarden en is het getal om mee te plannen, omdat het rekening houdt met hoeveel tokens elk model daadwerkelijk nodig heeft om te voltooien.

Waar de kloof het waard is om voor te betalen

In plaats van een verdict, vier splitsingen die standhouden tegen hoe de twee modellen daadwerkelijk zijn vormgegeven.

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.

Grootschalige classificatie, extractie en routering. Stuur dit naar V4 Pro. Een samengesteld verschil van 37 punten zegt vrijwel niets over de vraag of een model een supportticket kan taggen of velden uit een factuur kan halen, en bij $0.66 per miljoen input wint het goedkope model het op de rekensom ruim voordat het op kwaliteit verliest. De meeste teams kopen hier te veel in.

Werk met documenten met een lange context. Beide vensters zijn 1M tokens, dus qua ruwe capaciteit is het gelijkspel. Het onderscheid zit in modaliteit en het outputplafond: Carbon neemt de gescande pdf op en schrijft tot 1M tokens; V4 Pro vereist dat de tekst al is geëxtraheerd en stopt bij 384K. Als je pipeline al is ge-OCR'd, biedt V4 Pro hetzelfde venster van 1M voor een tiende van de outputprijs.

Alles wat je mogelijk zelf zou moeten hosten. Alleen V4 Pro is een optie. MIT-gewichten betekenen dat geen enkele leverancier het model kan intrekken, de prijs kan wijzigen of het achter een programma kan afsluiten — wat geen hypothetische zorg is in een jaar waarin de toegangsvoorwaarden van Carbon twee keer in veertien dagen veranderden en de prijs op 1 december opnieuw verandert.

Het antwoord over de routering, met de eerlijke kanttekening

De volwassen versie van deze beslissing is niet om er één te kiezen. Het is V4 Pro draaien op het grootste deel van het verkeer en de moeilijke gevallen escaleren naar een frontier-model, en dat is precies de compositie waarvoor onze routing-DSL bestaat: een goedkope tak die het volume afhandelt, een escalatievoorwaarde die afgaat bij lage confidence of mislukte validatie, en één OpenAI-compatibel endpoint vóór beide.

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.

Automatische failover is het onderdeel dat de afweging bij het goedkope model verandert. De reden dat teams te veel frontier-capaciteit inkopen, is angst voor een slecht antwoord bij de 5% van de verzoeken die ertoe doen. Failover en escalatie laten het goedkope model de 95% afhandelen die het prima aankan, terwijl het dure model via één endpoint bereikbaar is wanneer een verzoek daarbuiten valt — in plaats van frontier-tarieven te betalen voor elke token om je in te dekken tegen een staart die je ook kunt routeren.

Wat zou deze aanbeveling veranderen?

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.

Tot die tijd is de verdedigbare positie weinig glamoureus: V4 Pro voor volume, Carbon alleen waar multimodale input of cybercapaciteit essentieel is, en geen langetermijncontract getekend aan weerszijden van een prijs die in twintig dagen verdubbelt.