Gemini 4 Carbon vs DeepSeek V4 Pro: co tak naprawdę daje 37 punktów indeksu i 4,4-krotny koszt na zadanie

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.

Dwa modele oparte na przeciwnych założeniach

Specyfikacje wyjaśniają większość różnicy w zachowaniu, zanim zrobi to jakikolwiek benchmark.

• 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.

• Kontekst i dane wyjściowe — oba mają okno 1 mln tokenów. Carbon ogranicza synchroniczne dane wyjściowe do 65 536 tokenów i pozwala na maksymalnie 1 048 576 przy długim dekodowaniu; V4 Pro ogranicza do 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.

• Wagi — Carbon jest zamknięty. V4 Pro jest udostępniany na licencji MIT, z mieszaniną ekspertów o 1,6 biliona parametrów i 49 miliardami aktywnych parametrów, więc możesz hostować go samodzielnie, dostrajać i redystrybuować zgodnie z warunkami licencji.

• Kontrola wysiłku — Carbon udostępnia myślenie na poziomie niskim, średnim i wysokim. V4 Pro udostępnia regulator rozumowania na poziomie niskim, wysokim i maksymalnym.

Podział ze względu na modalność nie jest przypisem. Jeśli Twój potok przetwarza zrzuty ekranu, zeskanowane pliki PDF lub nagrania rozmów, V4 Pro nie może być modelem w tej części stosu za żadną cenę, a porównanie sprowadza się do jednego kandydata. Jeśli przetwarzane dane to kod, logi i dokumenty tekstowe, ta różnica to faktycznie kwestia wyboru.

37 punktów, rozłożonych na części

Tak duża różnica w wyniku złożonym zwykle wynika z kilku ewaluacji, które wykonują całą pracę, i właśnie to pokazują niezależne rankingi dla tej pary. Artificial Analysis mierzy Carbon przy wysokim wysiłku, a V4 Pro 0813 przy maksymalnym wysiłku; obie wartości pochodzą od tego ewaluatora, a nie od dostawców.

• Koszt na zadanie w Intelligence Index — Carbon 7,76 USD, V4 Pro 1,77 USD. Ten stosunek uwzględnia już rozwlekłość, więc jest najuczciwszą pojedynczą liczbą ekonomiczną w porównaniu między nimi.

• Tokeny wyjściowe zużyte na indeksie — Carbon 205 milionów, V4 Pro 119 milionów, wobec mediany 72,8 miliona. Oba modele są gadatliwe; Carbon mniej więcej 1,7 razy bardziej, i stąd bierze się spora część różnicy w cenie, a nie z samej stawki za token.

• Szybkość i opóźnienie — Carbon: 80 tokenów wyjściowych na sekundę i 66,85 sekundy do pierwszego tokena odpowiedzi; V4 Pro: 67 tokenów na sekundę i 67,71 sekundy. W tym aspekcie są niemal identyczne, a oba są wystarczająco wolne, że żaden nie nadaje się do interaktywnej ścieżki czatu bez strumieniowania i cierpliwości.

• Wrażliwość na poziom wysiłku — Carbon uzyskuje 60 przy wysokim, 58 przy średnim i 54 przy niskim. Konfiguracja V4 Pro bez rozumowania uzyskuje 13 wobec 23 przy maksymalnym. Tańszy model traci znacznie więcej, gdy obniżysz poziom rozumowania, więc „uruchom go tanio” nie jest darmowym przełącznikiem po żadnej ze stron.

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.

Zegar rozliczeń, którego nikt nie uwzględnia w budżecie

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.

Siedem godzin w dni robocze na 24, pięć dni w tygodniu, to około 21% tygodnia kalendarzowego. Jeśli Twoje zadania wsadowe są zaplanowane przez cron w UTC, łatwo to dopasować. Jeśli Twój ruch pochodzi z działającego produktu z dobową krzywą dla USA lub Europy, znacząca jego część przypada na okno szczytowe, a Twoja rzeczywista stawka mieszana wynosi między $0.66 a $1.32, a nie tyle, ile podano na stronie marketingowej.

Zegar Carbon chodzi w drugą stronę. Do 30 listopada jest stały, a potem się podwaja. Dwa modele, dwa zupełnie różne źródła zmienności rachunku: jeden zmienia się z godziną dnia, drugi z datą kalendarzową. Żadnego z nich nie widać z pojedynczej wartości na token, a porównanie, które zestawia $4/$20 z $0.66/$1.98, opisuje najgorszy przypadek po jednej stronie i najlepszy po drugiej.

Szczera wersja: przy stawce wprowadzającej Carbon w porównaniu ze stawką szczytową V4 Pro Carbon kształtuje się na poziomie {{1}}1,5×{{/1}} na wejściu i {{2}}2,5×{{/2}} na wyjściu. Po 1 grudnia w porównaniu ze stawką poza szczytem jest to {{3}}6×{{/3}} i {{4}}10×{{/4}}. Wskaźnik kosztu na zadanie {{5}}4,4×{{/5}} mieści się między nimi i jest liczbą, z którą warto planować, ponieważ uwzględnia, ile tokenów każdy model faktycznie potrzebuje do ukończenia.

Gdzie warto zapłacić za różnicę

Zamiast werdyktu: cztery podziały, które się bronią, biorąc pod uwagę, jak oba modele są w rzeczywistości skonstruowane.

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.

Klasyfikacja, ekstrakcja i routing w dużym wolumenie. Wyślij to do V4 Pro. 37-punktowa luka w wyniku łączonym nie mówi prawie nic o tym, czy model potrafi oznaczyć zgłoszenie do pomocy technicznej albo wyciągnąć pola z faktury, a przy 0,66 USD za milion tokenów wejściowych tani model wygrywa arytmetycznie na długo, zanim przegra na jakości. Większość zespołów przepłaca w tym miejscu.

Praca z dokumentami w długim kontekście. Oba okna mają rozmiar 1 mln tokenów, więc surowa pojemność jest równa. Różnicę stanowią modalność i limit wyjścia: Carbon przyjmuje zeskanowany plik PDF i generuje do 1 mln tokenów; V4 Pro wymaga już wyodrębnionego tekstu i zatrzymuje się na 384 tys. Jeśli Twój pipeline jest już po OCR, V4 Pro oferuje to samo okno 1 mln w cenie jednej dziesiątej kosztu wyjścia.

Wszystko, co mögłbyś musieć hostować samodzielnie. Dostępna jest wyłącznie wersja V4 Pro. Wagi na licencji MIT oznaczają, że żaden dostawca nie może wycofać modelu, zmienić jego ceny ani ograniczyć dostępu do niego w ramach jakiegoś programu — co nie jest hipotetycznym zmartwieniem w roku, w którym warunki dostępu Carbon zmieniły się dwukrotnie w ciągu czternastu dni, a jego cena zmienia się ponownie 1 grudnia.

Odpowiedź dotycząca routingu, z uczciwym zastrzeżeniem

Dojrzała wersja tej decyzji nie polega na wyborze jednego rozwiązania. Polega ona na uruchamianiu V4 Pro dla większości ruchu i eskalowaniu trudnych przypadków do modelu klasy frontier, co jest dokładnie tą kompozycją, dla której istnieje nasz routing DSL: tania gałąź obsługująca wolumen, warunek eskalacji uruchamiany przy niskiej pewności lub nieudanej walidacji oraz jeden punkt końcowy zgodny z OpenAI przed obydwoma.

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.

Automatyczne przełączanie awaryjne to element, który zmienia rachunek opłacalności w przypadku taniego modelu. Powodem, dla którego zespoły przepłacają za moce modeli klasy frontier, jest obawa przed złą odpowiedzią na 5% zapytań, które mają znaczenie. Failover i eskalacja pozwalają taniemu modelowi przejąć 95% zapytań, z którymi radzi sobie dobrze, a drogi model jest osiągalny pod jednym punktem końcowym, gdy zapytanie wykracza poza jego zakres — zamiast płacić stawki frontier za każdy token, aby ubezpieczyć się od ogona, który można by zamiast tego przekierować.

Co zmieniłoby tę rekomendację?

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.

Do tego czasu stanowisko, którego można bronić, jest bez blasku: V4 Pro do wolumenu, Carbon tylko tam, gdzie multimodalne wejście lub zdolności cyber odgrywają kluczową rolę, i żadna długoterminowa umowa podpisana po którejkolwiek stronie ceny, która podwaja się w ciągu dwudziestu dni.