Gemini 4 Carbon vs DeepSeek V4 Pro: O que 37 pontos de índice e 4,4x o custo por tarefa realmente compram

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.

Ambos os modelos são chamáveis hoje, o que torna isto uma comparação real, e não um exercício de planejamento. O Gemini 4 Carbon foi aberto a desenvolvedores da API paga em 10 de novembro de 2026, após uma implantação com acesso restrito de doze dias. O DeepSeek V4 Pro está disponível em geral desde 13 de agosto de 2026 como o checkpoint 0813, com pesos abertos sob a licença MIT.

Dois modelos construídos sobre pressupostos opostos

As especificações explicam a maior parte da diferença de comportamento antes de qualquer benchmark.

• Preço, tarifa padrão — G​emini 4 Carbon: US$ 2 de entrada / US$ 10 de saída por milhão até 30 de novembro de 2026, depois US$ 4 / US$ 20. D​eepSeek V4 Pro: US$ 0,66 / US$ 1,98 fora de pico e US$ 1,32 / US$ 3,96 no pico, diretamente da tabela de preços da própria D​eepSeek.

• Entrada em cache — Carbon US$ 0,10 por milhão agora, US$ 0,20 após 1º de dezembro, apenas cache implícito. D​eepSeek US$ 0,022 fora de pico e US$ 0,044 no pico, um desconto de 97% sobre a tarifa de tokens novos.

• Contexto e saída — ambos têm uma janela de 1M de tokens. O Carbon limita a saída síncrona a 65.536 tokens e permite até 1.048.576 com decodificação longa; o V4 Pro limita a 384.000.

• Modalidade de entrada — o Carbon aceita texto, imagem, áudio, vídeo e PDF. O V4 Pro é somente texto, e a própria página de preços da D​eepSeek diz que visão não é suportada no v4-pro.

• Pesos — O Carbon é fechado. O V4 Pro é distribuído sob a licença MIT, com uma mistura de especialistas de 1,6 trilhão de parâmetros e 49 bilhões de parâmetros ativos, então você pode hospedar localmente, fazer fine-tuning e redistribuir, sujeito à licença.

• Controle de esforço — O Carbon expõe o pensamento nos níveis baixo, médio e alto. O V4 Pro expõe um ajuste de raciocínio nos níveis baixo, alto e máximo.

A linha de modalidade não é uma nota de rodapé. Se o seu pipeline ingere capturas de tela, PDFs digitalizados ou gravações de chamadas, o V4 Pro não pode ser o modelo nessa parte da stack a preço algum, e a comparação se reduz a um único candidato. Se o seu tráfego for código, logs e documentos de texto, a diferença é genuinamente uma escolha.

Os 37 pontos, decompostos

Uma diferença composta desse tamanho normalmente se deve a algumas avaliações fazendo todo o trabalho, e é isso que os rankings independentes mostram para este par. A Artificial Analysis mede o Carbon com esforço alto e o V4 Pro 0813 com esforço máximo; ambos os valores são desse avaliador, não dos fornecedores.

• Custo por tarefa do Intelligence Index — Carbon US$ 7,76, V4 Pro US$ 1,77. Essa proporção já incorpora a verbosidade, então é o número econômico único mais justo entre eles.

• Tokens de saída gastos no índice — Carbon 205 milhões, V4 Pro 119 milhões, contra uma mediana de 72,8 milhões. Ambos os modelos são verbosos; o Carbon é cerca de 1,7x mais verboso, e é daí que vem boa parte da diferença de preço, e não apenas da taxa por token.

• Velocidade e latência — Carbon {{1}}80 tokens de saída por segundo{{/1}} com {{2}}66,85 segundos até o primeiro token de resposta{{/2}}; V4 Pro {{3}}67 tokens por segundo{{/3}} com {{4}}67,71 segundos{{/4}}. Neste eixo, são quase idênticos, e ambos são lentos o suficiente para que nenhum deles pertença a um caminho de chat interativo sem streaming e paciência.

• Sensibilidade ao esforço — Carbon pontua 60 no alto, 58 no médio e 54 no baixo. A configuração sem raciocínio do V4 Pro pontua 13 contra 23 no máximo. O modelo mais barato perde muito mais quando você reduz o raciocínio, então "rodar barato" não é uma opção gratuita em nenhum dos lados.

Do lado do fornecedor, os números são estrondosos e não auditados, e não se sobrepõem o suficiente para uma comparação direta. O próprio cartão da DeepSeek para a build 0813 reporta Terminal-Bench 2.1 em 87,9, DeepSWE em 62,7, CyberGym em 83,3, SWE-bench Verified em 80,6 e uma pontuação no Codeforces de 3206 — tudo reportado pelo fornecedor, nada reproduzido por uma parte neutra até o momento da escrita. O cartão da Google para o Carbon reporta SEC-bench Pro em 88,2%, ExploitGym em 54,8% e CWE-bench em 71,0%. Repare no que acontece se você tentar alinhar esses números: CyberGym e ExploitGym são harnesses diferentes, Terminal-Bench 2.1 e Terminal-Bench 4.0 são versões diferentes de um alvo móvel, e apenas um dos dois fornecedores publicou uma pontuação de cibersegurança em um benchmark que o outro também executou. Qualquer gráfico que coloque 83,3 ao lado de 54,8 está comparando uma escala com outra escala.

O relógio de faturamento que ninguém inclui no orçamento

O preço do DeepSeek não é um preço único, e esta é a diferença mais subnotificada entre os dois modelos. O V4 Pro cobra metade da tarifa fora de uma janela de pico definida: o pico é das 01h00 às 04h00 e das 06h00 às 10h00 UTC, de segunda a sexta-feira, excluindo feriados públicos chineses. Todo o resto — noites, fins de semana, feriados — é fora de pico.

Sete horas por dia útil em 24, cinco dias por semana, é cerca de 21% da semana civil. Se suas tarefas em lote são agendadas por um cron em UTC, isso é fácil de alinhar. Se seu tráfego é de um produto ativo com uma curva diurna dos EUA ou da Europa, uma parcela significativa dele cai dentro da janela de pico e sua taxa combinada real fica entre US$ 0,66 e US$ 1,32, e não no número da página de marketing.

O relógio da Carbon funciona ao contrário. Ele fica constante até 30 de novembro e depois dobra. Dois modelos, duas fontes completamente diferentes de variação da fatura: um varia por hora do dia, o outro por data do calendário. Nenhum dos dois é visível a partir de um único valor por token, e uma comparação que cita $4/$20 contra $0,66/$1,98 está descrevendo o pior cenário de um lado e o melhor cenário do outro.

A versão honesta: na tarifa introdutória do Carbon contra a tarifa de pico do V4 Pro, o Carbon é 1,5x na entrada e 2,5x na saída. Após 1º de dezembro contra o horário fora de pico, é 6x e 10x. O número de 4,4x de custo por tarefa fica entre esses e é o número com que vale a pena planejar, porque leva em conta quantos tokens cada modelo realmente precisa para terminar.

Onde vale a pena pagar pela diferença

Em vez de um veredito, quatro divisões que resistem à forma como os dois modelos são realmente moldados.

Trabalho em cibersegurança e vulnerabilidades. Este é o terreno do Carbon e a razão pela qual o G​oogle o restringiu primeiro aos defensores. O Carbon lê código, imagens e PDFs em uma única chamada, que é exatamente o que um pipeline de triagem de vulnerabilidades precisa, e os números divulgados pelo próprio G​oogle o colocam no topo dos rankings de cibersegurança que ele optou por publicar. O V4 Pro tem pontuações de cibersegurança autorrelatadas respeitáveis e não consegue ver uma captura de tela. Para uma equipe de segurança, o Carbon a 6x o preço de entrada não é obviamente a decisão errada.

Classificação, extração e roteamento de alto volume. Envie isto para o V4 Pro. Uma lacuna composta de 37 pontos não diz quase nada sobre se um modelo consegue etiquetar um chamado de suporte ou extrair campos de uma fatura, e a US$ 0,66 por milhão de tokens de entrada, o modelo barato vence na aritmética muito antes de perder na qualidade. A maioria das equipes compra mais do que precisa aqui.

Trabalho com documentos de contexto longo. Ambas as janelas têm 1M de tokens, então a capacidade bruta empata. O diferencial é a modalidade e o teto de saída: o Carbon ingere o PDF digitalizado e escreve até 1M de tokens; o V4 Pro precisa do texto já extraído e para em 384K. Se seu pipeline já passou por OCR, o V4 Pro mantém a mesma janela de 1M por um décimo do preço de saída.

Qualquer coisa que você possa precisar hospedar por conta própria. Apenas o V4 Pro é uma opção. Pesos MIT significam que nenhum fornecedor pode retirar o modelo, alterar seu preço ou restringi-lo a um programa — o que não é uma preocupação hipotética em um ano em que as condições de acesso da Carbon mudaram duas vezes em catorze dias e seu preço muda novamente em 1º de dezembro.

A resposta de roteamento, com a ressalva honesta

A versão madura dessa decisão não é optar por uma delas. É rodar o V4 Pro na maior parte do tráfego e escalar os casos difíceis para um modelo de fronteira, que é exatamente a composição para a qual o nosso DSL de roteamento existe: um ramo barato que dá conta do volume, uma condição de escalonamento que dispara em caso de baixa confiança ou de falha na validação, e um único endpoint compatível com OpenAI na frente dos dois.

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.

O failover automático é a parte que muda o cálculo no modelo barato. O motivo pelo qual as equipes compram capacidade de fronteira em excesso é o medo de uma resposta ruim nos 5% das solicitações que importam. O failover e o escalonamento permitem que o modelo barato assuma os 95% que ele lida bem, com o modelo caro acessível em um único endpoint quando uma solicitação ficar fora desse escopo — em vez de pagar preços de fronteira em cada token para se proteger de uma cauda que você poderia rotear.

O que mudaria esta recomendação?

Dois desenvolvimentos, ambos plausíveis dentro de um trimestre. Se um avaliador neutro executar o Carbon num benchmark de cibersegurança que a D​eepSeek também publicou, os dois cartões de pontuação tornam-se comparáveis pela primeira vez e a lacuna deixa de ser uma inferência. E se a D​eepSeek lançar o V4.1-Pro para o qual a sua própria nota de migração apontava, o lado barato desta comparação fica mais forte sem que o lado caro se altere — o que tornaria a divisão de escalonamento ainda mais atrativa do que é agora.

Até lá, a posição defensável é pouco glamorosa: V4 Pro para volume, Carbon apenas onde a entrada multimodal ou a capacidade cibernética é determinante, e nenhum contrato de longo prazo assinado em nenhum dos lados de um preço que dobra em vinte dias.