Gemini 4 Carbon vs DeepSeek V4 Pro: что на самом деле дают 37 пунктов индекса и 4,4-кратная стоимость за задачу

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.

Две модели, построенные на противоположных допущениях

Спецификации объясняют большую часть различий в поведении ещё до того, как это сделает любой бенчмарк.

• 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.

• Контекст и вывод — оба имеют окно в 1M токенов. Carbon ограничивает синхронный вывод 65 536 токенами и допускает до 1 048 576 при длительном декодировании; V4 Pro ограничивает 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.

• Веса — Carbon закрыт. V4 Pro распространяется по лицензии MIT: mixture-of-experts на 1,6 трлн параметров и 49 млрд активных параметров, поэтому вы можете развернуть модель у себя, дообучать и распространять её при условии соблюдения лицензии.

• Контроль усилий — Carbon предоставляет режимы мышления на низком, среднем и высоком уровнях. V4 Pro предоставляет регулятор рассуждений на низком, высоком и максимальном уровнях.

Строка о модальности — не сноска. Если ваш конвейер принимает скриншоты, сканированные PDF или записи звонков, V4 Pro не может быть моделью в этой части стека ни за какую цену, и сравнение сводится к единственному кандидату. Если ваш трафик — это код, логи и текстовые документы, то разрыв действительно является выбором.

37 пунктов, разложенных на составляющие

Композитный разрыв такого размера обычно означает, что всю работу делают несколько оценок, и именно это показывают независимые лидерборды для этой пары. Artificial Analysis измеряет Carbon при высоком уровне усилий, а V4 Pro 0813 — при максимальном; обе цифры принадлежат этому оценщику, а не вендорам.

• Стоимость одной задачи Intelligence Index — Carbon $7,76, V4 Pro $1,77. Это соотношение уже учитывает многословность, поэтому оно является наиболее справедливым единым экономическим показателем для них.

• Токены вывода, израсходованные на индекс, — Carbon 205 млн, V4 Pro 119 млн при медиане 72,8 млн. Обе модели разговорчивы; Carbon примерно в 1,7 раза более разговорчива, и значительная часть ценового разрыва объясняется именно этим, а не только ставкой за токен.

• Скорость и задержка — Carbon 80 выдает 80 токенов в секунду при 66,85 секунды до первого токена ответа; V4 Pro — 67 токенов в секунду при 67,71 секунды. По этому параметру они почти идентичны, и оба достаточно медленны, так что ни один не подходит для интерактивного чата без потоковой передачи и терпения.

• Чувствительность к уровню усилий — Carbon набирает 60 при высоком, 58 при среднем и 54 при низком уровне. Конфигурация V4 Pro без режима рассуждений набирает 13 против 23 при максимальном уровне. Более дешёвая модель теряет гораздо больше, когда вы снижаете уровень рассуждений, поэтому «запустить подешевле» не является бесплатным переключателем ни для одной из сторон.

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.

Счётчик выставления счетов, который никто не закладывает в бюджет

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.

Семь часов в будний день из 24, пять дней в неделю — это около 21% календарной недели. Если ваши пакетные задания планируются с помощью cron в UTC, это легко согласовать. Если же ваш трафик — это работающий продукт с дневной кривой для США или Европы, значительная его доля попадает в пиковое окно, и ваша реальная усреднённая ставка находится между $0.66 и $1.32, а не на той цифре, что указана на маркетинговой странице.

Часы Carbon идут в обратную сторону. До 30 ноября тариф фиксированный, а затем удваивается. Две модели — два совершенно разных источника расхождений в счёте: у одной стоимость меняется по часам суток, у другой — по календарной дате. Ни то, ни другое не видно из одной цифры за токен, и сравнение, в котором $4/$20 противопоставляются $0,66/$1,98, описывает худший случай с одной стороны и лучший — с другой.

Честная версия: при стартовом тарифе Carbon по сравнению с пиковым тарифом V4 Pro Carbon составляет 1,5x на входе и 2,5x на выходе. После 1 декабря по сравнению с непиковым тарифом это 6x и 10x. Показатель стоимости выполнения задачи 4,4x находится между ними, и именно на него стоит ориентироваться при планировании, потому что он учитывает, сколько токенов каждой модели фактически требуется для завершения.

Где за разрыв стоит платить

Вместо вердикта — четыре разграничения, которые выдерживают проверку с учётом того, как на самом деле устроены обе модели.

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.

Классификация, извлечение и маршрутизация в больших объёмах. Отправьте это в V4 Pro. Композитный разрыв в 37 пунктов почти ничего не говорит о том, способна ли модель пометить тикет поддержки или извлечь поля из счёта, а при цене $0.66 за миллион входных токенов дешёвая модель выигрывает по арифметике задолго до того, как проигрывает по качеству. Большинство команд здесь покупают больше, чем нужно.

Работа с документами в длинном контексте. Оба окна составляют 1 млн токенов, так что по чистой ёмкости — ничья. Разница — в модальности и пределе вывода: Carbon принимает сканированный PDF и выдаёт до 1 млн токенов; V4 Pro требует уже извлечённый текст и останавливается на 384K. Если ваш конвейер уже прошёл OCR, V4 Pro даёт то же окно в 1 млн токенов за десятую часть цены вывода.

Всё, что вам, возможно, придётся разворачивать самостоятельно.Единственный вариант — V4 Pro. Веса под MIT означают, что ни один поставщик не может отозвать модель, пересмотреть её цену или ограничить доступ к ней через какую-либо программу — и это не гипотетический риск в год, когда условия доступа к Carbon менялись дважды за четырнадцать дней, а 1 декабря его цена вновь изменится.

Ответ по маршрутизации — с честной оговоркой.

Зрелая версия этого решения — не выбирать что-то одно. Это запускать V4 Pro на основной массе трафика и эскалировать сложные случаи на frontier-модель — именно для такой композиции и существует наш DSL маршрутизации: дешёвая ветка, обрабатывающая объём, условие эскалации, срабатывающее при низкой уверенности или неудачной валидации, и один OpenAI-совместимый эндпоинт перед ними обоими.

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.

Автоматическое переключение при сбое — это то, что меняет расклад в пользу дешевой модели. Причина, по которой команды покупают слишком много передовых мощностей, — страх плохого ответа на 5% запросов, которые действительно важны. Переключение при сбое и эскалация позволяют дешевой модели обрабатывать 95% запросов, с которыми она хорошо справляется, а дорогая модель доступна через одну конечную точку, когда запрос выходит за ее пределы, — вместо того чтобы платить передовые тарифы за каждый токен, страхуя хвост, который можно было бы маршрутизировать.

Что могло бы изменить эту рекомендацию?

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.

До тех пор защитимая позиция неброска: V4 Pro — для объёмов, Carbon — только там, где мультимодальный ввод или кибервозможности критически важны, и никаких долгосрочных контрактов, подписанных какой-либо из сторон по цене, которая удваивается за двадцать дней.