Gemini 4 Carbon vs. DeepSeek V4 Pro: Vad man faktiskt får för 37 indexpoäng och 4,4 gånger kostnaden per uppgift

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.

Två modeller byggda på motsatta antaganden

Specifikationerna förklarar större delen av beteendeskillnaden innan något benchmark gör det.

• 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.

• Kontext och utdata – båda har ett fönster på 1 miljon token. Carbon begränsar synkron utdata till 65 536 token och tillåter upp till 1 048 576 med lång avkodning; V4 Pro har en gräns på 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.

• Vikter — Carbon är stängt. V4 Pro levereras under MIT, med en mixture-of-experts på 1,6 biljoner parametrar och 49 miljarder aktiva parametrar, så du kan självhosta, finjustera och vidaredistribuera i enlighet med licensen.

• Ansträngningskontroll – Carbon exponerar tänkande på låg, medel och hög nivå. V4 Pro exponerar ett resonemangsreglage på låg, hög och max.

Modalitetsgränsen är inte en fotnot. Om din pipeline tar in skärmbilder, skannade PDF-filer eller samtalsinspelningar kan V4 Pro inte vara modellen i den delen av stacken till något pris, och jämförelsen reduceras till en enda kandidat. Om din trafik är kod, loggar och textdokument är gapet genuint ett val.

De 37 punkterna, nedbrutna

Ett sammansatt gap av den storleken beror vanligtvis på att ett fåtal utvärderingar gör hela jobbet, och det är vad de oberoende tavlorna visar för det här paret. Artificial Analysis mäter Carbon vid hög ansträngning och V4 Pro 0813 vid maximal ansträngning; båda siffrorna är den utvärderarens, inte leverantörernas.

• Kostnad per uppgift i Intelligence Index — Carbon $7,76, V4 Pro $1,77. Det förhållandet tar redan hänsyn till ordrikedom, så det är det mest rättvisande enskilda ekonomiska måttet mellan dem.

• Utdata-tokens som bränts på indexet — Carbon 205 miljoner, V4 Pro 119 miljoner, jämfört med en median på 72,8 miljoner. Båda modellerna är pratsamma; Carbon är ungefär 1,7 gånger mer pratsam, vilket är en del av förklaringen till prisskillnaden snarare än enbart priset per token.

• Hastighet och latens — Carbon 80 utdatatokens per sekund med 66,85 sekunder till första svarstoken; V4 Pro 67 tokens per sekund med 67,71 sekunder. På denna axel är de nästan identiska, och båda är tillräckligt långsamma för att ingen av dem hör hemma i en interaktiv chattväg utan streaming och tålamod.

Ansträngningskänslighet — Carbon får 60 vid hög, 58 vid medel och 54 vid låg. V4 Pro:s icke-resonemangskonfiguration får 13 mot 23 vid max. Den billigare modellen förlorar mycket mer när man sänker resonemanget, så "kör det billigt" är inte en gratis omkopplare på någon av sidorna.

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.

Faktureringsklockan som ingen budgeterar för

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.

Sju timmar per vardag av 24, fem dagar i veckan, utgör ungefär 21 % av kalenderveckan. Om dina batchjobb schemaläggs av ett cron i UTC är det enkelt att anpassa. Om din trafik är en produkt i drift med en amerikansk eller europeisk dagskurva hamnar en betydande del av den inom toppfönstret, och din verkliga sammanvägda taxa ligger mellan 0,66 och 1,32 dollar, inte på siffran på marknadsföringssidan.

Carbons klocka går åt andra hållet. Den är platt fram till den 30 november och fördubblas sedan. Två modeller, två helt olika källor till variation i fakturan: den ena varierar med timme på dygnet, den andra med kalenderdatum. Inget av detta syns i en enskild siffra per token, och en jämförelse som anger $4/$20 mot $0.66/$1.98 beskriver ett värsta fall på ena sidan och ett bästa fall på den andra.

Den ärliga versionen: till Carbons introduktionspris jämfört med V4 Pros topptaxa är Carbon 1,5x på indata och 2,5x på utdata. Efter 1 december jämfört med lågtaxa är det 6x och 10x. Siffran 4,4x i kostnad per uppgift ligger mellan dessa och är det tal som är värt att planera med, eftersom den tar hänsyn till hur många tokens varje modell faktiskt behöver för att slutföra.

Där gapet är värt att betala för

I stället för en dom, fyra uppdelningar som står sig mot hur de två modellerna faktiskt är utformade.

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.

Klassificering, extrahering och dirigering i hög volym. Skicka det här till V4 Pro. En sammansatt skillnad på 37 poäng säger nästan ingenting om huruvida en modell kan tagga ett supportärende eller hämta fält från en faktura, och med 0,66 USD per miljon indatatoken vinner den billiga modellen på aritmetik långt innan den förlorar på kvalitet. De flesta team betalar för mer än de behöver här.

Arbete med dokument i långa kontexter. Båda fönstren är på 1M tokens, så rå kapacitet ligger lika. Det som skiljer är modalitet och utdatatak: Carbon tar emot den skannade PDF:en och skriver upp till 1M tokens; V4 Pro behöver redan extraherad text och stannar på 384K. Om din pipeline redan är OCR:ad har V4 Pro samma 1M-fönster för en tiondel av utdatapriset.

Allt du kan behöva självhosta.Endast V4 Pro är ett alternativ. MIT-vikter innebär att ingen leverantör kan dra tillbaka modellen, ändra priset på den eller låsa den bakom ett program – vilket inte är något hypotetiskt bekymmer under ett år då Carbons åtkomstvillkor ändrades två gånger under fjorton dagar och priset ändras igen den 1 december.

Routningssvaret, med den ärliga brasklappen

Den mogna versionen av detta beslut är inte att välja ett. Det är att köra V4 Pro på merparten av trafiken och eskalera de svåra fallen till en frontiermodell, vilket är precis den sammansättning som vår routing-DSL finns för: en billig gren som hanterar volymen, ett eskaleringsvillkor som utlöses vid låg konfidens eller misslyckad validering, och en OpenAI-kompatibel slutpunkt framför båda.

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.

Automatisk failover är delen som förändrar kalkylen för den billiga modellen. Anledningen till att team köper för mycket frontier-kapacitet är rädslan för ett dåligt svar på de 5 % av förfrågningarna som spelar roll. Failover och eskalering låter den billiga modellen ta de 95 % som den hanterar bra, med den dyra modellen nåbar på en enda slutpunkt när en förfrågan faller utanför den – i stället för att betala frontier-priser för varje token för att försäkra sig mot en svans som man i stället skulle kunna dirigera.

Vad skulle förändra den här rekommendationen?

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.

Fram till dess är den försvarbara hållningen oglamorös: V4 Pro för volym, Carbon endast där multimodala indata eller cyberkapacitet är bärande, och inget långtidskontrakt tecknat på någon av sidorna om ett pris som fördubblas inom tjugo dagar.