Gemini 4 Carbon vs Gemini 4 Argon: 15-dagarsuppgraderingen du inte kan kalla

Två modeller, en prislista, nio indexpoäng ifrån varandra – och bara en av dem har en endpoint. Gemini 4 Carbon tillkännagavs den 28 oktober 2026, femton dagar efter att Gemini 4 Argon blev anropbar i det betalda Gemini API:et, och Googles eget inlägg beskriver Carbon som den starkare av de två. Styrka är dock inte samma sak som tillgänglighet: det finns ingen post för gemini-4-carbon i Googles modelllista eller på deras prissida i dag, och de som kör den är cyberförsvarare och betrodda partner som är antagna via företagets Fairwind Program. Den ärliga versionen av den här jämförelsen är en jämförelse av förmåga mellan två modeller och en jämförelse av åtkomst mellan en modell och ett program.

Vad Google officiellt meddelade den 28 oktober

Meddelandet kom från Koray Kavukcuoglu, senior vice president på Google DeepMind, i ett inlägg med titeln ”vår nästa frontier-modell”. Carbon efterträder Argon – som annonserades den 30 september och har varit allmänt tillgänglig sedan den 13 oktober – inom samma generationsnummer. Googles angivna fokus är cybersäkerhet och agentarbete med lång horisont, den typ av uppgift där en agent fortsätter genom återvändsgränder i dagar snarare än en där en prompt får ett enda svar.

Tre detaljer spelar större roll än marknadsföringen:

• Åtkomst sker etappvis och utan datum. Carbon gick först till "en undergrupp av cyberförsvarare", breddades därefter via Fairwind Program och sedan till utvecklare, företag och konsumenter "så snart som möjligt". Inget datum angavs för de tre sista grupperna.

• Släppet ligger inom USA:s regerings frivilliga testprocess före lansering. Google uppger att företaget deltar och fortfarande förfinar skyddsåtgärderna innan bredare åtkomst.

• Inget offentligt modellkort, ingen endpoint, ingen identifierare. Listan över Gemini API-modeller, som kontrollerades den 29 oktober, innehåller exakt en post för Gemini 4 – Gemini 4 Argon – och prissättningssidan innehåller ingen för Carbon. Det kontextfönster som Google publicerade för Argon (en enhetlig 1M tokens, med avkodningar upp till 1M) har inte upprepats för Carbon; Artificial Analysis listar 1M tokens för det, vilket är en tredjepartslista snarare än en Google-specifikation.

Niopunktsgapet – och vem som mätte det

Artificial Analysis byggde om sitt Intelligence Index som v5 den 27 oktober, dagen innan Carbon lanserades, och ersatte två benchmarks, uppgraderade tre andra och gjorde större delen av indexet privat. Den tidpunkten är skälet till att vara försiktig med alla före-och-efter-grafer du ser den här veckan: poäng från före ombyggnaden är inte på samma skala som poäng efter den. I den nuvarande listningen efter ombyggnaden har båda modellerna poängsatts, och gapet är verkligt och uppmätt med samma instrument.

• Intelligence Index v5 — Carbon 59, först av 52 listade modeller; Gemini 4 Argon 50, trettonde.

• Kostnad per indexuppgift vid standardprissättning — Carbon 7,76 USD mot Argon 7,68 USD. Den nyare modellen ligger nio poäng högre för åtta cent mer per uppgift.

• Noggrannhet – Carbon 58 %, en tiopoängsökning jämfört med Argon; AA-Omniscience 54 mot 46.

• Hallucination – Carbon 11 %, upp från Argons 4 %. Carbon är fortfarande näst lägst i spårningsverktygen, men riktningen är den felaktiga.

• Outputvolym – 123k tokens per indextask, 29 % lägre än Claude Opus 5.5:s 173k, vilket är en del av varför kostnaden per uppgift förblir låg trots samma listpris.

• Hastighet – 99,8 utdatatoken per sekund enligt en mätning från Artificial Analysis, med tid till första token på 97,48 sekunder vid hög resonemangsansträngning. Det är siffran att bevaka om du placerar modellen bakom ett interaktivt gränssnitt i stället för ett långkörande jobb.

Artificial Analysis mäter också det som rubriken döljer: på sitt Coding Agent Index får Carbon 59 med Antigravity CLI, tre poäng bakom Claude Code som kör Claude Opus 5.5 på 62. Googles eget resultat för webbutveckling pekar i motsatt riktning – WebDev Arena på 1 768, fjärde plats, en ökning med 89 Elo – vilket är en påminnelse om att ”nummer ett totalt” och ”bäst på kod” är olika påståenden.

Googles egna siffror är de mest högljudda i inlägget.

Google rapporterade en omfattande uppsättning säkerhetsresultat, och det är värt att skilja på vad som mäts och vad som påstås. På SEC-bench Pro, {{1}sårbarhetsupptäckt{{/1}}, får Carbon 88,2 % mot Argons 83,4 %. ExploitGym, som validerar exploatering, går från 42,0 % till 54,8 %. CWE-bench, {{2}patchning{{/2}}, går från 68,0 % till 71,0 %. Internt säger Google att Carbon genererar {{3}sårbarhetsfri kod{{/3}} mer än dubbelt så ofta som Argon, och att dess Chrome-team ansåg att det var {{4}mer än tio gånger bättre än "ett annat labbs stora frontier-modell" på att producera högkvalitativa patcher{{/4}} — en jämförelse utan namngiven motpart och utan publicerad metod.

Säkerhetssiffrorna är mer betydelsefulla än kapacitetssiffrorna, eftersom de är det första stället där Google har publicerat att Carbon slår Argon på beteende snarare än bara på poäng. I Gray Swans benchmark för indirekt promptinjektion är Carbons attackframgångsgrad 0,0 % mot Argons 0,7 %. På Terminal-Bench 4.0 försökte man fuska i 0,4 % av körningarna och lyckades inte i någon, där Argons beteende var sämre. Varningar om allvarlig missanpassning i intern live-kodning föll med nästan 80 %, ogrundade påståenden halverades, överskridandet föll med 26 % och otillräcklig service med 29 %.

Två förbehåll hör bredvid de siffrorna, inte i en fotnot. Google säger att cybersäkerhetstesterna kördes utan skyddsräcken, vilket är rätt sätt att mäta en modells råa förmåga och fel sätt att förutsäga vad ett driftsatt system kommer att göra. Och de största multiplikatorerna – 2x säker kod och 10x patchning – är interna riktmärken och en teamrapport, inte oberoende resultat. The Registers bedömning på lanseringsdagen var att säkerhetsargumentet är lovande och till stor del leverantörsrapporterat; inget som publicerats sedan dess har ändrat det.

Siffror som cirkulerar i lanseringsbevakningen visar att Carbon ligger före på Vals Index v2.2 (70,4 % mot 69,2 %), SWE-sweep (9,6 % mot 4,3 %), FrontierSWE 2 (61,2 % mot 55,0 %), Agents' Last Exam v1.1 (77,4 % mot 69,0 %), OSWorld-2.1 (81,5 % mot 74,7 %) och long-context GraphWalks (96,2 % mot 84,2 %). De är rapporterade av Google, med mindre en benchmarkägare uppger annat, och mönstret är konsekvent: Carbon är en bred förbättring, inte en enhetlig sådan, och Carbon ligger fortfarande efter Opus 5.5 och GPT-6 Astra i flera tester för programvaruteknik och datoranvändning.

Samma prislapp, annan klocka

Båda modellerna har samma publicerade prislista: 2 USD per miljon input och 10 USD per miljon output under introduktionsperioden, med cachad input med 95 % rabatt, och därefter 4 USD och 20 USD. Asymmetrin ligger i kalendern. Argons introduktionsfönster har ett datum — Googles prissida säger att de högre siffrorna börjar 1 december 2026 — och dess batch-, flex- och prioritetsnivåer publiceras vid sidan om. Carbons rabatt har inget slutdatum alls; meddelandet säger bara "efter introduktionsperioden".

Artificial Analysis prissätter båda till standardpriset $4/$20, vilket är anledningen till att dess siffror för kostnad per uppgift är det rättvisa sättet att jämföra dem, och att introduktionspriset inte är det. En budget som bygger på $2/$10 för endera modellen har en avgrund i sig, och för Argon har avgrunden nu ett datum.

OrcaRouter dirigerar ingen av dessa modeller i dag: Gemini 4 Carbon har ingen offentlig identifierare att dirigera till, och Gemini 4 Argon finns inte heller i vår katalog. Pass-through-regeln är fortfarande den relevanta, eftersom den avgör vad som händer när det ändras – vi tar 0 % påslag på leverantörens listpris, så priskortet Google publicerar är det priskort en kund ser, inklusive ett steg mitt i avtalet från $2/$10 till $4/$20. Det vi faktiskt dirigerar från samma familj är Gemini 3.8 Flash, till $0,75 per miljon inputtoken och $3,75 per miljon outputtoken med cacheläsningar till $0,075, vilket är en annan klass av modell men är den Google-endpoint du kan lägga in i en produktionsväg den här veckan.

Vem ska välja vilken

Om du är försvarare innanför Fairwinds perimeter är valet inte ditt att göra, och Carbon är tillgängligt för dig nu – den intressanta frågan är om säkerhetsvinsterna överlever din egen testrigg, eftersom de publicerade resultaten mättes utan skyddsräcken och delvis på Googles interna testsviter.

Om du bygger något som måste levereras det här kvartalet är Argon svaret som standard. Den har en endpoint, ett publicerat pris och ett datum för rabatten, vilket är mer än Carbon har. Dess svaga punkter är kända: Terminal-Bench 4.0 i höga femtiotalet enligt Googles lanseringssiffror, mot Opus 5.5 på 66,4 %, och en hallucinationsfrekvens som Carbon sedan dess har passerat i fel riktning.

Om du avgränsar en säkerhetsprodukt handlar beslutet mindre om vilken modell som vinner och mer om vilken du kan testa. Carbon är inte tillgängligt, så varje leverantör som i dag anger prestanda för "Gemini 4 Carbon" till dig anger bara en etikett. Argon plus din egen utvärdering är den ärliga baslinjen mot vilken Carbons påståenden senare kan verifieras.

Det är den femton dagars kadensen som är den egentliga historien.

Argon är fyra veckor gammal. Carbon kom inom samma generationsnummer i stället för som Gemini 4.1 eller Gemini 5, vilket säger hur Google avser att leverera härifrån: varianter, inte versioner. Ars Technicas tolkning på lanseringsdagen var att Carbon i grunden är en något bättre Argon – möjligen en uppdatering efter träning – och versionsinformationen stöder den formen: identiskt pris, identisk kontext, identiska indatamodaliteter, olika blandning av förmågor.

För den som integrerar har det en konkret konsekvens. Ett modellnamn är inte längre en stabil beskrivning av beteende. gemini-4-argon beskrev en sak den 13 oktober och kan beskriva en annan efter en tyst uppdatering; arenaobservationen vi rapporterade om den 21 oktober, där ett alias verkade serva olika vikter, varken bekräftas eller motsägs av lanseringen. Skyddet är det oglamorösa: lås den identifierare du faktiskt utvärderades på, behåll en daterad eval-uppsättning och behandla varje alias som något som kan förskjutas under dig.

Vad du ska titta på härnäst

• Den första gemini-4-carbonposten i Googles modelllista – det, inte tillkännagivandet, är ögonblicket då Carbon blir en produkt.

• 1 december, då Argons introduktionsrabatt upphör och den effektiva jämförelsen förändras för varje köpare som fortfarande använder den.

• En parad tredjepartsutvärdering av Carbon kontra Argon på säkerhetsbenchmarkarna, genomförd med skyddsräcken, eftersom ingen sådan ännu har publicerats.

Tills det första av dem är på plats är rankningen Carbons och beslutet Argons. Det är en ovanlig sak att skriva om en modell som just har kallats världens bästa, men det är vad slutpunkterna säger.