Titelkort med texten Gemini 4 Neon vs Gemini 4 Carbon under raden Långsammare att få förtroende, snabbare att bli klar, ovanför två kort – Kostnad per token, Neon högre, och Kostnad per uppgift, Neon lägre, enligt Google – med bildtexten En siffra prissätter tokens. Den andra prissätter arbetet.
Guides & Insights

Gemini 4 Neon vs Gemini 4 Carbon: Den nyare modellen tar längre tid att få förtroende och är snabbare att bli klar

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Ställer man Gem​ini 4 Neon och Gemini 4 Carbon sida vid sida på en prislista förlorar Neon: $3,00 in och $15,00 ut mot Carbons $2,00 och $10,00. Ställer man dem sida vid sida för en slutförd uppgift säger Goog​le det motsatta och hävdar att Neon kostar 32 % mindre per uppgift vid sin standardtanknivå. Båda påståendena är sanna, och gapet mellan dem är hela beslutet. Det ena talet prissätter tokens. Det andra prissätter arbetet som dessa tokens utför – och när en familj släpper fyra modeller inom åtta veckor är det andra talet det enda som säger vilken modell du ska sätta i produktion.

Båda är allmänt tillgängliga. Carbon sedan 10 november 2026, efter två veckor med begränsad åtkomst för cyberförsvarare via Fairwind Program från Google. Neon sedan 18 november 2026, öppet för alla betalande Gemini API-utvecklare från dag ett. De delar en enhetlig kontext på 1M token, samma fem indatamodaliteter, samma standardtak för utdata på 64K med upp till 1M tillgängligt, samma cachelagring som enbart är implicit och samma avsaknad av en gratisnivå. Nästan allt som skiljer dem åt är beteende, inte specifikation.

Kostnad per token, kostnad per uppgift och de tretton dagarna som inverterar dem

Prislistorna först, eftersom vändningen den 1 december ändrar svaret på "vilken som är billigare" utan att någon av modellerna förändras alls.

• Idag, 19 november 2026 — Carbon $2.00 indata / $10.00 utdata / $0.10 cachad; Neon $3.00 / $15.00 / $0.15. Carbon är 33 % billigare på varje rad.

• Från 1 december 2026 — Carbon trappas upp till $4,00 / $20,00 / $0,20 enligt Goog​les publicerade schema; Neon ändras inte. Neon blir 25 % billigare på varje rad.

• Batch och flex — Carbon $1.00 / $5.00 idag, $2.00 / $10.00 efter steget; Neon oförändrat på $1.50 / $7.50.

• Prioritet — 1,8x-nivån: Carbon $3,60 / $18,00 idag, $7,20 / $36,00 efter; Neon oförändrat på $5,40 / $27,00.

• Artificial Analysiss egen Carbon-sida, läst den 19 november, listar Carbon till $4.00 och $20.00 – decembertaxan, inte den som Google fakturerar just nu. Om du hämtar priser från en topplista i stället för från leverantörens prislista kan du redan jämföra mot ett pris som ingen betalar ännu.

Nu till siffran per uppgift, vilket är där Neons argument ligger. Googles tillkännagivande anger att den vid Neons förvalda höga tänknivå levererar "en 32 % lägre kostnad per uppgift än Carbon." Det är inte ett prispåstående, det är ett ordrikedomspåstående klätt i ett prispåståendes kläder. En modell som resonerar med dubbelt så många tokens till halva priset kostar lika mycket per uppgift; Google säger att Neon avger väsentligt färre tokens för att nå ett jämförbart svar. Det är också det enda påståendet i tillkännagivandet som direkt motsvarar din egen faktura, vilket innebär att det är det du bör mäta igen på din egen trafik i stället för att acceptera.

Det finns oberoende belägg för åt vilket håll det pekar. Artificial Analysis mäter Carbon till 205 miljoner utdatatoken i Intelligence Index, vilket de beskriver som mycket ordrikt jämfört med en median på 65,1 miljoner, med 36,0 minuter per uppgift och 7,76 dollar per uppgift, en utdatahastighet på 57 token/sekund och 75 sekunder till första svarstoken. Oavsett vad Neons egna siffror visar sig vara är Carbons profil etablerad: långsam att starta, tokenintensiv och dyr per uppgift till listpris. Neons hela positionering bygger på att vara motsatsen till den profilen.

Jämförelsen som Goog​le faktiskt gör sker inte med matchade inställningar.

Det här är fällan i varje Neon-mot-Carbon-tabell som cirkulerar den här veckan, inklusive Goog​les eget diagram. De två modellerna har inte samma tanketrappa, och deras rubriksiffror är inte uppmätta på samma steg.

• Tankenivåer — Carbon: låg, medel, hög, standard är medel. Neon: låg, medel, hög, xhigh, standard är hög.

• Vad ”hög” innebär — på Carbon är det maxvärdet; på Neon är det den rekommenderade standarden, med en djupare nivå ovanför.

• Det indexvärde som Goog​le anger för Neon – 61 på Artificial Analysis Intelligence Index, tredje totalt – är ett xhigh-värde. Samma tillkännagivande anger Neons kostnadsfördel per uppgift till high. Det är två olika konfigurationer som beskrivs i intilliggande meningar.

• Carbons indexsiffra – 59 i index v5.0 vid lanseringen, rankad etta vid den tidpunkten; Artificial Analysiss egen sida visar nu 60 vid hög, sjua av 92 modeller, eftersom nyare versioner har gått om den.

Så den ärliga jämförelsen är inte 61 mot 60. Den är: Neon på xhigh slår Carbon på high i indexet med ungefär en poäng; Neon på high är den konfiguration vars kostnadsekonomi Google hävdar; och Carbon har ingen xhigh att dra sig tillbaka till. Googles egen dokumentation rekommenderar att man kör utvärderingar på alla fyra Neon-nivåerna och väljer den lägsta som klarar din ribba, med varningen att xhigh "kan orsaka övertänkande eller tömma max_output_tokens vid enklare promptar." En modell med högre tak och lägre standard är en modell man måste finjustera, inte en man bara kan använda direkt.

A two-column scoreboard titled Gemini 4 Neon vs Gemini 4 Carbon — the scoreboard. Gemini 4 Neon reads price today $3.00 / $15.00, price from 1 Dec $3.00 / $15.00, cached input $0.15 flat, thinking levels low to xhigh, default thinking high, AA Index 61 at xhigh; Gemini 4 Carbon reads $2.00 / $10.00, $4.00 / $20.00, cached input $0.10 then $0.20, thinking levels low to high, default thinking medium, AA Index 60 at high. The footer says Neon figures are vendor-reported and Carbon's Index of 60 is per Artificial Analysis, 19 November 2026.

Där Carbon fortfarande är den bättre modellen, och det är ingen liten lista

Goog​les positioneringsmening är att "Carbon tar sig an dina svåraste, långsiktiga projekt och Hydrogen hanterar snabb vardaglig exekvering, medan Neon balanserar djup och effektivitet." Bokstavligt läst placerar det Neon mellan de två, inte över Carbon — och benchmarklistan stöder den tolkningen på de punkter som betyder mest för långsiktigt arbete.

• FrontierCode 2.0 — Neon 46,2 % i standardläget hög. Goog​le publicerar inte Carbons siffra för samma benchmark i Neon-tillkännagivandet, vilket är ett sådant utelämnande som är värt att notera i ett dokument som annars är generöst med siffror sida vid sida.

• SWE-sweep — Neon 12,8 % på mini-SWE-harnesset, 39,0 % i Antigravity. Spridningen på tre gånger är Goog​le som säger att deras bästa kodningssiffra beror på deras eget agent-harness, och den harness-fria siffran är den som en vanlig API-anropare skulle känna igen.

• Multimodalt kunskapsarbete — Carbon lanserades med en placering i det nya riktmärket Multimodal Knowledge Agent (tvåa, till mer än 6x lägre kostnad per uppgift än ledaren). Neons tillkännagivande redovisar ingen MKA-siffra.

• Webbutveckling – Carbon klättrar 89 Elo-poäng till fjärde plats på WebDev Arena med 1768. Inget WebDev Arena-nummer för Neon har publicerats.

Cyber – Carbon:s SEC-bench Pro 88,2 %, ExploitGym 54,8 % och CWE-bench 71,0 % är siffrorna som Neon mäts mot, och Neons bättre siffror (90,5 % och 70,7 % på CWE-bench v2) kommer från den separata varianten "Neon for cyber" som fortfarande endast är tillgänglig för Fairwind-medlemmar.

Mönstret är konsekvent: Neons vinster är på benchmarks som belönar att slutföra en uppgift effektivt inom en fast session, och Carbons vinster är på benchmarks som belönar att nöta på ett svårt problem under lång tid. Det är inte en marknadsföringsskillnad, det är en annan form av beräkningsutgift, och det avgör vilken som hör hemma i din agentloop.

Vad de två modellerna vardera är byggda att vara

Google beskriver Neon som en orkestrerare: "en snabb orkestrerare med gott omdöme som dirigerar parallella Hydrogen-subagenter i Google Antigravity." Den enda meningen är mer användbar än någon av procentsatserna. En orkestrerare tillbringar sitt liv med att läsa av tillstånd, besluta vad som ska göras härnäst och delegera — många turer, blygsam utdata per tur, hög känslighet för latens. Carbons dokumenterade profil är den motsatta: en modell som "kör i dagar för att hålla ut genom återvändsgränder", och använder fler tokens än Argon "för att utforska grundligt, resonera djupt och köra utökade verifieringsloopar."

Om du väljer mellan dem för ett svårt problem som ska lösas i ett enda försök – en subtil bugg i en stor kodbas, en öppen forskningsfråga, en säkerhetsgranskning där det att missa bristen är fellyget – är Carbon modellen vars angivna design matchar uppgiften, och prissteget i december är ett budgetproblem snarare än ett skäl att byta.

Om du väljer för en pipeline som körs tusentals gånger om dagen och behöver att varje körning slutförs, passar Neons design den uppgiften, och dess fasta prislista är en verklig fördel jämfört med en modell vars pris fördubblas på tolv dagar. Det dyra misstaget är att behandla "nyare" som "bättre" och flytta en långsiktig arbetsbelastning till en modell som Google självt placerar under Carbon i fråga om djup.

The OrcaRouter model page for Gemini 4 Carbon, showing the identifier google/gemini-4-carbon, a 1,048,576-token context window, multimodal input across text, image, audio, video and documents, and the pricing panel reading $2.00 input and $10.00 output per million tokens with a 10.00 second p50 time to first token.

Köra ihop dem i stället för att välja

Det realistiska svaret för de flesta produktionssystem är båda, och anledningen är att de två modellerna misslyckas på olika sätt. Carbon misslyckas genom att mala på: det kommer att lägga minuter och hundratusentals tokens innan det svarar, vilket är korrekt vid ett svårt problem och slösaktigt vid ett enkelt. Neon misslyckas genom att klättra: trycker du xhigh mot en uppgift som inte behöver det får du övertänkande, trunkerad JSON och en räkning som ser ut som Carbons.

Det är ett routingproblem innan det är ett modellproblem. I vår katalog är google/gemini-4-carbon tillgänglig idag till leverantörens listpris utan påslag — $2.00 och $10.00 per miljon token så länge introduktionspriset gäller, med en höjning till $4.00 och $20.00 den 1 december, där höjningen syns på din faktura samma dag som den syns hos Goog​les. google/gemini-4-argon finns där på samma villkor. Neon finns ännu inte i katalogen, och den här artikeln kommer inte att beskriva en reservkedja till en modell vi inte kan leverera; när den lanseras gäller samma villkor utan påslag.

Det routinglagret ger dig i dag är möjligheten att skriva beslutet en gång i stället för att hårdkoda det: en regel som skickar klassificering och extrahering till den billiga nivån, skickar allt som misslyckas i en första omgång till Carbon och begränsar tankedjupet per rutt i stället för per modell. När Neon blir ett alternativ får regeln en gren i stället för en migrering. Och eftersom routern automatiskt växlar över vid fel tar en plötslig förändring av en leverantörs pris eller tillgänglighet inte ner pipelinen med sig.

Vilken ska man välja den 19 november

Välj Carbon om arbetet är svårt och sällan förekommande, om du behöver de publicerade siffrorna för multimodal kunskap eller webbutveckling, eller om du redan har finjusterat Carbon och decembersteget är hanterbart. Välj Neon om arbetet är högfrekvent, verktygstungt och mäts i slutförda uppgifter snarare än lösta problem — och om du är villig att benchmarka din egen trafik vid hög belastning innan du litar på ett påstående om prestanda per uppgift från modellens eget tillkännagivande. Välj ingen av dem ännu om din arbetsbelastning är vardaglig exekvering i volym: Gem​ini 4 Hydrogen har gjort det sedan 12 november för $1.50 och $7.50 med en gratisnivå, och inget i någon av dessa två lanseringar ändrar den matematiken.

Det man faktiskt bör hålla koll på är inte indexgapet, som är en poäng eller två åt ena eller andra hållet. Det är huruvida Goog​les påstående om 32 % lägre kostnad per uppgift står sig vid oberoende mätning — och huruvida dubbleringen den 1 december på Carbon driver produktionstrafik mot Neon snabbare än någon planerat för en modell som lanserades tretton dagar före ökningen.

The OrcaRouter models catalogue filter rail, with controls for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region.