Gemini 4 Carbon เรียกใช้งานได้แล้ว และราคาจะเพิ่มขึ้นเป็นสองเท่าภายในยี่สิบวัน

For twelve days, G​emini 4 Carbon was the best model almost nobody could call. G​oogle announced it on 28 October 2026 to a named cohort of cyber defenders and Fairwind Program partners, with no model ID, no endpoint and no rate card. On 10 November 2026 that changed: gemini-4-carbon is now a stable model on the paid G​emini API, in AI Studio and Android Studio, and for enterprises through G​emini for business. The part worth planning around is the calendar. It costs $2 per million input tokens and $10 per million output tokens until 30 November. On 1 December those numbers become $4 and $20 with nothing else about the model changing.

ดังนั้น นี่คือบทความเปิดตัวที่การเปิดตัวเป็นเรื่องจริง และข้อมูลที่มีประโยชน์ไม่ใช่ส่วนการตลาด แต่คือเมทริกซ์การเข้าถึง ส่วนลด 20 วัน และข้อเท็จจริงที่ว่า “#1 on the Artificial Analysis Intelligence Index” จากเดือนตุลาคม ตอนนี้กลายเป็นอันดับที่สี่บนบอร์ดเดียวกัน

ใครกันที่สามารถเรียกมันได้จริง ๆ และใครที่ยังเรียกไม่ได้

โพสต์วันที่ 10 พฤศจิกายนระบุช่องทางอย่างเฉพาะเจาะจงผิดปกติ ซึ่งทำให้ควรอ่านในฐานะตารางการเข้าถึงมากกว่าการประกาศ สิ่งที่เปิดขึ้น:

• Paid G​emini API developers, through AI Studio and Android Studio, with G​oogle AI Ultra subscribers also able to reach it in Antigravity and AI Studio.

• Enterprises, through G​emini for business on either the API or the model dropdown, plus Antigravity and CodeMender.

• Consumers on G​oogle AI Ultra, in the G​emini app and AI Mode in Search.

• เปิดรับนักวิทยาศาสตร์และนักวิจัยเฉพาะผู้ที่สมัครเท่านั้น โดย Argon และ Carbon อยู่ในระดับสูงสุดของ Antigravity ฟรีเป็นเวลาหกเดือน ขึ้นอยู่กับคุณสมบัติและจำนวนที่รับได้

• นักป้องกันไซเบอร์ยังคงดำเนินการผ่าน Fairwind Program ซึ่งเป็นจุดที่การเปิดตัวทั้งหมดเริ่มต้นขึ้น

What did not open is the free tier. G​oogle's pricing page is explicit: "Not available" for G​emini 4 Carbon, and every processed token is billed — including thinking tokens, and including tool system instructions when grounding is on. There is also no playground-grade ceiling mentioned anywhere in the docs; rate limits are not published on the model page. If you are budgeting a pilot, that is the one number you will have to discover by calling the API rather than by reading about it.

ราคายี่สิบวัน และหน้าผาที่อยู่เบื้องหลัง

G​oogle is running Carbon on the same introductory rate card it used for G​emini 4 Argon: $2 in and $10 out through 30 November, then $4 and $20 from 1 December 2026. The pattern is not new — Argon launched the same way — which is why the date matters more than the discount. A workload priced at the intro rate today is priced 100% higher on the same tokens three weeks from now.

ส่วนที่เหลือของการ์ดคือจุดที่ทีมต่างๆ มักประหลาดใจ:

• อินพุตแคช — $0.10 ต่อล้านจนถึงวันที่ 30 พฤศจิกายน และ $0.20 หลังจากนั้น ในอัตราปัจจุบัน โทเค็นแคชมีราคา 5% ของโทเค็นใหม่ และตัวคูณยังคงอยู่หลังการเปลี่ยนแปลง

• Batch และ Flex — ครึ่งหนึ่งของอัตรามาตรฐาน, $1.00 ขาเข้า และ $5.00 ขาออกตอนนี้, $2.00 และ $10.00 หลังวันที่ 1 ธันวาคม หากงานของคุณรองรับความหน่วงได้ นี่คือปัจจัยที่ช่วยลดค่าใช้จ่ายได้มากที่สุดเพียงอย่างเดียว

• Priority — 1.8 เท่าของมาตรฐาน, $3.60 ขาเข้า และ $18.00 ขาออกในตอนนี้, $7.20 และ $36.00 หลังจากนั้น

• Contributor — ขาเข้า $1.00, ขาออก $5.00, แคช $0.05, พรีวิวเฉพาะผู้ได้รับเชิญ ไม่ใช่ตัวเลือกทั่วไป

• Long context — there is no length-based tier. Unlike G​emini 3.1 Pro, which steps up a price band past 200,000 input tokens, Carbon charges the same per-token rate whether you send 2,000 tokens or 900,000. That is a genuine advantage for large-codebase work and it is easy to miss because most vendors of 1M-token models do tier.

Caching is implicit only. Explicit context caching is not supported on Carbon, so you cannot pin a document and guarantee the cached rate the way you can on some other G​emini models. If your saving plan depended on explicit cache hits, it does not apply here.

ข้อกล่าวอ้างอันดับ 1 และสิ่งที่บอร์ดระบุหลังจากแก้ไขไปแล้วสี่ครั้ง

G​oogle's 28 October post led with a first-place finish on the Artificial Analysis Intelligence Index. That was accurate for the board as it stood that day. It is not what the board says now, and this is the sort of drift that gets quoted for months after it stops being true.

Read the current listing and G​emini 4 Carbon at high effort scores 60 on Intelligence Index v5.0.1 — fourth of 74 models. Above it sit three configurations of Claude Fable 5.2, at 65, 62 and 62. Carbon's own effort dial moves the number too: medium lands at 58 and low at 54, which means a single "Carbon scores 60" line in a comparison is only true at high effort.

The vendor-reported numbers from the 10 November post, none of which have been independently reproduced, are a different and much louder set: first on CursorBench 4.0, on Perplexity's WANDR and on Zapier's AutomationBench, at what G​oogle describes as more than 2x lower cost per task than the next-best external model; second on a new Multimodal Knowledge Agent benchmark built with Artificial Analysis, at over 6x lower average cost per task than the top model; a tie for best on Hebbia's end-to-end financial evaluation; and top of 23 frontier configurations on Balyasny's GMI. Every one of those is G​oogle's own framing of a benchmark, and the cost-per-task advantage is a claim about a specific task mix, not a general price statement.

The cyber numbers follow the same pattern. On 28 October G​oogle published SEC-bench Pro at 88.2%, ExploitGym at 54.8% and CWE-bench at 71.0%. On 10 November it added Project Fortify at 100% scan recall and 95% triage precision on open-source code, a 25%-plus relative recall gain over Argon, and a 40-fold average increase in homologs retrieved across seven CASP17 protein families. Those are the claims that justify the model's existence for a security team. They are also unaudited by anyone outside G​oogle, and the model has been generally callable for one day.

สิ่งที่คณะกรรมการอิสระกล่าวไว้จริง ๆ และตัวเลขที่สำคัญ

Artificial Analysis has measured Carbon rather than repeated G​oogle's chart, and its numbers are the ones to budget against:

• ต้นทุนต่องาน Intelligence Index — $7.76 ที่ราคามาตรฐาน นี่ไม่ใช่วิธีซื้อความสามารถทางปัญญาที่ถูกที่สุด; แต่เป็นหนึ่งในวิธีที่แพงที่สุดในกระดานจัดอันดับ โดยอยู่อันดับ 61 จาก 73 ในตัวชี้วัดนั้น

• โทเค็นเอาต์พุตที่ใช้ไปในดัชนี — 205 ล้าน เมื่อเทียบกับค่ามัธยฐานที่ 72.8 ล้าน Carbon เป็นโมเดลที่ใช้คำฟุ่มเฟือย โดยอยู่อันดับสามจากท้ายในอันดับความฟุ่มเฟือย ราคาต่อโทเค็นสะท้อนต้นทุนจริงของเวิร์กโหลด Carbon ต่ำเกินไป เมื่อโมเดลคิดนานขึ้นและเขียนมากขึ้น

• ความเร็ว — 80 โทเค็นเอาต์พุตต่อวินาที โดยใช้เวลา 66.85 วินาทีถึงโทเค็นคำตอบแรก เมื่อเทียบกับค่ามัธยฐาน 12 วินาทีในระดับเดียวกัน Carbon เป็นโมเดลที่คุณใช้แบบแบตช์ มากกว่าเป็นโมเดลที่คุณวางไว้หลังกล่องแชต

• Context — 1M tokens, confirmed both by G​oogle's docs and by the third-party listing.

เมื่อนำความละเอียดของคำตอบกับราคามารวมกัน การคำนวณก็โหดร้ายไม่ปรานี งานหนึ่งที่ต้องจ่าย 7.76 ดอลลาร์บน Carbon จะมีค่าใช้จ่ายประมาณหนึ่งในห้าของจำนวนนั้นบนโมเดล open-weight ราคาถูก ซึ่งเป็นการเปรียบเทียบที่บทความถัดไปในชุดนี้จะกล่าวถึงโดยละเอียด ประเด็นของ Carbon ไม่ใช่เรื่องความมีประสิทธิภาพ แต่เป็นเรื่องที่ในงานด้านไซเบอร์และงานเอเจนต์ระยะยาว อาจไม่มีสิ่งอื่นใดที่ให้ความสามารถระดับเดียวกันได้

จะทำอะไรกับอีกยี่สิบวันข้างหน้า

สามวิธีปฏิบัติที่ได้ผลจริง เรียงตามจำนวนเงินที่ประหยัดได้

ก่อนอื่น ให้ใช้อัตราเริ่มต้นเป็นเกณฑ์เปรียบเทียบ และประเมินราคาผลลัพธ์ด้วยอัตราเดือนธันวาคม การตัดสินใจใดก็ตามที่คุณทำในเดือนพฤศจิกายนโดยใช้ตัวเลขของเดือนพฤศจิกายนจะดูดีกว่าความเป็นจริงถึง 100% หากโครงการนำร่องแสดงบิลรายเดือนที่ $400 ในเดือนนี้ ทราฟฟิกเดียวกันจะมีค่าใช้จ่าย $800 ตั้งแต่ 1 ธันวาคมในระดับมาตรฐาน

Second, decide whether you need Carbon or whether Argon will do. G​oogle says so itself in the announcement: Argon "remains the ideal choice for the majority of software engineering and knowledge work," and Carbon uses more tokens than Argon to get its answers. The two models share an identical rate card, which means the choice is purely about capability per token spent — and for most workloads the cheaper-per-answer model is Argon.

Third, keep the integration portable. This is where routing earns its keep, and it is worth being precise about what is and is not available today. G​emini 4 Carbon is reached through G​oogle's paid API; it is not in our catalogue, and nothing here should be read as claiming otherwise. G​emini 4 Argon is: google/gemini-4-argon sits on OrcaRouter at G​oogle's own $2 in / $10 out, with the same OpenAI-compatible surface as the other 200-plus models on the key. DeepSeek V4 Pro and Grok 4.7 — the two opponents in this batch — are also there, at $0.66/$1.98 and $2/$6 respectively. Because we pass provider list price through with 0% markup, a vendor rate change is live on our side the day it happens rather than after a repricing cycle — which is the specific thing that matters on 1 December.

ความสามารถในการพอร์ตนั้นคือเหตุผลทั้งหมดที่เราไม่ควรฮาร์ดโค้ด SDK ของผู้ขายรายเดียวในเดือนพฤศจิกายน เงื่อนไขการเข้าถึงของ Carbon เปลี่ยนไปแล้วสองครั้งในสิบสี่วัน: ประกาศแบบจำกัดการเข้าถึง แล้วก็ API แบบเสียเงิน อัตราค่าบริการจะเปลี่ยนแปลงในวันที่ 1 ธันวาคม เดือนที่ทั้งราคาและช่องทางเข้าถึงเปลี่ยนไปไม่ใช่เดือนที่จะสร้างการพึ่งพาผู้ขายรายเดียว

สิ่งที่ยังไม่ทราบ

Two things, and they are the ones to watch rather than the benchmark table. Rate limits are unpublished, so nobody outside G​oogle knows what a production Carbon integration can actually sustain — the 28 October cohort was small enough that throughput was never tested publicly. And the consumer picture is Ultra-only: there is no free path to Carbon and no indication of when there will be. If the model follows Argon's arc, a cheaper sibling will absorb the volume and Carbon will stay the expensive specialist. That is the shape the pricing already implies.