Gemini 4 Carbon vs DeepSeek V4 Pro: 37 คะแนนดัชนีและต้นทุนต่องาน 4.4 เท่า ซื้ออะไรได้จริง?

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.

แบบจำลองสองแบบที่สร้างขึ้นบนสมมติฐานที่ตรงกันข้าม

สเปกอธิบายความแตกต่างของพฤติกรรมได้เป็นส่วนใหญ่ ก่อนที่ benchmark ใด ๆ จะบอกได้

• 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.

• บริบทและเอาต์พุต — ทั้งคู่มีหน้าต่าง 1M โทเค็น Carbon จำกัดเอาต์พุตแบบซิงโครนัสไว้ที่ 65,536 โทเค็น และอนุญาตได้สูงสุดถึง 1,048,576 โทเค็นเมื่อใช้ long decode; V4 Pro จำกัดไว้ที่ 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.

• น้ำหนักโมเดล — Carbon เป็นแบบปิด V4 Pro เผยแพร่ภายใต้สัญญาอนุญาต MIT ด้วยสถาปัตยกรรม mixture-of-experts ขนาด 1.6 ล้านล้านพารามิเตอร์ และมีพารามิเตอร์ที่ใช้งาน 49 พันล้านตัว คุณจึงสามารถโฮสต์เอง ไฟน์จูน และแจกจ่ายต่อได้ตามเงื่อนไขของสัญญาอนุญาต

• การควบคุมระดับความพยายาม — Carbon เปิดให้ปรับระดับการคิดได้ที่ต่ำ ปานกลาง และสูง ส่วน V4 Pro เปิดให้ปรับระดับการให้เหตุผลได้ที่ต่ำ สูง และสูงสุด

เส้นแบ่งด้าน modality ไม่ใช่รายละเอียดเล็กน้อย หากไปป์ไลน์ของคุณนำเข้าภาพหน้าจอ ไฟล์ PDF ที่สแกน หรือบันทึกการโทร V4 Pro ไม่สามารถเป็นโมเดลในส่วนนั้นของสแต็กได้ไม่ว่าจะราคาเท่าใด และการเปรียบเทียบก็เหลือผู้สมัครเพียงรายเดียว หากทราฟฟิกของคุณเป็นโค้ด ล็อก และเอกสารข้อความ ช่องว่างนั้นเป็นทางเลือกอย่างแท้จริง

37 ประเด็นที่แยกย่อยออกมา

ช่องว่างของคะแนนรวมขนาดนั้นมักเกิดจากการประเมินเพียงไม่กี่รายการที่เป็นตัวขับเคลื่อนคะแนนทั้งหมด และนั่นคือสิ่งที่บอร์ดจัดอันดับอิสระแสดงให้เห็นสำหรับคู่นี้ Artificial Analysis วัด Carbon ที่ high effort และ V4 Pro 0813 ที่ max effort; ตัวเลขทั้งสองเป็นของ evaluator รายนั้น ไม่ใช่ของผู้จำหน่าย

• ต้นทุนต่องาน Intelligence Index — Carbon $7.76, V4 Pro $1.77 อัตราส่วนดังกล่าวได้รวมความยาวของคำตอบไว้แล้ว จึงเป็นตัวเลขทางเศรษฐกิจตัวเดียวที่ยุติธรรมที่สุดเมื่อเทียบระหว่างทั้งสอง

• โทเค็นเอาต์พุตที่ใช้ไปกับดัชนี — Carbon 205 ล้าน, V4 Pro 119 ล้าน เทียบกับค่ามัธยฐาน 72.8 ล้าน ทั้งสองโมเดลตอบยาว โดย Carbon ตอบยาวกว่าประมาณ 1.7 เท่า ซึ่งเป็นที่มาของช่องว่างด้านราคาส่วนหนึ่ง ไม่ใช่มาจากอัตราต่อโทเค็นเพียงอย่างเดียว

• ความเร็วและความหน่วง — Carbon สร้างเอาต์พุต 80 โทเคนต่อวินาที โดยใช้เวลา 66.85 วินาทีถึงโทเคนคำตอบแรก; V4 Pro 67 โทเคนต่อวินาที โดยใช้เวลา 67.71 วินาที ในแกนนี้ทั้งสองใกล้เคียงกันมาก และทั้งคู่ช้าพอที่จะไม่เหมาะกับการใช้งานในเส้นทางการแชตแบบโต้ตอบ หากไม่มีการสตรีมมิงและความอดทน

• ความไวต่อระดับความพยายาม — Carbon ทำได้ 60 ที่ระดับสูง 58 ที่ระดับกลาง และ 54 ที่ระดับต่ำ การกำหนดค่าแบบไม่ใช้การให้เหตุผลของ V4 Pro ทำได้ 13 เมื่อเทียบกับ 23 ที่ระดับสูงสุด เมื่อคุณลดระดับการให้เหตุผลลง โมเดลที่ถูกกว่าจะสูญเสียมากกว่าอย่างชัดเจน ดังนั้น "ใช้งานแบบประหยัด" จึงไม่ใช่สวิตช์ที่ไม่มีต้นทุนในทั้งสองฝ่าย

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.

นาฬิกาการเรียกเก็บเงินที่ไม่มีใครตั้งงบรองรับไว้

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.

เจ็ดชั่วโมงต่อวันทำการจาก 24 ชั่วโมง สัปดาห์ละห้าวัน คิดเป็นประมาณ 21% ของสัปดาห์ตามปฏิทิน หากงานแบบแบตช์ของคุณถูกตั้งเวลาโดย cron ใน UTC ก็จัดให้สอดคล้องได้ง่าย หากทราฟฟิกของคุณเป็นผลิตภัณฑ์ที่ใช้งานจริงซึ่งมีเส้นกราฟช่วงกลางวันแบบสหรัฐฯ หรือยุโรป ส่วนแบ่งที่มีนัยสำคัญของทราฟฟิกนั้นจะอยู่ในช่วงเวลาพีค และอัตราผสมจริงของคุณจะอยู่ระหว่าง $0.66 ถึง $1.32 ไม่ใช่ตัวเลขบนหน้าโปรโมต

นาฬิกาของ Carbon เดินไปในทิศทางตรงกันข้าม มันคงที่ไปจนถึงวันที่ 30 พฤศจิกายน แล้วจึงเพิ่มเป็นสองเท่า สองโมเดล สองแหล่งที่มาของความแปรปรวนของบิลที่แตกต่างกันโดยสิ้นเชิง: แบบหนึ่งแปรผันตามชั่วโมงของวัน อีกแบบแปรผันตามวันที่ในปฏิทิน ทั้งสองไม่ปรากฏให้เห็นจากตัวเลขต่อโทเค็นเพียงตัวเลขเดียว และการเปรียบเทียบที่อ้าง $4/$20 เทียบกับ $0.66/$1.98 กำลังอธิบายกรณีที่แย่ที่สุดของฝั่งหนึ่งและกรณีที่ดีที่สุดของอีกฝั่งหนึ่ง

พูดกันตามจริง: ที่อัตราเริ่มต้นของ Carbon เทียบกับอัตราช่วงพีคของ V4 Pro นั้น Carbon อยู่ที่ 1.5 เท่าสำหรับอินพุต และ 2.5 เท่าสำหรับเอาต์พุต หลังวันที่ 1 ธันวาคม เมื่อเทียบกับช่วงออฟพีค จะอยู่ที่ 6 เท่าและ 10 เท่า ตัวเลขต้นทุนต่องานที่ 4.4 เท่าอยู่ระหว่างกลางทั้งสองค่า และเป็นตัวเลขที่ควรใช้ในการวางแผน เพราะคำนึงถึงจำนวนโทเคนที่แต่ละโมเดลต้องใช้จริงเพื่อทำงานให้เสร็จ

จุดที่ช่องว่างนั้นคุ้มค่าที่จะจ่าย

แทนที่จะเป็นคำตัดสิน นี่คือการแบ่งสี่แบบที่ยังคงใช้ได้เมื่อเทียบกับลักษณะที่แท้จริงของทั้งสองโมเดล

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.

การจำแนกประเภท การสกัดข้อมูล และการกำหนดเส้นทางในปริมาณมาก ส่งงานนี้ให้ V4 Pro ช่องว่างคะแนนรวม 37 คะแนนแทบไม่บอกอะไรเลยว่าโมเดลจะติดแท็กตั๋วสนับสนุนหรือดึงฟิลด์จากใบแจ้งหนี้ได้หรือไม่ และที่ราคา $0.66 ต่ออินพุตหนึ่งล้านโทเคน โมเดลราคาถูกชนะด้านเลขคณิตก่อนจะแพ้ด้านคุณภาพมากนัก ทีมส่วนใหญ่ซื้อเกินความจำเป็นในจุดนี้

งานเอกสารบริบทยาวทั้งสองหน้าต่างรองรับ 1M โทเคน ความจุดิบจึงสูสีกัน ปัจจัยที่ทำให้ต่างกันคือรูปแบบข้อมูลและเพดานเอาต์พุต: Carbon รับไฟล์ PDF ที่สแกนได้และเขียนได้ถึง 1M โทเคน ส่วน V4 Pro ต้องมีข้อความที่สกัดไว้แล้วและหยุดที่ 384K หากไปป์ไลน์ของคุณผ่าน OCR แล้ว V4 Pro ให้หน้าต่าง 1M เท่ากันในราคาเอาต์พุตเพียงหนึ่งในสิบ

อะไรก็ตามที่คุณอาจต้องโฮสต์เอง มีเพียง V4 Pro เท่านั้นที่เป็นตัวเลือก น้ำหนักภายใต้สัญญาอนุญาต MIT หมายความว่าไม่มีผู้ขายรายใดสามารถถอนโมเดล เปลี่ยนราคา หรือกั้นการเข้าถึงไว้หลังโปรแกรมใดโปรแกรมหนึ่งได้ — ซึ่งไม่ใช่ข้อกังวลเชิงสมมติในปีที่เงื่อนไขการเข้าถึงของ Carbon เปลี่ยนแปลงสองครั้งภายในสิบสี่วัน และราคาของมันจะเปลี่ยนอีกครั้งในวันที่ 1 ธันวาคม

คำตอบเรื่องการกำหนดเส้นทาง พร้อมข้อแม้ที่ตรงไปตรงมา

เวอร์ชันที่สมบูรณ์ของการตัดสินใจนี้ไม่ใช่การเลือกเพียงตัวใดตัวหนึ่ง แต่คือการรัน V4 Pro กับปริมาณทราฟฟิกส่วนใหญ่ และส่งเคสที่ยากขึ้นไปยังโมเดลระดับแนวหน้า ซึ่งเป็นองค์ประกอบที่ routing DSL ของเราถูกสร้างมาเพื่อสิ่งนี้พอดี: สาขาต้นทุนต่ำที่รองรับปริมาณงาน เงื่อนไขการยกระดับที่ทำงานเมื่อความมั่นใจต่ำหรือการตรวจสอบความถูกต้องล้มเหลว และ endpoint ที่เข้ากันได้กับ OpenAI หนึ่งจุดที่อยู่ด้านหน้าทั้งสองส่วน

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.

Automatic failover คือส่วนที่เปลี่ยนวิธีคิดเรื่องความคุ้มค่าของโมเดลราคาถูก เหตุผลที่ทีมต่างๆ ซื้อความจุระดับ frontier เกินความจำเป็นก็คือความกลัวว่าจะได้คำตอบที่ไม่ดีใน 5% ของคำขอที่สำคัญจริงๆ นั่นเอง failover และ escalation ช่วยให้โมเดลราคาถูกจัดการกับ 95% ที่มันทำได้ดีอยู่แล้ว โดยที่โมเดลราคาแพงยังเข้าถึงได้ผ่านเอนด์พอยต์เดียวเมื่อมีคำขอที่อยู่นอกเหนือขอบเขตของมัน — แทนที่จะต้องจ่ายในอัตราระดับ frontier กับทุกโทเคนเพื่อป้องกันความเสี่ยงจากส่วนหางที่จริงๆ แล้วคุณเลือกเส้นทางให้มันได้แทน

อะไรจะทำให้คำแนะนำนี้เปลี่ยนไป

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.

จนถึงตอนนั้น จุดยืนที่ป้องกันได้ก็ไม่หวือหวา: ใช้ V4 Pro สำหรับงานปริมาณมาก ใช้ Carbon เฉพาะเมื่ออินพุตหลายรูปแบบหรือขีดความสามารถด้านไซเบอร์เป็นองค์ประกอบสำคัญ และไม่เซ็นสัญญาระยะยาวกับฝ่ายใดฝ่ายหนึ่ง ณ ราคาที่จะเพิ่มเป็นสองเท่าภายในยี่สิบวัน