Gemini 4 Carbon vs Gemini 4 Argon: การอัปเกรด 15 วันที่คุณไม่สามารถเรียกได้

สองโมเดล ตารางราคาเดียว ห่างกันเก้าคะแนนดัชนี — และมีเพียงตัวเดียวเท่านั้นที่มีเอนด์พอยต์ Gemini 4 Carbon ประกาศเมื่อวันที่ 28 ตุลาคม 2026 สิบห้าวันหลังจากที่ Gemini 4 Argon กลายเป็นรุ่นที่เรียกใช้ได้ใน Gemini API แบบชำระเงิน และโพสต์ของ Google เองระบุว่า Carbon เป็นรุ่นที่แข็งแกร่งกว่าของทั้งสอง อย่างไรก็ตาม ความแข็งแกร่งไม่ใช่สิ่งเดียวกับความพร้อมใช้งาน: วันนี้ไม่มีgemini-4-carbonอยู่ในรายชื่อโมเดลหรือหน้าราคาของ Google และผู้ที่รันมันอยู่คือนักป้องกันไซเบอร์และพันธมิตรที่ไว้วางใจซึ่งได้รับอนุญาตผ่าน Fairwind Program ของบริษัท ฉบับที่ตรงไปตรงมาของการเทียบครั้งนี้คือการเปรียบเทียบความสามารถระหว่างสองโมเดล และการเปรียบเทียบการเข้าถึงระหว่างโมเดลกับโครงการหนึ่ง

สิ่งที่ Google ระบุไว้อย่างเป็นทางการเมื่อวันที่ 28 ตุลาคม

การประกาศมาจากคอเรย์ คาวุกชูโอลู รองประธานอาวุโสของ Google DeepMind ในโพสต์ชื่อ “our next frontier model” โดย Carbon มาสืบทอด Argon ซึ่งประกาศเมื่อวันที่ 30 กันยายน และเปิดให้ใช้งานทั่วไปตั้งแต่วันที่ 13 ตุลาคม ภายใต้หมายเลขรุ่นเดียวกัน จุดเน้นที่ Google ระบุคือความมั่นคงปลอดภัยทางไซเบอร์และงานเอเจนต์ระยะยาว ซึ่งเป็นงานประเภทที่เอเจนต์ยังคงเดินหน้าฝ่าทางตันต่อไปได้หลายวัน มากกว่างานที่พรอมต์หนึ่งได้รับคำตอบเดียว

รายละเอียดสามข้อสำคัญกว่าการตลาด:

• การเข้าถึงเป็นแบบแบ่งระยะและยังไม่มีกำหนดวันที่ Carbon เริ่มจาก “กลุ่มย่อยของผู้ป้องกันไซเบอร์” ก่อน จากนั้นจึงขยายผ่าน Fairwind Program แล้วจึงไปยังนักพัฒนา ธุรกิจ และผู้บริโภค “โดยเร็วที่สุด” ไม่มีการระบุวันที่สำหรับสามกลุ่มหลัง

• การเปิดตัวครั้งนี้อยู่ในกระบวนการทดสอบก่อนการเปิดตัวโดยสมัครใจของรัฐบาลสหรัฐฯ Google ระบุว่ากำลังเข้าร่วมและยังคงปรับปรุงมาตรการป้องกันก่อนการเข้าถึงในวงกว้าง

• ไม่มีการ์ดโมเดลสาธารณะ ไม่มีเอนด์พอยต์ และไม่มีตัวระบุ รายการโมเดลใน Gemini API ซึ่งตรวจสอบเมื่อวันที่ 29 ตุลาคม มีรายการ Gemini 4 อยู่เพียงรายการเดียวเท่านั้น — Gemini 4 Argon — และหน้าราคาไม่มีรายการสำหรับ Carbon เลย หน้าต่างบริบทที่ Google เผยแพร่สำหรับ Argon (ขนาดรวม 1M โทเค็น โดยสามารถถอดรหัสได้สูงสุด 1M) ยังไม่ได้ถูกระบุซ้ำสำหรับ Carbon โดย Artificial Analysis ระบุว่าเป็น 1M โทเค็นสำหรับรุ่นนี้ ซึ่งเป็นการระบุโดยบุคคลที่สาม ไม่ใช่ข้อกำหนดของ Google

ช่องว่างเก้าคะแนน และใครเป็นคนวัด

Artificial Analysis ได้สร้าง Intelligence Index ขึ้นใหม่เป็น v5 เมื่อวันที่ 27 ตุลาคม ซึ่งเป็นวันก่อนที่ Carbon จะเปิดตัว โดยแทนที่เบนช์มาร์กสองรายการ อัปเกรดอีกสามรายการ และทำให้ดัชนีส่วนใหญ่กลายเป็นข้อมูลปิด จังหวะเวลานี้คือเหตุผลที่ต้องระวังกราฟก่อนและหลังใด ๆ ที่คุณเห็นในสัปดาห์นี้: คะแนนจากก่อนการปรับโครงสร้างใหม่ไม่ได้อยู่ในมาตรวัดเดียวกับคะแนนหลังการปรับโครงสร้างใหม่ ในรายการปัจจุบันหลังการปรับโครงสร้างใหม่ โมเดลทั้งสองได้รับการให้คะแนนแล้ว และช่องว่างนั้นมีอยู่จริงและวัดด้วยเครื่องมือเดียวกัน

• Intelligence Index v5 — Carbon 59 เป็นอันดับหนึ่งจาก 52 โมเดลที่อยู่ในรายการ; Gemini 4 Argon 50 อยู่อันดับที่สิบสาม

• ต้นทุนต่องาน index ที่ราคามาตรฐาน — Carbon อยู่ที่ 7.76 ดอลลาร์ เทียบกับ Argon ที่ 7.68 ดอลลาร์ โมเดลใหม่ทำคะแนนได้สูงกว่า 9 คะแนน ด้วยต้นทุนที่เพิ่มขึ้นเพียง 8 เซนต์ต่อหนึ่งงาน

• ความแม่นยำ — Carbon 58% เพิ่มขึ้นสิบจุดเมื่อเทียบกับ Argon; AA-Omniscience 54 ต่อ 46

• การหลอน — Carbon 11% เพิ่มขึ้นจาก 4% ของ Argon Carbon ยังคงต่ำเป็นอันดับสองในตัวติดตาม แต่ทิศทางนั้นผิด

• ปริมาณผลลัพธ์ — 123k โทเค็นต่องานจัดทำดัชนี ซึ่งต่ำกว่า 173k ของ Claude Opus 5.5 อยู่ 29% และนี่เป็นส่วนหนึ่งที่ทำให้ต้นทุนต่องานยังคงต่ำแม้จะมีราคาป้ายเดียวกัน

• ความเร็ว — 99.8 โทเคนเอาต์พุตต่อวินาทีจากการวัดของ Artificial Analysis โดยมีเวลาถึงโทเคนแรกที่ 97.48 วินาทีเมื่อใช้ความพยายามในการใช้เหตุผลสูง นั่นคือตัวเลขที่ควรจับตาหากคุณนำโมเดลไปใช้งานเบื้องหลังอินเทอร์เฟซแบบโต้ตอบแทนที่จะเป็นงานที่ใช้เวลานาน

Artificial Analysis ยังวัดสิ่งที่พาดหัวข่าว conceal ไว้ด้วย: ใน Coding Agent Index ของบริษัท Carbon ได้ 59 คะแนนเมื่อใช้ Antigravity CLI ซึ่งเป็นรอง Claude Code ที่ขับเคลื่อน Claude Opus 5.5 ซึ่งได้ 62 คะแนนอยู่สามคะแนน ผลงานด้านการพัฒนาเว็บของ Google เองกลับชี้ไปในทางตรงกันข้าม — WebDev Arena อยู่ที่ 1,768 เป็นอันดับสี่ เพิ่มขึ้น 89 Elo — ซึ่งเตือนใจว่า "อันดับหนึ่งโดยรวม" กับ "เก่งที่สุดด้านโค้ด" เป็นข้อกล่าวอ้างที่ต่างกัน

ตัวเลขของ Google เองคือสิ่งที่ดังก้องที่สุดในโพสต์

Google รายงานชุดผลลัพธ์ด้านความปลอดภัยที่ครอบคลุมจำนวนมาก และควรแยกให้ชัดว่าอะไรคือสิ่งที่วัดได้กับอะไรคือสิ่งที่กล่าวอ้าง บน SEC-bench Pro ซึ่งเป็นการค้นหาช่องโหว่ Carbon ได้ 88.2% เทียบกับ 83.4% ของ Argon ExploitGym ซึ่งตรวจสอบการใช้ประโยชน์จากช่องโหว่ เพิ่มจาก 42.0% เป็น 54.8% CWE-bench ซึ่งเป็นการแพตช์ เพิ่มจาก 68.0% เป็น 71.0% ภายในบริษัท Google กล่าวว่า Carbon สร้างโค้ดที่ไม่มีช่องโหว่ได้บ่อยกว่าสองเท่าของ Argon และทีม Chrome ของบริษัทพบว่ามันดีกว่ามากกว่าสิบเท่าเมื่อเทียบกับ "โมเดลแนวหน้าขนาดใหญ่ของอีกห้องแล็บหนึ่ง" ในการสร้างแพตช์คุณภาพสูง — การเปรียบเทียบที่ไม่มีคู่แข่งระบุชื่อและไม่มีวิธีการที่เผยแพร่

ตัวเลขด้านความปลอดภัยมีนัยสำคัญกว่าตัวเลขด้านขีดความสามารถ เพราะเป็นครั้งแรกที่ Google เผยแพร่ข้อมูลว่า Carbon เอาชนะ Argon ได้ในด้านพฤติกรรม ไม่ใช่เพียงด้านคะแนน ในเบนช์มาร์กพรอมป์ต์อินเจกชันทางอ้อมของ Gray Swan อัตราความสำเร็จในการโจมตีของ Carbon อยู่ที่ 0.0% เทียบกับ 0.7% ของ Argon ใน Terminal-Bench 4.0 มีความพยายามโกงใน 0.4% ของการรัน และไม่มีครั้งใดสำเร็จ ซึ่งพฤติกรรมของ Argon แย่กว่า การแจ้งเตือนความไม่สอดคล้องระดับรุนแรงใน live coding ภายในลดลงเกือบ 80% ข้อกล่าวอ้างที่ไม่มีหลักฐานรองรับลดลงครึ่งหนึ่ง การเกินขอบเขตลดลง 26% และการให้บริการไม่เพียงพอลดลง 29%

ข้อควรระวังสองประการนี้ควรอยู่ข้างตัวเลขเหล่านั้น ไม่ใช่ในเชิงอรรถ Google กล่าวว่าการประเมินความปลอดภัยไซเบอร์ดำเนินการโดยไม่มีกลไกป้องกัน ซึ่งเป็นวิธีที่ถูกต้องในการวัดความสามารถดิบของโมเดล และเป็นวิธีที่ผิดในการคาดการณ์ว่าระบบที่นำไปใช้งานจริงจะทำอะไร และตัวคูณที่ใหญ่ที่สุด — โค้ดปลอดภัย 2 เท่าและการแพตช์ 10 เท่า — เป็น benchmark ภายในและรายงานของทีม ไม่ใช่ผลลัพธ์ที่เป็นอิสระ บทวิเคราะห์ของ The Register ในวันเปิดตัวระบุว่าข้อโต้แย้งด้านความปลอดภัยนั้นมีแนวโน้มดีและส่วนใหญ่เป็นข้อมูลที่ผู้ขายรายงานเอง ไม่มีสิ่งใดที่เผยแพร่หลังจากนั้นที่เปลี่ยนแปลงข้อสรุปนี้

ตัวเลขที่แพร่กระจายในสื่อรายงานการเปิดตัวทำให้ Carbon นำหน้าใน Vals Index v2.2 (70.4% เทียบกับ 69.2%), SWE-sweep (9.6% เทียบกับ 4.3%), FrontierSWE 2 (61.2% เทียบกับ 55.0%), Agents' Last Exam v1.1 (77.4% เทียบกับ 69.0%), OSWorld-2.1 (81.5% เทียบกับ 74.7%) และ GraphWalks แบบ long-context (96.2% เทียบกับ 84.2%) ตัวเลขเหล่านี้เป็นข้อมูลที่ Google รายงาน เว้นแต่เจ้าของเกณฑ์วัดจะระบุเป็นอย่างอื่น และรูปแบบมีความสอดคล้องกัน คือ Carbon เป็นการปรับปรุงในวงกว้าง ไม่ใช่การปรับปรุงที่เท่ากันทุกด้าน และยังตามหลัง Opus 5.5 และ GPT-6 Astra อยู่ในการทดสอบด้านวิศวกรรมซอฟต์แวร์และการใช้คอมพิวเตอร์หลายรายการ

ราคาป้ายเดียวกัน แต่คล็อกต่างกัน

ทั้งสองโมเดลมีตารางราคาที่ประกาศไว้เหมือนกัน คือ 2 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเค็น และ 10 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเค็นสำหรับราคาเริ่มต้น โดยอินพุตที่แคชไว้ได้รับส่วนลด 95% จากนั้นจะปรับขึ้นเป็น 4 และ 20 ดอลลาร์ตามลำดับ ความไม่สมมาตรอยู่ที่กำหนดเวลา หน้าต่างราคาเริ่มต้นของ Argon มีวันที่ระบุไว้ชัดเจน — หน้าเพจราคาของ Google ระบุว่าตัวเลขที่สูงขึ้นจะเริ่มในวันที่ 1 ธันวาคม 2026 — และระดับ batch, flex และ priority ของ它也เผยแพร่ไว้คู่กัน ส่วนลดของ Carbon ไม่มีวันที่สิ้นสุดเลย การประกาศระบุเพียงว่า "after the introductory period"

Artificial Analysis กำหนดราคาทั้งสองรุ่นในอัตรามาตรฐาน $4/$20 ซึ่งเป็นเหตุผลว่าตัวเลขต้นทุนต่องานจึงเป็นวิธีที่ยุติธรรมในการเปรียบเทียบทั้งสองรุ่น และอัตราแนะนำช่วงเริ่มต้นไม่ใช่ งบประมาณที่สร้างจาก $2/$10 สำหรับโมเดลใดโมเดลหนึ่งย่อมมีหน้าผาอยู่ในนั้น และสำหรับ Argon ตอนนี้หน้าผานั้นมีวันที่แล้ว

OrcaRouter ไม่ได้กำหนดเส้นทางให้ทั้งสองโมเดลนี้ในปัจจุบัน: Gemini 4 Carbon ไม่มีตัวระบุสาธารณะให้กำหนดเส้นทาง และ Gemini 4 Argon ก็ไม่อยู่ในแคตตาล็อกของเราเช่นกัน กฎการส่งต่อผ่านยังคงเป็นกฎที่เกี่ยวข้อง เพราะมันกำหนดว่าจะเกิดอะไรขึ้นเมื่อสถานการณ์นั้นเปลี่ยน — เราคิด ส่วนเพิ่ม 0% จากราคาตั้งต้นของผู้ให้บริการ ดังนั้นการ์ดที่ Google เผยแพร่คือการ์ดที่ลูกค้าเห็น รวมถึงการปรับขึ้นกลางสัญญาจาก $2/$10 เป็น $4/$20 สิ่งที่เรากำหนดเส้นทางได้จากตระกูลเดียวกันคือ Gemini 3.8 Flash ในราคา $0.75 ต่อล้านโทเค็นอินพุต และ $3.75 ต่อล้านโทเค็นเอาต์พุต โดยมีการอ่านจากแคชที่ $0.075 ซึ่งเป็นโมเดลต่างระดับ แต่เป็นปลายทาง Google ที่คุณสามารถนำไปใช้ในเส้นทางการผลิตได้ในสัปดาห์นี้

ใครควรเลือกอันไหน

หากคุณเป็นผู้ป้องกันภายในขอบเขต Fairwind การตัดสินใจไม่ใช่ของคุณ และตอนนี้ Carbon พร้อมให้คุณใช้งานแล้ว — คำถามที่น่าสนใจคือผลลัพธ์ด้านความปลอดภัยจะยังคงอยู่ภายใต้ harness ของคุณเองหรือไม่ เนื่องจากผลลัพธ์ที่เผยแพร่เหล่านั้นถูกวัดโดยไม่มี guardrails และวัดบางส่วนบนชุดทดสอบภายในของ Google

หากคุณกำลังสร้างสิ่งใดสิ่งหนึ่งที่ต้องส่งมอบภายในไตรมาสนี้ Argon คือคำตอบโดยปริยาย มันมี endpoint มีราคาที่ประกาศไว้ และมีวันที่สำหรับส่วนลด ซึ่งมากกว่าที่ Carbon มี จุดอ่อนของมันเป็นที่ทราบกันดี: Terminal-Bench 4.0 อยู่ในช่วงปลายห้าสิบตามตัวเลขการเปิดตัวของ Google เทียบกับ Opus 5.5 ที่ 66.4% และอัตราการ hallucination ที่ Carbon แซงหน้าไปแล้วในทางที่แย่ลง

หากคุณกำลังกำหนดขอบเขตผลิตภัณฑ์ด้านความปลอดภัย การตัดสินใจไม่ได้ขึ้นอยู่กับว่าโมเดลไหนชนะมากนัก แต่ขึ้นอยู่กับว่าโมเดลไหนที่คุณทดสอบได้มากกว่า Carbon ยังไม่พร้อมใช้งาน ดังนั้นผู้ขายรายใดที่อ้างประสิทธิภาพแบบ "Gemini 4 Carbon" ให้คุณในวันนี้ ก็เพียงกำลังอ้างชื่อ label เท่านั้น Argon บวกกับการประเมินของคุณเองคือ baseline ที่ซื่อตรง ซึ่งข้ออ้างของ Carbon จะถูกตรวจสอบย้อนหลังได้

รอบ 15 วันคือเรื่องจริง

Argon มีอายุสี่สัปดาห์แล้ว Carbon มาภายในหมายเลขรุ่นเดียวกัน แทนที่จะเป็น Gemini 4.1 หรือ Gemini 5 ซึ่งบอกให้รู้ว่า Google ตั้งใจจะปล่อยผลิตภัณฑ์นับจากนี้อย่างไร: เป็นรูปแบบย่อย ไม่ใช่เวอร์ชัน การตีความของ Ars Technica ในวันเปิดตัวคือ Carbon โดยพื้นฐานแล้วเป็น Argon ที่ดีขึ้นเล็กน้อย — อาจเป็นการรีเฟรชหลังการฝึก — และบันทึกการเผยแพร่สนับสนุนรูปแบบนั้น: ราคาเดียวกัน บริบทเดียวกัน รูปแบบอินพุตเดียวกัน แต่ส่วนผสมความสามารถต่างกัน

สำหรับใครก็ตามที่กำลังอินทิเกรต สิ่งนี้มีผลกระทบที่เป็นรูปธรรม ชื่อโมเดลไม่ใช่คำอธิบายพฤติกรรมที่มั่นคงอีกต่อไป gemini-4-argonอธิบายสิ่งหนึ่งเมื่อวันที่ 13 ตุลาคม และอาจอธิบายอีกสิ่งหนึ่งหลังการรีเฟรชอย่างเงียบ ๆ ซึ่งการพบเห็นในอารีนาที่เราเขียนถึงเมื่อวันที่ 21 ตุลาคม ที่ alias ดูเหมือนให้บริการค่าน้ำหนักที่แตกต่างกันนั้น ไม่ได้รับการยืนยันหรือหักล้างจากการเปิดตัวครั้งนี้ แนวป้องกันคือวิธีที่ไม่มีอะไรน่าตื่นเต้น: ปักหมุดตัวระบุที่คุณถูกประเมินจริง ๆ เก็บชุดการประเมินที่มีวันที่กำกับไว้ และมองว่า alias ใด ๆ เป็นสิ่งที่สามารถเคลื่อนที่ไปได้ใต้ตัวคุณ

สิ่งที่ควรดูต่อไป

• รายการแรกgemini-4-carbonในรายการโมเดลของ Google — นั่นต่างหาก ไม่ใช่ประกาศเปิดตัว ที่เป็นช่วงเวลาซึ่ง Carbon กลายเป็นผลิตภัณฑ์

• 1 ธันวาคม เมื่อส่วนลดช่วงเปิดตัวของ Argon หมดอายุลง และการเปรียบเทียบที่ได้ผลจริงจะเปลี่ยนไปสำหรับผู้ซื้อทุกคนที่ยังใช้งานผลิตภัณฑ์นี้อยู่

• การประเมินแบบจับคู่โดยบุคคลที่สามระหว่าง Carbon กับ Argon บนเบนช์มาร์กด้านความปลอดภัย ที่ดำเนินการภายใต้กลไกป้องกัน เนื่องจากยังไม่มีการเผยแพร่ผลการประเมินใด ๆ ออกมา

จนกว่าตัวแรกในสิ่งเหล่านั้นจะเปิดตัว การจัดอันดับเป็นของ Carbon และการตัดสินใจเป็นของ Argon นั่นเป็นเรื่องผิดปกติที่จะเขียนเกี่ยวกับโมเดลที่เพิ่งถูกเรียกว่าเป็นที่สุดในโลก แต่นี่คือสิ่งที่เอ็นด์พอยต์บอก