Gemini 4 Carbon vs Grok 4.7: ตารางราคาบอกว่า 3 เท่า แต่ใบแจ้งหนี้ไม่บอกอะไรเลย

Gemini 4 Carbon มีราคาตามรายการที่ $10 ต่อล้านโทเคนเอาต์พุต Grok 4.7 ตั้งราคาไว้ที่ $6 ในตัวเลขสองตัวที่ทุกหน้าราคาเน้นเป็นตัวหนา Carbon มีต้นทุนในการพูดมากกว่าสองในสาม และมีต้นทุนในการอ่านมากเป็นสองเท่า ข้อสรุปที่ชัดเจนคือ Grok 4.7 คือตัวเลือกที่คุ้มค่า จากนั้นคุณวัดต้นทุนของงานที่ทำเสร็จแล้ว และทั้งสองโมเดลออกมาห่างกันเพียงหนึ่งเซนต์: $7.76 สำหรับ Gemini 4 Carbon เทียบกับ $7.77 สำหรับ Grok 4.7 บน Intelligence Index ของ Artificial Analysis ใบเรียกเก็บเงินเดียวกัน แต่มีความสามารถต่างกันถึงยี่สิบห้าคะแนนดัชนี นั่นคือข้อโต้แย้งทั้งหมดของการเปรียบเทียบนี้ และไม่ใช่สิ่งที่ตารางอัตราค่าบริการของผู้ขายรายใดรายหนึ่งจะแสดงให้คุณเห็นได้

จังหวะเวลามีผลต่อวิธีที่คุณอ่านส่วนที่เหลือ Gemini 4 Carbon เปิดให้เรียกใช้บน Gemini API แบบเสียค่าใช้จ่ายเมื่อวันที่ 10 พฤศจิกายน 2026 ซึ่งเป็นเวลาสิบสองวันหลังจากที่ Google เปิดตัวมันต่อกลุ่มผู้ใช้แบบปิด Grok 4.7 เปิดตัวจาก xAI เมื่อวันที่ 21 กันยายน 2026 และสามารถเรียกใช้ผ่านเส้นทางได้ตั้งแต่นั้นเป็นต้นมา ตัวหนึ่งอยู่ในมือสาธารณะมาได้หนึ่งสัปดาห์ ส่วนอีกตัวมีประสบการณ์ใช้งานจริงในโปรดักชันมาแล้วเจ็ดสัปดาห์

เรทการ์ดสองใบที่ดูเหมือนห่างกันมากกว่าที่เป็นจริง

เริ่มจากโครงสร้างดิบก่อน เพราะการจัดระดับชั้นคือจุดที่ทั้งสองแตกต่างกันในทางปฏิบัติ

• ราคาเอาต์พุต — Carbon $10 ต่อล้านจนถึง 30 พฤศจิกายน 2026 จากนั้น $20 Grok 4.7 $6 ต่อล้านเมื่อต่ำกว่า 200,000 โทเค็นอินพุต จากนั้น $12

• ราคาอินพุต — Carbon $2 แล้วเป็น $4 ตั้งแต่ 1 ธันวาคม Grok 4.7 $2 เพิ่มเป็น $4 เมื่อเกินเส้น 200k โครงสร้างเหมือนกัน ตัวเลขเหมือนกัน แต่วันที่ที่แนบมาแตกต่างกัน

• อินพุตที่แคชไว้ — Carbon $0.10 ต่อล้านตอนนี้, $0.20 หลังวันที่ 1 ธันวาคม, แคชแบบโดยนัยเท่านั้น. Grok 4.7 $0.50, ปรับขึ้นเป็น $1.00 สำหรับพรอมต์ยาว พร้อมส่วนลด 75% จากอัตราปกติ

• บริบท — Carbon 1,048,576 โทเค็น Grok 4.7 500,000 Carbon มีหน้าต่างที่ใหญ่กว่าเป็นสองเท่า

• ขีดจำกัดเอาต์พุต — Carbon 65,536 โทเคนแบบซิงโครนัส และสูงถึง 1,048,576 เมื่อใช้ long decode ส่วน Grok 4.7 สูงถึง 450,000 ในทางปฏิบัติ Grok เขียนคำตอบในการเรียกครั้งเดียวได้ยาวกว่าที่ Carbon ทำได้โดยค่าเริ่มต้น

• รูปแบบอินพุต — Carbon รองรับข้อความ รูปภาพ เสียง วิดีโอ และ PDF ส่วน Grok 4.7 รองรับข้อความ รูปภาพ และไฟล์

• เวตของโมเดล — ทั้งสองเป็นแบบปิด ไม่สามารถโฮสต์เองได้ทั้งคู่ จึงมีความเสี่ยงด้านผู้ขายในระดับเดียวกัน

• ระดับความพยายามในการใช้เหตุผล — Carbon thinking ที่ระดับ low, medium และ high; Grok 4.7 ที่ระดับ low, high และ xhigh ตัวเลขที่เผยแพร่จะอ้างอิงที่ระดับ high และ xhigh ตามลำดับ ซึ่งเป็นสิ่งแรกที่ต้องตรวจสอบก่อนคัดลอกคะแนนพาดหัวใด ๆ

ความไม่สมมาตรสองประการในรายการนั้นมีผลจริง หน้าต่างบริบท 1M ของ Carbon มากเป็นสองเท่าของ Grok ซึ่งสำคัญต่องานระดับทั้งรีโพซิทอรีหรือหลายเอกสาร เพดานเอาต์พุต 450K ของ Grok มากเป็นเจ็ดเท่าของขีดจำกัดแบบซิงโครนัสของ Carbon ซึ่งสำคัญหากสิ่งส่งมอบนั้นยาวด้วยตัวมันเอง — รายงานที่สร้างขึ้น ไฟล์ที่ย้ายระบบ หรือชุดแพตช์ยาว โมเดลที่รับอินพุตได้หนึ่งล้านโทเคนแต่เขียนกลับได้เพียง 65K ไม่ใช่โมเดลสำหรับเอาต์พุตยาว ไม่ว่าหน้าต่างบริบทจะดูเป็นอย่างไรบนสเปกชีต

ตัวเลขที่ทำให้ราคาทั้งสองสอดคล้องกัน

Artificial Analysis วัดทั้งสองโมเดลบนดัชนีการประเมิน 9 รายการชุดเดียวกัน เวอร์ชัน v5.0.1 และเผยแพร่ต้นทุนต่อภารกิจในดัชนีซึ่งรวมจำนวนโทเคนที่แต่ละโมเดลใช้จริงในการทำงานให้เสร็จ การวัดนั้นเป็นเหตุผลที่การเปรียบเทียบนี้ไม่เป็นไปตามที่เรตการ์ดบ่งชี้

• Intelligence Index — Gemini 4 Carbon ได้ 60 ที่การตั้งค่าความพยายามสูง อยู่อันดับ 4 จาก 74 ส่วน Grok 4.7 ได้ 35 ที่ xhigh อยู่อันดับ 41 จาก 74 การตั้งค่าปานกลางและต่ำของ Carbon ได้คะแนน 58 และ 54 ตามลำดับ ส่วนการตั้งค่าสูงและต่ำของ Grok อยู่ที่ 35 และ 31 ตามลำดับ

• ต้นทุนต่องานดัชนี — Carbon $7.76, Grok $7.77 ต่างกันเพียงหนึ่งเซนต์ โดยเป็นผลดีต่อโมเดลที่แพงกว่า

• โทเคนเอาต์พุตบนดัชนี — Carbon 205 ล้าน, Grok 148 ล้าน เทียบกับค่ามัธยฐาน 72.8 ล้าน

• เวลาต่อหนึ่งงาน index — Carbon 25.6 นาที, Grok 25.9 นาที อยู่ในระดับเดียวกันอีกครั้ง

• ความเร็วในการสร้างเอาต์พุต — Carbon 80 โทเคนต่อวินาที, Grok 67 แม้ว่า Carbon จะมีราคาแพงกว่า แต่ก็เป็นตัวสร้างที่เร็วกว่า

• เวลาถึงโทเค็นคำตอบแรก — Carbon 66.85 วินาที, Grok 53.64 วินาที ทั้งสองอยู่นอกเหนือค่ามัธยฐาน 12 วินาทีสำหรับระดับราคาของตนอย่างมาก และ Grok เป็นตัวที่เริ่มได้เร็วกว่าในสองตัวนี้

สิ่งที่ทำให้ตัวเลขลงรอยกันได้คือความเยิ่นเย้อ ไม่ใช่ส่วนลด Carbon ปล่อยโทเคนเอาต์พุตต่องานมากกว่า Grok 39% และราคาเอาต์พุตสูงกว่า 67% แต่ต้นทุนรวมต่องานยังต่างกันไม่ถึงหนึ่งเซนต์ เพราะราคาต่อโทเคนของ Grok ไม่ใช่ปัจจัยเดียวในบิล — ปริมาณอินพุต โทเคนการให้เหตุผล และรูปแบบเฉพาะของแต่ละงานล้วนมีส่วน ไม่ว่าจะแยกองค์ประกอบออกมาอย่างไรก็ตาม ข้อสรุปเชิงปฏิบัติที่ยังยืนได้ไม่ว่าจะคำนวณซ้ำด้วยวิธีใดก็คือ การเปรียบเทียบราคาต่อโทเคนระหว่างสองโมเดลนี้แทบไม่ได้บอกอะไรเกี่ยวกับต้นทุนของภาระงานเลย และราคาที่ประกาศของสองผู้ขายต่างกันมากกว่าต้นทุนต่อผลลัพธ์ที่วัดได้ของทั้งสองจะต่างกันเสียอีก

ยี่สิบห้าคะแนนไม่ได้หมายถึงยี่สิบห้าคะแนนในทุกแห่ง

ช่องว่างเชิงองค์ประกอบขนาดนี้มักยังคงอยู่หลังการแยกส่วน คำถามคือมันยังอยู่ตรงไหนและไม่ตรงไหน มีข้อควรระวังสามข้อก่อนที่ใครจะตั้งงบประมาณโดยอิงกับ 60 เทียบกับ 35

อย่างแรกคือ effort ค่า 60 ของ Carbon อยู่ที่ effort สูง ส่วนค่า 35 ของ Grok อยู่ที่ xhigh ทั้งสองเป็นการตั้งค่าที่ผู้ขายแต่ละรายต้องการ ไม่ใช่การตั้งค่าที่จับคู่ให้เท่ากัน ดังนั้นการเปรียบเทียบจึงเป็นการเทียบแต่ละโมเดลที่รันตามที่ผู้ผลิตตั้งใจ ไม่ใช่ที่พลังประมวลผลเท่ากัน หากลดค่าใดค่าหนึ่งลง ช่องว่างจะแคบลงหรือกว้างขึ้น ขึ้นอยู่กับว่าคุณขยับปลายด้านไหน: Carbon ที่ low คือ 54, Grok ที่ low คือ 31

ข้อที่สองคือ ดัชนี v5.0.1 เกิดจากการรวมการประเมินเก้ารายการเข้าด้วยกัน และกระดานจัดอันดับไม่ได้เผยแพร่คะแนนแยกตามเบนช์มาร์กสำหรับทั้งสองโมเดล — แผนภูมิย่อยทุกอันในทั้งสองหน้าแสดงว่า “No publicly available API” ดังนั้นคำกล่าวที่ตรงไปตรงมาคือ Carbon ชนะคะแนนรวมด้วยส่วนต่าง 25 คะแนน และตอนนี้ไม่มีใครนอก Artificial Analysis ที่บอกได้ว่าการประเมินใดในเก้ารายการนั้นสร้างส่วนต่างนี้ขึ้นมา ใครก็ตามที่เผยแพร่การแจกแจงแยกตามเบนช์มาร์กของคู่นี้ กำลังอ้างอิงผู้ขายหรือไม่ก็สร้างข้อมูลขึ้นมาเอง

ข้อที่สามคือดัชนีเป็นเพียงเครื่องมือวัดหนึ่งเดียว มันเป็นเครื่องมือที่ดี ได้รับการปรับปรุงเมื่อไม่นานมานี้ และนำไปใช้กับทั้งสองโมเดลอย่างสม่ำเสมอ แต่ไม่ใช่การตัดสินใจด้านผลิตภัณฑ์ โมเดลที่เสียคะแนนคอมโพสิตไป 25 คะแนนก็ยังชนะงานที่คุณมีอยู่ได้ และสองส่วนถัดไปจะกล่าวถึงกรณีที่มันทำได้

ในจุดที่ Grok 4.7 ชนะขาด

สามรายการ และรายการแรกไม่ใช่เกณฑ์มาตรฐาน

ความมั่นคง Grok 4.7 พร้อมให้ใช้งานทั่วไปมาแล้วเจ็ดสัปดาห์ ส่วน Gemini 4 Carbon เพิ่งเรียกใช้งานได้เพียงหนึ่งวัน หลังการเปิดตัวที่เปลี่ยนรูปแบบไปสองครั้งในสองสัปดาห์ — ประกาศแบบจำกัดการเข้าถึงเมื่อวันที่ 28 ตุลาคม, API แบบเสียเงินเมื่อวันที่ 10 พฤศจิกายน, และขึ้นราคาเป็นสองเท่าเมื่อวันที่ 1 ธันวาคม ทีมที่ต้องการโมเดลที่จะยังเป็นตัวเดิมในไตรมาสหน้า ตอนนี้มีทางเลือกเพียงหนึ่งเดียวในคู่นี้ที่มีประวัติการใช้งานให้อ้างอิง

เอาต์พุตแบบเรียกครั้งเดียวที่ยาว 450,000 โทเค็น เทียบกับ 65,536 แบบซิงโครนัส หากงานคือ "เขียนไฟล์ทั้งหมด" มากกว่า "ตอบคำถาม" เพดานจะเป็นตัวตัดสินก่อนดัชนี

ความแน่นอนด้านต้นทุนสำหรับพรอมต์ยาว หากอินพุตของคุณมีขนาดเล็ก การปรับไปเป็น $4/$12 ของ Grok จะเริ่มมีผลเมื่ออินพุตเกิน 200,000 โทเค็น และต่ำกว่าเส้นนั้น อัตราเอาต์พุต $6 ของมันคิดเป็นหนึ่งในสามของ $20 หลังเดือนธันวาคมของ Carbon สำหรับงานที่มีอินพุตปานกลางและเอาต์พุตหนัก — การสรุป การร่าง การแปลง — การคำนวณย่อมเอื้อต่อ Grok จริง และต้นทุนต่องานดัชนีที่ใกล้เคียงกันมากนั้นเป็นข้อความเกี่ยวกับชุดการประเมินเก้ารายการนั้นโดยเฉพาะ ไม่ใช่กฎสากล

เมื่อเทียบกับสิ่งนั้น อินพุตแบบแคชของ Grok ที่ $0.50 ต่อล้านนั้นเป็นห้าเท่าของ $0.10 ปัจจุบันของ Carbon สำหรับไปป์ไลน์ RAG ที่ส่งชุดข้อมูล 100,000 โทเคนเดิมซ้ำในทุกการเรียก บรรทัดเดียวนั้นอาจมีน้ำหนักมากกว่าทุกอย่างข้างต้น นี่คือวิธีที่พบบ่อยที่สุดที่ทีมเลือกโมเดลผิดจากสองตัวนี้: พวกเขาเปรียบเทียบอัตราค่าเอาต์พุตและไม่เคยคำนวณเศรษฐศาสตร์แคชจากรูปแบบทราฟฟิกของตัวเอง

Carbon คุ้มค่ากับเงินตรงไหน

เหตุผลที่หนุน Carbon นั้นแคบกว่าคะแนนดัชนีของมัน และหนักแน่นกว่าที่ราคาบ่งชี้

การรับข้อมูลหลายรูปแบบ อินพุตเสียงและวิดีโอเป็นตัวแบ่งที่ชัดเจนที่สุดในการเปรียบเทียบทั้งหมดนี้ Carbon รองรับทั้งสองอย่าง ส่วน Grok 4.7 ไม่ได้ระบุทั้งสองอย่าง ไปป์ไลน์ที่ต้องดูการบันทึกหน้าจอ หรือถอดเสียงและวิเคราะห์เหตุผลจากสายสนทนา มีตัวเลือกเพียงหนึ่งเดียวตรงนี้ และไม่ว่าคะแนนดัชนีจะมีมากเพียงใดก็ปิดช่องว่างนั้นไม่ได้

งานด้านไซเบอร์และช่องโหว่ Google สร้าง Carbon ขึ้นมาเพื่อสิ่งนี้ จำกัดการเผยแพร่เวอร์ชันแรกให้เฉพาะนักป้องกันไซเบอร์ และรายงานผล SEC-bench Pro ที่ 88.2%, ExploitGym ที่ 54.8% และ CWE-bench ที่ 71.0% — ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงานเองและยังไม่ได้มีการทำซ้ำ แต่ทิศทางสอดคล้องกับวัตถุประสงค์ที่ระบุไว้ของโมเดล และกับข้อเท็จจริงที่ว่า Google เลือกที่จะเผยแพร่ให้กับฝ่ายป้องกันก่อนนักพัฒนา xAI ไม่ได้กล่าวอ้างด้านไซเบอร์ที่เทียบเคียงได้สำหรับ Grok 4.7

บริบททั้งรีโพซิทอรี หน้าต่าง 1M เทียบกับ 500K เพดานที่สูงเป็นสองเท่าถือเป็นความแตกต่างจริงสำหรับงานระดับโมโนรีโพ และสำหรับกรณีเฉพาะของการ "เก็บบริการทั้งหมดไว้ในบริบทและใช้เหตุผลครอบคลุมทั้งบริการ" Grok ตามไม่ได้

และข้อถ่วงดุลที่ตรงไปตรงมาอย่างหนึ่ง: ข้อได้เปรียบของ Carbon แลกมาด้วยความหน่วง ด้วยเวลา 66.85 วินาทีถึงโทเค็นแรก และ 25.6 นาทีต่องาน index หนึ่งงาน จึงไม่ใช่โมเดลที่ควรวางไว้หลังอินเทอร์เฟซแบบ request-response หากไม่มีความอดทนมากพอ Grok ก็เช่นกันที่ 53.64 วินาที หากผลิตภัณฑ์ของคุณต้องการการตอบสนองต่ำกว่า 10 วินาที การเปรียบเทียบนี้ก็คือระหว่างสองโมเดลที่แพ้ทั้งคู่ และคำตอบคือโมเดลที่เล็กกว่าและเร็วกว่าจากฝั่งใดฝั่งหนึ่ง

เมื่อรันทั้งสองแล้ว อันไหนคือคำตอบที่แท้จริง

เหตุผลที่การเปรียบเทียบคู่นี้ยังฟันธงไม่ได้ก็คือ โมเดลทั้งสองถูกออกแบบมาสำหรับคนละช่วงของไปป์ไลน์เดียวกัน Carbon เหมาะกับช่วงรับข้อมูลเข้า ซึ่งรูปแบบข้อมูลและบริบทเป็นปัจจัยหลักและปริมาณงานต่ำ ส่วน Grok เหมาะกับช่วงเอาต์พุตยาว ซึ่งงานคือการสร้างข้อความจำนวนมากจากพรอมต์ที่มีขอบเขตจำกัด และอัตราค่าเอาต์พุต 6 ดอลลาร์ชนะอัตรา 20 ดอลลาร์ ทีมส่วนใหญ่ที่ต้องการอย่างใดอย่างหนึ่งจริง ๆ ต้องการทั้งสอง และความผิดพลาดคือการทำสัญญาสองฉบับ ใช้ SDK สองตัว และมีความสัมพันธ์ด้านการเรียกเก็บเงินสองรายเพื่อให้ได้ทั้งสองมา

ปลายทางที่เข้ากันได้กับ OpenAI เพียงจุดเดียวคือทางลัด และวันนี้ก็พร้อมใช้งานแล้วสำหรับครึ่งที่กำหนดเส้นทางได้ของคู่นี้: grok/grok-4.7 ตั้งอยู่บน OrcaRouter ในราคา $2/$6 ของ xAI เอง — เป็นราคาตามรายการเดียวกัน โดยคิดมาร์กอัป 0% รวมถึงขั้นราคา $4/$12 เมื่อมีโทเค็นอินพุตเกิน 200,000 — ควบคู่กับ google/gemini-4-argon ในราคา $2/$10 สำหรับงานฝั่ง Gemini ที่ไม่ต้องใช้ชุดโมดัลลิตีของ Carbon ส่วนตัว Gemini 4 Carbon เองไม่ได้อยู่ในแค็ตตาล็อก; ต้องเข้าถึงผ่าน API แบบชำระเงินของ Google และช่วงนั้นของไปป์ไลน์เป็นการผสานรวมโดยตรง

DSL สำหรับการกำหนดเส้นทางคือส่วนที่ทำให้การแยกนี้ใช้งานได้จริงมากกว่าจะเป็นเพียงเป้าหมายในอุดมคติ: คำขอเดียวกันสามารถประกอบขึ้นเพื่อลองเส้นทางราคาถูกและยกระดับเมื่อการตรวจสอบล้มเหลว โดยมี การสลับไปยังระบบสำรองโดยอัตโนมัติหากผู้ให้บริการมีประสิทธิภาพลดลง เรื่องนี้สำคัญกว่าปกติในบริบทนี้ เพราะโมเดลราคาแพงในคู่นี้ได้เปลี่ยนเงื่อนไขการเข้าถึงสองครั้งในสิบสี่วัน ไปป์ไลน์ที่สามารถย้ายสาขาไปยังโมเดลอื่นได้โดยไม่ต้องติดตั้งใช้งานใหม่คือเวอร์ชันเดียวของสถาปัตยกรรมนี้ที่อยู่รอดได้กับโรดแมปของผู้จำหน่ายของตัวเอง

เลือกตามข้อจำกัดที่คุณมีอยู่จริง

• หากสิ่งที่ต้องส่งมอบเป็นเอาต์พุตแบบยาวจากพรอมต์ที่มีขอบเขตจำกัด — Grok 4.7 และตรวจสอบปริมาณแคชของคุณก่อน

• หากอินพุตมีไฟล์เสียง วิดีโอ หรือ PDF ที่สแกน — Carbon เนื่องจากไม่มีทางเลือกอื่นในคู่นี้

• หากงานคือการวิเคราะห์ความปลอดภัยหรือการคัดแยกช่องโหว่ — Carbon โดยอาศัยตัวเลขด้านไซเบอร์ที่ Google รายงาน และการเลือกกำหนดเกต (gating) ของบริษัทเอง โดยมีข้อแม้ว่าไม่มีตัวเลขใดเหล่านี้ได้รับการยืนยันซ้ำโดยอิสระ

• หากคุณต้องการให้ทั้ง repository อยู่ในบริบท — หน้าต่าง 1M ของ Carbon โดยยอมรับ latency ที่เกิดขึ้น

• หากคุณต้องการโมเดลที่เงื่อนไขจะไม่เปลี่ยนแปลงในเดือนหน้า — Grok 4.7 และนี่เป็นข้อโต้แย้งที่หนักแน่นกว่าที่ฟังดู

• หากคุณตัดสินใจไม่ได้ — ให้รันทั้งสองแบบ ต้นทุนที่วัดได้ต่องานอยู่ในระดับต่ำกว่าหนึ่งเซนต์ ดังนั้นการทดลองเปรียบเทียบสองสัปดาห์จึงมีค่าใช้จ่ายประมาณเท่ากับโมเดลเดียว และให้คำตอบที่ดีกว่าคะแนนรวมแบบใด ๆ

สิ่งที่รายการเหล่านี้บอกคุณไม่ได้คือโมเดลไหนฉลาดกว่า เพราะ "ฉลาดกว่า" เป็นปริมาณที่ผิด ณ ระยะห่างนี้ ช่องว่าง 25 คะแนนดัชนีถือว่าใหญ่เมื่อวัดอย่างถูกต้อง และยังคงทำให้โมเดลที่ดูถูกกว่าบนกระดาษเสมอกันในด้านต้นทุนต่อผลลัพธ์ และนำอยู่ในด้านเพดานเอาต์พุต ความสมบูรณ์ของโมเดล และเวลาในการสร้างโทเคนแรก นั่นไม่ใช่ความขัดแย้งในผลทดสอบมาตรฐาน แต่เป็นสิ่งที่เกิดขึ้นเมื่อโมเดลสองตัวถูกสร้างมาเพื่องานที่ต่างกัน แต่ถูกทำการตลาดด้วยคำเดียวกัน