Gemini 4 Carbon vs DeepSeek V4 Pro: 37 điểm chỉ số và chi phí gấp 4,4 lần cho mỗi tác vụ thực sự mua được gì?

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.

Hai mô hình được xây dựng trên những giả định trái ngược nhau

Các thông số kỹ thuật giải thích phần lớn sự khác biệt về hành vi trước khi bất kỳ bài kiểm chuẩn nào làm được điều đó.

• 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.

• Ngữ cảnh và đầu ra — cả hai đều có cửa sổ 1M token. Carbon giới hạn đầu ra đồng bộ ở 65.536 token và cho phép tối đa 1.048.576 khi giải mã dài; V4 Pro giới hạn ở 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.

• Trọng số — Carbon là đóng. V4 Pro được phát hành theo giấy phép MIT, với một hỗn hợp chuyên gia gồm 1,6 nghìn tỷ tham số và 49 tỷ tham số hoạt động, vì vậy bạn có thể tự triển khai, tinh chỉnh và phân phối lại theo giấy phép.

• Điều chỉnh mức nỗ lực — Carbon cung cấp mức suy nghĩ ở thấp, trung bình và cao. V4 Pro cung cấp núm điều chỉnh suy luận ở thấp, cao và tối đa.

Dòng về phương thức không phải là chú thích cuối trang. Nếu pipeline của bạn nạp ảnh chụp màn hình, PDF quét hoặc bản ghi cuộc gọi, thì V4 Pro không thể là mô hình ở phần đó của stack với bất kỳ mức giá nào, và việc so sánh sẽ thu hẹp còn một ứng viên duy nhất. Nếu lưu lượng của bạn là mã, log và tài liệu văn bản, thì khoảng cách ấy thực sự là một lựa chọn.

37 điểm, được phân rã

Một khoảng cách tổng hợp lớn như vậy thường là do chỉ một vài bài đánh giá gánh toàn bộ phần việc, và đó là điều mà các bảng độc lập cho thấy ở cặp này. Artificial Analysis đo Carbon ở mức high effort và V4 Pro 0813 ở mức max effort; cả hai con số đều là của đơn vị đánh giá đó, không phải của các nhà cung cấp.

• Chi phí cho mỗi tác vụ trong Chỉ số Trí tuệ — Carbon $7.76, V4 Pro $1.77. Tỷ lệ đó đã tính luôn cả độ dài diễn đạt, nên đây là con số kinh tế đơn lẻ công bằng nhất để so sánh giữa hai mô hình.

• Token đầu ra tiêu tốn trên chỉ mục — Carbon 205 triệu, V4 Pro 119 triệu, so với mức trung vị 72,8 triệu. Cả hai mô hình đều nói nhiều; Carbon nói nhiều hơn khoảng 1,7 lần, và đó là nơi một phần chênh lệch giá đến từ, thay vì chỉ từ mức giá trên mỗi token.

• {{1}}Tốc độ và độ trễ{{/1}} — Carbon {{2}}80 token đầu ra mỗi giây với 66,85 giây để có token trả lời đầu tiên{{/2}}; V4 Pro {{3}}67 token mỗi giây với 67,71 giây{{/3}}. Trên trục này, chúng gần như giống hệt nhau, và cả hai đều đủ chậm đến mức không cái nào phù hợp cho một luồng trò chuyện tương tác mà không có streaming và sự kiên nhẫn.

• Độ nhạy với mức nỗ lực — Carbon đạt 60 ở mức cao, 58 ở mức trung bình và 54 ở mức thấp. Cấu hình không suy luận của V4 Pro đạt 13 so với 23 ở mức tối đa. Mô hình rẻ hơn mất nhiều hơn hẳn khi bạn hạ mức suy luận, vì vậy "chạy nó với chi phí thấp" không phải là một công tắc miễn phí ở cả hai bên.

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.

Chiếc đồng hồ tính phí mà không ai dự trù ngân sách

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.

Bảy tiếng mỗi ngày làm việc trong tổng số 24 giờ, năm ngày một tuần, tương đương khoảng 21% tuần dương lịch. Nếu các batch job của bạn được lên lịch bằng cron theo giờ UTC, thì việc căn chỉnh rất dễ. Nếu lưu lượng truy cập của bạn thuộc một sản phẩm đang vận hành với đường cong ban ngày của Mỹ hoặc châu Âu, một phần đáng kể lưu lượng sẽ rơi vào cửa sổ cao điểm và mức giá hỗn hợp thực tế của bạn nằm trong khoảng $0.66 đến $1.32, chứ không phải con số trên trang tiếp thị.

Đồng hồ của Carbon chạy theo hướng ngược lại. Nó giữ nguyên cho đến ngày 30 tháng 11 rồi sau đó tăng gấp đôi. Hai mô hình, hai nguồn biến động hóa đơn hoàn toàn khác nhau: một mô hình biến đổi theo giờ trong ngày, mô hình kia theo ngày trên lịch. Không thể thấy được cả hai từ một con số đơn lẻ trên mỗi token, và một so sánh đưa ra $4/$20 so với $0.66/$1.98 đang mô tả trường hợp xấu nhất ở một bên và trường hợp tốt nhất ở bên kia.

Phiên bản trung thực: với mức giá giới thiệu của Carbon so với mức giá cao điểm của V4 Pro, Carbon là 1,5 lần ở đầu vào và 2,5 lần ở đầu ra. Sau ngày 1 tháng 12 so với mức thấp điểm, con số là 6 lần và 10 lần. Chỉ số chi phí trên mỗi tác vụ 4,4 lần nằm giữa các mức đó và là con số đáng để dùng làm căn cứ lập kế hoạch, vì nó tính đến số token mà mỗi mô hình thực sự cần để hoàn thành.

Nơi khoảng cách đáng để bỏ tiền

Thay vì một phán quyết, đây là bốn sự phân tách vẫn đứng vững khi đối chiếu với cách hai mô hình thực sự được định hình.

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.

Phân loại, trích xuất và định tuyến khối lượng lớn. Hãy gửi việc này cho V4 Pro. Một khoảng cách tổng hợp 37 điểm gần như chẳng nói lên điều gì về việc liệu một mô hình có thể gắn thẻ một phiếu hỗ trợ hay trích xuất các trường từ một hóa đơn hay không, và với mức 0,66 đô la cho mỗi triệu token đầu vào, mô hình rẻ thắng về mặt số học từ rất lâu trước khi thua về chất lượng. Hầu hết các đội đều mua thừa ở đây.

Xử lý tài liệu ngữ cảnh dài.Cả hai cửa sổ đều là 1M token, nên dung lượng thô ngang nhau. Điểm khác biệt nằm ở phương thức đầu vào và giới hạn đầu ra: Carbon tiếp nhận trực tiếp PDF quét và ghi tới 1M token; V4 Pro cần văn bản đã được trích xuất sẵn và dừng ở 384K. Nếu pipeline của bạn đã qua OCR, V4 Pro vẫn có cùng cửa sổ 1M với mức giá đầu ra chỉ bằng một phần mười.

Bất cứ thứ gì bạn có thể phải tự vận hành.Chỉ V4 Pro là một lựa chọn. Trọng số theo giấy phép MIT nghĩa là không nhà cung cấp nào có thể thu hồi mô hình, đổi giá hay chặn nó sau một chương trình — một mối lo không hề mang tính giả định trong một năm mà các điều kiện truy cập của Carbon đã thay đổi hai lần trong mười bốn ngày và giá của nó lại thay đổi vào ngày 1 tháng 12.

Câu trả lời định tuyến, với lưu ý trung thực

Cách làm chín muồi cho quyết định này không phải là chọn một. Mà là chạy V4 Pro cho phần lớn lưu lượng và đẩy các trường hợp khó lên một mô hình tiên phong, đó chính xác là cách kết hợp mà DSL định tuyến của chúng ta được tạo ra để xử lý: một nhánh rẻ xử lý khối lượng lớn, một điều kiện leo thang kích hoạt khi độ tin cậy thấp hoặc xác thực thất bại, và một endpoint tương thích OpenAI phía trước cả hai.

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.

Tự động chuyển đổi dự phòng là phần làm thay đổi bài toán cân nhắc đối với mô hình rẻ. Lý do các nhóm mua thừa năng lực frontier là nỗi sợ một câu trả lời tệ ở 5% yêu cầu quan trọng. Chuyển đổi dự phòng và chuyển lên mô hình mạnh hơn cho phép mô hình rẻ đảm nhận 95% mà nó xử lý tốt, với mô hình đắt có thể truy cập qua một endpoint khi một yêu cầu nằm ngoài phạm vi đó — thay vì trả mức giá frontier cho mọi token để phòng ngừa một phần đuôi mà đáng lẽ có thể định tuyến.

Điều gì sẽ thay đổi khuyến nghị này

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.

Cho đến lúc đó, lập trường có thể bảo vệ được là không hào nhoáng: V4 Pro cho khối lượng lớn, Carbon chỉ ở nơi đầu vào đa phương thức hoặc năng lực không gian mạng là yếu tố then chốt, và không ký hợp đồng dài hạn ở bất kỳ phía nào của mức giá tăng gấp đôi trong hai mươi ngày.