Gemini 4 Carbon vs Gemini 3.1 Pro: Cách nhau tám tháng, và Chỉ số sẽ không cho bạn so sánh chúng

Đặt Gemini 4 Carbon và Gemini 3.1 Pro cạnh nhau, và điều đầu tiên bạn nhận được là một khoảng cách không thể đo được. Điểm 59 của Carbon trên Artificial Analysis Intelligence Index v5.0 là thật, được chạy độc lập và là số liệu hiện hành. Gemini 3.1 Pro Preview hoàn toàn không có điểm Intelligence Index nào: Artificial Analysis liệt kê nó bằng một dấu gạch ngang ở chỗ Carbon có 59, và bất kỳ con số chỉ số nào bạn từng thấy gắn với nó đều có từ trước đợt tái cấu trúc v5.0 ngày 27 tháng 10. Bất kỳ trang nào lấy hai số đó trừ nhau đều đang làm phép tính vắt qua hai phiên bản của một cây thước. Phép so sánh còn đứng vững thì hẹp hơn, và hữu ích hơn: một mô hình là tốt nhất thế giới và đóng, mô hình kia đã tám tháng trong giai đoạn xem trước và mở với giá 2 đô la mỗi triệu token đầu vào.

Hai mô hình thực sự là gì

Gemini 4 Carbon là mô hình tiên phong của Google DeepMind được công bố vào ngày 28 tháng 10 năm 2026, được xây dựng trên Gemini 4 Argon, hướng đến an ninh mạng và kỹ thuật dài hạn, với giá giới thiệu 2 USD cho đầu vào và 10 USD cho đầu ra trên mỗi triệu token, sau đó sẽ thành 4 USD và 20 USD, và chỉ có sẵn cho một nhóm nhỏ chuyên gia phòng thủ mạng trong tuần này mà không có ID mô hình được công bố. Gemini 3.1 Pro là mô hình chủ lực thuộc dòng Pro trước đó của Google, được phát hành dưới dạng Gemini 3.1 Pro Preview vào ngày 19 tháng 2 năm 2026 và vẫn mang hậu tố preview hơn tám tháng sau đó, với cửa sổ ngữ cảnh 1,048,576 token, đầu ra tối đa 65,536 token và đầu vào đa phương thức gồm văn bản, hình ảnh, giọng nói và video.

Bối cảnh — Gemini 4 Carbon: 1M trên trang Artificial Analysis, không được nêu trong tài liệu của chính Google. Gemini 3.1 Pro Preview: 1,048,576 token.

• Đầu ra tối đa — Carbon: không được công bố. 3.1 Pro Preview: 65,536 token, con số tiết lộ tuổi của nó.

Giá giới thiệu — Carbon $2.00 đầu vào / $10.00 đầu ra mỗi triệu. 3.1 Pro Preview $2.00 đầu vào / $12.00 đầu ra.

• Giá tiêu chuẩn — Carbon $4.00 / $20.00 sau giai đoạn giới thiệu chưa bắt đầu. 3.1 Pro Preview $2.00 / $12.00, tăng lên $4.00 / $18.00 khi vượt quá 200.000 token đầu vào.

• Bộ nhớ đệm — Carbon: giảm 95% cho đầu vào được lưu trong bộ nhớ đệm. 3.1 Pro Preview: $0.20 mỗi triệu token được lưu trong bộ nhớ đệm, giảm 90%.

• Tình trạng khả dụng — Carbon: chỉ có trong Fairwind Program, không có endpoint. 3.1 Pro Preview: đã xuất hiện trong danh mục ngay hôm nay.

Giá đầu vào là hạng mục duy nhất mà hai bên ngang nhau, và việc ngang nhau như vậy là có lý do. Google đã giữ mức giá đầu vào mở màn của gói Pro ở 2 USD kể từ tháng Hai, trong khi giá đầu ra giảm dần từ 12 USD xuống 10 USD dưới mức giá giới thiệu của Argon và Carbon. Mẫu cũ hơn tám tháng giờ lại là mẫu đắt hơn về giá đầu ra — cho đến khi thời gian giới thiệu của Carbon kết thúc và giá tăng gấp đôi.

Điểm số mà bạn sẽ thấy được nêu ra không phải là một sự so sánh.

Điểm 59 của Carbon dẫn đầu bảng xếp hạng v5.0 một cách dứt khoát: Claude Opus 5.5 ở mức 58, GPT-6 Astra ở mức 57, Gemini 4 Argon ở mức 50. Gemini 3.1 Pro Preview chỉ xuất hiện trên bảng đó dưới dạng một mục không được xếp hạng: Artificial Analysis liệt kê nó với một dấu gạch ngang ở vị trí mà Carbon có 59. Artificial Analysis đã xây dựng lại chỉ số vào ngày 27 tháng 10 năm 2026, và v5.0 không phải là việc chấm lại bài kiểm tra cũ với những cái tên mới — đó là một bộ chín đánh giá khác, nên một con số mang theo từ một lần chạy thời v4 không thể được đặt bên cạnh một con số thời v5, ngay cả khi cả hai đều được in với cùng một chữ "index" phía trước.

Điều đó chỉ còn lại ba cách trung thực để so sánh, và chỉ ba:

• Cùng bài kiểm tra, cùng một lần chạy — có sẵn cho Coding Agent Index và các benchmark kiểu arena, nơi cả hai mô hình đều xuất hiện trong một lượt chạy duy nhất. Không khả dụng cho Intelligence Index.

• Cùng một tác vụ, chi phí đo được — Carbon ở mức $7.76 mỗi tác vụ chỉ mục theo mức giá tiêu chuẩn. Chi phí mỗi tác vụ của Gemini 3.1 Pro không được công bố trên bảng hiện tại theo dạng có thể đặt cạnh để so sánh.

• Các tuyên bố đã công bố về năng lực, kèm theo mốc thời gian của chúng — điểm mạnh của 3.1 Pro được đo vào nửa đầu năm 2026 so với một lĩnh vực khác, và lĩnh vực ấy đã thay đổi ba lần kể từ đó.

Trong trường hợp việc so sánh thực sự đúng: hóa đơn

Định giá theo từng token là trục duy nhất mà cả hai mô hình đều có một con số hiện hành đã được công bố, và nó đưa ra câu trả lời rõ ràng cho bất kỳ thứ gì ghi nhiều. Ở mức giá giới thiệu, Carbon là 10 đô la mỗi triệu token đầu ra so với 12 đô la của 3.1 Pro — rẻ hơn 17% ở đúng phần hóa đơn chiếm ưu thế trong khối lượng công việc của agent. Ở mức giá tiêu chuẩn, Carbon là 20 đô la so với 12 đô la, tức đắt hơn 67%. Vì vậy, toàn bộ câu hỏi xoay quanh một ngày mà chưa ai được cho biết: khi nào giai đoạn giá giới thiệu kết thúc.

Đầu vào dài càng khiến nó lệch thêm. Gemini 3.1 Pro Preview tăng gấp đôi lên 4 USD cho đầu vào và 18 USD cho đầu ra khi một yêu cầu duy nhất vượt quá 200.000 token đầu vào, nên một công việc phân tích tài liệu 500k token phải trả mức cao hơn cho cả hai phía. Carbon không có số liệu ngữ cảnh trong tài liệu chính thức của Google — con số 1M trên trang Artificial Analysis của nó là số liệu của bên thứ ba — và do đó không có bậc đầu vào dài nào được công bố.

Quy tắc truyền thẳng là điều giúp điều này rõ ràng ở phía chúng tôi. Một API cho hơn 200 mô hình với mức phụ phí 0% có nghĩa là mức giá bạn thấy cho Gemini 3.1 Pro Preview chính là mức $2 / $12 của chính Google, với cách phân bậc nguyên vẹn, không phải phiên bản của nhà bán lại, và mọi thay đổi Google thực hiện với bảng giá đó đều được cập nhật ngay trong ngày. Đó là giá trị thực tiễn của một danh mục truyền thẳng khi một đợt ra mắt như Carbon xuất hiện với mức giá dự kiến tăng gấp đôi: bạn không bao giờ phải so sánh một mức giá đã lưu trong bộ nhớ đệm với một mức giá trực tiếp.

Tám tháng trôi dạt, và những gì 3.1 Pro vẫn còn làm được

Nhãn xem trước không phải là chuyện hình thức. Gemini 3.1 Pro Preview được phát hành vào ngày 19 tháng 2 năm 2026, và Google đã dành tám tháng tiếp theo để tung ra dòng Flash — 3.5, 3.6, 3.8 và một bản 3.8 Flash Cyber được tinh chỉnh cho an ninh mạng — trong khi vị trí Pro vẫn giữ nguyên. Carbon là thứ đầu tiên xuất hiện ở vị trí đó kể từ đó, và nó ra mắt nối tiếp Argon, bản thân Argon ra mắt vào ngày 30 tháng 9 và trở nên chính thức có sẵn rộng rãi vào ngày 13 tháng 10.

Đối lại với xu hướng đó, 3.1 Pro vẫn nắm trong tay ba lá bài. Cửa sổ ngữ cảnh của nó được công bố và cực kỳ lớn — 1.048.576 token, tương đương khoảng 1.500 trang văn bản dày đặc — trong khi của Carbon đơn giản là không rõ. Tốc độ đầu ra của nó được đo ở mức 134,4 token mỗi giây và thời gian đến token đầu tiên là 19,95 giây, cả hai đều trên các lần chạy của Artificial Analysis với API của chính Google. Carbon, trên cùng bảng đo, phát ra khoảng 85 token mỗi giây và mất 103,54 giây để đến token đầu tiên — một khoảng suy nghĩ hai phút trước khi gõ, đó là dáng vẻ của suy luận tầm xa khi một harness đo lường nó thay vì hoạt động tiếp thị.

Ba thẻ đó không khiến 3.1 Pro trở thành mô hình tốt hơn. Chúng khiến nó trở thành mô hình được biết đến nhiều hơn, và đó là một cuộc thi khác.

Những khối lượng công việc mà ở đó câu trả lời đảo chiều

Có ba hồ sơ độc giả trong cặp đấu này, và lựa chọn mô hình là khác nhau cho từng hồ sơ.

Nếu bạn đang giao bất cứ thứ gì trong tháng này, quyết định đã được định sẵn cho bạn: Carbon không có địa chỉ. Ngữ cảnh 1M và đầu vào đa phương thức của Gemini 3.1 Pro Preview khiến nó trở thành lựa chọn đúng đắn cho công việc nặng về tài liệu, nơi tài liệu tham chiếu chính là mục đích cốt lõi — hợp đồng, cơ sở mã, bản ghi dài — và mức giá đầu ra 12 đô la của nó là hợp lý ở khối lượng trung bình.

Nếu bạn đang xây dựng một tác tử lập trình, thì không mô hình Google nào là câu trả lời trên bảng xếp hạng hiện tại. Carbon đứng thứ hai trên Coding Agent Index với 59 điểm, kém ba điểm so với Claude Opus 5.5 ở 62 điểm, và dù sao thì nó cũng không thể với tới. 3.1 Pro không có tính cạnh tranh trong lập trình tác tử khi đã tám tháng tuổi; các phiên bản mới hơn của dòng Flash và mô hình của các nhà cung cấp khác mới là nơi khối lượng công việc đó hiện đang nằm.

Nếu bạn đang làm công việc bảo mật — đúng lĩnh vực mà Carbon được xây dựng để phục vụ — thì lập trường trung thực là: bộ benchmark mà bạn sẽ muốn tham khảo, SEC-bench Pro đạt 88.2%, là một con số do nhà cung cấp tự báo cáo và không có tái lập độc lập, vì những người kiểm thử duy nhất có quyền truy cập đều nằm trong Fairwind Program của Google. Một mô hình được benchmark nhưng chưa được bên ngoài kiểm thử thì vẫn chưa phải bằng chứng cho bất cứ điều gì ngoài sự tự tin của chính Google.

Điều gì sẽ làm thay đổi câu trả lời

Ba sự kiện sẽ khiến đây trở thành một cuộc đối đầu trực tiếp thực sự, thay vì so sánh một mô hình đang hoạt động với một mô hình đã được công bố. Thứ nhất, việc Carbon có được ID mô hình và một con số ngữ cảnh, điều này sẽ giải quyết tầng đầu vào dài và khiến câu hỏi về chi phí có thể trả lời được. Thứ hai, một dòng Intelligence Index v5.0 cho Gemini 3.1 Pro, điều này sẽ cho phép con số 59 nằm cạnh một con số cùng thước đo thay vì một chú thích. Thứ ba, sự kết thúc giai đoạn giới thiệu của Carbon, sự kiện được công bố duy nhất làm thay đổi chi phí của một trong hai mô hình.

Cho đến khi ít nhất một trong những điều đó thành hiện thực, tóm tắt công bằng là thế này: Gemini 4 Carbon dẫn đầu chỉ số với cách biệt một điểm so với Claude Opus 5.5 và chín điểm so với Gemini 4 Argon, nhưng đối thủ được nêu trong tiêu đề này không có điểm trên bảng xếp hạng đó, không nằm trên cùng thước đo và không ở cùng sân chơi. Gemini 3.1 Pro bị thay thế chậm hơn vẻ ngoài của nó, bởi vì mô hình thay thế nó không thể được gọi — và mô hình mà nhà phát triển có thể gọi hôm nay là mô hình đã nằm ở trạng thái preview từ tháng Hai.