Gemini 4 Carbon 与 GPT-6 Astra：两款受限旗舰，一个重新定价陷阱

这两款模型发布时都处于关闭状态。GPT-6 Astra 于 2026 年 9 月 3 日推出，是首个根据自身 Preparedness Framework 跨过 Critical 网络安全阈值的 O​penAI 模型；它面向企业时默认关闭，直到 9 月 9 日管理员获得启用它的控制权。G​emini 4 Carbon 于 2026 年 10 月 28 日通过 G​oogle 的 Fairwind Program 面向一批指定的网络防御者发布，并且直到 11 月 10 日才向付费 API 开发者开放。正是这段共同历史，让这次比较比单纯看分数更有意思：两家前沿实验室各自得出结论，能力如此强的模型需要一道闸门，而这两道闸门的工作方式不同。这也解释了大多数买家忽略的数字：Carbon 对 900,000 token 的请求和对 9,000 token 的请求收取相同费率，而 GPT-6 Astra 一旦输入 token 超过 272,000 个，就会对整个请求重新定价。

在两者真正完全相同的情况下

从匹配的行开始，因为它们比不同的行能更快地缩小决策范围。

• 上下文窗口——Carbon 为 1,000,000 个 token；Astra 为 1,050,000 个，其中最大输入为 922,000 个，最大输出为 128,000 个。对于实际提示词而言，二者处于相同的范围，而且两家厂商都按整数百万来标称。

• 输入模态——Astra 支持文本、图像和文件；Carbon 支持文本、图像、音频、视频和 PDF。Carbon 对音频和视频的支持是该行中唯一真正的差异。

• 定位——面向长期的专业工作，而非聊天。O​penAI 将 Astra 定位为用于从一条指令出发、经过多个步骤产出成品的工作，并面向工作场景而非聊天产品。G​oogle 将 Carbon 定位为其最强的模型，用于复杂的长周期任务，并在软件工程、网络安全、知识工作和科学领域进行扩展的验证循环。两家厂商都没有声称自己是更好的聊天机器人。

• 发布时实行分级开放——Astra 首日仅向有限的一组组织开放，随后再面向更广泛的 ChatGPT 和 API 推出；Carbon 则先向网络防御人员和 Fairwind 合作伙伴开放十二天，之后才提供付费 API 访问。

• 独立排名——两者均基于 Artificial Analysis Intelligence Index v5.0.1 进行评测，这在该价位段的模型中并非普遍适用，并使这些数字具有相互可比性，而大多数跨实验室比较并不具备这种可比性。

• 知识截止日期——Astra 的是 2026 年 4 月 30 日。Google 未公布 Carbon 的截止日期，其模型文档中也没有该字段，因此那一行只有单侧信息；在您假设它是最新信息并据此构建对时效性敏感的流水线之前，这一点值得了解。

272,000 个 token 的那一行，已完整推演

这是比较中会改变预算的部分，因此它靠的是算术，而不是形容词。

GPT-6 Astra 的计费为：最多 272,000 个输入 token 时，每百万输入 token 收费 10 美元，每百万输出 token 收费 50 美元。超过这一上限后，收费变为 20 美元和 75 美元——而且整个请求都会重新计价，而不只是超出边界的那些 token。一个 300,000 token 的提示词并不会比 270,000 token 的只贵一点；对全部 300,000 个 token 而言，输入费用翻倍，输出费用则增加一半。

Gemini 4 Carbon 没有长度分级。自 2026 年 12 月 1 日起，其费率为每百万输入 token 4 美元、每百万输出 token 20 美元；截至 11 月 30 日则为 2 美元/10 美元。在任何上下文长度下都没有阶梯变化，这意味着无论你发送 2,000 个 token 还是 900,000 个 token，都适用同一费率。

对两者都提交一个 400,000 个 token 的文档分析请求，按 12 月 1 日之后的 Carbon 定价：

• GPT-6 Astra — 400,000 个输入 token，按每百万 token $20 计算，仅提示词就需 $8.00，这还未计入任何输出。同样的请求若处于 272,000 token 这一门槛之下，本只需 $4.00；一旦跨过该界限，费用便翻了一倍。

• G​emini 4 Carbon — 400,000 个输入 token 按每百万 4 美元计算为 1.60 美元。长度并没有改变该费率。

再增加 20,000 个输出 token，差距就会进一步拉大：Astra 对这些 token 按每百万 $75 计费，即 $1.50；而 Carbon 按每百万 $20 计费，即 $0.40。整个请求总计为 $9.50，对比 $2.00。对于要读取整个代码库或完整文档集的流水线来说，在双方都主打的那类确切工作负载上，这就是五倍差距——而这在只列出头条数字的价目表上是看不到的。

Carbon 的优势在短提示词上更窄：两者都处在各自的低价区间内，Astra 的 $10/$50 对比 Carbon 的 $4/$20，最终是便宜 60%，而不是便宜五倍。真正要建模的是断崖，而不是头条数字。

得分，以及两个朝相反方向变化的基准

Artificial Analysis 同时收录了这两个模型，并在同一指数上进行测量，这是目前可用的最清晰比较：

• 智能指数 v5.0.1 — Gemini 4 Carbon 在高推理强度下为 60，在 74 个中排名第四。GPT-6 Astra 在最高推理强度下为 57，在 74 个中排名第八。Carbon 自身的调节档位使其在中档下为 58、低档下为 54；Astra 则在 xhigh 和高档下为 55、中档下为 52、低档下为 43。

• 每个索引任务的成本——Carbon 为 7.76 美元，而 Astra 为 6.24 美元。尽管 Astra 每 token 的成本更高，但由于它在评估中更简洁，因此按每个已完成任务计算，Astra 是更便宜的模型。

• 输出速度——Carbon 为每秒 79 个 token，Astra 为每秒 37 个。这是独立数据中差距最大的一项，且以超过 2 倍的优势有利于 Carbon。

• 首个回答 token 的耗时——Carbon 为 67 秒，而 Astra 为 238 秒。首个 token 出现前要等四分钟，这属于另一类延迟，也正是 Astra 被部署在队列之后、而不是作为请求处理器部署的原因。

• 冗长度——Carbon 在该指数上消耗了 2.05 亿个输出 token，Astra 的页面在最大努力下未公布等效数字，因此该行无法比较，也不应猜测。

在最高设置下，两者相差三分，而且在努力程度调节档下，排名依然稳定：Carbon 的中档（58）仍胜过 Astra 的最高档（57）。但独立数据中也包含一个至关重要的反例。Google 自己在 11 月 10 日的文章中承认，Carbon 在 FrontierSWE 2 上输给了 GPT-6 Astra——这是其列出的两项基准测试失利之一——而这是来自该模型自身发布材料的厂商报告对比，因此这已是让步所能达到的可靠程度。顺带一提，Carbon 在离线 OSWorld-2.1 上也输给了 Claude Opus 5.5。

Carbon 发布清单的其余部分都是 Google 自己的数据，且未被复现：在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，每任务成本比次优外部模型低 2 倍以上；在一个新的 Multimodal Knowledge Agent 基准上排名第二，每任务平均成本低 6 倍以上；在 Hebbia 的端到端金融评估中并列最佳；在 Balyasny 的 GMI 上位居 23 个前沿配置之首。网络安全方面，SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，Project Fortify 达到 100% 的扫描召回率和 95% 的分诊精确率。每一项都是关于特定任务组合的说法，由厂商发布，未经 Google 外部任何人审计，而且所涉模型全面开放调用才一天。

两扇门，两个不同的问题

Astra 的门槛是一种分级判定。在 OpenAI 的 Preparedness Framework 下跨过 Critical 阈值，是一项关于模型能力的认定，而后果是结构性的：企业部署默认不启用，管理员需要显式启用模型，保障措施按层级逐步扩大，而不是一次性全部放开。这种形态的好处是控制权掌握在客户的管理员手中。代价则是，企业推广会多出一个与采购无关的审批步骤。

Carbon 的准入曾按群体划分。Google 在 10 月 28 日的帖子中依次点名了网络防御人员、Fairwind Program 合作伙伴，然后是开发者和消费者，并表示要“尽快”开放。当时没有模型 ID、没有端点、没有价目表附注，也没有发布模型卡。11 月 10 日，付费 API 开放，价目表也随之出现，把关重点从“谁可以调用该模型”变成了“谁可以不付费调用它”——也就是说，没有人。Carbon 根本没有免费层级：每个 token 都计费，包括思考 token，并且在启用 grounding 时还包括工具系统指令。

对于任何计划上线部署的人来说，这一差异值得直白说明。Astra 的约束是一个由你组织内某个人控制的管理开关。Carbon 的约束则是一张没有下限的账单；而且截至 11 月 11 日，还没有公布速率限制——Google 的模型页面并未说明这些限制，因此吞吐量只能通过调用 API 去发现，而不是靠阅读资料得知。

该把哪一个放在这个艰难决定背后

对于长上下文文档和代码库工作，答案是 Carbon，理由在于 272,000 个 token 这条线，而不是 3 个点的指数差距。Astra 的重新定价恰恰对它是为之处境打造的那种工作负载构成了陷阱；一个以长周期端到端专业工作为卖点的模型，就是会经常超过 272,000 个输入 token 的模型，而其中每一个请求都会在整个提示词上支付双倍费用。

对于延迟敏感型服务而言，两者都不适合，选择也毫无意义。首个 token 耗时 67 秒对 238 秒，这不过是两个都只该待在批处理队列里的模型之间的较量。

对于 Astra 的特定优势能够成立的工作负载——而 Google 自家的 FrontierSWE 2 让步也表明至少存在一个这样的工作负载——3 个百分点的差距小于单个指标的置信区间，且切换成本高于这一差距。Astra 还已在生产环境中运行两个月，而 Carbon 仅一天；在一个其失效模式你已编目的模型中，这是实实在在的优势。

每任务成本这一行值得再看一遍，因为质疑者会拿这个数字说事。Astra 为 $6.24，而 Carbon 为 $7.76，这意味着 Astra 每完成一个索引任务的成本低 20%，但每 token 的成本高 150%。调和这一点的是冗长程度：Astra 在索引上思考得更少，Carbon 思考得更多。如果你的工作负载类似于该索引，那么每任务数字才是诚实的。如果它类似于读取 400,000 token 的文档，那么每任务数字就无关紧要，长度层级决定一切。大多数真实工作负载属于第二种，这就是为什么头条价格比较低估而非高估了 Carbon 的优势。

同时运行两者，这也是大多数团队会采用的做法

如此接近的对比，现实结果往往是团队最终两者都用：Carbon 用于长文本读取和与网络安全相关的工作，Astra 用于现有管线已经证明它擅长的事情。两者都是闭源权重的厂商 API，这意味着两份合同、两套 SDK 接口和两个计费关系——而这正是路由器旨在抹平的局面。两者都在这里的目录中：openai/gpt-6-astra 在 O​penAI 的 $10 和 $50 档位，缓存读取为 $1.00，并具有同样的 272,000-token 分层，以及与密钥上其他 216 个模型相同的 OpenAI 兼容接口。G​emini 4 Carbon 不在我们的目录中，需通过 G​oogle 的付费 API 访问；这里任何内容都不应被理解为声称我们提供该模型。

在这种特定搭配中，路由带来的价值是一条回退链。Carbon 面向公众开放仅一天，且速率限制尚未公布，而这正是同一端点背后的第二个模型能把故障变成更慢的响应、而不是失败请求的情形。这也意味着 12 月 1 日的重新定价落地时是配置变更，而不是迁移——供应商标价按0% 加价透传，因此我们这边的数字会在 Google 的数字变动当天随之变动；而把长提示词路由到当月每 token 更便宜的那个模型的策略，只是 DSL 中的一行，而不是代码分支。

看什么

{{1}}两件事，都有日期。{{/1}} {{2}}Carbon 的价格将在 12 月 1 日翻倍，这会使短提示词上相对 Astra 的主要差距减半，同时长上下文差距保持不变{{/2}}——{{3}}悬崖会变得更糟，而不是更好。{{/3}} {{4}}而 Astra 的 effort 档位阶梯让 O​penAI 无需推出新模型就有腾挪空间：xhigh 为 55，比每任务成本更高的 max 设置低三个点，因此把路由默认设为 xhigh，是以更低实际费率购买 Astra 容量的正当方式，而且这是大多数买家从未尝试过的方式。{{/4}}

不会改变的是这场比较所依赖的结构性事实。这些模型中，一个无论长度如何都收取固定费率，另一个则在超过阈值后对整个请求加倍收费；而对于两家厂商都在宣传的长期任务来说，这一差异的价值超过三个指数点。