标题卡上写着 Gemini 4 Neon 对比 Gemini 4 Carbon,下面一行是“更慢才可信,更快才完成”,上方两张卡片——每 token 成本,Neon 更高;每任务成本,Neon 更低,据 Google——配有说明文字“一个数字为 token 定价,另一个为工作定价。”
Guides & Insights

Gemini 4 Neon 对比 Gemini 4 Carbon:较新的模型赢得信任更慢,但完成速度更快

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

把 Gemini 4 Neon 和 Gemini 4 Carbon 并排放在费率表上,Neon 会落败:输入 $3.00、输出 $15.00,而 Carbon 是 $2.00 和 $10.00。把它们并排放在一个已完成的任务上,Google 的说法却相反,声称 Neon 在默认思考级别下每任务成本低 32%。这两种说法都成立,而它们之间的差距正是整个决策的关键。一个数字给 token 定价,另一个数字给这些 token 所完成的工作定价——当一个系列在八周内推出四款模型时,第二个数字才是唯一能告诉你该把哪款模型投入生产的数字。

两者均已全面可用。Carbon 自 2026 年 11 月 10 日起可用,此前通过 Goog​le 的 Fairwind Program 向网络防御者限量开放了两周。Neon 自 2026 年 11 月 18 日起可用,从第一天起就向任何付费 Gemini API 开发者开放。它们共享 100 万 token 的统一上下文、相同的五种输入模态、相同的 64K 默认输出上限(最高可提供 1M)、相同的仅隐式缓存,以及同样没有免费层级。几乎一切区分它们的都在于行为,而非规格。

每个 token 的成本、每个任务的成本,以及让二者发生逆转的那十三天

先看费率卡,因为12月1日的反转改变了“哪个更便宜”的答案,而两个模型本身都没有任何变化。

• 今天,2026年11月19日——Carbon 输入 $2.00 / 输出 $10.00 / 缓存 $0.10;Neon $3.00 / $15.00 / $0.15。Carbon 每一项都便宜 33%。

• 自 2026 年 12 月 1 日起——Carbon 将按 Goog​le 公布的时间表调整至 $4.00 / $20.00 / $0.20;Neon 保持不变。Neon 的每条产品线都便宜 25%。

• 批量与弹性 — Carbon 今天 $1.00 / $5.00,阶梯后 $2.00 / $10.00;Neon 固定为 $1.50 / $7.50。

• 优先——1.8 倍档位:Carbon 今日 $3.60 / $18.00,之后 $7.20 / $36.00;Neon 固定为 $5.40 / $27.00。

Artificial Analysis 自己的 Carbon 页面(于 11 月 19 日查看)将 Carbon 标价为 $4.00 和 $20.00——这是 12 月的费率,而不是 Google 当前计费所采用的价格。如果你是从排行榜而不是从供应商的价目表获取定价,你可能已经在拿一个尚无人支付的价格作比较。

接下来是每任务数字,Neon 的论据正落脚于此。Goog​le 的公告称,在 Neon 默认的 高思考级别下,它"每任务成本比 Carbon 低 32%"。这不是一项定价主张,而是一项披着定价主张外衣的冗长度主张。一个以一半费率推理两倍 token 的模型,每任务成本是一样的;Goog​le 是在说,Neon 为达到可比答案所输出的 token 明显更少。这也是公告中唯一一项直接对应你自己账单的说法,这意味着它是你应该在自己流量上重新测量、而非直接接受的那一项。

有独立证据表明其方向。Artificial Analysis 在 Intelligence Index 中测得 Carbon 的输出 token 数为 2.05 亿,并称其非常冗长,而中位数为 6510 万;每任务耗时 36.0 分钟、成本 7.76 美元,输出速度为每秒 57 个 token,首个回答 token 的时间为 75 秒。无论 Neon 自己的数据最终如何,Carbon 的画像已经确立:启动慢、token 消耗大、按其标价计算每任务成本高。Neon 的整个定位就是建立在这一画像的反面。

Goog​le 实际所做的比较并非在匹配的设置下进行

这就是本周流传的每一张 Neon 对比 Carbon 的表格中的陷阱,包括 Goog​le 自己的图表。这两个模型并没有相同的思维阶梯,而且它们的主打数字并不是在同一级阶梯上测得的。

• 思考级别 — Carbon:低、中、高,默认为中。Neon:低、中、高、超高,默认为高。

• “high” 的含义——在 Carbon 上,它指最大值;在 Neon 上,它指推荐的默认值,其上还有一个更深的层级。

• Goog​le 为 Neon 引用的指数数值——在 Artificial Analysis Intelligence Index 上为 61,总排名第三——是一个xhigh的数字。同一公告还称 Neon 的每任务成本优势为high。这是在相邻句子中描述的两个不同配置。

• Carbon 的指数数值——发布时在 index v5.0 上为 59,当时排名第一;Artificial Analysis 自己的页面现在显示 60,高档位下在 92 个模型中排名第七,因为更新的版本已排在它前面。

所以,诚实的比较不是 61 对 60,而是:Neon 在 xhigh 下比 Carbon 在 high 下在指数上高出约一分;Neon 在 high 下才是 Google 所声称其经济性的配置;而 Carbon 没有 xhigh 可以退守。Google 自己的文档建议在 Neon 的全部四个级别上运行评估,并选择能达到你的标准的最低一级,同时警告 xhigh“在较简单的提示上可能导致过度思考或耗尽 max_output_tokens。”一个上限更高、默认值更低的模型,是需要你去调优的模型,而不是可以直接投入使用的模型。

A two-column scoreboard titled Gemini 4 Neon vs Gemini 4 Carbon — the scoreboard. Gemini 4 Neon reads price today $3.00 / $15.00, price from 1 Dec $3.00 / $15.00, cached input $0.15 flat, thinking levels low to xhigh, default thinking high, AA Index 61 at xhigh; Gemini 4 Carbon reads $2.00 / $10.00, $4.00 / $20.00, cached input $0.10 then $0.20, thinking levels low to high, default thinking medium, AA Index 60 at high. The footer says Neon figures are vendor-reported and Carbon's Index of 60 is per Artificial Analysis, 19 November 2026.

Carbon 在哪些方面仍然是更好的模型,而且这可不是一份短清单

Google 的定位句是:“Carbon 应对你最艰难、周期最长的项目,Hydrogen 负责快速的日常执行,而 Neon 在深度与效率之间取得平衡。”按字面理解,这把 Neon 放在两者之间,而不是高于 Carbon——基准测试列表在最关乎长周期工作的关键之处也支持这一解读。

• FrontierCode 2.0 — Neon 在其默认高设置下达到 46.2%。Goog​le 在 Neon 公告中没有公布 Carbon 在同一基准上的数字,而在一份其他方面大量给出并列数字的文档中,这种遗漏值得注意。

• SWE-sweep — Neon 在 mini-SWE 测试框架上为 12.8%,在 Antigravity 内为 39.0%。三倍差距是 Google 在告诉你,其最佳编码成绩取决于自家的智能体测试框架,而普通 API 调用者能认出的正是那个不依赖测试框架的数字。

• 多模态知识工作——Carbon 发布时在新的 Multimodal Knowledge Agent 基准上获得排名(第二,单任务成本比领先者低 6 倍以上)。Neon 的公告未报告 MKA 数据。

• Web 开发——Carbon 在 WebDev Arena 上跃升 89 个 Elo 分,以 1768 分升至第四。Neon 未公布 WebDev Arena 分数。

• 网络 — Carbon 的 SEC-bench Pro 88.2%、ExploitGym 54.8% 和 CWE-bench 71.0% 是用来衡量 Neon 的基准数字,而 Neon 更好的数据(90.5%,以及 CWE-bench v2 上的 70.7%)来自单独的 "Neon for cyber" 变体,该变体仍仅限 Fairwind 成员使用。

这种模式是一致的:Neon 的胜项出现在那些奖励在固定会话内高效完成任务的基准测试上,而 Carbon 的胜项出现在那些奖励长时间持续攻克一个难题的基准测试上。这并不是营销层面的区别,而是算力支出的一种不同形态,并且它决定了哪一个该被放进你的智能体循环中。

这两个模型各自被构建成什么

Goog​le 将 Neon 描述为一名编排器:“一个快速、判断力强的编排器,在 Goog​le Antigravity 中指挥并行的 Hydrogen 子代理。”这一句话比任何百分比都更有用。编排器一生都在读取状态、决定下一步做什么以及委派任务——轮次多、每轮输出适中、对延迟高度敏感。Carbon 有文档记载的画像恰恰相反:一个“能连续运行数天、在死胡同中坚持到底”的模型,比 Argon 使用更多 token“来彻底探索、深入推理,并运行长时间的验证循环”。

如果你要在这两者之间为单次尝试的难题做选择——大型代码库中的隐蔽缺陷、开放式研究问题、漏掉缺陷即失败模式的安全审查——Carbon 正是其宣称设计与此类任务相匹配的模型,而 12 月的价格调整是预算规划问题,而不是切换的理由。

如果你要为一个每天运行数千次、且每次运行都必须收尾的流水线做选择,Neon 的设计正适合这项工作,而其统一费率表相比一个在十二天内价格翻倍的模型是实实在在的优势。代价高昂的错误是把“更新”当成“更好”,并把长周期工作负载迁移到一个 Goog​le 自己在深度方面都排在 Carbon 之后的模型上。

The OrcaRouter model page for Gemini 4 Carbon, showing the identifier google/gemini-4-carbon, a 1,048,576-token context window, multimodal input across text, image, audio, video and documents, and the pricing panel reading $2.00 input and $10.00 output per million tokens with a 10.00 second p50 time to first token.

把它们一起运行,而不是做出选择

对大多数生产系统来说,现实答案是两者都用,原因在于这两个模型的失败方式不同。Carbon 的失败方式是硬磨:它会花上几分钟和数十万 token 才给出答案,这在难题上是正确的,在简单题上则是浪费。Neon 的失败方式是向上加码:把 xhigh用在本不需要它的任务上,就会得到过度思考、被截断的 JSON,以及一张看起来像 Carbon 账单的账单。

这首先是路由问题,其次才是模型问题。在 我们的目录中,google/gemini-4-carbon 今天已按提供商标价提供,且不加价——在优惠费率持续期间,每百万 token 为 $2.00 和 $10.00,12月1日将上调至 $4.00 和 $20.00;这一调价在 Goog​le 的账单中出现的那天,也会出现在你的账单里。 google/gemini-4-argon 也以相同条款提供。Neon 尚未进入目录,本文也不会描述一条指向我们无法服务的模型的回退链;当它上线时,也会以相同的直通条款上线。

如今,路由层为你换来的是:只需把决策写一次,而不必硬编码它——一条规则可以把分类和抽取发送到廉价层,把任何首次未通过的请求发送给 Carbon,并按路由而非按模型限制思考深度。当 Neon 成为可选项时,这条规则增加的是一个分支,而不是一次迁移。而且,由于路由器会自动故障转移,某个提供商的价格或可用性发生阶跃式变化,也不会拖垮整条流水线。

11月19日该选哪一个

如果工作是困难且不频繁的,如果你需要已发布的多模态知识或 Web 开发数据,或者如果你已经调优好 Carbon 且能承受 12 月的步骤,就选 Carbon。选 Neon 的情形是:工作高频、工具密集,并以完成的任务数而非解决的问题数来衡量——并且你愿意先用自己的流量在高负载下做基准测试,再相信模型自己公告中的每任务声明。如果你的负载是日常大批量执行,那么目前两者都别选:Gem​ini 4 Hydrogen 自 11 月 12 日起就一直以 1.50 美元和 7.50 美元的价格并提供免费层级在做这件事,而这两次发布中的任何内容都不会改变这笔账。

真正需要关注的并不是指数差距——那不过是一两个百分点上下的出入。关键在于,Goog​le 每项任务成本降低 32% 的说法能否经得起独立测量——以及 Carbon 在 12 月 1 日的翻倍是否会推动生产流量涌向 Neon,速度比任何人针对一个在涨价前十三天才发布的模型所计划的还要快。

The OrcaRouter models catalogue filter rail, with controls for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region.