Gemini 4 Carbon 評測：指數排名第四，回答緩慢
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百萬 tokens · 226 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百萬 tokens · 101 tok/s
- orca新Orca: OrcaC2 1.02026-11-0717 tok/s
- Orca新OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百萬 tokens · 82 tok/s
- Orca新OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百萬 tokens · 182 tok/s
- Orca新OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 每百萬 tokens · 46 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百萬 tokens · 139 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百萬 tokens · 63 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 96 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百萬 tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百萬 tokens · 182 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百萬 tokens · 138 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 每百萬 tokens · 111 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955智能
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855智能
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 每百萬 tokens · 319 tok/s
Gemini 4 Carbon 在獨立排行榜上排名第四，定價卻像中階模型，這種組合若要誠實評測並不尋常：Gemini 4 Carbon API 頁面標價為每百萬個輸入 token 2.00 美元、每百萬個輸出 token 10.00 美元，而它在 Artificial Analysis Intelligence Index v5.0.1 上的得分是 60，在 78 個模型中排名第四。評測必須回答的問題不是 60 分好不好，而是為了得到這個分數，你在實際耗時與失敗率上付出了什麼代價。
這是什麼
Google Gemini 4 系列中的一款多模態模型，具備 1,048,576 個 token 的上下文視窗與 65K 的輸出上限。它能接收文字、圖像、音訊、影片和文件，並回傳文字，且支援原生工具使用與結構化 JSON 輸出。它可透過 OpenAI 相容端點和原生 Gemini generateContent API 提供回應，並提供零資料保留功能。
這組參數告訴你它想成為什麼樣的模型：reasoning、include_reasoning、structured_outputs、tools、tool_choice、seed、temperature、top_p。同一份清單上同時有 seed 與 response format，這正是模型定位於擷取與代理式流程、而非創意寫作的標誌。
分數，以及評分所依據的版本
60 這個分數無法與你會在其它模型上看到的舊數據相提並論，而這是本月發表的比較中最常見的單一錯誤。Intelligence Index v5.0.1 與 v4.3、v4.3.2 屬於不同的評測集，因此 v4.3 的分數與 v5.0.1 的分數不該放在同一張表裡。在 v5.0.1 這一批中，Carbon 的 60 分讓它在 78 個模型中排名第四，落後於 65 分的 Claude Fable 5.2，並領先所有其他已重新評分的模型。
那個數字背後的九項評測是 AA-Briefcase v1.1、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience v1.1、GDP.pdf、HLE-Diamond、CritPt v2 Hard Subset 和 Terminal-Bench-Science 0.1。這是代理式與科學性的混合——終端機工作、自動化、文件接地、艱難推理——不是程式設計排行榜的組合。模型在這裡可以拿高分，卻仍可能在儲存庫規模的重構上落敗，所以在對自己的使用情境下任何結論之前，先閱讀細項拆解。
頭條數字所掩蓋的那一部分
Carbon 在 AA 測試框架中的首個 token 時間為 64.7 秒，在 77 個有延遲資料的模型中排名第 69。每項任務的總實際耗時在九項評估中為 28.4 分鐘。一旦開始輸出，輸出速度為每秒 72 個 token，這不算突出，但也不是問題所在；問題在於首個 token 之前的思考時間。
以 Carbon 執行該索引的成本為$5.48 的供應商支出；以每百萬個 token 混合計價 $2.70 來算，單次基準測試就要用掉大量 token。AA 亦回報此次執行的冗長度為 2.69%，同時輸出 2.05 億個 token。別把這個百分比解讀為簡潔度分數：Claude Fable 5.2 的 0.97% 遠低於此，輸出 token 卻更高，達 2.75 億，因此這兩個數字是獨立變動的。
如果價格是你讀這篇文章的原因，LLM API 定價比較會將每百萬 $2.70 的混合價格，與目錄中其餘模型並列，包括價格比它更低的模型，以及為了相近分數而貴上數倍的模型。
透過閘道，這些數字看起來不一樣。
AA 的 64.7 秒是讓模型在困難問題上思考的基準測試框架。在 OrcaRouter 過去七天的即時流量中，Carbon 的 p50 首個 token 時間為 6.89 秒，p95 為 10.00 秒；在超過 960 萬個已服務的 token 上，輸出速度為每秒 226 個 token。兩者都是真的。聊天產品看到的數字接近前者；批次評估副本看到的數字接近後者。
最值得關注的數字既不是前者也不是後者，而是錯誤率：在那七天的時間窗口內，所有上游供應商的請求中有 39.7% 回傳非 2xx，而 Claude Fable 5.2 則是 10.8%。無論原因是容量、速率限制還是供應商輪替，一個呼叫 Carbon 卻沒有重試預算和備援模型的產品，會讓使用者看到的失敗率達到任何基準圖表都預測不到的程度。這是路由問題，也是第二週之前最該先測試的一件事。
它在目錄中的所屬位置
相較於同系列其他成員，Carbon 是 Gemini 4 系列中的多模態成員，而不是便宜的那一款：輸入價格與 Gemini 3.1 Pro 相同，為 $2.00；輸出價格則便宜 $2.00。真正重要的差異在於，Carbon 可接受音訊與視訊，而 3.1 Pro 可接受文字與圖像。如果你的管線從不處理影片檔案，你就是在為自己用不到的能力付費。
相較於其他競爭者，這項決定通常歸結於兩個問題。Gemini 4 Carbon 對上 Gemini 3.1 Pro是 Google 內部選擇時最關鍵的比較。GPT-6.1 Sol 對上 Gemini 4 Carbon與Claude Opus 5.5 對上 Gemini 4 Carbon則涵蓋了兩種最常見的替代方案，而LLM 模型清單提供了完整目錄，以備你考慮的並非上述任何一款時使用。
裁決
Carbon 在「每美元輸入所換得的能力」上拿下第四名，而它贏得這個名次的方式，適合長時間、多模態、結構化的工作，而非對話。價格表上不會顯示的成本有兩項，而這兩項才決定它是否適合你：在基準測試框架下，產生第一個 token 前要思考 64.7 秒，以及實際流量中接近 40% 的錯誤率。繞開這兩者——用備援鏈、重試預算，以及為所有非互動式工作加上非同步佇列——它的價格對得分比確實很難被超越。若把它放在沒有備援的同步 UI 後面，你會得出這個模型比實際更差的結論。
