Gemini 4 Carbon 對決 GPT-6 Astra：兩款受限旗艦，一個重新定價陷阱

這兩款模型推出時都預設關閉。GPT-6 Astra 於 2026 年 9 月 3 日登場，是首個依自家 Preparedness Framework 跨過「關鍵網路安全」門檻的 OpenAI 模型；它向企業開放時預設為關閉，直到 9 月 9 日管理員才取得可啟用它的控制項。Gemini 4 Carbon 於 2026 年 10 月 28 日透過 Google 的 Fairwind Program 提供給一批具名的網路防禦人員，直到 11 月 10 日才向付費 API 開發者開放。這段共同的歷史，正是為什麼這項比較比單純的分數線更有意思：兩家前沿實驗室各自獨立得出結論，認為能力如此強大的模型需要一道閘門，而這兩道閘門的運作方式不同。這也說明了多數買家忽略的數字：Carbon 對 900,000 token 的請求收取與 9,000 token 請求相同的費率，而 GPT-6 Astra 一旦輸入 token 超過 272,000，就會重新計算整筆請求的價格。

在兩者真正完全相同的情況下

先從相符的資料列開始，因為比起相異的資料列，它們能更快縮小決策範圍。

• 上下文視窗——Carbon 為 1,000,000 個詞元；Astra 為 1,050,000 個，其中最大輸入為 922,000、最大輸出為 128,000。就實際提示而言，兩者的涵蓋範圍相同，而兩家廠商都取整以百萬為單位來標示。

• 輸入方式 — Astra 支援文字、圖像和檔案；Carbon 支援文字、圖像、音訊、視訊和 PDF。Carbon 對音訊和視訊的支援是這一列中唯一真正的差異。

• 定位——著眼於長時程的專業工作，而非聊天。OpenAI 推廣 Astra，主打它能處理從一項指令到完成品、跨越多個步驟的工作，並且是在工作平台上進行，而不是在聊天產品中。Google 推廣 Carbon，稱其為處理複雜長時程任務的最強模型，具備涵蓋軟體工程、資安、知識工作與科學的延伸驗證迴圈。兩家廠商都沒有宣稱自己能提供更好的聊天機器人。

• 推出時設限——Astra 在第一天僅開放給少數組織，之後再擴大至更廣泛的 ChatGPT 與 API 推出；Carbon 則先提供給網路防禦人員與 Fairwind 合作夥伴十二天，之後才開放付費 API 存取。

• 獨立評測地位——兩者皆以 Artificial Analysis Intelligence Index v5.0.1 衡量，這並非此價格帶中每個模型都如此，也使這些數字能以大多數跨實驗室比較所不具備的方式相互比較。

• 知識截止日期——Astra 的是 2026 年 4 月 30 日。Google 尚未公布 Carbon 的截止日期，而其模型文件也未包含此欄位，因此該列只有單邊資料；在您假設它是最新、並據此建立對時效敏感的管線之前，這點值得了解。

272,000 個 token 的那一行，逐步拆解完成

這是比較中會改變預算的部分，所以它靠的是算術，而不是形容詞。

GPT-6 Astra 對每百萬個輸入 token 收費 10 美元，對每百萬個輸出 token 收費 50 美元，適用於最多 272,000 個輸入 token。超過這條界線後，收費則變成 20 美元和 75 美元——而且整個請求都會重新計價，不只是超出界線的那些 token。一個 300,000 token 的提示詞，不會只比 270,000 token 的提示詞貴一點；就全部 300,000 個 token 而言，輸入成本是兩倍，輸出成本則是 1.5 倍。

Gemini 4 Carbon 沒有長度級距。自 2026 年 12 月 1 日起，其費率為每百萬輸入 $4、每百萬輸出 $20；截至 11 月 30 日則為 $2/$10。任何上下文長度都沒有分段，這表示無論你送出 2,000 個還是 900,000 個 token，都適用相同費率。

針對兩者各提出一個 400,000-token 的文件分析請求，並採用 12 月 1 日之後的 Carbon 定價：

• GPT-6 Astra — 400,000 個輸入 token，以每百萬 $20 計算，光是提示詞就是 $8.00，尚未計入任何輸出。同一個請求若低於 272,000 token 門檻，原本只需 $4.00；跨越這道界線後，成本就加倍了。

• G​emini 4 Carbon — 40 萬個輸入 token，以每百萬 $4 計算，為 $1.60。長度本身並未改變費率。

增加 20,000 個輸出 token 後，差距進一步擴大：Astra 對這些 token 收每百萬 $75，也就是 $1.50；Carbon 則是每百萬 $20，也就是 $0.40。完整請求的費用則是 $9.50 對比 $2.00。對於會讀取整個程式碼庫或完整文件集的管線而言，在兩款模型都主打銷售的完全相同工作負載上，這就是五倍的差距——而這在只列出主打數字的費率表上根本看不出來。

在短提示詞上，Carbon 的優勢較窄；此時兩者都落在低價區間，而 Astra 的 $10/$50 對上 Carbon 的 $4/$20，換算下來是便宜 60%，而非便宜五倍。該建模的是那道斷崖，不是那個頭條數字。

分數，以及兩項方向相反的基準指標

Artificial Analysis 同時收錄了這兩個模型，並以相同的指數進行衡量，這是目前最乾淨的比較方式：

• 智慧指數 v5.0.1 — Gemini 4 Carbon 在高努力度下為 60，於 74 個模型中排名第四。GPT-6 Astra 在最高努力度下為 57，於 74 個模型中排名第八。Carbon 自身的調節設定在中努力度下將其提升至 58，低努力度下為 54；Astra 在 xhigh 與高努力度下為 55，中努力度下為 52，低努力度下為 43。

• 每項索引任務成本——Carbon 為 7.76 美元，Astra 則為 6.24 美元。儘管 Astra 每 token 的成本更高，但由於它在評估時較不冗長，因此每完成一項任務的成本更低。

• 輸出速度——Carbon 為每秒 79 個 token，Astra 為每秒 37 個。這是獨立資料中差距最大的一項，且以超過 2 倍的幅度對 Carbon 有利。

• 首個回答 token 的時間：Carbon 為 67 秒，Astra 則為 238 秒。首個 token 前要等上四分鐘，屬於完全不同級別的延遲，而這正是 Astra 部署於佇列之後、而非直接作為請求處理器的原因。

• 冗長度 — Carbon 在該索引上消耗了 2.05 億個輸出 token；Astra 的頁面並未公布在最大努力（max effort）下的對等數字，因此該列無法比較，也不應加以猜測。

在最高設定下，兩者相差三分，而且在努力程度旋鈕調整下，排序依然穩定：Carbon 的中等（58）仍然勝過 Astra 的最高（57）。但獨立資料中也包含那個關鍵的反例。Google 自己 11 月 10 日的文章承認，Carbon 在 FrontierSWE 2 上輸給 GPT-6 Astra——這是其列出的兩項基準測試失利之一——而那是來自該模型自身發布資料的廠商回報比較，這使其可信度差不多已是讓步說法所能達到的最高程度。順帶一提，Carbon 在離線 OSWorld-2.1 上也輸給 Claude Opus 5.5。

Carbon 發布資料表的其餘部分由 Google 自行提供，且未經重現：在 CursorBench 4.0、Perplexity 的 WANDR 及 Zapier 的 AutomationBench 上排名第一，每任務成本比次佳外部模型低超過 2 倍；在全新的 Multimodal Knowledge Agent 基準上排名第二，平均每任務成本低超過 6 倍；在 Hebbia 的端到端財務評估中並列最佳；在 Balyasny 的 GMI 上，於 23 種前沿配置中位居首位。在網路安全方面，SEC-bench Pro 為 88.2%、ExploitGym 為 54.8%、CWE-bench 為 71.0%，而 Project Fortify 則達到 100% 掃描召回率與 95% 分流精確率。每一項都是針對特定任務組合的宣稱，由供應商自行發布，未經 Google 以外任何人審核，且所涉模型開放一般呼叫僅一天。

兩道門，兩個不同的問題

Astra 的閘門是一道分級關卡。在 OpenAI 的 Preparedness Framework 下跨入 Critical，是對模型能力的一項判定，而後果是結構性的：企業部署預設關閉，管理員必須明確啟用模型，且防護措施會分層擴大，而不是一次全部開放。這種設計的好處是，控制權掌握在客戶的管理員手中。代價是企業推行時多了一道與採購無關的額外核准步驟。

Carbon 的准入機制是一組 cohort。G​oogle 在 10 月 28 日的貼文中，依序點名 {{1}}網路防禦人員{{/1}}、{{2}}Fairwind Program 合作夥伴{{/2}}，然後是 {{3}}開發者與消費者，時間點為「儘快」{{/3}}。當時沒有模型 ID、沒有端點、沒有費率表附加條款，也沒有公布模型卡。11 月 10 日，付費 API 開放、費率表現身，把關重點也從「誰能呼叫模型」轉移到「誰能不必付費就呼叫它」——也就是說，沒有人。Carbon 根本沒有免費方案：每個 token 都會計費，包括思考 token，也包括啟用 grounding 時的工具系統指令。

對於任何正在規劃推行的人來說，這個差異值得直說。Astra 的限制是一道由你組織裡某人掌控的行政開關。Carbon 的限制則是一張沒有下限的帳單，而且截至 11 月 11 日，尚未公布任何速率限制——Google 的模型頁面並未載明這些限制，因此吞吐量是你透過呼叫 API 才會發現的事，而不是靠閱讀資料得知。

哪一個要放在艱難的決定之後？

對於長上下文文件與程式碼庫工作，答案是 Carbon，理由是 272,000 token 這條線，而不是三點指數落差。Astra 的重新定價對它正是為之打造的工作負載而言是個陷阱；一個以長時間跨度的端到端專業工作為賣點的模型，就是會經常超過 272,000 輸入 token 的模型，而每一個這類請求都會在整個提示上支付雙倍費用。

對於延遲敏感的服務而言，兩者都不合適，選哪個也毫無意義。首個 token 要 67 秒對上 238 秒，這是一場兩個都只該待在批次佇列裡的模型之間的較量。

對於 Astra 的特定優勢能夠成立的工作負載——而 G​oogle 自家 FrontierSWE 2 的讓步也承認至少存在一個這樣的工作負載——三點差距小於單一指標的信賴區間，而轉換成本高於這個差異。Astra 也已經在生產環境中運行兩個月，而 Carbon 只有一天，這在一個你已經記錄其失效模式的模型中是真實的優勢。

每項任務成本那一列值得再檢查一遍，因為懷疑者會拿這個數字來說事。Astra 的 $6.24 對上 Carbon 的 $7.76，意味著 Astra 每完成一項索引任務便宜 20%，但每 token 成本高出 150%。調和點在於冗長程度：Astra 在索引上思考較少，Carbon 思考較多。如果你的工作負載類似索引，每項任務的數字才是誠實的。如果它類似閱讀 400,000 個 token 的文件，每項任務的數字就無關緊要，長度分級決定一切。大多數真實工作負載屬於第二種，這就是為什麼表面上的價格比較是低估而非高估 Carbon 的優勢。

同時執行兩者，而這也是大多數團隊會採用的做法

如此接近的比較，現實結果會是團隊最後兩者都用：Carbon 負責長文讀取與資安相關工作，Astra 則負責既有管線已證明做得好的任何事。兩者都是封閉權重的供應商 API，因此意味著兩份合約、兩套 SDK 介面與兩段計費關係——這正是路由器存在所要簡化的狀況。兩者都在這裡的型錄中：openai/gpt-6-astra 在 O​penAI 的 $10 與 $50，搭配 $1.00 的快取讀取，以及相同的 272,000-token 分層，並與同一金鑰上其他 216 個模型相同的 OpenAI 相容介面。G​emini 4 Carbon 不在我們的型錄中，需透過 G​oogle 的付費 API 存取；此處任何內容都不應被解讀為我們聲稱有提供它。

在這種特定搭配中，路由帶來的是一條備援鏈。Carbon 向一般大眾開放呼叫才一天，且速率限制尚未公布，而這正是同一端點後方有第二個模型時，能把服務中斷轉為較慢回應、而非請求失敗的情況。這也意味著 12 月 1 日的重新定價會以設定變更而非遷移的形式落地——供應商定價以0% 加成原樣傳遞，因此我們這邊的數字會在 Google 調整的當天跟著變動；而將長提示詞路由到本月每 token 較便宜的模型的策略，只是 DSL 中的一行，而不是程式碼分支。

有什麼好看

兩件事，都有具體日期。Carbon 的價格將於 12 月 1 日翻倍，這會讓短提示詞上與 Astra 的表面差距減半，而長上下文的差距則原封不動——這道斷崖只會更糟，不會更好。而 Astra 的投入階梯讓 OpenAI 有不必推出新模型就能騰挪的空間：xhigh 定在 55，比每項任務成本更高的最高設定低三個點，因此把路由預設設在 xhigh，是以較低有效費率購買 Astra 算力的合理做法，而且這是大多數買家從未嘗試過的做法。

不會改變的是這場比較所依託的結構性事實。這兩款模型中，一款不論長度一律收取固定費率，另一款則在超過某個門檻後把整個請求的費用加倍；而對兩家廠商都大力宣傳的長程任務而言，這個差距的價值超過三個指數點。