標題卡寫著 Gemini 4 Neon vs Gemini 4 Carbon,下方一行文字是「較慢獲得信任,較快完成」,位於兩張卡片上方——每 token 成本,Neon 較高;每項任務成本,Neon 較低,根據 Google——並附有說明文字「一個數字為 token 定價,另一個為工作定價。」
Guides & Insights

Gemini 4 Neon 與 Gemini 4 Carbon:較新的模型較慢獲得信任,卻更快完成任務

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

將 Gem​ini 4 Neon 與 Gem​ini 4 Carbon 並列放在費率表上,Neon 就居下風:輸入價 $3.00、輸出價 $15.00,對上 Carbon 的 $2.00 與 $10.00。把它們並列放在一項已完成的任務上,Goog​le 卻說相反的話,聲稱 Neon 在其預設思考等級下,每項任務成本低 32%。這兩種說法都成立,而它們之間的落差正是整個決策所在。一個數字為 token 定價,另一個數字為這些 token 所完成的工作定價——而當一個系列在八週內推出四款模型時,只有第二個數字能告訴你該把哪款模型投入生產。

兩者皆已正式推出。Carbon 自 2026 年 11 月 10 日起開放,在此之前曾透過 Google 的 Fairwind 計畫限定給網路防禦人員使用兩週。Neon 則自 2026 年 11 月 18 日起,第一天就對所有付費的 Gemini API 開發者開放。兩者共用 100 萬個 token 的統一上下文、相同的五種輸入模態、相同的 64K 預設輸出上限(最高可擴充至 100 萬)、相同的僅限隱式快取機制,以及同樣沒有免費方案。幾乎所有區分兩者的差異都在於行為表現,而非規格。

每個 token 的成本、每項任務的成本,以及讓兩者反轉的十三天

先看費率卡,因為12月1日的翻轉改變了「哪個更便宜」的答案,而兩個模型本身完全沒有改變。

• 今日,2026年11月19日 — Carbon 輸入 $2.00 / 輸出 $10.00 / 快取 $0.10;Neon $3.00 / $15.00 / $0.15。Carbon 每一項都便宜 33%。

自 2026 年 12 月 1 日起——依 Google 公布的時間表,Carbon 調升至 $4.00 / $20.00 / $0.20;Neon 維持不變。Neon 每一項都便宜 25%。

• 批次與彈性 — Carbon 今日 $1.00 / $5.00,步驟後 $2.00 / $10.00;Neon 固定為 $1.50 / $7.50。

• 優先——1.8 倍方案:Carbon 今日 $3.60 / $18.00,之後 $7.20 / $36.00;Neon 固定為 $5.40 / $27.00。

• Artificial Analysis 自家的 Carbon 頁面於11月19日查閱時,列出 Carbon 為 $4.00 和 $20.00——這是12月的費率,不是 Goog​le 目前計費的費率。如果你是從排行榜而不是從供應商的價目表取得定價,你可能已經在拿一個還沒有人支付的價格來比較了。

現在來看每項任務的數字,這正是 Neon 論點的核心所在。Google 的公告指出,在 Neon 預設的 高思考等級下,它帶來「每項任務成本比 Carbon 低 32%」。這不是一項定價主張,而是一項披著定價主張外衣的冗長度主張。一個以一半費率推理兩倍 token 的模型,每項任務成本相同;Google 是說 Neon 為達到可比的答案所產出的 token 明顯更少。這也是公告中唯一一項直接對應到你自身帳單的主張,意味著它是你應該用自己的流量重新測量、而非直接接受的那一項。

有獨立證據支持其方向。Artificial Analysis 在 Intelligence Index 中測得 Carbon 的輸出 token 數為 205M,並形容其極為冗長,而中位數為 65.1M;每項任務耗時 36.0 分鐘、成本 7.76 美元,輸出速度為每秒 57 個 token,首個答案 token 的延遲為 75 秒。無論 Neon 自己的數據最終如何,Carbon 的概況已確立:起步慢、token 用量大、按其標價每項任務成本高昂。Neon 的整體定位正是建立在與這種概況相反之上。

Google 實際進行的比較並非在相同設定下進行

這正是本週流傳的每一張 Neon 對 Carbon 比較表裡的陷阱,包括 Goog​le 自家的圖表。這兩個模型並沒有相同的思考階梯,而它們的主要數字也不是在同一階上測量出來的。

• 思考層級 — Carbon:低、中、高,預設為中。Neon:低、中、高、極高,預設為高。

• 「高」代表什麼——在 Carbon 上它代表最大值;在 Neon 上它代表建議的預設值,而在其之上還有一層更深的級別。

• Goog​le 為 Neon 引用的指數分數——在 Artificial Analysis Intelligence Index 上為 61,總排名第三——是一個xhigh數字。同一份公告在high設定下引用 Neon 的每任務成本優勢。那是在相鄰句子中描述的兩個不同配置。

• Carbon 的指數分數——發佈時在 index v5.0 上為 59,當時排名第一;Artificial Analysis 自己的頁面現在顯示 60,在高,於 92 個模型中排名第七,因為較新的版本已超越它。

所以,誠實的比較不是 61 對 60,而是:Neon 在 xhigh 下,在指數上以約一分之差勝過 high 下的 Carbon;Neon 在 high 下才是 Google 所聲稱具備那套經濟效益的配置;而 Carbon 沒有 xhigh 可以退守。Google 自家的文件建議在 Neon 全部四個層級上執行評估,並挑選能通過你門檻的最低層級,同時警告 xhigh「可能導致過度思考,或在較簡單的提示上耗盡 max_output_tokens」。一個上限更高、預設值更低的模型,是你必須調校的模型,而不是能直接套用的模型。

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 仍是更佳模型的那些領域,而這份清單並不短

Google 的定位語句是:「Carbon 處理你最困難、長期性的專案,Hydrogen 負責快速的日常執行,而 Neon 則平衡深度與效率。」照字面解讀,這會把 Neon 放在兩者之間,而非 Carbon 之上——而基準測試清單在對長期性工作最重要的地方,也支持這種解讀。

• FrontierCode 2.0 — Neon 46.2%(在其預設 high下)。Goog​le 在 Neon 公告中並未公布 Carbon 在同一項基準測試中的數據,而在一份其他方面樂於並列比較數字的文件中,這種遺漏正是值得留意的那一類。

• SWE-sweep — Neon 在 mini-SWE 測試框架上為 12.8%,在 Antigravity 內則為 39.0%。這三倍的落差是 Google 在告訴你,它最強的程式編寫數字取決於自家的代理測試框架,而不含測試框架的數字,才是一般 API 呼叫者會認得的。

• 多模態知識工作 — Carbon 推出時,於全新的 Multimodal Knowledge Agent 基準測試中獲得排名(第二,且每項任務成本比領先者低逾 6 倍)。Neon 的公告未報告 MKA 數據。

• 網頁開發 — Carbon 躍升 89 個 Elo 積分,以 1768 分在 WebDev Arena 排名第四。Neon 並未公布其在 WebDev Arena 的分數。

• 資安 — Carbon 的 SEC-bench Pro 88.2%、ExploitGym 54.8% 與 CWE-bench 71.0% 是 Neon 被拿來對標的數字,而 Neon 更漂亮的數據(90.5%,以及 CWE-bench v2 上的 70.7%)則來自另一個獨立的「Neon for cyber」變體,該變體目前仍僅限 Fairwind 成員使用。

這個模式是一致的:Neon 的勝出在於獎勵在固定工作階段內高效完成任務的基準測試,而 Carbon 的勝出在於獎勵長時間苦磨難題的基準測試。那不是行銷上的區別,而是不同型態的運算支出,並且決定哪一個該放進你的代理迴圈。

這兩個模型各自是為了成為什麼而打造的

Google 將 Neon 描述為一個協調者:「一個快速、高判斷力的 Orchestrator,在 Google Antigravity 中指揮並行的 Hydrogen 子代理。」這一句話比任何百分比數字都更有用。協調者終其一生都在讀取狀態、決定下一步該做什麼,以及分派任務——輪次多、每輪輸出不多、對延遲極度敏感。Carbon 有文獻記載的特徵恰恰相反:它是一個「連續運行數日以撐過死胡同」的模型,使用的 token 比 Argon 更多,「以便徹底探索、深入推理,並執行延伸的驗證迴圈」。

如果你要在兩者之間做選擇,用來處理單次性的難題——大型程式碼庫中細微的錯誤、開放式的研究問題、漏掉缺陷就是失敗模式的安全審查——Carbon 是宣稱的設計與這項工作相符的模型,而 12 月的價格調整是預算問題,而不是切換的理由。

如果你是在為一條每天執行數千次、且每次執行都必須結束的管線做選擇,Neon 的設計正好符合這項任務,而它的固定費率方案相較於一個價格會在十二天內翻倍的模型,確實是一大優勢。代價高昂的錯誤,是把「更新」當成「更好」,並把長週期工作負載移到一個連 Goog​le 自己都在深度上排在 Carbon 之下的模型。

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.

將它們合併進行,而非從中選擇

對大多數生產系統而言,務實的答案通常是兩者都要,原因是這兩個模型的失敗方式不同。Carbon 的失敗方式是硬磨:它會花上好幾分鐘和數十萬個 token 才回答,這在難題上是正確的,在簡單題上卻是浪費。Neon 的失敗方式是加碼:推送 xhigh到一個不需要它的任務上,你就會得到過度思考、被截斷的 JSON,以及一張看起來像 Carbon 的帳單。

這首先是路由問題,然後才是模型問題。我們的目錄中,google/gemini-4-carbon今天已按供應商牌價提供,不加價——在優惠費率維持期間,每百萬個 token 為 $2.00 與 $10.00,並於 12 月 1 日調升至 $4.00 與 $20.00;這項調升在 Google 帳單上出現的當天,也會出現在你的帳單上。google/gemini-4-argon也以相同條件提供。Neon 尚未列入目錄,而本文不會描述一條指向我們無法提供服務的模型的備援鏈;當它上架時,也會採用相同的直通條款。

如今,路由層帶給你的,是能把決策只寫一次,而不必把它硬編碼:一條規則會把分類與擷取送到低成本層級,把任何第一次處理失敗的項目送到 Carbon,並以每條路由而非每個模型來限制思考深度。當 Neon 成為選項時,這條規則只是多出一個分支,而不是一次遷移。而且由於路由器會自動容錯移轉,某一供應商的價格或可用性出現階躍式變化,也不會讓整條管線跟著中斷。

11月19日該選哪一個

如果工作困難且不頻繁,或者你需要已公布的多模態知識或網頁開發的數據,又或者你已經把 Carbon 調校好、而十二月那一步是可以承受的,那就選 Carbon。如果工作屬於高頻、工具密集,而且是以完成的任務數而非解決的問題數來衡量——並且你願意先用自己的流量在高負載下做基準測試,再來相信模型自家公告中每項任務的宣稱——那就選 Neon。若你的工作負載是大量的日常執行,那目前兩者都先別選:Gemini 4 Hydrogen 自 11 月 12 日起就以 1.50 美元與 7.50 美元的價格、並附免費方案在做這件事,而這兩次發布中沒有任何一項改變了這道算術。

真正該盯緊的,不是指數差距——那不過是一、兩個百分點的事。而是 Goog​le「每項任務成本便宜 32%」的說法能否經得起獨立測量——以及 12 月 1 日 Carbon 的價格翻倍,是否會把正式環境流量推向 Neon 的速度,快到超乎任何人為一個在漲價前十三天才推出的模型所做的規劃。

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.