两周两连发，谷歌用 Gemini 4 Carbon 把第一抢了回来

10 月 28 日，Gemini 4 Carbon 发布。当天，Artificial Analysis 智能指数第一、Arena 文本榜第一，都换成了谷歌的名字。离上一个模型 Gemini 4 Argon 发布，才过去两周。

发布时它只开放给一小批网络安全防御方，跑分看得见，模型摸不着。11 月 10 日，谷歌把 API 开放给了所有付费开发者，价格一分没涨：和 Argon 一样，每百万 token 输入 $2、输出 $10。

同价还更强，那还用想？谷歌自己先泼了盆冷水。开放公告里写得很直白：大多数软件工程和知识类工作，Argon 仍然是更合适的选择。Carbon 是留给难题的，它会花比 Argon 多得多的 token 去探索、推理、反复验证。

一句话：Carbon 是给难题准备的，不是 Argon 的升级替换。跨模块重构、找不到原因的 bug、要连续跑很久的 Agent 任务，切到 Carbon；日常改代码、写测试，继续用 Argon。Carbon 单价不贵，但想得久、输出多，一个任务算下来并不便宜，12 月 1 日起单价还要翻倍。CodingPass 的 Go、Plus、Pro 都能用。

17 项评测，拿下 14 项第一

写代码的人最该看三行。

• 终端里的 Agent 编程：Terminal-Bench 4.0 跑到 65.2%，压过 Opus 5.5 5.6 个百分点，比自家 Argon 高出约 8 个百分点。和 Argon 拉开最大差距的就是这一项。

• 长上下文：GraphWalks（256k 到 1M）96.2%。Argon 84.2%，Opus 5.5 只有 66.8%。在大仓库里来回翻、跨文件找关联，几乎不掉链子。

• 网络安全：找漏洞、验证漏洞、修漏洞，三项全是第一。这是谷歌这次最想秀的肌肉，不过这几项是在不加防护的条件下测的，完整的网络安全能力要通过 Fairwind 计划申请。

但它不是全能的。修真实仓库的 FrontierSWE 2 上，GPT-6 Astra（65.5%）和 Opus 5.5（62.3%）都比它的 61.2% 高；OSWorld 电脑操作上，Opus 5.5 领先近 6 个百分点；RiemannBench 上，Carbon 甚至输给了自家的 Argon。

而这个第一，只坐了两周。11 月 10 日 Claude Fable 5.2 发布，Artificial Analysis 智能指数榜上 Fable 5.2 拿了 65，Carbon 是 60。

强太多，也慢太多

比跑分更接近日常用法的，是 Arena 的 Agent 榜：它看的是真实用户的 Agent 会话里，问题最后到底解决没有。

Carbon 排第二，只在 Opus 5.5 Max 之后；Argon 排第七。Arena 还单独点了一项：用户中途改需求、提出反对时，模型能不能听进去、及时掉头。这一项 Carbon 全场第一。

Arena 的评测负责人 Peter Gostev 发布前就上手用过，他的原话是：Carbon 用起来比 Argon 好得多，这次谷歌是来真的。

代价也很一致：慢。评测博主 Lumina 在 Arena 上拿 Carbon 做 3D 场景，结论是比 Argon 明显强，但慢得离谱，看任务要慢 2 到 4 倍。

同样的单价，账单为什么更厚

Carbon 和 Argon 单价一样，差别全在 token 数上。

Artificial Analysis 跑完整套智能指数，Carbon 输出了 2.05 亿个 token，同档模型的中位数是 7280 万，差不多 2.8 倍。每个任务平均要 25.6 分钟，中位数只要 12.6 分钟。

谷歌的价格页也没藏着：同样的任务，Argon 每轮用的 token 更少、回得更快。token 多了，钱就多了，等的时间也长了。Arena 说 Carbon 的单任务成本比 Opus 5.5 Max 低 72%，这话没错，但比的是最贵的那一档，不是 Argon。

11 月 30 日之后，价格翻倍

$2 / $10 只是引入期价格。谷歌的价格页写明：12 月 1 日起，Carbon 和 Argon 都涨到每百万 token 输入 $4、输出 $20，缓存读取从 $0.10 涨到 $0.20。

Artificial Analysis 那 $7.76 一个任务，已经是按新价算的。

在 CodingPass 上，先开 medium

CodingPass 上的 Carbon 有 low、medium、high 三档推理强度，思考关不掉：

• 请求里带 reasoning_effort（Chat Completions）、reasoning.effort（Responses）或 output_config.effort（Messages），就按你选的档位跑。
• 不带，默认是 high。
• 要求不思考（none，或 thinking 设为 disabled），会按最低的 low 跑。

建议先从 medium 开始。Carbon 的长处是啃难题时不松口，但大部分请求用不上 high 那一大段长思考，卡住了再往上调。

curl https://codingpass.ai/v1/chat/completions \  -H "Authorization: Bearer $CODINGPASS_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "gemini-4-carbon",    "reasoning_effort": "medium",    "messages": [{"role": "user", "content": "Find the root cause of the flaky test in tests/sync.test.ts"}]  }'

OpenCode、Cline 等 OpenAI 兼容的工具，把 gemini-4-carbon 加进模型列表就能用。

什么时候切 Carbon

1. 日常还是 Argon。 谷歌自己这么说，token 账也这么算。Argon 快，同样的额度能干更多活。

2. 卡住了再上 Carbon。 跨多个模块的改动、追了半天找不到原因的 bug、要让 Agent 一口气跑很久的任务，值得多等一会儿、多花一点额度。

3. 重活儿赶在 11 月跑。 CodingPass 按官方 API 价计量，12 月 1 日单价翻倍后，同一份额度能跑的 token 也跟着减半。

常见问题