Gemini 4 Carbon、Gemini 4 Hydrogen 與 Gemini 4 Argon 如何選用(2026)
Gemini 4 Carbon vs Hydrogen vs Argon: Which to Use (2026)
這篇 Gemini 4 模型比較建議先從 Hydrogen 開始,只有在它未能通過自訂測試時才考慮改用 Argon 或 Carbon。
文章並列三款模型的定價、能力定位、限制與工作負載建議,並用月度用量試算成本,呈現選型時價格與任務需求的取捨。
先從 Gemini 4 Hydrogen(gemini-4-hydrogen)開始,只有在它未能通過你自己的測試時才升級。 Hydrogen 每 1M 個輸入 token 收費 $1.50,每 1M 個輸出 token 收費 $7.50,而 Google 的定價頁面沒有列出這個價格的截止日期。[3] Gemini 4 Carbon 和 Argon 的價格截至 2026 年 11 月 30 日為 $2 和 $10,其後自 12 月 1 日起為 $4 和 $20。[1] 該日期之後,Carbon 或 Argon 的每個 token 成本是 Hydrogen 的 2.67 倍。三款模型共用 1,048,576 個 token 的上下文視窗,預設輸出上限為 65,536 個 token。[4] 下文包括:模型 ID 和限制、各模型每月費用的計算示例、curl 和 Python 呼叫方式、存取限制、對 MKA 基準測試的審慎分析,以及決策表。Argon 的完整級別價格表載於我們的Argon 定價文章。
本文只列出已公佈的數字,沒有自行進行基準測試。所有數字均來自 Google 的發佈文章(Carbon 於 2026 年 11 月 10 日發佈,Hydrogen 於 2026 年 11 月 12 日發佈)、Gemini API 和 Vertex AI 文件,或 Artificial Analysis。[1][2]
三款模型並列比較
| 模型 | 模型 ID | 每 1M 個輸入/輸出 token 的價格 | 每 1M 個快取讀取 token 的價格 | 預設推理級別 | 免費級別 |
|---|
| Gemini 4 Carbon | gemini-4-carbon | $2 / $10,至 11 月 30 日為止,其後為 $4 / $20 | $0.10,其後為 $0.20 | 中 | 否 |
| Gemini 4 Argon | gemini-4-argon | $2 / $10,至 11 月 30 日為止,其後為 $4 / $20 | $0.10,其後為 $0.20 | 中 | 否 |
| Gemini 4 Hydrogen | gemini-4-hydrogen | $1.50 / $7.50,固定不變 | $0.075 | 高 | 是,設有速率限制 |
價格為 Gemini API 定價頁面上的 Standard 級別價格。[3] 三款模型的輸出費率均包括推理 token;啟用 grounding 時,Google 會就模型處理的每個 token 收費,包括工具指令和函數宣告。[3]
三款模型的限制相同。1,048,576 個 token 的上下文視窗由輸入、推理和輸出共用。一般同步請求的輸出上限為 65,536 個 token;使用長解碼時,輸出上限可達 1,048,576 減去輸入 token 數量。輸入可以是文字、圖片、影片、音訊或 PDF,輸出則只支援文字。[4][5] 三款模型均支援函數呼叫、結構化輸出、程式碼執行、電腦操作和搜尋 grounding。三款模型均不支援明確快取;隱式快取適用於至少 4,096 個 token 的提示詞,並可讓快取輸入享有 95% 折扣。[6]
各款模型的用途
Carbon:深度驗證模型
Google 稱 Carbon 是其最強大的模型,並表示它專為考驗模型智能極限的任務而設,例如複雜的多步驟編碼和除錯,以及開放式科學研究。[1] 代價是 token 用量。Carbon 比 Argon 使用更多推理 token,以作深入探索和進行延長的驗證循環,令每輪 token 用量和延遲上升。[1][6] Artificial Analysis 顯示出相同趨勢:Carbon 在 High 設定下的 Intelligence Index v5.0.1 得分為 60(81 款模型中排名第 4),但每項 Index 任務需時 32.1 分鐘,高於 13.2 分鐘的中位數;輸出 token 數為 205M,也高於 78.6M 的中位數。[14]
Argon:高效前沿模型
Google 表示,對大多數軟件工程和知識工作而言,Argon 仍是理想之選。[1] 它與 Carbon 的價格和上下文視窗相同,但每輪使用較少推理 token,因此互動式編碼和日常功能開發的速度更快,每輪成本也更低。[6]
Hydrogen:日常及 Agent 模型
Hydrogen 面向日常編碼、可使用工具的 Agent,以及平行工作程序。Google 的比較表將 Hydrogen 的速度列為「快速」,Argon 為「中等」,Carbon 則為「審慎」。[8] 它新增第四個思考層級 xhigh,並以 high 為預設層級。Google 表示,Hydrogen 在預設層級下於 Artificial Analysis Intelligence Index 得分為 51,Argon 則為 50;在 xhigh 層級下則達 54。[2] 以上數字均由供應商公佈。
費用:目前與 12 月 1 日後
每 token 費率的比例決定了大部分計算結果。直至 11 月 30 日,Argon 和 Carbon 每項費率均為 Hydrogen 的 1.33 倍。由 12 月 1 日起,兩者的費率均為 Hydrogen 的 2.67 倍。因此,如果 Hydrogen 完成一項工作所需的 token 不超過 Argon 的 1.33 倍,今天使用 Hydrogen 會較便宜;12 月 1 日後,即使它消耗多達 2.67 倍的 token,費用仍可打和。
同一工作負載,三種價格方案
一個編碼 Agent 每月處理 200M 個輸入 token 並輸出 20M 個 token,且沒有快取命中:
| 模型 | 截至 11 月 30 日 | 由 12 月 1 日起 | 算式 |
|---|
| Carbon 或 Argon | $600 | $1,200 | 200 x $2 + 20 x $10,然後是 200 x $4 + 20 x $20 |
| Hydrogen | $450 | $450 | 200 x $1.50 + 20 x $7.50 |
若快取命中率為 60%(120M 個快取輸入 token,80M 個未快取輸入 token),Carbon 或 Argon 的費用目前為 $372,由 12 月 1 日起為 $744;Hydrogen 則為 $279。三款模型的快取命中費用均為輸入價格的二十分之一。[3]
各模型的費用計算示例
以下是示例工作負載,並非實測數據;各模型的 token 數量不同,因此每一行均採用各自的工作負載設定。
| 模型 | 每月工作負載 | 截至 11 月 30 日 | 由 12 月 1 日起 |
|---|
| Carbon | 每晚深度審查流程:40M 個輸入 token,12M 個輸出 token(思考量較大) | $200 | $400 |
| Argon | 互動式功能開發:150M 個輸入 token,15M 個輸出 token | $450 | $900 |
| Hydrogen | 日常 Agent 羣組:300M 個輸入 token,25M 個輸出 token | $637.50 | $637.50 |
Carbon:40 x $2 + 12 x $10 = $200;按 $4 和 $20 的費率計算,費用加倍至 $400。Argon:150 x $2 + 15 x $10 = $450;費用加倍至 $900。Hydrogen:300 x $1.50 + 25 x $7.50 = $637.50;若快取命中率為 60%,費用則為 $381(120M 個未快取輸入 token,按 $1.50 計;180M 個快取輸入 token,按 $0.075 計;輸出費用為 $187.50)。
Carbon 的費用主要來自輸出 token,因此在決定讓它處理某個流程前,請先量度輸出 token 所佔比例。我們的 AI 模型成本計算器列有 Gemini 4 Argon,其費率與 Carbon 相同,因此可用於計算 Carbon 欄的費用。計算器沒有列出 Hydrogen,請按上文的每 token 費率計算 Hydrogen 的費用。
批次處理是另一個可調整的因素。Google 的定價頁面列明,付費專案使用 Batch API 可節省 50% 費用;三款模型均列明支援 Batch、Flex 和 Priority。[3][4] Carbon 和 Hydrogen 的 Batch、Flex 及 Priority 費率在此未獲確認,請到定價頁面的 Batch 分頁查核。Interactions API 暫時不支援 Batch,因此批次工作需透過 generateContent 執行。[9]
如何呼叫 Carbon 和 Hydrogen
Google 建議新專案使用 Interactions API,而 Gemini API 文件中的 Gemini 4 快速入門指南亦採用此 API。[9] REST 端點為 POST https://generativelanguage.googleapis.com/v1beta/interactions,並使用 x-goog-api-key 標頭。[10] 以下 curl 呼叫會以 Carbon 的預設思考層級執行。由於 Carbon 的非串流直接 HTTP 請求上限為此值,因此會將 max_output_tokens 設為 32,768。[15] jq 篩選器會讀取 model_output 步驟,與文件所述的回應結構相符。
curl -s -X POST https://generativelanguage.googleapis.com/v1beta/interactions \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"input": "Find the race condition in this retry queue and rewrite the lock acquisition.",
"generation_config": {
"thinking_level": "medium",
"max_output_tokens": 32768
}
}' | jq -r '.steps[] | select(.type=="model_output") | .content[] | select(.type=="text") | .text'
Python SDK 會封裝相同的呼叫。先執行 pip install --upgrade "google-genai>=2.34.0":Vertex AI 文件指出,使用 Gemini 4 須採用 2.34.0 或更新版本;Gemini API 文件則列明,使用 Interactions API 須採用 2.3.0 或更新版本。[15][9] 兩者的最低版本不同,因此請安裝較新的版本。以下迴圈會向 Hydrogen 的預設模型 high 和 Carbon 的預設模型 medium 各傳送一個提示詞,並列印 token 用量,方便你計算這次執行的費用。
from google import genai
client = genai.Client() # credentials come from the environment, as in Google's quickstart
for model, level in [("gemini-4-hydrogen", "high"), ("gemini-4-carbon", "medium")]:
interaction = client.interactions.create(
model=model,
input="Find the race condition in this retry queue and rewrite the lock acquisition.",
generation_config={"thinking_level": level},
)
print(model, level)
print(interaction.output_text)
print("Usage:", interaction.usage)
Google 建議使用 Carbon 進行規劃,並使用 Hydrogen 執行:Hydrogen 文件指出,在同一個工作階段中,應使用 previous_interaction_id 將規劃回合交由 gemini-4-carbon 處理,並將執行回合交由 gemini-4-hydrogen 處理。[7] 每次呼叫都要設定 generation_config;設定不會沿用。[9]
plan = client.interactions.create(
model="gemini-4-carbon",
input="Plan the migration of this service from callbacks to async/await. List ordered steps.",
generation_config={"thinking_level": "high"},
)
step_one = client.interactions.create(
model="gemini-4-hydrogen",
input="Implement step 1 of the plan and run the tests.",
previous_interaction_id=plan.id,
generation_config={"thinking_level": "medium"},
)
print(step_one.output_text)
在 Vertex AI(Google 現稱為 Gemini Enterprise Agent Platform)上,同一組模型 ID 可透過 generateContent 在全球端點使用。以下是 Google 提供的 Carbon curl 範例。[15]
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-4-carbon:generateContent \
-d '{
"contents": {
"role": "USER",
"parts": { "text": "How does AI work?" }
}
}'
Google 文件中的遷移陷阱
Gemini 4 不會理會 temperature、top_p 和 top_k;在 Hydrogen 上,超出範圍的值會回傳 400。[7] thinking_budget 和 minimal 思考層級會回傳 400,因此請使用 low、medium、high,或只在 Hydrogen 上使用 xhigh。[15] Carbon 可能會把更多輸出上限用於思考,因此如果你的應用程式將 max_output_tokens 設定為低於 32K,Google 建議將其提高至至少 32,768。Google 亦建議使用背景執行,或將 HTTP 用戶端逾時設定為至少 15 分鐘。[6] 對 Carbon 和 Argon 發出的非串流直接 HTTP 請求,輸出 token 上限為 32,768;Hydrogen 的上限則為 65,536。[15] 如需輸出超過 64K,請將 background 設為 true,並提高 max_output_tokens。[6]
存取:層級、限制與地區
| 平台 | Carbon | Hydrogen |
|---|
| Gemini API 免費層級 | 不提供 | 免費但設有速率限制;免費層級的提示詞可能會用於改進 Google 產品 |
| Gemini API 付費層級 | 提供予所有付費開發者 | 提供;付費層級的資料不會用於改進產品 |
| Google AI 訂閲 | AI Ultra:Antigravity、AI Studio、Gemini app、AI Mode | Antigravity 提供付費 AI Pro 和 Ultra;所有人均可在 Gemini app 的模型選單使用,所有用戶均可使用 Search |
| Vertex AI / Gemini Enterprise Agent Platform | global 端點、us 和 eu 多區域 | global 端點、us 和 eu 多區域 |
| 網絡安全版本 | 透過 Fairwind Program 提供 Carbon for cyber(允許清單) | 不適用 |
表格來源:推出公告、價格頁面、Vertex 快速入門指南。[1][2][3][15] Google 表示 Hydrogen 正逐步向全球推出。[2] Vertex 列出 Argon 在另外兩個地區提供服務:europe-west2 和 asia-southeast1。[15]
速率限制文件中還有一項限制。Tier 1 只需連結帳單帳戶,支出上限為每連續 10 分鐘 $10;支付 $100 並經過 3 天後,Tier 2 會將上限提高至 $200。Google 表示,上限是否適用取決於你的帳單記錄和帳戶狀況;超出上限會回傳 429 RESOURCE_EXHAUSTED 錯誤。[11] 如果每一美元都用於 Carbon 輸出,並按每 1M 收費 $10(此價格有效至 November 30)計算,Tier 1 專案在 10 分鐘內輸出約 1M 個 token 就會達到上限。Tier 1 的批次排入佇列 token 數量,Carbon 為 5,000,000,Hydrogen 為 3,000,000。[11]
MKA 基準測試:測量內容及注意事項
Multimodal Knowledge Agent (MKA) 是 Google DeepMind 與 Artificial Analysis 共同建立的基準測試,包含 10 個垂直領域、83 種職業的 200 項任務。每項任務都是多步驟專案,Google 表示,資深專業人士需要 3 至 8 小時才能完成;任務附有一組視覺檔案,例如圖紙和示意圖,以及一套約有 70 項是非檢查項目的評分準則,其中事實準確度佔 75%,視覺設計佔 25%。[12]Agent 在開源 Stirrup harness 中運行,並由 LLM 評審為每份交付成果評分;Google 表示,領域專家有 96% 的時間認同評審結果。[12]
Artificial Analysis 負責發布排行榜,並自行運行這組不公開的 200 項任務。該機構使用 GPT-6 Luna (medium) 作為評審,並公佈一項稱為 Climb WSR 的主要評分指標,即符合較高難度評分準則的加權比例。截至 2026 年 11 月 16 日的排行榜中,Claude Fable 5.2 以 57% 領先,Gemini 4 Carbon (High) 得分 54%,Claude Opus 5.5 得分 53%;排行榜涵蓋 21 款模型。[13]Google 的主要説法是 Carbon 排名第二;[1]而排行榜的説法是,Carbon 排名第二,落後榜首 3 個百分點。
有三個原因值得審慎看待。第一,某個廠商共同設計了這項基準測試,之後又在自家的產品發布文章中介紹它;這與一項獨立基準測試剛好納入該廠商的模型並非一回事。第二,評分準則及其 25% 的視覺設計權重,體現了對優質工作的某種定義,未必符合你的要求。第三,Hydrogen 的説法未能完全吻合:Google 報告 Hydrogen 得分 53.4%,並稱其表現優於其他模型,但截至 2026 年 11 月 16 日,Hydrogen 並未列入 Artificial Analysis 排行榜上的 21 款模型。[2][13]在 Hydrogen 登上排行榜之前,應將 53.4% 視為廠商提供的數據。
有利之處是:測試集並未公開,評審並非 Google 的模型,而且 Hugging Face 上有 10 項公開任務,方便你查看格式。[12]對於內容密集的 PDF、圖紙和試算表,可先用 Hydrogen 和 Carbon 執行這 10 項公開任務,或使用你自己的 10 份文件,並比較每項通過任務的成本。
不同工作負載應選用哪款模型
| 工作負載 | 模型 | 推理 |
|---|
| 聊天、使用工具的 Agent、PR 反覆迭代、即時 UI 原型製作 | Hydrogen, medium or high | 價格最低,按 Google 的表格所示速度最快;該價格未列明結束日期 |
| 平行工作者及驗證者子 Agent | Hydrogen | Google 將其定位為多模型配置中的執行引擎 |
| Hydrogen 在 high or xhigh 下無法通過測試的棘手 bug | Argon | 前沿推理,每回合所需的 thinking tokens 比 Carbon 少 |
| 多套件遷移、跨子系統根因排查、架構重新設計 | Carbon,作為規劃器或協調器 | 為長時間驗證而設;配合 Hydrogen 進行修改 |
| 高密度多模態綜合處理:圖紙、示意圖、大量 PDF 文件 | 先測試 Hydrogen,再測試 Carbon | MKA 數據與廠商相關;使用你的文件比較每項通過任務的成本 |
| 免費原型製作,不處理敏感資料 | Hydrogen 免費層級 | 免費層級中唯一的 Gemini 4 模型,但提示詞可能會用於訓練 Google 的產品 |
| 大量分類及路由處理 | Gemini 3.5 Flash-Lite | Google 的 Hydrogen 指南仍建議此用途使用 Flash-Lite,價格為 $0.30 / $2.50 per 1M tokens[7][8] |
| 防禦性安全研究 | 用於網絡安全的 Carbon | 透過 Fairwind Program 取得允許清單存取權限,而非使用公開模型 |
如果你已在使用 Gemini 3.8 Flash,我們的 Gemini 3.8 Flash 指南涵蓋你目前遷移所用的模型。
未獲確認的事項
有四項資訊未獲任何已發布來源確認:Carbon 和 Hydrogen 的 Batch、Flex 和 Priority 價格(Google 的定價頁面上雖有相關分頁,但本文所依據的文字沒有列出費率);Hydrogen 未來是否會調價(頁面沒有列出結束日期,但這不代表作出承諾);Carbon 和 Argon 在 November 30 切換的時區;以及 Hydrogen 免費層級的請求配額。在批核預算前,請先查看即時頁面。
資料來源
Gemini 4 Carbon 現已推出,Google(published November 10, 2026; accessed November 16, 2026)
推出 Gemini 4 Hydrogen,Google(published November 12, 2026; accessed November 16, 2026)
推出 Multimodal Knowledge Agent 基準測試,Google(published November 10, 2026; accessed November 16, 2026)
Multimodal Knowledge Agent (MKA) 基準測試,Artificial Analysis(accessed November 16, 2026)
Gemini 4 Carbon:智能、效能與價格分析,Artificial Analysis(accessed November 16, 2026)
15. 開始使用 Gemini 4,Google Cloud(accessed November 16, 2026)
最初刊載於 wowhow.cloud
來源:DEV Community · dev.to