北京时间 11 月 11 日，谷歌把 Gemini 4 Carbon 全面开放了。10 月 28 日它首次亮相时，还只交给通过审查的网络安全防御团队，这次才算正式上线。 开发者走 API 付费层调用 gemini-4-carbon，没有免费层，普通用户则需要订阅每月 99.99 美元起的 Google AI Ultra。微博微博
关于"比 Argon 强在哪"，先给结论：日常写功能、边聊边改这类"产出代码"的场景，两者差距不大，官方文档仍把 Argon 列为日常主力。 Carbon 真正强的，是把 Argon 跑不完的那类任务跑完——复杂根因排查、跨模块调试、架构级改动，以及需要跑几小时甚至几天的验证循环。它赢在"做完"，不在"多做一行"。微博
先厘清两者的关系。美国当地时间 10 月 13 日，Gemini 4 Argon 开始面向全球开发者和企业开放。 不少人把 Argon 当成 Gemini 4 的代号，其实它是家族中的一款模型，比 Argon 更高端的才是 Carbon。 这条内部代号线最早出现在谷歌内部编程平台 Jetski 的测试里，BI 爆料时员工给的评价，是它写代码已经快赶上 Claude Opus 5.5。微博微博微博
把 Argon 跑不完的任务跑完
官方 17 项对比里，与 Argon 直接对表的数字集中在"修"和"验"上。CWE-bench 测修复漏洞根因，Carbon 71.0%，Argon 是 68.0%。 命令行任务榜 Terminal-Bench 4.0 上，两周时间成绩从 57.1% 冲到 65.2%。 据谷歌披露，在内部基准中，Carbon 生成安全代码的成功率达到 Argon 的两倍以上。微博小红书微博
工作方式的变化比分数更实在。官方说，内部团队见过它在同一个任务上连跑几天，跨大代码库和底层系统定位、修补隐蔽 bug。 写网页应用时，它会反复构建、检查，既看代码也看页面实际渲染出来的样子，发现错误自己改，直到交出能跑的完整应用，而不是给一段"看起来对"的代码。 OpenCode 的工程师也自述，一个晚上就让 Carbon 从零搭出一套全新的 Rust UI 库，还重写了整个桌面应用。微博微博微博
"跟得住"的底气来自上下文。在 256K–1M token 的长上下文图谱任务 GraphWalks 上，Carbon 拿到 96.2%，是整张对比表里拉开差距最大的一项。 也要提醒一句：Ars Technica 曾指出，目前还不能排除 Carbon 只是 Argon 一次后训练升级的可能，谷歌则把它定位为新的前沿模型——对开发者来说，这不妨碍按任务实测，但"换代"叙事本身还有弹性。微博微博
信任度是另一条分界线。谷歌用一套 375 个任务的诚实度测试衡量：Carbon 通过率 92%，Argon 只有 70%；碰到缺失的数据，98% 的情况下不会自己编，实验方法有缺陷时 68% 会直接指出来。 这针对的恰是 Argon 用户抱怨最多的问题：有博主实测它会在总结、转录、识图和资料问答中编造不存在的段落、设备、地点或引用。 但代价也要记在账上：独立评测显示 Carbon 答对率从 48% 提到 58%，编造率却从 4% 涨到 11%，比 Argon 更高，只是仍远低于 Opus 5.5 和 GPT-6 Astra 的 50%。微博微博微博
代价同样被明写在文档里：在复杂编程、智能体、数学和科学任务上，Argon 每轮 token 消耗低于 Carbon，响应也更快，同一个任务跑下来更贵的是 Carbon。 OpenResty 创始人 agentzh 用自家评测测 Argon 那次升级时，已经预演过这个趋势：Coding Evals 质量评分从 67.6% 升到 76.6%，平均用例延时却从 5.3 分钟涨到 14.5 分钟，约为原来的 2.7 倍。微博微博
第一批开通者的体感很一致：把思考等级拉到最高、顶着 100 万上下文去啃复杂代码和超长文档确实猛，但日常问答 Argon 就够了，Carbon 属于慢工出细活。 通过 Cursor 和 Droid 跑了七项任务的 UP 主则提醒，成果好于预期之外，图片识别失误、运行速度偏慢和连接不稳定在同一批任务里也出现了。微博哔哩哔哩
单价和 Argon 一样，账单不是
11 月 30 日前，Carbon 与 Argon 执行同一档引入价：每百万 token 输入 2 美元、输出 10 美元，输出价已包含思考 token；12 月 1 日起一起翻倍到 4 美元和 20 美元。 单价打平容易被读成"最强模型免费午餐"，但 Carbon 每轮吃掉的 token 更多，账单未必更便宜——真正省钱的结论只在高难度任务上成立：谷歌称它在 CursorBench 4.0、WANDR、AutomationBench 这几个测真实工作能力的评测里全部第一，完成同一任务的成本比第二名低一半以上。 AA 的真人盲测里，这类 agent 任务 Carbon 平均一次花 1.80 美元，比拿到第一的 Claude Opus 5.5 便宜了 72%。微博微博微博
门槛卡在订阅层：每月 19.99 美元的 Pro 用不了 Carbon，官方模型表里 Pro 一栏写的是不支持，Pro 用户能用的最强 Gemini 仍是 Argon；想要它，要么走 API 付费层，要么上 99.99 或 199.99 美元两档的 Ultra。 开通首日，"carbon 和 argon 的 api 价格明明一样，就是不给 pro 用户用"是实测视频评论区里点赞最高的吐槽之一。 "仅向顶级订阅用户开放"的分级策略，也被财经媒体直接点名为争议。微博哔哩哔哩微博
它不是最强的"码农"
如果"写复杂代码"只指更快地写出高质量代码，Carbon 并没有夺冠。AA 代码能力分榜上它排第二，离 Claude Opus 5.5 只差 3 分（59 比 62），从明显掉队挤进了第一梯队，但也仅此而已。 Anthropic 公布的 FrontierCode 2.0 里，Carbon 41.1%，排在 Fable 5.2（49.1%）、Opus 5.5（45.5%）和 GPT-6 Astra（42.8%）之后。 谷歌宣称 Carbon 在 CursorBench 4.0 拿了第一，但截至发稿，Cursor 官网榜单还没收录这项成绩，列在榜首的仍是 Fable 5.2——引用它时需要注意口径。微博微博微博
创作类任务上也有参照：实测过 Antigravity 里 Carbon High 档的博主给出的判断是，审美上比 Argon 有进步，但和 Fable 5.2 摆在一起仍差点意思。微博
怎么用最划算：别换默认，加开关
谷歌官方建议的分工本身就是答案：日常写功能、边聊边改代码用 Argon，快也省；复杂的根因排查、架构设计、从一大堆文档里综合信息、科学证明和安全审计，交给 Carbon。 多数开发者的实践也收敛到同一条规则：默认留在 Argon，只有卡死、要跨模块查根因、或者需要通宵盯验证的时候，再把那一条任务单独扔给 Carbon。微博微博
想更进一步的话，Antigravity 同天开始预览 /swarm：一个 prompt 拉起一队 agent，让 Carbon 负责最难的架构设计和代码审查，简单的活交给更快更便宜的模型，再安排一个专门挑毛病的 AI 检查成果。 官方同时提醒，每个 agent 都单独消耗额度，/swarm 烧额度比普通对话快得多——多 agent 的分工红利，是按 token 计价拿到的。微博微博
Carbon 相对 Argon 的实际增益，说到底是一句话：它把"可以放心交给 AI 的活"的边界，从 Argon 能跑完的模块，推到了需要跨代码库连跑几天追根因的硬骨头；边界外多出来的那部分，用更慢的响应、更多的思考 token 和一道订阅门槛计价。瓶颈是"难"的开发者，会觉得这笔投入物有所值；瓶颈是"快"的，Argon 依然是更对的选择——而 12 月 1 日翻倍后的价格表，会替所有人重新算一遍这笔账。
