Gemini 4 Carbon vs Argon: cost pe sarcină și ce model alegi

Gemini 4 Carbon vs Argon e o alegere în care prețul de listă nu te ajută: cele două modele au aceleași tarife pe fiecare rând din pagina de prețuri Gemini API, iar pe 1 decembrie 2026 se dublează amândouă. Diferența apare în factura fiecărei sarcini, pentru că Carbon consumă mai mulți tokeni de thinking. Pe CursorBench 4.0, asta înseamnă aproape dublu pe sarcină pentru 7,3 puncte în plus; pe AutomationBench, diferența de cost e mult mai mică. Mai jos: regula oficială Google, costul per sarcină, calculele noastre și rutarea între cele două modele.

Gemini 4 Carbon vs Argon: regula oficială Google

Recomandarea vine din anunțul lansării publice din 10 noiembrie 2026: Gemini 4 Argon „rămâne alegerea ideală” pentru majoritatea sarcinilor de software engineering și de muncă de birou (traducerea noastră). Carbon e pentru sarcinile care testează limitele, ca debuggingul complex în mai mulți pași sau cercetarea științifică deschisă, și folosește mai mulți tokeni decât Argon ca să exploreze, să raționeze și să ruleze bucle lungi de verificare.

Model card-ul adaugă trei lucruri care contează la decizie:

1. Carbon e „bazat pe Gemini 4 Argon”. Nu alegi între două familii, ci între același model de bază și o variantă care gândește mai mult.
2. Nivelurile de thinking sunt configurabile „pentru a echilibra calitatea, latența și costul”, iar Carbon folosește mai mulți tokeni de thinking decât Argon.
3. Limitările declarate țin de cost și timp: „ocazional lentoare sau timeout-uri” și, uneori, mai mulți tokeni folosiți pentru a maximiza performanța, „mai ales la nivelurile de thinking mai mari”.

Ce aduce Carbon pe toate rândurile tabelului Google e în articolul-pilon despre Gemini 4 Carbon, iar Argon, în articolul despre Gemini 4 Argon. Aici rămânem la o întrebare: pe ce rute merită tokenii în plus.

În producție, întrebarea se pune pe fiecare cerere: ce model primește sarcina, ce faci când răspunsul pică verificarea, cât costă o cerere reușită. Sunt piesele din modulul „Orchestrare Multi-Model și Optimizare” al cursului Integrare Avansată LLM în Aplicații de Producție: lecția „Strategii de Rutare a Modelelor în 2026” pentru alegerea modelului pe clase de sarcini și lecția „Fallback, Load Balancing și Reziliență Multi-Provider” pentru cazul în care modelul ales întârzie sau pică.

Gemini 4 Carbon vs Gemini 4 Argon: fișa de preț, rând cu rând

Sursa: pagina de prețuri Gemini API, la 10 noiembrie 2026; dolari per milion de tokeni, fără TVA.

• Raportul de preț e 1× pe fiecare rând, înainte și după 1 decembrie. Orice diferență de factură vine din numărul de tokeni. Dublarea schimbă valoarea absolută, nu raportul.
• Thinking-ul se plătește ca ieșire. Pagina spune că fiecare token procesat e facturat, inclusiv tokenii de thinking. Exact aici diferă modelele.
• Niciunul nu e pe nivelul fără plată și nu există trepte după lungimea promptului.
• La Carbon, cache-ul e doar implicit: pornește singur de la 4.096 de tokeni, cu 95% reducere; cache-ul explicit nu e suportat.

Tehnic, schimbi doar stringul modelului; restul ajustărilor sunt în ghidul pentru developeri despre Gemini 4 Carbon.

Ce spune tabelul Google, pe rândurile care contează la decizie

Din cele 17 rânduri ale model card-ului (rezultate la octombrie 2026), patru sunt suficiente aici; diferența e calculată de noi.

Pe muncă de birou generală, Carbon câștigă circa un punct; pe agenți autonomi și context foarte lung, peste 8. Costul lipsește. Restul rândurilor, cu Opus 5.5 și GPT-6 Astra alături, sunt în Gemini 4 Carbon vs Claude Opus 5.5 vs GPT-6 Astra.

Costul pe sarcină pe CursorBench 4.0

CursorBench 4.0 folosește sarcini ambigue, pe mai multe fișiere, din sesiuni reale Cursor. Costul aplică prețurile publicate (intrare, cache, ieșire) tokenilor consumați și e marcat ca supus variației.

*Aritmetica noastră: costul împărțit la scor (8,49 $ / 0,601 = 14,13 $). Ar fi costul per sarcină rezolvată doar dacă scorul ar fi o rată simplă de reușită, ceea ce nu presupunem; o folosim doar ca să comparăm configurațiile.

Ce rezultă, cu aritmetica noastră:

1. Medium contra Medium: +7,3 puncte pentru +4,10 $ per sarcină. Carbon costă de 1,93 ori cât Argon; fiecare punct procentual în plus, circa 0,56 $ pe sarcină.
2. High contra High: +7,5 puncte pentru +4,65 $, adică 2,02× și 0,62 $ per punct. Pe Carbon, High față de Medium aduce 0,3 puncte pentru 0,73 $ (+8,6%).
3. Carbon Low e mai scump decât Carbon Medium: 11,89 $ față de 8,49 $ (+40%), cu 1,5 puncte mai puțin. Cheia e în coloana de pași: 124 față de 67. Cu mai puțin thinking pe pas, bucla se lungește și costă mai mult decât a economisit nivelul mic.
4. Pe Argon, nivelurile aproape nu mută costul: de la Low la Medium, +2,2 puncte pentru 0,30 $; de la Medium la High, +0,1 puncte pentru 0,18 $.
5. Cel mai slab Carbon e peste cel mai bun Argon: Carbon Low are cu 5,7 puncte peste Argon High, la 2,6 ori costul.

Afirmația Google despre un cost per sarcină „de peste 2 ori mai mic” decât al următorului model extern se verifică aici: Claude Fable 5.2 Max, locul 3, are 60,0% la 32,79 $ (3,56× Carbon High; pe AutomationBench, 4,64 $, adică 2,19×). Comparația între furnizori e în Fable 5.2 vs GPT-6 Astra vs Gemini 4 Carbon.

Costul pe sarcină pe AutomationBench

AutomationBench (Zapier, v1.0.6) măsoară fluxuri complete cu 47 de unelte reale, în șase funcții de business, pe peste 600 de sarcini private. Notarea e deterministă, pe starea finală, fără model-judecător, iar varianța e „de obicei sub 1%”.

*Nota Zapier: Argon are preț promoțional, dar clasamentul și costul folosesc prețul standard de listă; la prețul promoțional, Argon ar costa 0,85 $ (High) și 0,77 $ (Medium). Pentru Carbon nota nu spune nimic, așa că nu amestecăm bazele.

Aici raportul arată altfel decât pe CursorBench:

• Carbon Medium costă de 1,07 ori cât Argon Medium (+0,11 $) și are cu 2,89 puncte mai mult.
• Carbon Medium bate Argon High pe ambele axe: +1,68 puncte și cu 0,05 $ mai ieftin.
• Carbon High față de Medium: +0,91 puncte pentru +0,47 $ (+28%).

Rezerva: raportul de 1,07× e valabil doar dacă și costul lui Carbon e la tariful folosit pentru Argon, iar Zapier nu o precizează. Cum tarifele API sunt identice, pe o bază comună raportul de cost e raportul de tokeni; certitudinea o dă doar măsurarea ta.

Pe domenii, Argon câștigă două din șase

Pe Sales, Argon Medium e cu 1,71 puncte peste Carbon High, peste varianța tipică declarată: modelul mai ieftin e chiar primul. Pe domenii avem doar scoruri, nu și costuri.

De ce raportul de cost diferă de la o sarcină la alta

Aceeași pereche, la același tarif, dă rapoarte de cost între 1,07× și 2,02×, după natura sarcinii și nivelul de thinking. De aceea Google nu publică un multiplicator: documentația spune doar că Carbon „cheltuie mai mulți tokeni de thinking per tură”, cu consum și latență mai mari, fără cifre oficiale.

Se vede la o cascadă „Argon întâi, Carbon dacă pică”. Calculul nostru, cu două simplificări declarate (o sarcină ratată de Argon costă cât media lui, iar ratarea se detectează automat, fără cost):

• Pe cifrele CursorBench (Medium): cascada costă 4,39 $ + f × 8,49 $, unde f e partea de sarcini escaladate. Rămâne mai ieftină decât Carbon peste tot cât timp f e sub 48%. Dacă ai escalada toate sarcinile ratate de Argon (47,2%, tratând scorul ca rată de reușită), ai plăti 8,40 $, practic cât Carbon direct, plus latența a două rulări.
• Pe cifrele AutomationBench (Medium): 1,54 $ + f × 1,65 $ egalează Carbon direct la doar 6,7% sarcini escaladate.

Cascada are sens unde Argon trece majoritatea sarcinilor și diferența de cost e mare; altfel, ruta directă pe Carbon iese mai ieftină și mai rapidă.

Nivelul de thinking: cel mai mic care trece pragul, nu cel mai mic absolut

Ambele modele au trei niveluri, low, medium și high, setate prin thinking_level, cu medium implicit; la Carbon, thinking-ul e mereu pornit. Documentația despre thinking le descrie așa: low are cei mai puțini tokeni și latența minimă, medium e recomandat pentru majoritatea sarcinilor, inclusiv cod complex, high e pentru matematică, știință și cod foarte grele. Sfatul oficial: evaluezi la toate trei și alegi cel mai mic nivel care trece pragul de calitate.

CursorBench adaugă o nuanță: cel mai mic nivel nu e automat cel mai ieftin pe sarcină. Regula de scris în documentul de decizie: dintre nivelurile care trec pragul, îl alegi pe cel cu cel mai mic cost per sarcină reușită, măsurat.

Două detalii schimbă costul real:

• Limita de ieșire include thinking-ul. Dacă max_output_tokens e atinsă în timpul raționamentului, interacțiunea iese "incomplete", cu răspuns trunchiat sau gol, iar thinking-ul se facturează oricum.
• Timeout-urile sunt o limitare declarată. La migrarea de pe Argon, documentația cere loc pentru raționament mai lung atât în max_output_tokens, cât și în timeout-urile HTTP. Un timeout tăiat după obiceiurile de pe Argon transformă tokenii lui Carbon în cost fără rezultat.

Rutarea: Argon implicit, Carbon la escaladare

1. Argon e ruta implicită, cu nivelul setat explicit. Pornești la medium, testezi low pe rutele simple și urci la high doar unde măsurătorile o cer.

2. Escaladarea la Carbon are criterii măsurabile.

3. Ce poate aștepta merge pe Batch sau Flex. Tarifele se înjumătățesc la ambele modele, iar Carbon pe Batch costă per token jumătate cât Argon pe Standard: pentru evaluări offline sau rapoarte peste noapte, asta schimbă calculul mai mult decât nivelul de thinking.

4. Schimbarea modelului în aceeași sesiune e suportată, cu o condiție. În modul stateless retrimiți exact toate blocurile thought, „inclusiv când schimbi modelul în aceeași sesiune”; modul stateful, recomandat de Google, folosește store: true și previous_interaction_id.

Carbon coordonator, Argon worker

Al doilea tipar alege modelul pe rol, nu pe sarcină. Articolul Antigravity despre Carbon descrie /swarm, în preview: Carbon pe rolurile de coordonator, arhitectură, audit de securitate și verificare adversarială, iar „modele mai ușoare și mai rapide” fac editările de fișiere în paralel. Captura din articol arată un agent fixat pe Carbon în lista Members, alături de workeri pe Argon.

Documentația /swarm e mai prudentă: implicit, workerii rulează pe modelul conversației; ceri alte modele în prompt, iar coordonatorul poate muta pe alt model un worker în așteptare. Un swarm consumă cota mult mai repede decât o conversație. Configurarea echipei e în ghidul despre Google Antigravity /swarm.

În API construiești singur tiparul: un apel Carbon planifică și verifică, apelurile Argon execută. Economia acestei arhitecturi e lecția „FinOps Architecture: Cost Per Inference, Routing Economic și Unit Cost” din Arhitectura Sistemelor AI la Scară.

Ce alegi pentru fiecare tip de sarcină

Puncte de pornire din regula Google și din cifrele de mai sus; decizia o dă testul pe sarcinile tale.

Protocolul de test: 2 modele × 3 niveluri

Pasul 1: setul de sarcini. 30–50 de sarcini reale pe rută, cu criteriul de reușită scris înainte și cu sarcinile pe care modelul actual le ratează.

Pasul 2: șase configurații. Argon și Carbon la low, medium și high, cu același prompt, aceleași unelte și aceeași limită de ieșire. Setezi nivelul explicit, ca să compari modele, nu setări.

Pasul 3: ce înregistrezi. Reușita, tokenii din câmpurile de usage (total_input_tokens, total_thought_tokens, total_output_tokens), durata, timeout-urile și interacțiunile "incomplete". Pe Carbon, ultimele două sunt chiar limitarea din model card.

Pasul 4: tabelul de decizie. Costul per sarcină reușită e costul total împărțit la sarcinile trecute: o sarcină ratată se plătește oricum.

În fiecare celulă: rata de reușită, costul per sarcină reușită, latența mediană și p95, timeout-urile. Regula, scrisă înainte de rulări: „configurația cu cel mai mic cost per sarcină reușită care atinge pragul și încape în bugetul de latență”.

Repeți testul la orice schimbare de model sau prompt; cum devine o poartă automată înainte de deploy e lecția „Eval-Gating la Schimbarea Modelului: Migrare și A/B între Versiuni” din AI Evals pentru LLM-uri în Producție. Bugetul îl calculezi pe tarifele din decembrie: raportul rămâne, valoarea absolută se dublează.

Pentru utilizatorii aplicației Gemini: Pro înseamnă Argon, Ultra înseamnă Carbon

Fără API, alegerea o face abonamentul. Pe pagina planurilor Google AI, Google AI Pro dă „acces extins la Gemini 4 Argon” în aplicația Gemini, Antigravity și AI Studio, iar Carbon apare doar la Google AI Ultra, „în anumite țări” (lista nu am putut-o verifica pentru România). Ultra are limite de 5 sau 20 de ori mai mari decât Pro; în aplicație consumi din limite, nu plătești pe token, dar logica rămâne: Carbon pe sarcinile grele, Argon pe rest. Ce primești și dacă merită e în articolul despre Google AI Ultra cu Gemini 4 Carbon.

Întrebări frecvente

Ce model Gemini aleg între Carbon și Argon? Google recomandă Argon pentru majoritatea sarcinilor de software engineering și muncă de birou, iar Carbon pentru cele care testează limitele, ca debuggingul complex în mai mulți pași. În producție pornești cu Argon și escaladezi la Carbon pe rutele care rămân sub prag.

Cât costă Gemini 4 Carbon față de Gemini 4 Argon? Per token, la fel: 2 $ / 10 $ per milion până la 30 noiembrie 2026, 4 $ / 20 $ din 1 decembrie, identic pe cache, Batch, Flex și Priority. Per sarcină, Carbon costă mai mult: pe CursorBench 4.0, de 1,93 ori cât Argon la nivelul Medium.

Ce înseamnă cost pe sarcină și de ce nu ajunge prețul per token? E factura totală a unei sarcini terminate, cu thinking, pașii agentului și cache-ul. La tarif identic, raportul de cost e raportul de tokeni, iar acesta variază: aproape 2× pe CursorBench, circa 1,07× pe AutomationBench.

Ce thinking level folosesc pe Carbon? medium, implicitul recomandat de Google pentru majoritatea sarcinilor; high pentru matematică, știință și cod foarte grele. low nu e automat mai ieftin: pe CursorBench, Carbon Low a costat cu 40% mai mult decât Medium, cu 124 de pași per sarcină în loc de 67.

Concluzie

În decizia Gemini 4 Carbon vs Argon, tariful e identic pe fiecare rând și se dublează la ambele pe 1 decembrie, deci totul se joacă pe tokeni. Datele independente arată cât variază: aproape dublu pe sarcină pentru 7,3 puncte pe CursorBench, circa 7% în plus pe AutomationBench, unde Argon rămâne totuși primul pe vânzări și HR. Regula Google e un bun punct de plecare: Argon implicit, cu nivel explicit, Carbon pe rutele care pică, pe agenții de cod pe mai multe fișiere și pe rolurile de coordonare și verificare. Decizia finală o dă costul per sarcină reușită, măsurat pe șase configurații, cu timeout-urile în tabel.

Surse

• Google, „Gemini 4 Carbon is now available”: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
• Google DeepMind, Gemini 4 Carbon Model Card: https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Carbon-Model-Card.pdf
• Google AI Studio, prețuri Gemini API: https://aistudio.google.com/docs/pricing
• Google AI Studio, What's new in Gemini 4 Carbon: https://aistudio.google.com/docs/whats-new-gemini-4-carbon
• Google AI Studio, Thinking: https://aistudio.google.com/docs/thinking
• Cursor, CursorBench: https://cursor.com/cursorbench
• Zapier, AutomationBench: https://zapier.com/benchmarks
• Google Antigravity, „Gemini 4 Carbon in Google Antigravity”: https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity/
• Google Antigravity, documentația /swarm: https://antigravity.google/docs/swarm
• Google, planurile Google AI: https://one.google.com/about/google-ai-plans

Verificat la 10 noiembrie 2026 pe anunțul Google, model card-ul Gemini 4 Carbon, documentația și prețurile Gemini API, CursorBench, AutomationBench și documentația Antigravity. Scorurile și costurile sunt cele publicate de Cursor și Zapier; rapoartele și pragurile cascadei sunt aritmetica noastră, nu măsurători. Conținutul are caracter informativ.