Gemini 4 Carbon 的 API 价格是多少？

Gemini 4 Carbon 的引入价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入按输入价的 95% 折扣计费。引入期结束后，价格将执行每百万输入 token 4 美元、每百万输出 token 20 美元。Carbon 的引入价与已经面向开发者开放的 Gemini 4 Argon 完全相同。

现在可以通过 API 调用 Gemini 4 Carbon 吗？

还不能。截至 2026 年 10 月 28 日，Gemini 4 Carbon 尚未向开发者开放。本周起先向一部分网络防御者开放，随后通过谷歌的 Fairwind Program 扩展到更多可信合作伙伴。目前没有开发者模型 ID、没有 API 端点，也没有公布面向普遍开放的日期。定价相同的 Gemini 4 Argon 自 2026 年 10 月 13 日起已在 Gemini API 付费层可用。

Gemini 4 Carbon 和 Gemini 4 Argon 有什么区别？

两款模型的引入价相同，都是每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入折扣也都是 95%。Argon 是面向长周期专业工作的模型，拥有业内领先的 100 万 token 输出上限、100 万上下文窗口，DeepSWE v1.1 得分 77.9%、CWE-bench v1 得分 68%，且现在就能调用。Carbon 则是为可持续运行数天、不丢失任务线索的智能体设计的持久化模型，在 Artificial Analysis Intelligence Index v5.0 上以 59 分位列第一，SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%。

Gemini 4 Carbon 在哪些基准上领先？

Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5.0 上以 59 分位列第一。它在三个网络安全基准上取得业界最优：SEC-bench Pro 发现真实漏洞 88.2%，ExploitGym 验证可利用性 54.8%，CWE-bench 从根因打补丁 71.0%。在前端开发上提升 89 elo 至 1768 分，排在 WebDev Arena 第四；在 Terminal-Bench 4.0 上把成功作弊率降至 0.0%，作弊尝试降到 0.4%。

上下文缓存能省多少 Gemini 4 API 成本？

在引入价下，缓存输入 token 成本为每百万 0.10 美元，未缓存输入为每百万 2.00 美元，相差 20 倍。50 万 token 的上下文每轮重发一次，未缓存要 1 美元，缓存只要 0.05 美元。引入期结束后，缓存价变为每百万 0.20 美元，未缓存为 4.00 美元。长周期智能体如果反复重读同一份代码仓库或对话历史，应当默认开启上下文缓存。

从价格看，Gemini 4 Carbon 比 Claude Opus 5.5 或 GPT-6.1 Terra 更划算吗？

单看价格并不是。Gemini 4 Carbon 标准价每百万输入 4 美元、输出 20 美元，与 Claude Opus 5.5 完全并列，恰好是 GPT-6.1 Terra（1 美元 / 5 美元）的两倍。要迁移到 Carbon，理由必须是能力而不是成本。Carbon 在 Artificial Analysis Intelligence Index 上以 59 分领先，并在三个网络安全基准上业界最优，但能否降低你具体 workload 的失败次数，只有拿你自己的提示词跑一遍才知道。

Gemini 4 Carbon 的提示注入抵抗力比 Argon 强吗？

更强。Gemini 4 Argon 此前以 0.7% 的攻击成功率领先 Gray Swan 间接提示注入基准，而 Gemini 4 Carbon 达到 0.0%，抵挡住了全部被评估的攻击尝试。Carbon 还报告越界行为减少 26%、服务不足减少 29%，无依据声明数量约为 Argon 的一半，在真实编码环境中的高危对齐告警下降近 80%。

Gemini 4 Carbon API 价格 2026：2/10 美元引入价

Gemini 4 Carbon 于 2026-10-28 发布：引入价每百万 2/10 美元，之后涨到 4/20 美元。SEC-bench Pro 88.2%、AA 指数 59 分第一，但目前还调不通。

先说结论

谷歌在 2026 年 10 月 28 日发布了 Gemini 4 Carbon。这是谷歌迄今最强的模型，也是 Gemini 4 前沿系列的第二款，距离上一款 Gemini 4 Argon 恰好两周。

对 API 采购方来说，这次发布里有三个确切数字和一条硬约束：

引入价：每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入按输入价的 95% 折扣计费。
引入期结束后的标准价：每百万输入 token 4 美元、每百万输出 token 20 美元。
可用性：尚未开放。Carbon 正通过 Fairwind Program 向一部分网络防御者和可信合作伙伴分阶段开放，目前没有开发者注册入口、没有模型 ID，也没有可调用的 API 端点。

最后一条才是大多数开发者真正关心的部分。Carbon 今天还只是一个跑分标题，真正可以调用的是 Gemini 4 Argon——它已于 10 月 13 日向开发者开放，引入价同样是 2 美元 / 10 美元。

两款模型的定价完全相同。所以等 Carbon 开放之后，真正的问题不是「哪个更便宜」，而是：你的长周期智能体任务现在应该压在 Argon 上跑，还是等一个天生为「连续跑几天」而设计的模型。

价格：引入价一致，上涨曲线也一致

Carbon 的引入价与 Argon 相同，两者的脚注也完全一致：引入期结束后，价格翻倍。这是前沿系列刻意的定价结构，在做成本测算之前值得先搞清楚。

模型	输入（美元/百万 token）	输出（美元/百万 token）	缓存输入	状态
Gemini 4 Carbon	2.00（引入价）	10.00（引入价）	输入价 9.5 折	尚未开放
Gemini 4 Carbon（引入期后）	4.00	20.00	输入价 9.5 折	尚未开放
Gemini 4 Argon	2.00（引入价）	10.00（引入价）	输入价 9.5 折	已对开发者开放
Gemini 4 Argon（引入期后）	4.00	20.00	输入价 9.5 折	已对开发者开放
Claude Opus 5.5	4.00	20.00	输入价 9.5 折	已开放
GPT-6.1 Sol	2.00	10.00	输入价 9.5 折	已开放
GPT-6.1 Terra	1.00	5.00	输入价 9.5 折	已开放

这张表里有两点值得注意。

第一，Carbon 没有引入新的价格档位。2 美元 / 10 美元与 Argon 相同，也与 GPT-6.1 Sol 相同；4 美元 / 20 美元的标准价则与 Claude Opus 5.5 完全一致。谷歌把 Carbon 定位在现有前沿价格带里，而不是在它之上再加一层溢价。

第二，真正改变单位经济性的是 95% 的缓存输入折扣。在引入价下，一个缓存输入 token 成本 0.10 美元 / 百万，未缓存输入则是 2 美元 / 百万；标准价下分别是 0.20 和 4 美元。对一个每轮都要重读同一份代码仓库、同一份规格文档或同一段对话历史的长周期智能体来说，缓存与非缓存之间差 20 倍。任何建立在 Gemini 4 上的智能体架构，都必须把上下文缓存当成默认配置，而不是优化项。

引入期对生产预算意味着什么

两篇公告的脚注措辞完全一致：引入期结束后，将执行每百万输入 token 4 美元、每百万输出 token 20 美元的价格。谷歌没有公布具体日期。这意味着你无法只凭公告算出稳定的长期成本，而之后厂商给出的 Carbon 报价很可能是 4 美元 / 20 美元，而不是所有人都在转述的那个 2 美元 / 10 美元标题价。

为 Gemini 4 任务做预算的务实做法是：按 4 美元 / 20 美元测算，把 2 美元 / 10 美元当作临时补贴。如果一个 workload 只有在引入价下才划算，那它依赖的是促销，不是产品。

跑分：Carbon 到底改变了什么

Carbon 的核心主张是排名，而不是绝对性能。它在 Artificial Analysis Intelligence Index v5.0 上以 59 分位列第一，并在三个网络安全基准上取得领先。但对 API 采购方更有参考价值的数字，是这些提升有多少落在你真正会为之付费的类别里。

基准	类别	Carbon	衡量什么
Artificial Analysis Intelligence Index v5.0	综合	59（第一）	全指数加权综合
SEC-bench Pro	网络安全	88.2%	在生产级软件中发现真实漏洞
ExploitGym	网络安全	54.8%	验证漏洞是否可被利用
CWE-bench	网络安全	71.0%	从根因打补丁
WebDev Arena	前端开发	1768 elo（第四）	人工投票的前端质量，较 Argon +89 elo
Terminal-Bench 4.0	智能体	0.0% 作弊	试图走捷径的比例降至 0.4%

表里有三个结论值得单独拎出来。

安全类分数是领域能力，不等于通用能力。 六个基准里有三个是网络安全。ExploitGym 上的 54.8% 说明 Carbon 擅长推理漏洞可利用性，这并不能直接转化成更好的 JSON 生成或更好的检索质量。如果你的 workload 不做安全相关工作，这些数字的含金量低于发布稿给人的印象。

编程提升确实存在，但那是相对 Argon 的增量，而不是对全场的跨越。 +89 elo 让 Carbon 排在 WebDev Arena 第四，而不是第一。谷歌报告的是相对自家前代的显著改进，而不是对竞品阵营的清扫。

对齐指标是谷歌选择放在最前面的部分。 在 Gray Swan 间接提示注入基准上 0% 攻击成功率、越界行为减少 26%、服务不足减少 29%，以及无依据声明数量约为 Argon 的一半。对于任何要处理不可信内容的智能体部署来说，这大概是本次发布里商业上最有价值的数据，而且这与前沿实验室通常的发布重点不同。

可用性：为什么你现在还调不动 Carbon

这部分在以跑分为核心的报道里被淡化了。Carbon 尚未进入 Gemini API。公告描述的是一个刻意分阶段的推广节奏：

本周起先向一部分网络防御者开放。
随后通过 Fairwind Program 逐步扩展到更多可信合作伙伴。
谷歌称正积极参与美国政府的模型发布前自愿测试流程。
面向开发者、企业和消费者的开放排在更后面，且没有给出时间表。

Argon 走过同样的路径，并在自身发布后大约两周（10 月 13 日）触达开发者。如果 Carbon 保持同样的节奏，开发者模型 ID 在 2026 年 11 月是合理的预期。但这是推测，不是承诺——公告里没有任何东西能让你围绕某个具体日期做计划。

Argon 的对比价值在于，它展示了今天的谷歌前沿模型在 API 上是什么样子。Argon 提供业内领先的 100 万 token 输出上限（此前为 64K），并且已经可以在 Google AI Studio 和 Android Studio 的 Gemini API 付费层上调用。

等待期间怎么调 Argon

Argon 暴露的是标准的 Gemini API 模型，100 万上下文窗口。OpenAI 兼容接口和谷歌原生 SDK 都能用，差别只在参数命名，不在能力。

curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-4-argon:generateContent"   -H "x-goog-api-key: $GEMINI_API_KEY"   -H "Content-Type: application/json"   -d '{
    "contents": [{ "role": "user", "parts": [{ "text": "Summarise this diff and flag the two riskiest hunks." }] }],
    "generationConfig": { "temperature": 0.2, "maxOutputTokens": 65536 }
  }'

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

resp = client.models.generate_content(
    model="gemini-4-argon",
    contents="Summarise this diff and flag the two riskiest hunks.",
    config={
        "temperature": 0.2,
        "max_output_tokens": 65536,
    },
)

print(resp.text)

# 每次 Gemini 4 请求都是一次成本决策。把你要重发的上下文缓存起来。
usage = resp.usage_metadata
cached = getattr(usage, "cached_content_token_count", 0) or 0
print("input tokens:", usage.prompt_token_count, "| cached:", cached)

第二个示例里有两个细节比看上去重要。

第一，100 万的输出 token 上限改变了单次智能体调用的成本结构。一个能吐出 65536 个 token 的模型，如果真的把预算用满，在 10 美元 / 百万的引入价下就是每次调用 0.66 美元。长周期智能体必须显式设定输出上限，而不是留着默认值。

第二是缓存 token 数。在引入价下，一个缓存输入 token 成本 0.10 美元 / 百万，而未缓存是 2 美元 / 百万。50 万 token 的上下文每轮重发一次，未缓存要 1 美元，缓存只要 0.05 美元——在多数智能体账单里最大的一项上省下 95%。

Argon 与 Carbon：你该等哪一个

两款模型共享价格、安全栈和推广形态，差别在于各自被设计来做什么，而谷歌对此的表述相当明确。

维度	Gemini 4 Argon	Gemini 4 Carbon
发布时间	2026-10-13（面向开发者）	2026-10-28
开发者可用	是——Gemini API 付费层	否——仅 Fairwind Program 首批用户
引入价	2 / 10 美元每百万 token	2 / 10 美元每百万 token
标准价	4 / 20 美元每百万 token	4 / 20 美元每百万 token
输出 token 上限	100 万（此前 64K）	未公布
上下文窗口	100 万 token	未公布
设计目标	长周期专业工作：代码迁移、法律与金融研究、网络防御	持续数天、不因死胡同中断的智能体工作流
关键基准	DeepSWE v1.1 77.9%、CWE-bench v1 68%、LVBench 91.7%	AA Intelligence Index 59（第一）、SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%
提示注入抵抗力	Gray Swan IPI 攻击成功率 0.7%	攻击成功率 0.0%

两者的设计目标指向不同方向。Argon 是知识工作与迁移模型——它驱动着谷歌内部从 C/C++ 到 Rust 的迁移，包括 80 万行以上的 Fuchsia Zircon 内核，并且在衡量金融、编程、法律、税务领域经济影响力的 Vals Index 上位居领先。

Carbon 是持久化模型。谷歌的描述是：内部团队看到 Carbon 连续运行数天，穿越死胡同，去定位并修复大型代码库和底层系统中的细微 bug。它还报告相比 Argon 生成安全代码的成功率提升超过 2 倍，Chrome 团队则报告 Carbon 在生成高质量补丁上比另一家实验室的大型前沿模型表现好 10 倍以上。

务实的读法是：如果你的任务边界清晰——一次迁移、一次研究——Argon 今天就够用，可以立刻开工。如果你的任务是一个必须连续运行数小时甚至数天、且中途无人干预的智能体，那么 Carbon 才是为它设计的模型，这种情况下等待是正确选择，而不是硬把 Argon 塞进一个它并非为此而生的岗位里。

放进前沿价格带里看

Carbon 落在一个拥挤的价格区间里。按当前各前沿模型的每百万 token 价格排列，缓存输入单独计费：

模型	输入	输出	缓存输入	上下文
GPT-6.1 Terra	1.00	5.00	0.05	1.05M
Gemini 4 Carbon（引入价）	2.00	10.00	0.10	未公布
Gemini 4 Argon（引入价）	2.00	10.00	0.10	1M
GPT-6.1 Sol	2.00	10.00	0.10	1.05M
Claude Opus 5.5	4.00	20.00	0.20	1M
Gemini 4 Carbon（标准价）	4.00	20.00	0.20	未公布

Carbon 在标准价下会与 Claude Opus 5.5 完全并列，恰好是 GPT-6.1 Terra 的两倍。如果你今天跑的就是前沿档位的负载，那么等 Carbon 落地后「因为更便宜所以切换」这个理由站不住脚——真正的理由必须是它能完成更便宜模型完不成的事。

而这个问题的答案，取决于那个「完不成」具体是什么。在 Artificial Analysis Intelligence Index 上，Carbon 以 59 分拿下第一；在为它量身打造的那几个基准上，它也确实做到了业界最优。但它能否把你具体 workload 里的失败率降下来，只有拿你自己的提示词跑一遍才知道。

如果你想在 Carbon 开放的第一时间用自己的流量做对比、又不想为每家 provider 单独写一遍集成，路由聚合器是最快的路径。FreeModel 提供 OpenAI 兼容接口，前面挂了多个上游 provider，同一个客户端换个模型 ID 就能对比成本与质量，集成层完全不用动。

客观说清楚限制

今天买不到 Carbon。 唯一的通道是 Fairwind Program 首批用户，没有开发者模型 ID，也没有面向普遍开放的日期。任何「下个迭代就用上 Carbon 端点」的规划，都是在规划一个假设。

引入价没有公布到期日。 两篇公告的脚注相同，都没有日期。做预算请按 4 美元 / 20 美元算，把标题价当临时优惠。

Carbon 的上下文与输出上限均未公布。 Argon 的 100 万输出上限曾被当作头条特性。Carbon 的数字不在公告里，这意味着长周期智能体每次调用的成本天花板确实是未知的。

六个头条基准里有三个是网络安全。 如果你的 workload 不做安全相关工作，榜单排名的参考价值低于发布稿的暗示。相比 54.8% 的漏洞利用分数，Argon 的 DeepSWE v1.1 77.9% 才是长周期软件工程更好的代理指标。

分阶段推广是刻意设计，而刻意的推广也可能停滞。 谷歌承诺进行发布前测试、持续迭代护栏。对这样能力的模型来说这是正确姿态，但也意味着时间表是开放的。Argon 用了两周，Carbon 并没有保证也是两周。

各自适合什么场景

现在就用 Argon，如果你要做大规模代码迁移、跨法律或金融文档的企业研究，或者任何当前模型一次就能给到正确答案、不需要靠自主长循环才能完成的多步任务。Argon 有 100 万输出上限、100 万上下文、DeepSWE v1.1 的跑分记录，而且现在就在 API 上可用。

等 Carbon，如果你的负载是一个必须连续跑数小时或数天、中途不能靠人接手、或者需要处理不可信输入而提示注入抵抗力正是瓶颈的智能体。Carbon 的 0% 注入攻击成功率和多天持久运行能力，是会真正改变你架构的两个特性。

不要因为价格而切换。 Carbon 的引入价等于 Argon 的引入价，且两者之后都会翻倍。如果决定因素是成本，今天更便宜的前沿选项是 1 美元 / 5 美元那一档。

结论

Gemini 4 Carbon 是一次货真价实强劲的模型发布，但它背后目前还没有一个已经交付的产品。截至 10 月 28 日，没有任何东西可以接入，没有可调用的模型 ID，也没有面向普遍开放的日期。

对 API 采购方来说，务实的应对是把 Carbon 当作规划输入，而不是开发目标。先基于 Argon 开发——它已上线且引入价相同，同时显式设定输出上限、从第一次请求就开启上下文缓存。然后按 4 美元 / 20 美元做预算，让引入期结束变成一次预算调整而不是一次意外。

等 Carbon 开放时，值得问的问题不是「它是不是个好模型」——就目前证据看是的——而是「我现在跑的这个具体任务，失败原因到底是能力不足还是价格不够」。如果是价格，1 美元 / 5 美元那一档已经在赢了。如果是能力，Carbon 正是为它而生的模型。

想先用自己的提示词跑一遍对比？

FreeModel 用一个 OpenAI 兼容接口挂了多个上游 provider。等 Carbon 开放，换个模型 ID 就能对比成本与质量，集成层完全不用动。

试用 FreeModel →

资料来源

谷歌官方博客 — Introducing Gemini 4 Carbon（2026-10-28）
谷歌官方博客 — Introducing Gemini 4 Argon
谷歌官方博客 — Gemini 4 Argon is now available for developers（2026-10-13）
OpenRouter models API — 对比表中的每 token 价格与上下文长度

Gemini 3.8 Live API 价格 2026 — 语音智能体用的音频到音频档位
GPT-6 Astra API 价格 2026 — 10/50 美元的前沿档位对照
OpenAI Moderation API 2026 — 把内容审核塞进同一次请求