Gemini 4 Neon 和 Carbon 怎么选?12 月起哪个更便宜
按任务对比 Gemini 4 Neon 与 Carbon:定位、11 月与 12 月的 token 价格、默认思考档位、基准测试、幻觉率、可用渠道,以及可复算的成本例子。
复杂编码、Agent 和文档类工作默认用 Gemini 4 Neon;只有当 Neon 的结果仍然过不了你的验收时,再交给 Gemini 4 Carbon,例如深层根因调试、偏物理或研究级的推理,以及特别长链路的 Agent 任务。截至 2026 年 11 月 30 日,Carbon 的 token 单价($2/$10)低于 Neon($3/$15);从 12 月 1 日起,Carbon 调整为 $4/$20,按 token 计价时 Neon 变成更便宜的一方。 不过单价只是一半。在各自的默认设置下,Artificial Analysis 测得 Neon 完成其指数任务所用的时间约为 Carbon 的一半,得分相近。
本文核对日期为 2026 年 11 月 19 日,即 Neon 发布后的第二天。依据包括 Google 的文档、两款模型的模型卡及其评测方法 PDF,以及同日从 Artificial Analysis(AA)在线模型页读取的数据。为写这篇文章,我们没有自己运行 Neon 或 Carbon。 下文的成本场景都标明是算术推演,不是账单,也不是实测。
本文由 Ofox 发布。两款模型目前都不能通过 Ofox 调用:11 月 19 日调用 GET https://api.ofox.ai/v1/models,列表里有 google/gemini-4-hydrogen 和 google/gemini-4-argon,没有 Neon,也没有 Carbon。下文所有关于调用 Neon 或 Carbon 的内容,指的都是 Google 自己的 Gemini API、AI Studio、Gemini 应用和 Antigravity。
Google 如何给 Neon 和 Carbon 定位
Google 把 Gemini 4 系列描述成一级级的阶梯。Neon 开发者指南(英文)写道,Neon “sits between Gemini 4 Hydrogen and Gemini 4 Carbon for high-frequency complex tasks”,即在 Hydrogen 和 Carbon 之间,负责高频的复杂任务。模型选择页(英文)补充说,Neon “finishes faster with fewer output tokens than Carbon”,适合 “you don’t need Carbon’s extra verification” 的场景,也就是比 Carbon 更快完成、输出 token 更少,不需要 Carbon 额外验证时选它。Carbon 被描述为 Google 推理能力最强的模型,每一轮会花更多思考 token 来检验假设、核对修复方案。Google 推荐把它用于系统架构、多文件调试、高密度多模态分析、形式化证明和安全审计,“or when a faster model gets stuck”(或者更快的模型卡住时)。
Neon 模型卡(英文)说明 Neon 由 Gemini 4 Carbon 改造而来,并用一句话概括了分工:Carbon “tackles your hardest, long-horizon projects”(处理最难、最长链路的项目),Hydrogen 负责日常的快速执行,Neon “balances depth and efficiency”(兼顾深度和效率)。Carbon 模型卡(英文)提到,Carbon 可能出现 “occasional slowness or timeout issues”(偶尔变慢或超时),也可能消耗更多 token,在较高思考档位下尤其如此。
两者共享的技术规格相同:输入、思考和输出共用一个 1,048,576 token 的统一窗口;同步输出默认上限 65,536 token,通过后台执行或续写可以把长解码做到 1M;只有隐式缓存(没有 cachedContents);内置工具也一样(Google Search、代码执行、函数调用、Computer Use、结构化输出)。请求格式完全一致,所以两者之间切换只需要改模型 ID,再决定思考档位。你选择的是两种推理深度,而不是两套 API。
| Gemini 4 Neon | Gemini 4 Carbon | |
|---|---|---|
| 模型 ID | gemini-4-neon | gemini-4-carbon |
| 模型卡发布日期 | 2026 年 11 月 18 日 | 2026 年 11 月 10 日 |
| Google 给它的定位 | 复杂且高频的编码、知识和科研工作 | 最难、最长链路的问题;更快的模型卡住时 |
| 思考档位 | low、medium、high(默认)、xhigh | low、medium(默认)、high |
| API 免费层 | 无 | 无 |
| 知识截止(模型卡) | 2026 年 3 月 | 2026 年 3 月 |
| Ofox 是否可用(11 月 19 日核对) | 否 | 否 |
现在和 12 月 1 日之后的 token 单价
下面是 Google 价格页(英文)上的 Standard 付费层价格,单位为美元/百万 token,核对于 2026 年 11 月 19 日。输出包含思考 token。Batch、Flex 和 Priority 层级不在本文范围内。
| 计费项 | Neon | Carbon(截至 2026 年 11 月 30 日) | Carbon(2026 年 12 月 1 日起) |
|---|---|---|---|
| 输入 | $3.00 | $2.00 | $4.00 |
| 缓存输入(隐式缓存命中) | $0.15 | $0.10 | $0.20 |
| 输出(含思考) | $15.00 | $10.00 | $20.00 |
Google 说明 Neon 没有首发优惠价,Carbon 的 11 月价格是首发优惠价。11 月,Carbon 每一项 token 单价都正好是 Neon 的三分之二;12 月 1 日起则是 Neon 的三分之四。token 用量相同时,可以得出一条简单规则:
- 11 月: 同样的 token,Carbon 比 Neon 便宜 33%。只要 Carbon 在同一任务上消耗的 token 不超过 Neon 的 1.5 倍,它就仍然更便宜。
- 12 月 1 日起: 同样的 token,Carbon 比 Neon 贵 33%。只有当 Carbon 消耗的 token 少于 Neon 的 0.75 倍时,它才更便宜。
问题在于,同一个任务在两款模型上很少消耗同样多的 token,默认设置的影响就体现在这里。按思考档位估算 Neon 预算,见我们的 Neon 各思考档位价格指南。Carbon 和 Argon 的调价本身,见 12 月 1 日有哪些变化。
默认思考档位不同,默认对默认并不公平
Neon 默认 high,另有 xhigh;Carbon 默认 medium,最高只到 high。Google 的迁移清单写得很直接:“Carbon and Argon default to medium and cap at high.”(Carbon 和 Argon 默认 medium,上限 high。)如果只换模型 ID、别的都不改,你实际是在拿 Neon 的第二高档和 Carbon 的中间档比较。而且档位名字相同,也不代表两款模型投入的计算量相同。各模型支持哪些档位、怎么选,见 Gemini 4 思考档位选择指南。
Artificial Analysis 会分别评测每个思考档位,所以可以把它们逐档对齐。下表数值来自 2026 年 11 月 19 日读取的 Neon(英文)和 Carbon(英文)在线页面(Intelligence Index v5.0.1,Google 第一方 API)。
| 配置 | AA Intelligence Index | 每个指数任务耗时 | 每个指数任务成本(按 AA 所列) | 整轮指数评测的输出 token |
|---|---|---|---|---|
Neon xhigh | 61 | 21.5 分钟 | $6.44 | 283M |
Neon high(默认) | 60 | 14.8 分钟 | $3.74 | 123M |
Neon medium | 55 | 8.3 分钟 | $1.90 | 62.9M |
Neon low | 44 | 3.7 分钟 | $0.75 | 28.3M |
Carbon high | 60 | 37.2 分钟 | $7.76 | 205M |
Carbon medium(默认) | 58 | 29.6 分钟 | $6.59 | 124M |
Carbon low | 54 | 30.4 分钟 | $7.19 | 83.9M |
读这张表时有三点要留意。
AA 按 $4/$20 给 Carbon 计价。 它的 Carbon 页面写的是 “$4.00 per 1M input tokens” 和 “$20.00 per 1M output tokens”,这是 12 月的价格,不是 11 月的首发优惠价。所以上表中 Carbon 的每一个成本数字都是 12 月 1 日之后的成本。Carbon 的各项 token 单价在 11 月都正好是 12 月的一半,按 11 月价格估算,同样的评测每个任务约为 $3.88(high)、$3.29(medium)和 $3.59(low)。这个减半是我们根据 AA 数字做的算术,不是 AA 公布的数字。
每任务耗时是一个 token 吞吐指标。 AA 用每个任务的输出 token 除以实测输出速度,再按指数构成加权得出它。页面显示 Neon 各档位约为每秒 97–110 个输出 token,Carbon 约为每秒 47–58 个。它能较好地反映模型花在生成上的时间,但不是包含工具执行在内的 Agent 实际运行时长。
Google 所说的 “32% lower cost per task”,用 AA 今天的页面复算不出来。 Neon 的发布公告把这个数字和 Artificial Analysis Intelligence Index 挂钩:在默认的 high 档,Neon “pairs a high Artificial Analysis Intelligence Index score with a 32% lower cost per task than Carbon”(指数得分高,每任务成本比 Carbon 低 32%)。Google 没有说明用的是 Carbon 哪个思考档位、哪个价格期间,以及哪一份 AA 数据快照。按 AA 当前数据和 12 月价格,Neon high($3.74)比 Carbon high 低 52%,比 Carbon medium 低 43%,比 Carbon low 低 48%。按 11 月价格,它比 Carbon high 低 3.5%,比 Carbon medium 反而高约 14%。这些组合都得不到 32%,所以应把它当作 Google 的说法,而不是今天能自己复算的数字。
从这些证据看,同口径的比较是 Neon high 对 Carbon high:指数得分几乎一样(59.6 对 60.0),Neon 用时约为 Carbon 的 40%,按 12 月价格计算,每任务成本约为 Carbon 的一半。Neon high 对 Carbon medium(即默认对默认)时,Neon 指数得分略高(59.6 对 58.3),用时只有一半。有一处反转容易忽略:Carbon low(54)的得分远高于 Neon low(44),不过 AA 测得 Carbon low 并不比 Carbon medium 快。
两张模型卡上都出现的基准测试
Google 为两款模型分别发布了模型卡,对比对象也不同。Neon 卡对比的是 Claude Opus 5.5 和 GPT-6.2 Sol;Carbon 卡对比的是 Gemini 4 Argon、GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1。两张卡都没有 Carbon 对 Neon 的表格。下面这些行同时出现在两张卡上。阅读前,先看 Google 两份评测方法 PDF 里的几项设置:
- 两份都写明结果使用 “the highest thinking settings unless indicated otherwise”(除非另有说明,均为最高思考设置)。也就是 Neon
xhigh和 Carbonhigh,不是默认档。 - Carbon 卡注明 “as of October 2026”,Neon 卡注明 “as of November, 2026”。
- Carbon 的网络安全数据反映的是通过 Fairwind Program 获得的访问权限。
| 基准测试(按原标注) | Neon 卡 | Carbon 卡 | 设置是否相同? |
|---|---|---|---|
| Vals Index v2.2 | 70.9% | 70.4% | 均来自 Vals AI |
| AutomationBench (Zapier) | 56.3% | 53.9% | 均来自公开排行榜(Carbon:私有集) |
| Chartography | 73.5% | 72.5% | 均不使用工具 |
| RiemannBench | 84.0% | 80.0% | 均来自公开排行榜 |
| GraphWalks 256k–1M, BFS F1 | 95.2% | 96.2% | 均在同样 200 道题上自行计算 |
| SEC-bench Pro | 90.5% | 88.2% | 同一个 183 任务划分和 Antigravity 测试框架;Carbon 的分数是 Fairwind 访问下的结果 |
| Agents’ Last Exam v1.1 | 75.8% | 77.4% | 否:Neon 用的是 Antigravity-CLI 1.4.8 框架,Carbon 用的是 ALE-Claw 框架 |
| Terminal-Bench-Science 0.1 | 70.5% | 64.8% | 否:Neon 用 mini-swe-agent vision 框架自行计算 5 次尝试;Carbon 数据来自 AA |
| SWE-sweep | 12.8%(mini-SWE)/39.0%(Antigravity 框架) | 9.6% | 只有 mini-SWE 的数字设置相近(Neon 用的是 “vision” 变体) |
| AA Index | 61(v5.0.1) | 59(v5.0) | 否:指数版本不同。按今天的 v5.0.1,Carbon high 为 60 |
只是看起来相像的行没有放进来:Terminal-Bench 4.1(Neon)对 4.0(Carbon),CWE-bench v2 对 CWE-bench v1,以及 ExploitGym(Neon 卡上没有分数)。Vending-Bench 2 只出现在 Neon 发布公告($16,843)和 Carbon 卡($16,484)上。
这些口径干净的行只能支持一个温和的结论。在各自最高设置下,Neon 在几项知识工作和数学任务上与 Carbon 持平或略高。Carbon 在 256K–1M token 的图遍历上保持 1 个百分点的领先。排除测试框架差异之后,没有哪一行显示任何一方有大幅差距。 Neon 在 SWE-sweep 上从 12.8% 跳到 39.0%,来自 Antigravity 框架,Google 说这个框架带有一个子 Agent 扇出工具。这不是模型本身相对 Carbon 9.6% 的提升。
同一批指标在 Artificial Analysis 上的逐档数据
AA 用同一个测试框架跑两款模型,所以它的分项得分能提供更干净的同档对比。以下数值同样来自 11 月 19 日的页面数据:
| AA 分项 | Neon high | Neon xhigh | Carbon medium | Carbon high |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 61.6% | 63.6% | 60.6% | 65.2% |
| FrontierCode-AA 2.0 | 43.3% | 44.4% | 39.5% | 40.6% |
| HLE-Diamond | 68.4% | 71.3% | 67.4% | 69.1% |
| Terminal-Bench-Science 0.1 | 65.7% | 70.0% | 62.4% | 64.8% |
| CritPt v2 (hard subset) | 59.0% | 60.5% | 69.0% | 69.0% |
CritPt 是一项研究级物理评测,也是表中唯一一处 Carbon 在所有列出档位上都明显领先的地方。Terminal-Bench 4.0 上 Carbon high 小幅领先。在各自最高档(Neon xhigh 对 Carbon high),Neon 在 FrontierCode-AA 上领先 3.8 分,HLE-Diamond 领先 2.2 分,Terminal-Bench-Science 领先 5.2 分。换成 high 对 high,差距缩小为 2.7、−0.7 和 0.9,HLE-Diamond 变成 Carbon 领先。选哪一组配对,结论就会跟着变。单项基准测试上两三分的差距,不能证明某个模型更适合你的任务。
幻觉率:两款模型的默认档走向相反
AA 的 Omniscience 评测(英文)把幻觉率定义为:在所有非正确回答中,错误回答所占的比例。换句话说,模型不知道答案时,有多大比例是瞎猜答错,而不是拒答或给出部分答案。越低越好。它衡量的东西与准确率不同,所以两列都要看:
| 配置 | AA-Omniscience 幻觉率 | AA-Omniscience 准确率 |
|---|---|---|
Neon xhigh | 14.4% | 60.5% |
Neon high(默认) | 13.9% | 59.4% |
Neon medium | 16.2% | 57.9% |
Neon low | 18.8% | 56.6% |
Carbon high | 11.4% | 58.3% |
Carbon medium(默认) | 4.2% | 48.9% |
Carbon low | 19.8% | 49.2% |
来源:2026 年 11 月 19 日读取的 AA 模型页数据;数值保留一位小数。
在默认设置下,Carbon 编造内容的可能性低得多(4.2% 对 13.9%),但答对的比例也低得多(48.9% 对 59.4%)。Carbon medium 更常拒答,而不是去猜。换成 high 对 high,差距收窄为 11.4% 对 13.9%,准确率相近。因此,当答错的代价高于不答时,Carbon medium 是更好的默认选择,例如合规信息抽取、必须附引用的研究摘要,或由人工复核遗漏项的医疗、法律分诊。如果更看重覆盖面,而且你本来就会校验输出,Neon high 更合适。
关于 4.2% 还要提醒一点:Carbon 的幻觉率并不随档位单调变化(low 为 19.8%,medium 为 4.2%,high 为 11.4%),而 Neon 的幻觉率随思考档位升高稳步下降。这只是 AA 的一次快照。Carbon medium 的低幻觉率说明值得拿你自己那些需要在拒答和作答之间取舍的用例测一测,但不能当作已经确定的特性。
Google 自己的 Neon 发布公告引用的是另一种指标:在 Google Antigravity 内部测试中 “lowest fabrication rate yet”(迄今最低的编造率)。那是内部的 Agent 评测,不是 AA-Omniscience,两个数字不应直接比较。
Carbon 仍然值得用的地方
Google 的文档和第三方数据在以下几点上是一致的:
- 更快的模型已经失败的问题。 Google 的选择指南建议 “when a faster model gets stuck” 时选 Carbon。这是一条升级规则,不是起点。
- 研究级物理和证明类推理。 CritPt 是 Carbon 领先最明确的实测项(69% 对 59–60.5%)。Google 也把形式化证明和科学发现列在 Carbon 名下。
- 需要追踪结构的超长上下文。 256K–1M token 的 GraphWalks 为 96.2% 对 95.2%。差距不大,但这是唯一一项 Carbon 领先的长上下文数据。
- 宁可拒答也不乱猜的工作负载,使用 Carbon 默认的
medium,理由见上面的幻觉率部分。 - Carbon 专属的网络安全访问。 Carbon 的网络安全能力目前通过 Fairwind 提供。Google 表示 Neon for cyber 正在 “rolling out to trusted defenders in the coming days”(未来几天向可信防御方陆续开放),所以经过验证的防御方可能很快两者都能用。
在 Carbon 的一些传统强项上,Neon 也有反向说法。Google 称 Neon for cyber 在 AutoBaxBench 上生成的代码比 Carbon 更安全,在 ExploitGym 上用的 token 只有 Carbon 的一半,在 CWE-bench v2 上显示出 “a 3.4% uplift over Carbon”(比 Carbon 提升 3.4%)。这些都是 Google 自己的说法,没有公布 Carbon 在相同配置下的数字。
可用渠道:谁能在哪里用哪款模型
| 渠道 | Neon | Carbon |
|---|---|---|
| Gemini API | 仅付费层(generateContent 和 Interactions API) | 仅付费层 |
| Google AI Studio | 可用;Google AI Pro 和 Ultra 套餐可以试用 | 可用 |
| Gemini 应用(消费者版) | Google AI Pro 和 Ultra 订阅用户 | 模型卡写的消费者渠道为 Google AI Ultra |
| Google Antigravity | 付费的 Google AI Pro 和 Ultra 订阅用户 | 模型卡写的是 Google AI Ultra |
| Gemini 企业版 | API 和模型下拉菜单 | 已列出 |
| Gemini Managed Agents(Antigravity agent) | 支持,可单独运行或编排 Hydrogen | 通过 agent_config 的模型覆盖支持 |
| Fairwind 网络安全版本 | ”Neon for cyber” 正向符合条件的成员陆续开放 | 通过 Fairwind 提供网络安全能力 |
| Ofox API(11 月 19 日核对) | 不可用 | 不可用 |
来源:Neon 发布公告、两张模型卡的分发说明部分、Neon 和 Carbon 的开发者指南,以及模型选择页。
也就是说,Google AI Pro 订阅可以在应用和 Antigravity 里用到 Neon,而 Carbon 模型卡在这些渠道上列的是 Ultra。消费者订阅不包含任何一款模型的 API 访问权限,你的 API 项目必须在付费层。如果你在决定编码 Agent 该用哪个渠道,我们的 Gemini 4 模型选择指南讲了应用、Antigravity 和 API 访问的区别。第一次用 API 调 Neon,可以看 Neon API 接入指南。
三类工作负载的成本推演
本节全部是算术,不是实测。 token 数量是虚构的,用来代表几类常见的工作形态。费率是上面列出的 Google Standard 美元价格(每百万 token),输出包含思考。计算脚本和输出可以复现。
每次请求的公式是:
cost = (input_total - cached_input) × input_rate / 1e6
+ cached_input × cached_rate / 1e6
+ output_including_thinking × output_rate / 1e6
三类工作负载如下,token 数量是我们为 Neon high 假设的:
- W1,单份文档抽取: 80,000 个未缓存输入 token,8,000 个输出 token。
- W2,多轮编码 Agent 会话: 各轮合计 1,200,000 个输入 token,其中 1,000,000 个命中隐式缓存;90,000 个输出 token。
- W3,长篇分析报告: 300,000 个未缓存输入 token,150,000 个输出 token。
场景 A:两款模型 token 用量相同
| 工作负载 | Neon | Carbon,11 月 | Carbon,12 月 |
|---|---|---|---|
| W1 文档抽取 | $0.360 | $0.240 | $0.480 |
| W2 编码 Agent 会话 | $2.100 | $1.400 | $2.800 |
| W3 长报告 | $3.150 | $2.100 | $4.200 |
W2 的算法:Neon 为 0.2M × $3 + 1.0M × $0.15 + 0.09M × $15 = $2.10,Carbon 11 月为 0.2M × $2 + 1.0M × $0.10 + 0.09M × $10 = $1.40。这个场景只看价格:同样的 token,11 月 Carbon 更便宜,12 月起则更贵。
场景 B:Carbon 按 AA 观测到的比例消耗 token
在 AA 的整轮指数评测中,Carbon medium 的输出 token 是 Neon high 的 1.01 倍,处理的输入 token 是 1.47 倍。Carbon high 的输出是 1.66 倍,输入是 1.74 倍。我们把输出比例用于全部三类负载,输入比例只用于 W2:单次抽取或写报告,无论用哪个模型读的都是同样的文档,而 Agent 循环会增加轮次。这里是拿 AA 的任务组合代替你的任务组合,所以只能作为示意,不是预测。上述比例是整轮评测的原始总量;如果用 AA 按指数加权的每任务输出 token,Carbon 的比例更高(medium 为 1.14 倍,high 为 1.36 倍),表格下方给出了这一敏感性检验。
| 工作负载 | Neon high | Carbon medium,11 月 | Carbon medium,12 月 | Carbon high,11 月 | Carbon high,12 月 |
|---|---|---|---|---|---|
| W1 文档抽取 | $0.360 | $0.241 | $0.481 | $0.293 | $0.586 |
| W2 编码 Agent 会话 | $2.100 | $1.642 | $3.284 | $2.366 | $4.732 |
| W3 长报告 | $3.150 | $2.112 | $4.223 | $3.096 | $6.192 |
三类负载呈现同一个规律。截至 11 月 30 日,即使算上更多的 token 消耗,默认档的 Carbon 仍是更便宜的模型。从 12 月 1 日起,每种情况下都是 Neon 更便宜,在这个场景中便宜 25% 到 56%。 11 月的 Carbon high 与 Neon 的差距在上下约 20% 以内(W1 和 W3 更便宜,W2 更贵),但耗时更长,所以仅凭成本不足以成为选它的理由。
敏感性检验:改用 AA 的每任务输出比例后,Carbon medium 在 11 月的 W1–W3 成本为 $0.251、$1.763 和 $2.313,Carbon high 为 $0.269、$2.093 和 $2.642。11 月的结论不变(Carbon high 在 W2 上变成与 Neon 大致持平,而不是更贵),12 月 Carbon 的每个数字都比 Neon 高出更多。
有两点要注意。第一,一次重试的代价超过 token 单价差。如果 Neon 做不成的任务 Carbon 能做成,每个被接受任务的成本可能反过来,这也是我们的 Carbon 任务成本指南把每次尝试都计入、而不只算成功那一次的原因。第二,跨越 11 月 30 日到 12 月 1 日的请求,按 Google 对生效日期的处理方式计费,这一点我们没有核实。不要假定一个长时间的后台任务会一直按首发优惠价计费。
按任务选择的决策表
| 任务 | 先用 | 升级到 | 原因 |
|---|---|---|---|
| 带测试的多文件重构或新功能 | Neon high | 上下文已经完整、测试仍失败时,换 Carbon high | high 档指数得分几乎相同(59.6 对 60.0);Neon 更快,12 月起也更便宜 |
| 间歇性并发问题或跨服务 bug | Neon high | Carbon high | Google 把根因调试列为 Carbon 的工作;升级测试的成本不高 |
| 工具调用多、会话长的 Agent | Neon high | 只在规划或审查步骤用 Carbon | Google 把 Neon 定位于工具密集的长任务;Carbon 解码较慢,轮次越多影响越大 |
| 研究级物理、证明 | Carbon high | — | Carbon 领先最明确的实测项(CritPt) |
| 填错值比留空更糟的信息抽取 | Carbon medium | — | 默认档 AA 幻觉率 4.2%,代价是准确率较低;请在自己的用例上验证 |
| 高密度 PDF、表格和图表综合分析 | Neon high | 如果问题是无依据的结论,换 Carbon medium | Chartography 上两者接近;按错误类型选择 |
| 在 256K–1M token 的结构化上下文中检索 | 都可以,两个都测 | — | GraphWalks 95.2% 对 96.2%,对大多数用途来说在误差范围内 |
| 高并发、对延迟敏感的步骤 | Neon medium,或 Hydrogen | — | AA 上 Neon medium 用 8.3 分钟拿到 55 分;在那里 Carbon low 并不比 Carbon medium 快 |
| 经过验证的防御方做安全审查 | 你能用到的那个 Fairwind 版本 | 两个都能用就都比一比 | Google 称 Neon 在几项网络安全指标上优于 Carbon |
这张表是我们根据以上证据给出的编辑建议,不能保证适用于你的工作负载。截至 11 月 30 日,对能容忍延迟的批处理来说,Carbon medium 也是一个合理的省钱默认选项。请计划在 12 月 1 日结束这条路线,或届时重新评估。
切换之前,先做你自己的对比
公平的内部测试要让每款模型跑不止一个档位:
- 固定输入:每次运行使用同一个代码仓库提交、同样的文档、工具和验收标准。
- Neon 跑
high和medium,Carbon 跑medium和high。只有high失败时才加测 Neonxhigh。两者的max_output_tokens都设为至少 65,536。Carbon 指南建议不低于 32,768,因为上限太小时,思考可能在答案出现前就把额度用完。 - 记录模型 ID、思考档位、输入、缓存和输出 token、实际耗时、重试次数,以及结果是否通过。
- 把记录下来的 token 分别按 Carbon 的 11 月和 12 月价格计价。
- 按任务类型选出能通过验收的最便宜配置,而不是所有任务都用同一个模型。
难的提示在两款模型上都可能运行好几分钟。Google 的 Neon 指南建议使用后台执行,或把 HTTP 超时设为至少 15 分钟。如果换模型后工具调用失败,先检查 thought signature 的处理,再怀疑模型。我们的 Gemini 4 API 报错指南(针对 Argon 编写)里的请求和配额错误,同样适用于这一 API 系列。关于限流重试的一般做法,见什么时候该重试 429。
现在能在 Ofox 上用什么
截至 2026 年 11 月 19 日,Neon 和 Carbon 都不在 Ofox 的模型目录里。你能通过 Ofox 调用的 Gemini 4 模型是 Gemini 4 Hydrogen 和 Gemini 4 Argon,当前价格以这两个模型页为准。Hydrogen 是 Google 推荐的日常执行模型,也是 Google 搭配 Neon 或 Carbon 作为子 Agent 的那一款。Ofox Gemini API 文档介绍了原生 Gemini 路由,错误处理指南介绍了重试。如果 Ofox 上线 Neon 或 Carbon,本文会更新。在此之前,两款模型都请使用 Google 的 API,也不要把 Google 的价格当成 Ofox 的价格。


