Gemini 4 Argon vs Gemini 4 Carbon

vs

Cuál usar y cuándo

Estos dos modelos de Google comparten tarifa y límites: $2 de entrada, $10 de salida y $0.1 por lecturas de caché por millón de tokens, un contexto de 1048576 tokens, 65536 tokens de salida máxima y entrada de texto, imagen, audio y vídeo. La diferencia está en cuánto piensan: según Google, gemini-4-carbon gasta más tokens de razonamiento por turno que gemini-4-argon para explorar y verificar su trabajo, y el razonamiento se factura como salida, así que la misma tarea cuesta más y tarda más. Use gemini-4-argon por defecto y envíe el trabajo más difícil de programación, finanzas, derecho o ciencia a gemini-4-carbon.

Benchmarks

GanaSobre la mediaNinguno mejorGemini 4 Argon06 / 120 / 12Gemini 4 Carbon1212 / 1210 / 12

12 medidos en ambos.

Gemini 4 Argon Gemini 4 Carbon otros modelos medidos media de los modelos comparados ★ ningún otro modelo puntuó más alto
FrontierSWE 2 Proximal leaderboard, Carbon report
55%
61.2%
OSWorld 2.1 82 offline tasks, partial score. Gemini: best of 3. Peers: published evaluations
74.7%
81.5%
AutomationBench (Zapier) Zapier private set
51.3%
ningún otro modelo puntuó más alto 53.9%
GraphWalks BFS (F1) 256k to 1M tokens, 200 tasks, Google evaluation
84.2%
ningún otro modelo puntuó más alto 96.2%
Blueprint-Bench 2 Similarity score, Andon Labs leaderboard
54.4%
ningún otro modelo puntuó más alto 58.6%
Vending-Bench 2 (USD) Andon Labs leaderboard, Carbon report · 5422-16484
13718
ningún otro modelo puntuó más alto 16484
Chartography No tools, Carbon report
71.6%
ningún otro modelo puntuó más alto 72.5%

Publicado por los proveedores: Google

Precios

Gemini 4 Argon Gemini 4 Carbon Δ
Entrada / 1M tokens $2 $2 =
Salida / 1M tokens $10 $10 =
Lectura de caché / 1M tokens $0.1 $0.1 =

Tarifas tomadas del catálogo en vivo al generar el sitio; la página de cada modelo tiene la ficha de precios actualizada.

Dónde queda cada uno: precio de entrada por 1M de tokens entre los 86 modelos de chat que se facturan en esta unidad (escala logarítmica)

Capacidades

Gemini 4 Argon Gemini 4 Carbon
Uso de herramientas sí sí
Control del razonamiento

sí

el proveedor no publica cómo ajustarlo

siempre activo
Salida estructurada sí sí
Caché de prompts implícito (automático) implícito (automático)
Duración de la caché no publicado no publicado
Prefijo mínimo en caché 4,096 tokens 4,096 tokens

Especificaciones

Gemini 4 Argon Gemini 4 Carbon
Modalidades de entrada texto imagen audio vídeo texto imagen audio vídeo
Modalidades de salida texto texto
Lanzamiento 2026-10-13 2026-11-10
Corte de conocimiento 2026-03 2026-03
Ventana de contexto 1.048.576 1.048.576
Salida máxima 65.536 65.536
Parámetro de razonamiento - thinking_level
Valores aceptados -
thinking_level
  • low
  • medium
  • high

"minimal" and thinking_budget return 400

Valor por defecto - medium

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica un dato, la fila se omite en vez de deducirlo. Fuentes completas: Gemini 4 Argon · Gemini 4 Carbon

Un mismo prompt en los dos modelos, medido a través de la pasarela

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. COMPROBACIÓN exactamente 3 frases

Gemini 4 Argon superado · 3 sentences

Enabling the reasoning feature forces the AI to generate an extensive, hidden "chain of thought" to solve complex problems before delivering the final answer. Because LLM providers bill us per token generated, we are now paying for thousands of these invisible "thinking" words on top of the standard visible output. While this doubles our raw usage costs per query, it represents an investment in significantly higher accuracy and drastically reduced error rates for our most critical tasks.

salida 91 tok latencia 4.7 s

Gemini 4 Carbon superado · 3 sentences

Enabling reasoning instructs the AI to generate a lengthy, behind-the-scenes "thought process" to verify its logic before delivering a final answer. Because our vendor bills us based on total output volume, we are charged for all of that invisible scratchpad work in addition to the visible response, effectively doubling the compute consumed per query. Moving forward, we can control this cost by restricting reasoning strictly to complex, high-stakes workflows where higher accuracy justifies the premium, while routing routine tasks back to standard, lower-cost models.

salida 908 tok (+799 razonamiento) latencia 18.0 s

Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. COMPROBACIÓN la corrección pasa las pruebas

Gemini 4 Argon superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug occurs because the original function counts the number of matching adjacent *pairs* rather than the actual number of *elements* in a run, causing all non-empty results to be off by one. Because a single element constitutes a valid run of length 1, initializing and resetting `cur` and `best` to `0` instead of `1` means the first element of any sequence is never counted; this causes single-element lists (where the loop doesn't run) to wrongly return `0` and makes it seem like runs at the end are missed because a pair of matching elements only increments `cur` to `1` instead of `2`. […]

salida 286 tok latencia 7.5 s

Gemini 4 Carbon superado · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original function counts the number of matching adjacent *transitions* rather than the number of *elements* in a run because `best` and `cur` are initialized and reset to `0` instead of `1`. Because a single item on its own already forms a run of length `1`, starting at `0` causes every non-empty result to be short by one: single-element lists (where the loop never executes) and lists with no duplicates return `0` instead of `1`, and any run of $k$ equal items—including one ending at the last index—only increments `cur` $k - 1$ times, making it appear as though the final element of the run was missed. […]

salida 1411 tok (+1131 razonamiento) latencia 32.7 s

Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. COMPROBACIÓN JSON válido, esquema exacto

Gemini 4 Argon superado · 5/5 fields, guidance "withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": "eleven and change", "guidance": "withheld pending the Q4 close" } ```

salida 68 tok latencia 5.8 s

Gemini 4 Carbon superado · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": null } ```

salida 3338 tok (+3281 razonamiento) latencia 61.6 s

Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. COMPROBACIÓN 120 palabras, 0 palabras prohibidas

Gemini 4 Argon superado · 120 words, 0 banned, 1 question

Are you paying twice for the exact same AI responses? Today, we are introducing Cross-Provider Prompt Caching for our API gateway, a new feature designed to reduce your artificial intelligence infrastructure costs and latency. When your applications send identical prompts to different large language models, our gateway now intercepts the request and serves a verified, cached response in milliseconds. It works across OpenAI, Anthropic, and open-source models simultaneously. If your primary provider experiences an outage, your fallback model still benefits from the shared cache Layer, preventing expensive redundant computations. Engineering teams can configure custom time-to-live settings, set similarity thresholds, and monitor cache hit rates directly from the dashboard. Activate Cross-Provider Prompt Caching in your gateway settings today and start saving.

salida 156 tok latencia 6.3 s

Gemini 4 Carbon superado · 120 words, 0 banned, 1 question

Are your engineering teams paying multiple AI vendors to generate identical responses? Today, we are introducing Universal Prompt Caching for our flagship API Gateway. When applications route traffic across providers like OpenAI, Anthropic, and Mistral, duplicate queries drain budgets and degrade user experiences. Our new unified caching layer intercepts incoming prompts directly at the network edge. If an identical request was previously fulfilled by any connected model, the gateway delivers the stored response in milliseconds, completely bypassing external API calls. This practical upgrade cuts monthly token expenses substantially while accelerating overall application speed. Best of all, deployment requires zero complex code changes. Simply activate this capability inside your gateway configuration dashboard today to start reducing latency and infrastructure costs immediately.

salida 2620 tok (+2480 razonamiento) latencia 31.1 s

Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.

Cambia de uno a otro con una sola línea

Los dos ids aparecen en todas las pestañas de abajo; lo único que cambia es el par de líneas resaltadas. El endpoint, la clave y la estructura de la solicitud son los mismos.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-4-argon",
    # model="gemini-4-carbon",  # descomenta esta línea, comenta la de arriba
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

Obtén tu clave API →

Preguntas frecuentes

¿Cuál es más barato, Gemini 4 Argon o Gemini 4 Carbon?

Ambos cobran $2 en «Entrada / 1M tokens». Otras tarifas y la cantidad de unidades consumidas pueden cambiar el coste total.

¿Puedo hacer pruebas A/B de Gemini 4 Argon frente a Gemini 4 Carbon sin dos integraciones?

Sí. Los dos se sirven desde el mismo endpoint compatible con OpenAI y con una sola clave API. Para cambiar de uno a otro basta con tocar una línea, el nombre del modelo, así que puedes mandar una parte del tráfico a cada uno y comparar directamente las facturas.

¿Admiten Gemini 4 Argon y Gemini 4 Carbon caché de prompts?

Sí. Los dos cobran las lecturas de caché por debajo de su tarifa de entrada, así que las cargas de trabajo que reutilizan un prefijo ya cacheado cuestan menos de lo que sugieren los precios de lista. Las tarifas exactas de lectura de caché están en la tabla de precios de arriba.

Comparativas relacionadas

De nuestros estudios con mediciones