# Gemini 4 Carbon vs Argon: что лучше для кода и рассуждений

> Сравниваем Gemini 4 Carbon и Argon в коде и рассуждениях: официальное назначение, доступ к API, расход токенов и настройки перед сменой модели.

- Canonical HTML: https://omniakey.com/ru/blog/gemini-4-carbon-vs-argon
- Markdown: https://omniakey.com/ru/blog/gemini-4-carbon-vs-argon.md
- Published: 2026-11-11 (updated 2026-11-11)
- Author: Kiki, COO at OmniaKey
- Language: ru
- Category: Comparison
- Reading time: 8 min
- All posts: https://omniakey.com/blog/llms.txt

---

[Анонс Google от 10 ноября 2026 года](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/) оставляет [Gemini 4 Argon](https://omniakey.com/ru/gemini-4-argon) рекомендацией для большинства задач по коду и работе со знаниями, а Carbon направляет на сложную многошаговую отладку и открытые исследования. Тариф Standard у обеих моделей одинаковый: $2 за миллион входных токенов и $10 за миллион выходных до 30 ноября, затем $4 и $20.

- **Позиция**: Argon остаётся выбором по умолчанию для большей части разработки; Carbon берёт самые сложные многошаговые задачи.
- **Цена**: одинаковые тарифы Standard, и обе начинают с мышлением на medium.
- **Счёт**: токены мышления тарифицируются как выходные, поэтому больше рассуждений повышает стоимость запроса; повторные попытки, использование кэша и размер ввода тоже меняют счёт за задачу.
- **Доступ**: платный Gemini API для обеих, без бесплатного уровня.

## Gemini 4 Carbon и Argon: краткий обзор

Начните со строки, которая может остановить проект, затем посмотрите на значения по умолчанию, которые вы наследуете.

|Пункт|Argon|Carbon|
|-|-|-|
|Роль у Google|Большая часть кода и работы со знаниями|Сложный многошаговый код и исследования|
|Окно контекста|1,048,576|1,048,576|
|Мышление по умолчанию|Medium|Medium|
|Доступ по API|Платный, без бесплатного уровня|Платный, без бесплатного уровня|

Строка о роли взята из [анонса от 10 ноября 2026 года](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/). Окно и мышление по умолчанию — из [страницы моделей](https://ai.google.dev/gemini-api/docs/models) и [документации о мышлении](https://ai.google.dev/gemini-api/docs/thinking), обе проверены 11 ноября 2026 года. Платный доступ указан в анонсе и повторяется на [странице цен](https://ai.google.dev/gemini-api/docs/pricing), где обе модели отмечены как недоступные на бесплатном уровне.

## Какие задачи по коду Google поручает каждой модели?

[Анонс](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/) называет Carbon самой сильной моделью и перечисляет работу, которую она должна взять: сложное многошаговое программирование и отладка, долгосрочные агентные задачи, кибербезопасность и открытые научные исследования. В том же тексте сказано, что Argon остаётся идеальным выбором для большинства задач разработки и работы со знаниями. Читайте это как значение по умолчанию от поставщика: начинайте задачу на Argon и переводите на Carbon, когда она снова и снова проваливается на планировании или проверке.

[Страница моделей](https://ai.google.dev/gemini-api/docs/models) описывает Argon как эффективную передовую модель рассуждений Gemini 4: она отвечает быстрее и тратит меньше токенов за ход, чем Carbon, на сложных задачах по коду, агентах, математике и науке. Меньший расход за ход и более низкий тариф — разные числа. Цены за токен совпадают, поэтому разница проявляется в количестве токенов: Google говорит, что Argon тратит меньше токенов за ход, а общий объём задачи зависит от того, сколько нужно планирования, проверки и повторных попыток.

Наш [прошлый тест Argon на задачах по коду](https://omniakey.com/ru/blog/gemini-4-argon-coding-test) — отдельное сравнение с Claude Opus 5.5, без Carbon. Эти результаты описывают Argon на том наборе задач; они ничего не говорят о том, как Carbon справится с той же работой.

Три ситуации стоит проверить на Carbon:

1. Падающий тест затрагивает четыре файла, и исправление зависит от прослеживания вызовов между модулями.
2. Обновление зависимости меняет API в нескольких местах, поэтому модели нужно спланировать правки, применить их и заново запустить набор тестов.
3. Исследовательский вопрос требует плана, первого эксперимента, взгляда на результаты и переработанной второй попытки.

Каждая из них — кандидат для вашей собственной оценки; именно на таких задачах смена модели должна доказать пользу. Google также продвигает Carbon для открытых исследований и приводит примеры из физики, математики, наук о жизни и формальной верификации, которые выбрал сам.

## Что измерило независимое исследование 28 октября?

[Artificial Analysis опубликовала отчёт 28 октября 2026 года](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1). В нём модели сравниваются с высокими настройками рассуждений в Intelligence Index v5 — составном индексе из девяти оценок.

|Показатель (высокая настройка)|Carbon|Argon|
|-|-|-|
|Intelligence Index v5|59|50|
|AA-Briefcase, Elo|1609|1483|
|AA-Omniscience, доля галлюцинаций|11%|4%|

В отчёте Carbon на 9 баллов выше Argon по индексу, то есть Argon остаётся на 50, и на 126 Elo выше по AA-Briefcase. В AA-Omniscience v1.1 два показателя расходятся: точность Carbon на 10 баллов выше, а доля галлюцинаций растёт с 4% до 11%. Отчёт определяет девять оценок в [методике Artificial Analysis](https://artificialanalysis.ai/methodology/intelligence-benchmarking). Более высокий суммарный балл и более высокая доля галлюцинаций в одной оценке могут уживаться в одной модели; поэтому смену стоит проверять на своих задачах. Отчёт опубликован 28 октября 2026 года, обе модели сравнивались с высоким уровнем рассуждений в Index v5; он не ранжирует модели для вашего репозитория.

## Почему при одинаковом тарифе счёт выходит разным

У обоих ID одна таблица Standard, поэтому сравнивайте реально израсходованные входные, кэшированные входные и выходные токены задачи, а также повторные попытки и другие начисления. Одно лишь общее число токенов счёт не определяет. [Страница цен](https://ai.google.dev/gemini-api/docs/pricing) Google приводит эти значения за миллион токенов, проверено 11 ноября 2026 года.

|Статья Standard|До 30 нояб.|С 1 дек.|
|-|-|-|
|Ввод|$2.00|$4.00|
|Вывод, включая мышление|$10.00|$20.00|
|Кэшированный ввод|$0.10|$0.20|

Возьмём показательный запрос: 100,000 входных токенов, 5,000 видимых выходных и 15,000 токенов мышления. Мышление считается выходом, поэтому выходных токенов всего 20,000. До 30 ноября ввод стоит 100,000 ÷ 1,000,000 × $2.00 = $0.20, вывод — 20,000 ÷ 1,000,000 × $10.00 = $0.20, итого $0.40. С 1 декабря тот же запрос стоит $0.80. Количество токенов — предположения для расчёта, а итог использует только прайс-лист Google; попадания в кэш, расходы на grounding и инструменты, повторные попытки и пакетные скидки не учтены.

Итог меняют уровень мышления, размер промпта и число попыток. Задача, которая создаёт больше токенов мышления, при том же тарифе получает другой счёт, даже если завершается за один проход. Кэш у обоих ID работает одинаково: тариф совпадает, и доступно только неявное кэширование.

## Нужно ли менять настройки при переходе?

У обоих ID мышление по умолчанию стоит на medium, доступны low, medium и high ([документация о мышлении](https://ai.google.dev/gemini-api/docs/thinking), проверена 11 ноября 2026 года). Обе модели есть в одной [таблице моделей Gemini 4](https://ai.google.dev/gemini-api/docs/models) как `gemini-4-argon` и `gemini-4-carbon`. Названия полей ниже взяты из документации Google по Interactions API; проверьте их в SDK, который вызываете, потому что поведение инструментов и функций может различаться между SDK. Перед переходом стоит проверить четыре пункта.

1. **Усилие, а не обрезка**. `thinking_level` задаёт усилие рассуждения, а `max_output_tokens` ограничивает созданные токены, включая размышления. Слишком маленький лимит может завершить ответ со статусом `incomplete`, при этом уже созданные размышления всё равно тарифицируются.
2. **Одно общее окно**. Ввод, мышление и вывод используют одни и те же 1,048,576 токенов. Если промпт плюс `max_output_tokens` превышает это окно, API сокращает вывод до оставшегося места.
3. **Длинному выводу нужна настройка**. Потоковый вызов на переднем плане по умолчанию использует 65,536 выходных токенов; непотоковый вызов на переднем плане ограничен 32,768. Чтобы выйти за 65,536 и дойти до 1,048,576, нужен более высокий `max_output_tokens` и `background=True` либо продолжение на стороне клиента. Страница моделей показывает `65K / 1M` для обоих ID, и это сокращение описывает такую конфигурацию.
4. **Размышления в следующих ходах**. В многоходовой работе без сохранения состояния отправляйте прежние блоки размышлений заново в точности такими же, в том числе при смене модели внутри сессии. Interactions API показывает шаги размышлений и сообщает `total_thought_tokens`, а путь `generateContent` не содержит отдельных блоков размышлений. Явное кэширование недоступно ни одной из моделей, поэтому рабочему процессу на сохранённом кэше нужен другой план.

Мы не запускали обе модели на одних и тех же задачах, поэтому воспринимайте список как проверку для первого небольшого запроса.

## Как сравнить их на своём коде?

Возьмите задачу, которую команда уже решила, и запустите обе модели на одном снимке. Зафиксируйте следующие условия:

- Тот же баг или тикет, тот же снимок репозитория и та же ветка.
- Те же инструменты, инструкции и уровень усилий; medium — значение по умолчанию у обеих.
- Та же проверка успеха: скрытые тесты проходят, а проверяющий принимает diff.
- То же протоколирование: реальное время до первого полезного ответа, время до завершения задачи, число токенов, которое вернул API, повторные попытки и минуты, которые человек тратит на проверку.

Время до первого ответа и общее время завершения отвечают на разные вопросы: проверяющий у терминала чувствует первое, а пакетная задача платит за второе. Записывайте оба, затем считайте каждый запуск по прайс-листу Google и делите на число принятых изменений.

Повторите проверку на нескольких показательных задачах; одна пара запусков показывает разброс, поэтому читайте повторы как направление, а не как фиксированный разрыв. Решайте по числам, которые отслеживает команда, например принятых диффов в час и долларов за принятый дифф. Модель, которая отвечает раньше, но требует второй попытки, может проиграть по обоим.

## Можно ли сегодня использовать Gemini 4 Carbon в OmniaKey?

Сейчас OmniaKey предлагает [Gemini 4 Argon](https://omniakey.com/ru/gemini-4-argon), и в каталоге нет записи Carbon по состоянию на 11 ноября 2026 года. Доступ к Carbon идёт через платный Gemini API Google, а [дата выхода, цена и детали API Carbon](https://omniakey.com/ru/blog/gemini-4-carbon-release-date-price-api) перечисляют, что нужно для такого аккаунта. Если альтернатива — модель Anthropic, [сравнение Carbon и Fable 5.2](https://omniakey.com/ru/blog/gemini-4-carbon-vs-fable-5-2) ставит цену и доступ рядом.

Перед планированием перехода проверьте список моделей OmniaKey; до тех пор оставляйте рабочие задачи на Argon.

## Частые вопросы

### Gemini 4 Carbon лучше Argon для кода?

Google рекомендует Argon для большинства задач разработки, а Carbon — для сложной многошаговой отладки. Отчёт Artificial Analysis от 28 октября ставит Carbon впереди по суммарным баллам и одновременно фиксирует более высокую долю галлюцинаций в одном тесте, поэтому лучший выбор зависит от задачи перед вами.

### Carbon дороже за токен, чем Argon?

Тарифы одинаковые: $2 за миллион входных токенов и $10 за миллион выходных до 30 ноября, затем $4 и $20. Стоимость задачи всё равно может отличаться, потому что токены мышления тарифицируются как выходные, а Carbon, по описанию, использует их больше.

### Можно перейти, просто изменив ID модели?

На страницах, которые публикует Google, у обоих ID одинаковые настройки мышления по умолчанию, уровни рассуждений и окно контекста. Перед переносом рабочей задачи проверьте обработку размышлений, кэширование и настройки вывода в SDK, который используете.

### Какой лимит вывода действует для долгой задачи Carbon?

Потоковый вызов на переднем плане по умолчанию использует 65,536 выходных токенов. Для более длинного вывода, до 1,048,576, нужен более высокий `max_output_tokens` и `background=True` либо продолжение на стороне клиента.

### Carbon доступен в OmniaKey?

В каталоге OmniaKey есть Gemini 4 Argon, а записи Carbon по состоянию на 11 ноября 2026 года нет. Carbon доступен через платный Gemini API Google.

## Проверенные источники

- [Google: Gemini 4 Carbon теперь доступна](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/) (10 ноября 2026 года)
- [Google: модели Gemini API](https://ai.google.dev/gemini-api/docs/models) (проверено 11 ноября 2026 года)
- [Google: цены Gemini API](https://ai.google.dev/gemini-api/docs/pricing) (проверено 11 ноября 2026 года)
- [Google: мышление в Gemini](https://ai.google.dev/gemini-api/docs/thinking) (проверено 11 ноября 2026 года)
- [Artificial Analysis: результаты Gemini 4 Carbon в Intelligence Index v5](https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1) (28 октября 2026 года)
- [Artificial Analysis: методика оценки интеллекта](https://artificialanalysis.ai/methodology/intelligence-benchmarking)