這陣子 Google 釋出 Gemini 4 系列的節奏快得驚人,一口氣端出 Argon、Carbon、Neon、Hydrogen 四個版本,加上官方明講第一個推出的 Argon 被拿來協助訓練後續模型,社群上甚至開始討論:Google 是不是已經碰到 RSI(Recursive Self-Improvement,遞迴自我改進)的臨界點了?

老實說,我們這幾天在工程現場其實一直很迷茫——模型一多、名字又像化學元素週期表,每個人都在問:「到底哪個情況該切哪一個?」 回到企業 AI 工程化與架構師的日常,模型更新快從來不是壞事,最痛的往往是「選錯模型、花錯預算、還把問題怪到模型頭上」。

這篇把目前各方實測、官方 Model Card、Artificial Analysis(AA)與 CursorBench 的數據攤開來看,直接整理出一份給工程團隊的 Gemini 4 實戰選型與成本避坑指南。


一、先搞懂 Gemini 4 四兄弟的定位

Google 這次用化學元素命名四個定位截然不同的版本:

  • Gemini 4 Argon:Gemini 4 系列第一個推出的通用旗艦,後面幾個模型都是接著它發布的,Google 也拿它來協助訓練其他模型。
  • Gemini 4 Carbon:系列裡最強的深度推理模型,專門處理最難、需要想很久的問題,初期先開放給資安防禦團隊使用。
  • Gemini 4 Neon:介於 Carbon 和 Hydrogen 之間,能力逼近最前線、速度又明顯更快,主打複雜的軟體工程、知識工作與科學研究。
  • Gemini 4 Hydrogen:快、便宜、給大眾用的主力版本,鎖定日常寫程式與 Agent 任務,免費層也能用,同時也是 Gemini 裡 Tasks 功能背後的模型。

如果只看產品線,很容易陷入「那我到底該用 Argon、Neon 還是 Carbon?」的選擇障礙。接下來直接看實測與計價差異。


二、Argon vs. Carbon:單價一樣,為什麼帳單跟延遲差這麼多?

社群對這兩款的共識很一致:Carbon 普遍比 Argon 強,但更慢,也更耗 token;簡單題目兩者差不多,只有碰到硬骨頭才看得出 Carbon 的價值。

官方定價與能力數據

根據 Google 的官方說明,Argon 與 Carbon 的牌價其實完全一樣:目前導入價都是每百萬 token 輸入 $2、輸出 $10,並預計於 12/1 起調漲為輸入 $4、輸出 $20。

既然單價相同,為什麼大家都說 Carbon 比較貴?因為 Carbon 每一輪思考的推理長度更長,導致端到端延遲變高,單次任務消耗的輸出 token 也大幅增加。官方建議非常明確:大部分進階寫程式與知識工作用 Argon 就好,只有最難的除錯、架構設計、科學證明與資安稽核,才交給 Carbon。

從 Gemini 4 Carbon Model Card 上的基準分數也能看出這個差距(Carbon vs. Argon):

  • 綜合智能指數:59 vs. 50
  • 長上下文(Long Context):96.2% vs. 84.2%
  • Agent 寫程式:61.2% vs. 55.0%

開發者實測與反例

  • Google 官方態度:Logan Kilpatrick(@OfficialLoganK)直言 Carbon 比 Argon 更好,只是吃 token、跑較久,能用 Carbon 就用。
  • 獨立測試站實測:FastMetal 跑了 43 道題目,結果 Carbon 每一題都比較慢——完成時間中位數 34.9 秒,Argon 只要 10.5 秒,而且 Carbon 的輸出 token 約多出一倍。簡單題兩者表現接近,但在 SQL 優化這類高難度題目上,Carbon 確實抓出了 Argon 漏掉的 bug。
  • 體感與品味:常發實測的 @pankajkumar_dev 認為 Carbon 是不錯的升級、但不算跨代飛躍;影音圖片理解與細節品味有進步,缺點是慢、常要兩三輪才做對,有時還「有點懶」。在前端與 3D 展示上,多數人肯定 Carbon 更細緻,但不一定比較好看,跟 Opus 這類模型比也不是穩贏。
  • 超時反例:前 Google 工程師 @michaelrbock 拿極度複雜的報稅計算題測試時,Carbon 因為想太久一路超時、撞到 token 上限,最後表現反而輸給 Argon。

結論很清楚:不要無腦全開 Carbon。 日常跑 Argon 又快又省,卡住時再切 Carbon 當二線救援——而且隨著 Neon 登場,連 Argon 自己的位置都被取代了。


三、Neon 與 Hydrogen 登場:12/1 定價倒掛與新主力

Hydrogen 和 Neon 的出現,直接改寫了 Gemini 4 的性價比版圖。

1. Hydrogen vs. Argon:高推理模式打平,但要注意幻覺

在官方綜合智能指數上,Hydrogen 拿到 51(Argon 為 50);把推理強度開到最高時,Hydrogen 更衝到 54,等於打平甚至略贏 Argon,而且速度更快、價格更低。社群如 @LuminaBench 甚至直接評價 Hydrogen「這個價錢很夠用、比 Argon 好」。

不過實戰導入仍有三個細節不能忽略:

  1. 圖表與拒答能力:Argon 在圖表理解,以及「不知道的時候少亂猜」這兩點依然表現較佳。
  2. 低推理強度的幻覺風險:Artificial Analysis 實測指出,當 Hydrogen 的推理強度往下調時,幻覺率會明顯上升。
  3. 長尾延遲:也有開發者測到 Hydrogen 在某些任務上偶爾比 Carbon 還慢、還貴,並非每一次請求都保證最省。

2. Neon vs. Argon:全面超越,且 12/1 後價格更便宜

攤開 Gemini 4 Neon Model Card 對比 Argon,幾乎是全面輾壓:

  • 綜合智能指數:61 vs. 50
  • 長上下文:95.2% vs. 84.2%
  • 科學與終端類 Terminal-Bench:70.5% vs. 52.9%

網友對 Neon 的評價一面倒地好。Antigravity 的 Varun Mohan(@_mohansolo)評價 Neon「比 Carbon 便宜、快,也更好合作」;@pankajkumar_dev 更直接稱 Neon 是 Google 目前最好的模型。

更關鍵的是價格時間差:現在(11/30 前)Argon 還在導入價,所以比 Neon 便宜;但 12/1 起 Argon 調漲為 $4 / $20 之後,局勢會直接反過來——Argon 會變得比能力更強的 Neon 還要貴。

因此,現在社群最推崇的架構模式是 「Neon 做規劃(Plan)+ Hydrogen 去執行(Execute)」:用 Neon 拆解架構與規格,把大量重複的檔案改寫與測試執行交給 Hydrogen,兼顧品質與帳單。


四、跨陣營對決:Gemini 4 vs. Claude(Fable / Opus / Sonnet)

把視角拉出 Google 生態系,拿來跟 Anthropic 的 Claude 系列(Fable、Opus、Sonnet)同台比較,勝負線其實非常清楚:

評測指標 / 場景 領先陣營與關鍵數據 實戰解讀
AA 綜合智能指數 Fable 65 > Neon 61 > Carbon 60 > Opus 59 > Sonnet ~55 > Hydrogen 54 > Argon 50 Neon 與 Carbon 已站上第一梯隊,緊追 Fable
Coding Agent 實測(AA) Neon + Antigravity 59 vs. Fable/Opus + Claude Code 58 分數幾乎打平,但單次任務成本差一倍以上:
Neon 約 $6.9|Opus $12.6|Fable $15.5
CursorBench Neon 65.4%(第一)> Fable 61.3% > Opus 58.1% 單次任務成本:
Neon $10.7 vs. Fable $48
長上下文能力 Gemini 4 Neon 95.2% vs. Opus 66.8% 吃整份大型 Repo、長日誌或跨文件分析時,Gemini 優勢極大
多模態原生支援 Gemini 4 原生直吃影片與語音 影音理解、會議或畫面除錯流程更順暢
Claude 依然勝出的三塊 OSWorld(電腦操作)、Terminal-Bench(終端機任務)、知識寫作 AA Briefcase 寫作評比中 Sonnet 與 Fable 仍高於 Neon(Neon 僅在簡報呈現超車);前端 3D 品味多數人仍微幅看好 Opus

資料來源:Artificial Analysis Neon 分析、AA Agent 成本實測、CursorBench。


五、企業團隊的最終選型建議:先選工具,再選模型

在直接套用下面這份選型清單前,先記住社群實測中最常被忽略的一條鐵律:同一個模型,換到不同的 Agent 工具(Harness)裡跑,基準分數可以差到三倍。

這也是為什麼這份清單要跟你的開發工具與工作流綁在一起看:

  1. 大量日常任務與執行層 → 選 Gemini 4 Hydrogen
    寫日常程式碼、補文件、跑自動化小任務最適合。但若用於嚴謹業務邏輯,建議維持中高推理強度,避免低推理設定下幻覺率升高的問題。
  2. 複雜工程、知識工作與規劃層 → 選 Gemini 4 Neon(Argon 的真正接班人)
    目前性價比與合作體感最好的主力模型。推薦搭配 Neon 規劃 + Hydrogen 執行 的分層路由策略。
  3. 還在用 Argon 的團隊 → 注意 11/30 期限
    如果你現有的 Prompt 與工作流在 Argon 上跑得很穩,可以撐到 11/30 吃導入價;12/1 漲價後請直接切換到 Neon,能力更強還更省錢。
  4. 最難的架構除錯、長推論與資安稽核 → 交給 Gemini 4 Carbon
    不要當成預設模型,設定好 Timeout 與 Token 預算上限,只在卡關或高風險稽核時當作二線專家呼叫。
  5. 高度依賴終端機操作、桌面代理或長篇商業寫作 → 保留 Claude(Fable / Opus / Sonnet)
    尤其在 OSWorld、Terminal-Bench 與專業文章寫作上,Claude 仍有明顯優勢;但在 Coding Agent 成本敏感度高的專案裡,Neon 搭 Antigravity 或 Cursor 已能用一半以下的成本打出平手甚至領先的成績。

六、最後一句話答案:不想再迷茫,直接這樣選

如果你不想每次開工前都還要對照跑分表,直接記住這三個情境的一句話結論:

  1. 最高難度(架構死結、深層除錯、資安稽核、數學/科學證明)→ Gemini 4 Carbon(設好 Timeout 與預算上限當二線專家)。
  2. 一般 Hybrid 使用(多步驟專案開發、寫規格+改大量檔案)→ Gemini 4 Neon 做規劃(Plan)+ Gemini 4 Hydrogen 去執行(Execute)。
  3. 快速 / 日常(寫日常腳本、補文件、大量自動化小任務)→ Gemini 4 Hydrogen(建議維持中高推理強度)。

那如果完全不想選、只想找一個像以前用 Opus 5.5 一樣可以「閉眼衝」的模型(速度快、能力好、價錢也合理)?
答案只有一個:Gemini 4 Neon。它在 AA 綜合指數(61)與 CursorBench(65.4%)都站在最前線,反應快、跟 Agent 工具好配合,單次任務成本又只要同級對手的一半左右,是目前唯一能直接當成預設主力「閉眼衝」的選項。