先按任务需要的推理深度选 Argon 或 Carbon:Argon 面向大多数高级软件工程与知识工作,Carbon 面向特别需要深入推演和核验的任务;选 Argon 时,用同一工作负载评估 low、medium、high,采用达到质量标准的最低档。
适合的任务:在 Gemini API 或 AI Studio 中,为编码、Agent、数学、科学和多模态任务选择 Argon 或 Carbon,并配置 Argon 的 thinking level。
不适合的任务:从这些定性指引推断固定的准确率、延迟、token 节省比例,或推断所有任务都应使用 Argon。
适用的模型版本:Gemini 4 Argon(gemini-4-argon)与 Gemini 4 Carbon(gemini-4-carbon);档位配置仅针对 Argon。
适用的客户端、Agent 或 API:Gemini API 与 Google AI Studio。页面没有把此工作流限定于特定 SDK。
推荐的推理档位和参数:Argon 默认 medium;可选 low、medium、high。针对目标工作负载评测三档,并选择通过质量标准的最低档。
以下是依据官方选型段落整理的编辑决策表,不是 Google 提供的完整 prompt,也不是独立基准结论:
| 任务特征 | 优先评估 | 官方给出的依据 |
|---|---|---|
| 日常功能开发、交互式编码、快速生产迭代;大多数高级工程或知识工作 | Argon | 面向大多数高级软件工程与知识工作;相较 Carbon,每轮更快且 token 使用更少 |
| 复杂根因调试、架构设计、密集多模态综合、科学证明、安全审计 | Carbon | 面向需要更深推理的任务,会花更多思考 tokens 深入探索和核验 |
| 简单或成本敏感的 Argon 任务 | Argon low | 最少 tokens、最低延迟;难题上的质量可能下降 |
| 常规任务,包括复杂代码和 Agent 场景 | Argon medium | 默认档,官方推荐用于大多数任务 |
| 最难的数学、科学、代码或 Agent 任务 | Argon high | tokens 最多、首 token 延迟最长;适合最困难任务 |
把实际工作负载归为日常交付,或需要特别深入推理与核验的任务。前者优先评估 Argon;后者按官方示例评估 Carbon。
为代表性任务定义通过条件,例如测试通过、根因解释可复核、证明步骤满足约束或审计覆盖完整。通过条件应来自应用本身,本文不替任务设定分数门槛。
对 Argon 固定相同输入、工具和验收标准,分别运行 low、medium、high,记录是否通过、延迟和 token 使用。
选择满足质量标准的最低档。若高档仍未满足标准,调整任务分解或验证流程,并重新评估模型选择;官方页面未提供需要切换到 Carbon 的数值阈值。
对特别复杂且依赖深度推演的任务,将 Carbon 纳入同一评估,并比较实际结果;不要把模型说明当作本团队任务上的实测结论。
以上评测步骤是编辑整理的操作化建议。官方页面明确建议评估 Argon 的三个档位后选达到质量标准的最低档;具体记录项、通过条件及是否比较 Carbon 由使用方确定。
官方将 Argon 描述为适用于大多数高级软件工程与知识工作;相较 Carbon,在交互式编码、日常功能工作和快速生产循环中每轮响应更快、token 使用更少。
官方将 Carbon 定位于推理深度要求高的任务,并举例复杂根因调试、架构设计、密集多模态综合、科学证明和安全审计;说明 Carbon 每轮使用更多 thinking tokens 进行深入探索和核验,代价是更高的每轮 token 使用和延迟。
官方说明 Argon 与 Carbon 使用相同的统一 1M 上下文窗口、内置工具和每 token 定价。页面同时列出 Argon 的限时入门价格;该价格不改变选型流程中的任务质量与延迟评估。
官方将 Argon 的 low 定义为 token 使用和延迟最低、难题质量可能下降;medium 为默认平衡档,推荐用于大多数任务;high 使用 tokens 最多且首 token 延迟最长,适合最难任务。
官方建议在三个 thinking level 上运行评估,再选择满足质量门槛的最低档。页面未给出具体测试数据、量化门槛或 Argon 对 Carbon 的任务级胜率。
Argon 与 Carbon 的任务定位是官方定性建议;不同代码库、工具、数据和验收标准下的效果需自行评估。
页面称两者具有相同的 per-token 定价,但没有据此声称单任务总成本相同;Argon 每轮 token 使用较少的说法是官方描述,不是本文独立测量。
low、medium、high 档位说明属于 Argon 部分。本文不据此推断 Carbon 的可用档位或默认值。
页面没有规定 Carbon 与 Argon 的数值切换阈值,也没有说明选用 Carbon 必然提升任何给定任务的质量。
具体的输出上限、后台长解码、采样参数与提示写法已由其他官方资料覆盖;本文不扩展这些配置。
固定一组有代表性的任务、输入版本、工具权限和验收规则。对 Argon 分别记录三个档位的通过情况、延迟和 token 使用;对需要深入推理的代表任务再以 Carbon 执行相同流程。报告每个任务的结果与环境,不把单个任务结果外推为模型通用排名。
Gemini 4 Argon