10 月 1 日我寫過 Gemini 4 Argon，53 分、榜第 8、先給資安人員。當時的結論是「53 分是入場券，每題成本才是使用者最後會付的數字」。

四週後，10 月 28 日，Carbon 59 分、第一名，同樣走 Fairwind、同樣不給開發者。看起來是同一套劇本換一顆更強的模型。

但這次多了一件可以用來驗證的事：Artificial Analysis 的指數從 v4.3.2 換到 v5.0，而 Argon 兩版都在榜上。

先把尺換回來

Argon 現在在榜上是 50 分，第 13/52。四週前它 53 分，第 8/221。

同一顆模型、同一個榜，換一版指數掉 3 分。原因不難猜：v5.0 換掉三個考題，加入 FrontierCode 2.0、HLE-Diamond、CritPt v2 與 Terminal-Bench-Science，整份考卷變重。

更值得記的是帳單。Argon 在舊尺上每題 1.99 美元，新尺上是 7.68 美元，差 3.9 倍。它沒有漲價，是題目變重、輸出變多。

所以「看 per-task 不看牌價」這條口徑要再加一句：per-task 也要同一把尺。跨版本連每題成本都不能比，因為題目換了，token 用量也跟著換。

這也順便回答了那個問題：Carbon 的 59 分該跟誰比。它跟 Kimi 的 55、DeepSeek 的 45 不在同一把尺上，排在一起沒有意義；能排在一起的只有同一頁那 52 顆。

同一把尺上，那 9 分是真的

在同一把 v5.0 的尺上，Argon 50 分（第 13），Carbon 59 分（第 1）。九分。

每一分的代價小得意外。Argon 每題 7.68 美元，Carbon 7.76，差 8 美分、百分之一。速度從每秒 82.7 個 token 升到 99.8，快兩成。輸出量從 1.1 億 token 漲到 2 億，多了 82%，這既是它變貴的原因，也是它變慢的原因。

換代幾乎免費，這一代就是這樣。

但榜首只贏一分

同一批 52 顆裡，Claude Opus 5.5 是 58 分、第 2，GPT-6 Astra 是 57 分、第 4。Carbon 領先 Opus 一分、Astra 兩分。

更有意思的是每題成本，方向跟我上一篇教的反著走。Astra 的牌價最貴，輸入 10 美元、輸出 50 美元，是 Carbon 的 2.5 倍，可是每題只要 6.24 美元，比 Carbon 便宜兩成。因為它話少，整份指數只吐 5400 萬 token。

上一篇說「牌價對齊中階、開銷貼著旗艦」。這一版要補的是它的反例：牌價貴兩倍半的模型，帳單可以更便宜。單價是話術，總量才是帳單。

Argon 到 Carbon 多了什麼

官方說法集中在兩塊，而且都在防守那一側。

資安三支：找漏洞的 SEC-bench Pro 88.2%，贏 Astra 的 85.4%；驗證能不能打的 ExploitGym 54.8%；修補根因的 CWE-bench 71.0%。上一篇記的 Argon CWE-bench v1 是 68%，這次官方寫 71.0%，但版本標示不同，只能當方向看，不能當同一條線上的進度。

可控性：Terminal-Bench 4.0 成功作弊率 0.0%、嘗試作弊 0.4%，整體正確率還提高；Gray Swan 的間接提示注入從 Argon 的 0.7% 壓到 0.0%；內部測試裡，沒有證據支撐的說法減半，越權行為降 26%，該做沒做降 29%，高嚴重度不對齊警報降了近 80%。Chrome 團隊回報它產出的修補品質比另一家實驗室的前沿模型好 10 倍以上，沒指名是哪一家。

Google 也自己註明，這些資安測試是在沒有安全防護的狀態下跑的，量的是能力上限，真正開放後會加護欄。

Fairwind 不是新事，拖更久才是

發布方式跟上一篇一樣：先給一小批資安防禦單位，透過 Fairwind 逐步放行，同時參與美國政府的自願性發布前測試。

差別在時間。Argon 9 月 30 日發表，10 月 13 日就開放給 Google AI Pro、Ultra 與 API 開發者，兩週。Carbon 10 月 28 日發表到現在，開發者、企業、消費者全都沒有日期。

最強的模型先給防守的人，這件事上一篇已經寫過。現在的變化是：門後面的東西越來越強，而排隊的人等得越來越久。

你現在能怎麼用

Carbon 目前只有一家 provider，沒有 GA 日期，Gemini App 與 API 都還沒開。你手上能用的還是 Argon（50 分、每題 7.68）、Opus 5.5（58 分、10.04）、Astra（57 分、6.24），加上價格在另一個量級的 Kimi 與 DeepSeek。

判斷看三欄，而且要同尺：分數、每題成本、首字延遲。Carbon 的首字延遲 97.48 秒，同級中位數 3.62 秒。這件事對單次難題無所謂，對一個三十步的 agent，就是每一步先停一分半。

還有促銷價這件事。Google 說 Carbon 上市用促銷價，輸入 2 美元、輸出 10 美元，期滿回到 4 與 20，而 AA 已經用 4 與 20 在算每題成本。用促銷價等比例推估，每題大約 3.9 美元，Argon 大約 3.8，兩者差距還是不大。優惠期多長，官方沒寫。

彩蛋：V5 已經躺在測試檔裡

10 月 28 日，DeepSeek 的 deepseek-harness 有一個 commit f3803c9，其中 packages/llm/llm-deepseek-account/tests/provider.spec.ts 的測試資料裡出現三個新 id：deepseek-v5、deepseek-v5-open、deepseek-v5-next。

細節讀起來像真的。v5 直接繼承 v4-pro 的規格，100 萬上下文、39 萬最大輸出；v5-open 標了 requires 0.0.1，v5-next 要 99.0.0-alpha.1，後者是哨兵值，意思是等未來那個版本。

我的下注：AA 50 幾分。理由是 Flash 1017 已經 45，Pro 級旗艦在這半年跳 5 到 10 分是常態。驗證點留在這裡，等它上 AA：50 到 55 之間算兌現，超過 57 就是真的跨代。

結論

• 同一顆 Argon 換尺掉 3 分，每題成本從 1.99 漲到 7.68。跨版本連每題成本都不能比，這是上一篇那條口徑該補的一句。

• 同一把尺上，Carbon 比 Argon 多 9 分、每題只多 8 美分、速度快兩成。這一代換得划算。

• 但它只贏 Opus 一分，而 Astra 每題更便宜。榜首的位置沒有一分的差距那麼值錢，而且你現在還用不到它。

傻龍這次不是醒得更用力，是被換到更重的考卷上還考得比較好。但考卷換了，上一次的分數就不能當這一輪的成績單。

前篇：傻龍醒了，Gemini 4 Argon 53 分平 Astra（2026/10/01）



౨ৎ Anthony 不負責任編輯 ~