
Gemini 4 Carbon API và Gemini 4 Argon API nhận cùng một yêu cầu và có cùng giá cho mỗi token đầu vào và đầu ra, nên việc chọn giữa hai model là quyết định định tuyến, không phải một đợt migration. Trên PoYo, bạn chuyển đổi bằng cách đổi một chuỗi: gemini-4-carbon (trang model) hoặc gemini-4-argon (trang model). Bài viết này trình bày những khác biệt ở cấp API, chênh lệch benchmark của Google cho thấy yêu cầu nào nên chạy trên Carbon, và một bộ định tuyến bạn có thể đưa thẳng vào mã của mình.
Mới làm quen với Carbon? Hãy bắt đầu với tổng quan Gemini 4 Carbon API và hướng dẫn gửi yêu cầu đầu tiên. Riêng về Argon, xem hướng dẫn Gemini 4 Argon API.
Tóm tắt nhanh Gemini 4 Carbon API vs Gemini 4 Argon API
| Gemini 4 Carbon | Gemini 4 Argon | |
|---|---|---|
| Model ID trên PoYo | gemini-4-carbon | gemini-4-argon |
| Endpoint trên PoYo | POST /v1/chat/completions, POST /v1beta/models/gemini-4-carbon:generateContent / :streamGenerateContent | Cùng hai định dạng, với gemini-4-argon |
| Cửa sổ ngữ cảnh | 1M token | 1M token |
| Đầu ra tối đa mỗi phản hồi | 64K token | Lớn hơn: Google mô tả giới hạn hợp nhất đầu vào-đầu ra 1M (xem hướng dẫn Argon của chúng tôi) |
| Loại đầu vào | Văn bản, hình ảnh, âm thanh, video, PDF | Văn bản, hình ảnh, âm thanh, video, PDF |
| Định vị của Google | Model suy luận mạnh nhất; tiêu tốn nhiều token hơn để khám phá, suy luận và kiểm chứng | Model hiệu quả: phản hồi nhanh hơn, tốn ít token hơn mỗi lượt |
| Khuyến nghị của Google | Lập trình nhiều bước, debug và nghiên cứu mở khó nhất | "Lựa chọn lý tưởng cho phần lớn công việc kỹ thuật phần mềm và công việc tri thức" |
Cấu trúc yêu cầu giống hệt nhau. Trong Chat Completions, model ID nằm ở trường model; trong Gemini Native, nó nằm trong đường dẫn URL. Cả hai model đều hỗ trợ streaming ("stream": true, hoặc :streamGenerateContent). Lỗi cũng giống nhau: 400 khi trường không hợp lệ hoặc sai định dạng, 401 khi khóa sai, 404 khi model ID không xác định, và 402 khi bạn hết tín dụng.
Giới hạn duy nhất buộc phải định tuyến là kích thước đầu ra. Mức trần được tài liệu hóa của Carbon là 64K token đầu ra mỗi phản hồi. Nếu một phản hồi đơn lẻ phải dài hơn mức đó (ví dụ viết lại toàn bộ nhiều tệp trong một lượt), hãy gửi nó tới Argon.
Diff migration: những gì thay đổi trong JSON
Chuyển một yêu cầu Chat Completions từ Argon sang Carbon:
{
- "model": "gemini-4-argon",
+ "model": "gemini-4-carbon",
"messages": [
{"role": "user", "content": "Find the root cause of the failing test and propose a patch."}
],
- "max_tokens": 120000,
+ "max_tokens": 64000,
"stream": true
}
Trong Gemini Native chỉ đường dẫn thay đổi:
POST https://api.poyo.ai/v1beta/models/gemini-4-argon:generateContent
POST https://api.poyo.ai/v1beta/models/gemini-4-carbon:generateContent
Giới hạn max_tokens (Chat Completions) hoặc generationConfig.maxOutputTokens (Gemini Native) ở mức 64,000 trở xuống khi gọi Carbon. Không cần thay đổi gì khác trong thân yêu cầu.
Giá mỗi token: bằng nhau, trừ đọc cache
Giá PoYo, lấy từ các trang model hiện hành (1 tín dụng = $0.005):
| Hạng mục (mỗi 1M token) | Gemini 4 Carbon trên PoYo | Gemini 4 Argon trên PoYo | Giá chính thức của Google (cả hai, giá ưu đãi) |
|---|---|---|---|
| Đầu vào | $1.60 (320 tín dụng) | $1.60 (320 tín dụng) | $2.00 |
| Đầu ra (gồm thinking) | $8.00 (1,600 tín dụng) | $8.00 (1,600 tín dụng) | $10.00 |
| Đọc cache | $0.08 (16 tín dụng) | $0.16 (32 tín dụng) | $0.10 (giảm 95% so với đầu vào) |
Google ra mắt Carbon với giá ưu đãi của Argon. Bài thông báo về khả dụng của Google cho biết giai đoạn ưu đãi kết thúc vào ngày 30 tháng 11 năm 2026, và mức $4 đầu vào cùng $20 đầu ra cho mỗi 1M token áp dụng từ ngày 1 tháng 12. Bài viết về giá Carbon so sánh cả hai mức giá của Google với giá PoYo hiện hành.
Khác biệt nằm ở dòng đọc cache: trên PoYo, đọc cache của Carbon tốn một nửa so với Argon. Khoản tiết kiệm này có thật nhưng nhỏ. Nó là $0.08 cho mỗi 1M token được cache, và chỉ cần thêm 10,000 token đầu ra ($0.08 với giá $8.00 cho mỗi 1M) là bù hết. Vì Google cho biết Carbon tiêu tốn nhiều token hơn Argon cho mỗi tác vụ, hãy dự kiến Carbon tốn hơn cho mỗi tác vụ ở phần lớn khối lượng công việc, kể cả với giá cache rẻ hơn.
Một ví dụ tính với cùng số token (400K token đọc từ cache, 50K đầu vào mới, 20K đầu ra):
| Carbon | Argon | |
|---|---|---|
| Phép tính | 0.4 × $0.08 + 0.05 × $1.60 + 0.02 × $8.00 | 0.4 × $0.16 + 0.05 × $1.60 + 0.02 × $8.00 |
| Chi phí | $0.272 (54.4 tín dụng) | $0.304 (60.8 tín dụng) |
Nếu Carbon cần 30K token đầu ra cho cùng tác vụ thay vì 20K, chi phí là $0.352. Đó là lý do bạn nên đo chi phí cho mỗi tác vụ hoàn thành, không phải chi phí mỗi token. Script đo lường có ở bên dưới.
Chênh lệch benchmark làm bằng chứng định tuyến
Đây là số liệu của chính Google trong bảng ra mắt Gemini 4 Carbon, nên hãy coi đó là so sánh của nhà cung cấp, không phải một bài kiểm tra độc lập. Cột chênh lệch cho bạn biết token bổ sung mang lại hiệu quả ở đâu.
| Benchmark | Carbon | Argon | Chênh lệch |
|---|---|---|---|
| ExploitGym | 54.8% | 42.0% | +12.8 |
| GraphWalks 256K–1M (BFS F1) | 96.2% | 84.2% | +12.0 |
| AA Intelligence Index v5.0 | 59 | 50 | +9 |
| Agents' Last Exam v1.1 | 77.4% | 69.0% | +8.4 |
| Terminal-Bench 4.0 (AA) | 65.2% | 57.1% | +8.1 |
| OSWorld-2.1 (offline subset) | 81.5% | 74.7% | +6.8 |
| FrontierSWE 2 | 61.2% | 55.0% | +6.2 |
| SWE-sweep | 9.6% | 4.3% | +5.3 |
| SEC-bench Pro | 88.2% | 83.4% | +4.8 |
| RiemannBench | 80.0% | 76.0% | +4.0 |
| CWE-bench | 71.0% | 68.0% | +3.0 |
| AutomationBench (Zapier) | 53.9% | 51.3% | +2.6 |
| Vals Index v2.2 | 70.4% | 69.2% | +1.2 |
Hãy đọc bảng này như một bảng định tuyến:
- Chênh lệch lớn: định tuyến sang Carbon. Truy xuất ngữ cảnh dài trên 256K–1M token, công việc agent điều khiển qua terminal, tác vụ agent nhiều bước và xác thực exploit.
- Chênh lệch nhỏ: giữ trên Argon. Tự động hóa nghiệp vụ (+2.6), công việc tri thức chung (Vals Index, +1.2) và tạo bản vá trên CWE-bench (+3.0). Ở đây Argon đạt phần lớn số điểm trong khi tốn ít token hơn mỗi lượt.
- Lưu ý về an ninh mạng. Kết quả an ninh mạng của Google phản ánh quyền truy cập qua Fairwind Program, và bài thông báo khả dụng của Google cho biết Carbon cho an ninh mạng chỉ được cung cấp qua chương trình đó. Đừng mặc định API công khai sẽ tái tạo được các điểm số đó. Hãy thử trên chính tác vụ của bạn.
Chỉ so sánh điểm số trong cùng một bảng. Hướng dẫn Argon của chúng tôi trích bảng ra mắt Argon của Google, trong đó Terminal-Bench 4.0 của Argon là 57.4%. Bảng của Carbon dùng harness của Artificial Analysis (57.1%).
Chiến lược định tuyến: mặc định Argon, nâng lên Carbon khi cần
Khuyến nghị của Google và các chênh lệch benchmark cùng chỉ về một thiết kế:
- Mặc định mọi yêu cầu tới
gemini-4-argon. - Định tuyến thẳng các loại tác vụ đã biết là khó tới
gemini-4-carbon: debug trên toàn repository, agent terminal, câu hỏi trên hơn 256K token ngữ cảnh và phân loại sự cố bảo mật. - Nâng cấp khi thất bại. Nếu câu trả lời của Argon không vượt qua bước kiểm tra của bạn (test, xác thực schema, một bộ chấm điểm) hoặc dừng với
finish_reason: "length", hãy thử lại một lần trên Carbon. - Bắt buộc dùng Argon khi phản hồi phải vượt quá 64K token.
Bộ định tuyến này dùng OpenAI SDK trỏ tới endpoint Chat Completions của PoYo. Nó chỉ gửi các trường được tài liệu hóa: model, messages và max_tokens.
import os
from openai import OpenAI
client = OpenAI(api_key=os.environ["POYO_API_KEY"], base_url="https://api.poyo.ai/v1")
ARGON, CARBON = "gemini-4-argon", "gemini-4-carbon"
CARBON_MAX_OUTPUT = 64_000
# PoYo USD per 1M tokens, from the model pages on 2026-11-16
PRICE = {ARGON: (1.60, 8.00), CARBON: (1.60, 8.00)}
# Task types where Google's table shows the widest Carbon lead
CARBON_TASKS = {"repo_debug", "terminal_agent", "long_context_qa", "security_triage"}
def pick_model(task_type: str, max_tokens: int) -> str:
if max_tokens > CARBON_MAX_OUTPUT:
return ARGON
return CARBON if task_type in CARBON_TASKS else ARGON
def call(model: str, messages: list, max_tokens: int) -> dict:
resp = client.chat.completions.create(model=model, messages=messages, max_tokens=max_tokens)
u = resp.usage
price_in, price_out = PRICE[model]
cost = u.prompt_tokens / 1e6 * price_in + u.completion_tokens / 1e6 * price_out
return {
"model": resp.model,
"text": resp.choices[0].message.content,
"finish_reason": resp.choices[0].finish_reason,
"prompt_tokens": u.prompt_tokens,
"completion_tokens": u.completion_tokens,
"cost_usd": round(cost, 6),
}
def run(task_type: str, messages: list, check, max_tokens: int = 16_000) -> list:
"""Returns every attempt so you can log cost per task, including escalations."""
first = pick_model(task_type, max_tokens)
attempts = [call(first, messages, max_tokens)]
a = attempts[-1]
failed = a["finish_reason"] == "length" or not check(a["text"])
if first == ARGON and failed and max_tokens <= CARBON_MAX_OUTPUT:
attempts.append(call(CARBON, messages, max_tokens))
return attempts
check là bài kiểm tra chấp nhận của riêng bạn, ví dụ "bản vá áp dụng được và test chạy qua" hoặc "JSON parse được theo schema của tôi". Ước tính chi phí coi mọi token prompt là đầu vào không được cache. Các trường usage được PoYo tài liệu hóa không tách riêng token được cache, nên đây là giới hạn trên.
Tự đo chi phí cho mỗi tác vụ
Giá mỗi token bằng nhau, nên con số duy nhất phân biệt hai API là chi phí cho mỗi tác vụ được chấp nhận. Ghi log mọi lần thử từ run():
| Trường cần ghi log | Nguồn trong Chat Completions | Nguồn trong Gemini Native |
|---|---|---|
| Model thực sự được dùng | model | Đường dẫn URL |
| Token đầu vào | usage.prompt_tokens | usageMetadata.promptTokenCount |
| Token đầu ra | usage.completion_tokens | usageMetadata.candidatesTokenCount + thoughtsTokenCount |
| Chạm mức trần đầu ra | finish_reason == "length" | finishReason |
| Vượt qua bước kiểm tra của bạn | bộ chấm điểm của bạn | bộ chấm điểm của bạn |
Google tính giá đầu ra gồm cả token thinking, nên trong Gemini Native hãy tính thoughtsTokenCount là đầu ra. Khi streaming, chunk Chat Completions cuối cùng mang usage. Sau đó, với mỗi loại tác vụ:
cost per accepted task = sum(cost_usd of all attempts, incl. escalations) / tasks that passed
Chạy một tuần lưu lượng thật với Argon làm mặc định và so sánh với một mẫu gửi thẳng tới Carbon. Nếu Carbon vượt qua những tác vụ mà Argon cần nâng cấp mới xong, hãy thêm loại tác vụ đó vào CARBON_TASKS. Nếu tỷ lệ vượt qua của Carbon ở một loại tác vụ ngang với Argon, hãy giữ loại đó trên Argon. Đối chiếu dashboard PoYo với log của bạn trong vài trăm lần gọi đầu tiên.
Nếu bạn cũng đang cân nhắc model của các nhà cung cấp khác, xem Gemini 4 Carbon API vs Claude Opus 5.5 API vs GPT-6 Astra API. Với vòng lặp agent có giới hạn ngân sách, xem Gemini 4 Carbon API cho coding agent.
Câu hỏi thường gặp
Gemini 4 Carbon API có đắt hơn Gemini 4 Argon API không?
Không, nếu tính theo token. Cả hai đều có giá $1.60 đầu vào và $8.00 đầu ra cho mỗi 1M token trên PoYo, và $2.00 / $10.00 theo giá ưu đãi của Google. Trên PoYo, đọc cache của Carbon rẻ hơn ($0.08 so với $0.16 cho mỗi 1M). Tính theo tác vụ, Carbon thường tốn hơn vì Google cho biết nó dùng nhiều token hơn để suy luận và kiểm chứng.
Làm sao chuyển từ Gemini 4 Argon API sang Gemini 4 Carbon API?
Đổi "model": "gemini-4-argon" thành "model": "gemini-4-carbon" trong Chat Completions, hoặc đổi model trong đường dẫn URL của Gemini Native. Giữ max_tokens ở mức 64,000 trở xuống với Carbon.
Đầu ra tối đa của Gemini 4 Carbon API so với Argon là bao nhiêu?
Carbon trả về tối đa 64K token đầu ra mỗi phản hồi, với cửa sổ ngữ cảnh 1M token. Argon cho phép các phản hồi đơn lẻ dài hơn nhiều, nên hãy định tuyến đầu ra trên 64K sang Argon.
Nên dùng Gemini 4 Argon hay Gemini 4 Carbon cho lập trình?
Google cho biết Argon vẫn là lựa chọn lý tưởng cho phần lớn công việc kỹ thuật phần mềm. Dùng Carbon cho các tác vụ debug nhiều bước khó nhất và công việc agent điều khiển qua terminal, nơi bảng của Google cho thấy chênh lệch lớn nhất: Terminal-Bench 4.0 (AA) 65.2% so với 57.1%, và SWE-sweep 9.6% so với 4.3%.
Gemini 4 Carbon và Argon có dùng cùng endpoint API không?
Có. Cả hai đều hoạt động với POST https://api.poyo.ai/v1/chat/completions (tương thích OpenAI) và POST https://api.poyo.ai/v1beta/models/{model}:generateContent hoặc :streamGenerateContent (Gemini Native), với cùng một API key PoYo.