单价优惠进入倒计时：从Gemini 4 Carbon看“单任务成本”的迁移账

日历翻到十一月中旬。如果你手上有一批要跑的长合同解析、要迁移的旧代码、要清洗的历史数据，这里有一个明确的时间节点需要留意：同一批活，在这个月跑，每百万 Token 两美元；下个月跑，四美元。

这不是模型突然变弱了，而是定价策略的周期到了。

事件：全量开放与限时定价

谷歌的 Gemini 4 Carbon 在 11 月 10 日正式向所有付费开发者开放。这个模型在 10 月 28 日就已发布，但此前仅面向少数机构开放，普通账号无法调用。现在，Google AI Studio 的 API 已直接开放，AI Ultra 订阅用户也能在相关应用里选择。

价格是这次更新最受关注的部分：输入 $2、输出 $10 每百万 Token。官方已明确标注，此价格于 11 月 30 日到期，12 月 1 日起恢复至 $4/$20。

评价标准的迁移：从“每百万Token”到“每件任务”

虽然在 Artificial Analysis 的智能指数上，Carbon 拿到了 60 分（略低于 Claude Fable 5.2 的 65 分），但谷歌这次联合第三方评测机构，引入了不同的考法。

例如，在 MKA 基准中，测试重点是多模态知识工作里“跑完一个任务要花多少钱”——Carbon 排名第二，其任务成本仅为第一名的六分之一。

在另外三项面向真实工作流的评测（CursorBench 4.0、WANDR、Zapier AutomationBench）中，Carbon 均位列第一。其中，在 Zapier 自动化任务中得分 53.9%，高于 Opus 5.5 的 42.5% 和 GPT-6 Astra 的 41.4%。

这类评测的核心是“活干完没有”，而不是“题答对没有”。分数高低并不是唯一指标，更重要的变化是评价单位从“每百万 Token”换成了“每完成一件任务”。这两个计算方式在长任务上的结果可能相差数倍，因为如果一个便宜模型反复重试三次，最终账单可能比贵的还高。

商业逻辑：试用期与迁移成本

对于限时定价，我们不妨从商业策略的角度来理解。

推广期结束恢复原价，这是常见的定价方式：通过低价吸引开发者接入工作流，当 SDK 适配完成、prompt 调优到位、评测基线建立之后，再恢复标准定价。

因为迁移成本的存在，开发者通常不会因为贵了一倍就立刻拆掉已经跑通的系统。这是 API 商业模式的客观规律。

面对倒计时，开发者的应对策略

能做的操作其实很清晰：

第一，批量任务提前规划。 将长文档分析、代码迁移、数据清洗等批量任务，尽量安排在 11 月 30 日之前压进队列跑完。这类跑一次顶三次的活儿，不要拖到十二月。

第二，核心链路用影子流量测试。 核心业务链路不要为了半价直接切换，建议先拿影子流量跑两周，对比通过率和总 Token 消耗，再决定是否迁移。

第三，注意多智能体的 Token 放大效应。 自动化工具里的一键多智能体（如 swarm）功能，虽然能拉起分工团队，但多智能体是 Token 放大器，一个任务拆给三个角色，消耗按角色数往上翻。在优惠窗口期跑通宵或许划算，恢复原价之后这笔账需要重新计算。

把选择权留在配置层

价格会变，窗口也会关。在多模型、多价格策略并存的时期，真正的解法不在于死盯某一家，而在于让调用层保持灵活。

行业里常见的做法，是将不同来源的模型调用收拢到一个统一的聚合入口下（例如 EasyAPI）。这样做的核心目的，不仅仅是省去了注册多套账号的麻烦，更重要的是实现工程上的解耦：

业务代码里只写逻辑名称，具体的模型 ID 和路由策略收在配置里。当遇到优惠期结束、或者某家服务波动需要切换时，只需修改一行配置，而不用去重构底层代码。同时，按模型、按任务生成的合并账单，也能让你在对比“单任务成本”时，有清晰的数据支撑。

比起期待厂商一直维持低价，把账本和选择权握在自己手里，才是应对变化最稳妥的底气。