Carbon 的思考檔位不是簡單的「越高越好」：Artificial Analysis 的三檔實測顯示，默認的 medium 檔同時是最便宜、最誠實的一檔；而輸出上限設錯了，模型會把 token 全花在思考上、返回空答案，費用照收。本站綜合 eesel.ai 的測評、Inferera 的 API 遷移指南與 Quantslant 的實測，整理出這份避坑指南。先說核心結論：留默認 medium；max_output_tokens 至少 32,768；HTTP 超時 15–20 分鐘；high 只配更大的輸出預算。
Artificial Analysis 指數 v5.0.1（標準價口徑，eesel.ai 11 月 11 日覈查）：
| 思考檔位 | AA 指數 | 每任務成本 | 編造答案率 |
|---|---|---|---|
| Low | 54 | $7.19 | 20% |
| Medium（默認） | 58 | $6.59 | 4.2% |
| High | 60 | $7.76 | 11% |
反直覺的一點是 medium 比 low 更便宜：弱檔位更容易繞圈子、重複嘗試，反而耗更多 token（Hacker News 評論區也有人注意到了同樣的現象）。編造率的差距更值得看：medium 檔約 25 次才編造 1 次，對 Opus 5.5 的約三分之二；high 檔編造率反而回升到 11%——思考更久不等於更誠實，AA-Omniscience 也測得 Carbon（high）的幻覺率 11% 高於 Argon 的 4%。eesel 的評分很形象：硬推理與研究 4.5/5，任何需要人等的事 2/5——「後臺模型，不是實時回答的模型」。
Carbon 的最大輸出上限（流式 65,536 / 非流式 32,768）覆蓋思考 token。Google 長解碼指南原文：「低值如 8,192 會在思考完成前打斷模型」「模型仍在思考時文本可能爲空」。Quantslant 兩次實測確認了這一點：輸出上限 6,000 時，Carbon 花 5,808 tokens 推理、返回空答案，照樣收費；正則任務 medium 檔用掉全部 16,000 tokens 推理，未返回一行代碼。老張博客也遇到同樣情況：Carbon 在 high 檔處理長日誌時，在寫出一個字之前就耗盡了輸出 tokens。狀態會變成 incomplete——把它當作上限問題處理：調高上限、重試，並接受第一次嘗試已經上了賬單。
Carbon 在請求結構層面是 Argon 的直接替代（改模型 ID 即可），但以下參數會出問題（Inferera 遷移指南，11 月 12 日）：
| 寫法 | 結果 | 正確做法 |
|---|---|---|
| thinking_budget | HTTP 400 | 改用 thinking_level：low / medium / high |
| thinking_level=minimal | HTTP 400 | Carbon 沒有 minimal 檔，用 low |
| candidate_count > 1 | HTTP 400 | 保持爲 1 |
| temperature / top_p / top_k | 被忽略 | 直接刪掉 |
| max_output_tokens 過低 | 靜默截斷，空文本照樣收費 | 至少 32,768；high 檔配更大預算 |
| 默認 HTTP 超時 | 長思考任務超時 | 流式長解碼建議 15–20 分鐘 |
另有兩個默認值陷阱：Carbon 默認 medium——從默認 high 的 Gemini 3.1 Pro Preview 遷移過來的團隊，不改代碼會降一檔，可能誤讀爲能力倒退；Gemini App 內的模型選擇器默認則是 High，與 API 默認不同。
AA 模型頁數據：Carbon（High）每智能指數任務約 26–27 分鐘（同檔中位數 13.0 分鐘），首個答案 token 約 67.7 秒（中位數 13.45 秒），是同檔中最慢的一批。eesel 的實測感受一致：首個詞約等 1 分鐘，high 檔每基準任務約 25.6 分鐘。Hacker News 上 GA 公告帖一天內 145 條評論，速度與訪問抱怨最先出現。結論很簡單：Carbon 不適合任何需要人實時等待的場景；把它當作後臺 worker，提交任務後去做別的事。
參考來源：本文爲本站原創改寫與整理，事實與數據覈對自 eesel.ai 測評與 Inferera API 遷移指南（2026-11-11/12）
← 返回 Gemini 4 Carbon 專題