Carbon 的思考档位不是简单的「越高越好」：Artificial Analysis 的三档实测显示，默认的 medium 档同时是最便宜、最诚实的一档；而输出上限设错了，模型会把 token 全花在思考上、返回空答案，费用照收。本站综合 eesel.ai 的测评、Inferera 的 API 迁移指南与 Quantslant 的实测，整理出这份避坑指南。先说核心结论：留默认 medium；max_output_tokens 至少 32,768；HTTP 超时 15–20 分钟；high 只配更大的输出预算。
Artificial Analysis 指数 v5.0.1（标准价口径，eesel.ai 11 月 11 日核查）：
| 思考档位 | AA 指数 | 每任务成本 | 编造答案率 |
|---|---|---|---|
| Low | 54 | $7.19 | 20% |
| Medium（默认） | 58 | $6.59 | 4.2% |
| High | 60 | $7.76 | 11% |
反直觉的一点是 medium 比 low 更便宜：弱档位更容易绕圈子、重复尝试，反而耗更多 token（Hacker News 评论区也有人注意到了同样的现象）。编造率的差距更值得看：medium 档约 25 次才编造 1 次，对 Opus 5.5 的约三分之二；high 档编造率反而回升到 11%——思考更久不等于更诚实，AA-Omniscience 也测得 Carbon（high）的幻觉率 11% 高于 Argon 的 4%。eesel 的评分很形象：硬推理与研究 4.5/5，任何需要人等的事 2/5——「后台模型，不是实时回答的模型」。
Carbon 的最大输出上限（流式 65,536 / 非流式 32,768）覆盖思考 token。Google 长解码指南原文：「低值如 8,192 会在思考完成前打断模型」「模型仍在思考时文本可能为空」。Quantslant 两次实测确认了这一点：输出上限 6,000 时，Carbon 花 5,808 tokens 推理、返回空答案，照样收费；正则任务 medium 档用掉全部 16,000 tokens 推理，未返回一行代码。老张博客也遇到同样情况：Carbon 在 high 档处理长日志时，在写出一个字之前就耗尽了输出 tokens。状态会变成 incomplete——把它当作上限问题处理：调高上限、重试，并接受第一次尝试已经上了账单。
Carbon 在请求结构层面是 Argon 的直接替代（改模型 ID 即可），但以下参数会出问题（Inferera 迁移指南，11 月 12 日）：
| 写法 | 结果 | 正确做法 |
|---|---|---|
| thinking_budget | HTTP 400 | 改用 thinking_level：low / medium / high |
| thinking_level=minimal | HTTP 400 | Carbon 没有 minimal 档，用 low |
| candidate_count > 1 | HTTP 400 | 保持为 1 |
| temperature / top_p / top_k | 被忽略 | 直接删掉 |
| max_output_tokens 过低 | 静默截断，空文本照样收费 | 至少 32,768；high 档配更大预算 |
| 默认 HTTP 超时 | 长思考任务超时 | 流式长解码建议 15–20 分钟 |
另有两个默认值陷阱：Carbon 默认 medium——从默认 high 的 Gemini 3.1 Pro Preview 迁移过来的团队，不改代码会降一档，可能误读为能力倒退；Gemini App 内的模型选择器默认则是 High，与 API 默认不同。
AA 模型页数据：Carbon（High）每智能指数任务约 26–27 分钟（同档中位数 13.0 分钟），首个答案 token 约 67.7 秒（中位数 13.45 秒），是同档中最慢的一批。eesel 的实测感受一致：首个词约等 1 分钟，high 档每基准任务约 25.6 分钟。Hacker News 上 GA 公告帖一天内 145 条评论，速度与访问抱怨最先出现。结论很简单：Carbon 不适合任何需要人实时等待的场景；把它当作后台 worker，提交任务后去做别的事。
参考来源：本文为本站原创改写与整理，事实与数据核对自 eesel.ai 测评与 Inferera API 迁移指南（2026-11-11/12）
← 返回 Gemini 4 Carbon 专题