
Gemini 4 Neon と Gemini 4 Carbon の比較。コード性能と料金改定
Neon と Carbon をコーディング、移行、自動化で比較。12 月の料金改定と再試行がタスク単価にどう響くかを計算し、振り分け方を検証します。
目次
high から試します。難しい設計課題や、Carbon で安定している作業は、引き続き Carbon を比較基準にします。 CursorBench 4.1 では Neon high が 63.7%、Carbon high が 61.5% で、タスク単価はこの評価では Neon のほうが低くなりました。実際の振り分けは、アカウントの Carbon 料金と自社の失敗事例をどちらが解決できるかで決めます。 CursorBench 4.1Gemini 4 Neon と Carbon はどのタスクに向くか
| タスク | 評価の出発点 | 判断が変わる条件 |
|---|---|---|
| 複数ファイルにまたがり再現可能なバグの修正 | Neon high | Neon が完了できないケースを Carbon が安定して解決する |
| 手戻りが大きく条件が曖昧な設計変更 | 検証済みのモデルを使い、Carbon を基準にする | Neon が同じ結合テストとレビューをより低い総費用で通過する |
| 成果物が固定され、出典確認が必要な月次分析 | Neon と現在の接続先を並行で評価する | より安価な設定で同等に信頼できる出典を返せる |
| 入力不足やツール障害で失敗したタスク | 入力を補うかツールを修復する | 前提条件が回復したら再実行する |
請求書の丸め誤差を直す場合、失敗したテストから合計がずれる場所を確認できます。既存の請求額や返金処理を壊さずに直せば合格です。一方、価格設定と請求サービスが共有する状態の設計を変えるなら、責務の境界、障害復旧、互換性を検討します。単体テストで確認できるのはその一部なので、この種の設計変更では Carbon を比較基準にします。
思考レベルを上げると何が変わるか
CursorBench 4.1 は実際の Cursor セッションに由来する、範囲に曖昧さがあり複数ファイルを扱うタスクで評価します。以下を試験の候補にできます。
| CursorBench 4.1 の設定 | スコア | 評価上のタスク単価 |
|---|---|---|
Neon medium | 57.7% | $3.07 |
Carbon medium | 60.4% | $7.22 |
Carbon high | 61.5% | $8.52 |
Neon high | 63.7% | $6.54 |
Neon xhigh | 65.4% | $10.67 |
high を xhigh にすると、スコアは 1.7 パーセントポイント、タスク単価は 4.13 米ドル上昇しました。事前に難しいと分かるタスクに xhigh を試し、Carbon と同じチェック項目と制限時間で比べます。費用は Cursor の試験構成での数値です。 CursorBench の結果と評価方法
high は整数に丸めるとともに 60 点でした。Neon は 1 タスク平均 14.8 分で 3.74 米ドル、Carbon は平均 37.1 分で通常料金換算 7.76 米ドルです。別の Plotly の分析評価では、Neon のほうが速く、費用は高くなりました。時間と費用は別々に記録します。数値は 2026 年 11 月 19 日に確認しました。 Artificial Analysis のモデルデータ · Plotly のデータ分析評価評価によって結論が変わる理由
| 評価 | Neon | Carbon | 選択で確認できること |
|---|---|---|---|
| Vals Code Migration v1.1、Vals Index の部分集合 | 75.8% | 80.1% | 別言語への移植で既存の動作を守るなら Carbon も試す |
Zapier AutomationBench、両方 high | 54.3%、推定 $0.88/タスク | 53.9%、推定 $1.94/タスク | 定型のツール業務を Neon が安く完了できるか |
| Plotly のデータ分析 | 43/43、中央値 46 秒、1回 $17.03 | 42/43、中央値 93 秒、1回 $11.55 | 速度とコストは別に見積もる |

Carbon の 12 月の料金改定が予算に与える影響
Google の標準 API 料金です。単位は100万トークン当たりの米ドルです。
| モデルと期間 | 入力 | 出力 | キャッシュヒット入力 |
|---|---|---|---|
| Neon | $3 | $15 | $0.15 |
| Carbon、2026年11月30日まで | $2 | $10 | $0.10 |
| Carbon、2026年12月1日から | $4 | $20 | $0.20 |

再試行で費用の差がなくなる条件
振り分けには失敗理由を使います。単体テストを通っていても過去の返金額が変わるパッチなら、根拠がそろっている場合に再試行する価値があります。データの書き出しがない、ツールが止まった、権限がない場合は前提条件を復旧します。モデルをもう一度呼んでも、その前提は復旧しません。
1 種類のタスクから移行する
現在のモデルで処理した最近のタスクを用意し、小さなパッチ、複数ファイルにまたがる原因調査、互換性の制約がある設計など、レビューで求められる成果物ごとに分類します。同じ時点のリポジトリから、同じツールと合格条件で再実行します。
現行モデルで解ける難題から振り分け方を決める
再実行用のタスクを、範囲が明確な修正、複数コンポーネントにまたがる曖昧な不具合、外向きの挙動を保つ必要がある長い変更に分けます。既定値を変えたパッチ、回帰を見逃した古いテストデータ、古い資料に基づくもっともらしい報告など、過去に見落としかけたケースも加えます。開始リビジョン、モデルに示す指示、許可ツール、完了条件を記録します。
ツール待ちや再試行を含めて、完了時間の中央値と遅い側の分布を見ます。時間に厳しいユーザー向けの処理では、流量を移す前に遅いケースを調べます。夜間処理では合格1件当たりの費用や朝のレビュー待ち件数も重要です。未キャッシュ入力、キャッシュヒット、課金出力、レビュー時間を分けて、料金変更後に同じ記録で再計算できるようにします。
直接呼び出す場合と Carbon に一度切り替える場合を比べる
Carbon 単体を基準に、Neon 単体と、修正可能な失敗を検知したときだけ Carbon を1回追加する経路を比べます。予算、権限、合格テストは固定します。2モデルの経路に価値があれば、ログからどのタスクと失敗判定で追加費用が見合うか分かります。ほぼ毎回切り替える種類なら最初から Carbon で実行し、その判断の根拠を残します。
よくある質問
Neon は Carbon より常に安いですか?
Google のトークン単価は導入期間中は Carbon が、通常料金では Neon が低くなります。タスク全体の費用は使用量や再試行でも変わります。
複数ファイルを触るコーディングで最初に試すのは?
high が候補です。現在使っている Carbon の設定も一緒に試します。両方とも100万トークンのコンテキストですか?
Google は両モデルに100万トークンの共有枠を案内しています。出力と生成続行の制約は使用する API で確認してください。
既定の思考レベルは同じですか?
high、Carbon が medium です。難しいケースは Neon xhigh と Carbon のどちらですか?
実際に起きた失敗を両方で検証し、追加試行によって作業を完了できるかを記録します。


