Gemini 4 Carbon 开放 API 后,很多开发者第一反应是「先接上试试」。真正该做的是先算清三件事。

能力、价格、限制,缺一个都会踩坑。

它现在的能力位置在哪?

三个参考。第一,综合评测:Artificial Analysis 给到 59 分,当前排在最前。第二,Agent 基准:CursorBench 4.0、WANDR、AutomationBench 多项第一。第三,对比对象:超过同期的若干旗舰模型。

第二个最值得关注。Agent 类基准考的是「多步任务能不能做完」。

价格结构是什么样?

两个阶段。第一,早鸟价:每百万输入 2 美元、输出 10 美元。第二,恢复价:2026 年 12 月 1 日起,每百万输入 4 美元、输出 20 美元。

差一倍。做预算要按恢复价算,别按早鸟价。

接入门槛在哪?

两个限制。第一,订阅门槛:目前仅每月 100 美元的 Ultra 档可用。第二,额度:有开发者赠金,10 美元级别,够试不够跑量。

第一个是最硬的约束。没订阅,连试都试不了。

该怎么规划试用?

三步。第一,用赠金跑通链路:鉴权、调用、解析。第二,跑一批真实样本:不是玩具数据。第三,算单任务成本:按恢复价算。

第三步最关键。按早鸟价算成本,上线后会超预算一倍。

Agent 场景该怎么用?

三个要点。第一,任务拆解:把多步任务写清楚。第二,工具调用:给它明确的工具和参数。第三,结果校验:每步输出都要能验。

第三个最关键。多步任务错一步,后面全错。

常见的踩坑有哪些?

四个。第一,按早鸟价做预算。第二,忽略订阅门槛。第三,用玩具数据测效果。第四,不做失败重试。

第一个最普遍。价格恢复后,成本模型整个失效。

安全上要注意什么?

三个动作。第一,关注漏洞通报:有报道称挖出与 PHP 相关的同级漏洞,具体影响以官方公告为准。第二,不把敏感数据直接送外部 API。第三,做好输入过滤。

第一项要持续跟进。模型服务的漏洞,影响面往往很大。

该怎么和现有模型分工?

三个原则。第一,高价值任务用新模型:能力上限高。第二,高频低价值任务用便宜模型。第三,做 A/B:同一任务两个模型跑,比成本和效果。

第三个最实用。不比,就不知道值不值。

该怎么评估要不要迁移?

三个指标。第一,任务成功率提升多少。第二,单任务成本变化。第三,集成改造工作量。

第二个最关键。能力提升如果不能覆盖成本,就不该迁。

最后该记住什么?

新模型上线的窗口期,比的不是「谁先接上」,是「谁算清了成本」。

按恢复价算账,才不会被价格反噬。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论