Gemini 4 Carbon против Claude Fable 5.2: в 103 раза дешевле, но картинка хуже

Выбирать флагманскую модель по таблицам бенчмарков уже скучно, все цифры давно рядом. Поэтому интереснее смотреть, что происходит, когда двум моделям дают один и тот же творческий промпт и считают чек. Автор канала Neurogen собрал из твиттера восемь таких сравнений Gemini 4 Carbon и Claude Fable 5.2 и смонтировал их в один ролик. Это не лабораторное исследование, а набор частных кейсов. Но для практика он полезнее многих официальных графиков.

Что сравнивали и что вышло

Задачи разные: воксельная сцена с героем и ракетами, пиксельный город, пиратский корабль, кинетическая типографика для питча основателей, обучающая 3D-анимация про GPU-варпы, руины робота в стиле Гибли и симулятор газонокосилки от первого лица.

Картина получается довольно последовательной:

• Fable лучше держит узнаваемого персонажа и фактуру. В тесте с ракетами Грю читается по очкам и шарфу, у Carbon сцена развалилась в кашу. На руинах робота у Fable видны ржавчина и мох, а в симуляторе газонокосилки автор говорит о картинке «из другой галактики»: трава, тени, сам особняк.
• Carbon аккуратнее в схемах и типографике. Объясняющую анимацию про варпы с потоками и стрелками автор нашёл понятнее, чем объёмную, но более декоративную версию Fable.
• В части кейсов, например с пиратским кораблём, разница сводится к вкусу.

Деньги и время

Самая жёсткая цифра из подборки: симулятор газонокосилки. Fable потратил $349,15 и 3 часа 32 минуты, Carbon уложился в $3,40 и 39 минут. Это примерно в 103 раза дешевле и в 5,3 раза быстрее. В пиксельном городе при одинаковых ~60 минутах Fable обошёлся в ~$18, Carbon в ~$6,2. В тесте с ракетами $24,11 против $53,34.

По тарифу за токен Carbon дешевле в четыре раза: $2 за миллион входных и $10 выходных против $8 и $40. Но это вводная цена до 30 ноября. С 1 декабря она станет $4 и $20, и разрыв сократится вдвое. Если считали бюджет на старых тарифах, пересчитайте.

С «дешевле за задачу» тоже нужна осторожность. Если результат Carbon в кейсе с Грю — каша, экономия в $29 ничего не стоит, потому что вы платите за непригодный результат. Правильная метрика здесь — цена приемлемого результата, а не цена одного прогона.

С временем история неоднозначная. В двух тестах Carbon ушёл в те же ~60 минут, что и Fable на максимальном reasoning, и автор отмечает, что он медленнее предыдущего Argon. А в кейсе с газонокосилкой он оказался заметно быстрее. Скорость, похоже, сильно зависит от задачи и настроек рассуждения.

Как этим пользоваться

Практичный вывод автора подборки звучит разумно:

• Нужен выразительный кадр с человеком, предметом или сложной фактурой — переплачивайте за Fable.
• Нужна объяснялка, инфографика, анимированная схема или много прогонов подряд — Carbon дешевле и предсказуемее.
• Если у вас пайплайн с итерациями (десятки попыток, пока не получится), дешёвая модель с чуть худшим потолком часто выигрывает у дорогой.

Хорошая стратегия для команд: прототипы и черновики гонять на Carbon, а на Fable отдавать только финальный рендер или кадры, где важна достоверность.

Что здесь стоит учитывать

Это твиттер-сравнения разных авторов, а не контролируемый эксперимент. У каждого свои промпты, настройки reasoning и критерии «красиво». В большинстве кейсов один прогон, статистики нет. В части тестов цены вообще не названы, а оценки визуального качества субъективны. Бонусный кейс сравнивает Carbon не с Fable, а с предыдущим Opus, так что к основному спору он почти не относится. К тому же цены на Carbon временные.

Поэтому не меняйте стек по одному ролику. Возьмите две-три своих реальных задачи, прогоните их на обеих моделях до конца ноября и посчитайте не только стоимость, но и долю результатов, которые можно показывать клиенту. Эти цифры и будут вашим бенчмарком.