Cómo usar Gemini 4 Carbon: configuración de la API, parámetros y costo

Gemini 4 Carbon es el modelo multimodal de Google dentro de la familia Gemini 4 y, en OrcaRouter, se puede acceder a él con una sola clave: el id del modelo es google/gemini-4-carbon, el precio de lista es de 2,00 $ por millón de tokens de entrada y 10,00 $ por millón de tokens de salida, y la página API de Gemini 4 Carbon contiene las cifras en vivo. A continuación se presenta la configuración que realmente funciona, en el orden en que te la vas a encontrar: endpoint, forma de la petición, conjunto de parámetros, coste y, por último, las cifras de latencia con las que deberías contar antes de ponerlo delante de los usuarios.

Lo que acepta el modelo

La ventana de contexto es de 1,048,576 tokens y el límite de salida es de 65K tokens por respuesta, que es lo primero que hay que interiorizar: un documento muy grande cabe en el prompt, pero la respuesta está limitada muy por debajo de la entrada. Las modalidades de entrada son texto, imágenes, audio, vídeo y documentos; la salida es texto. Se admiten el uso nativo de herramientas y la llamada a funciones, al igual que las salidas JSON estructuradas, que es lo que lo hace utilizable dentro de un bucle de agente en lugar de solo como una caja de chat.

Zero Data Retention está disponible en este modelo. Con ZDR activado, las solicitudes se dirigen únicamente a proveedores upstream que cuentan con un acuerdo de retención cero, así que si su equipo de adquisiciones necesita eso por escrito, se trata de una configuración de enrutamiento en lugar de un contrato aparte.

Endpoint uno: la ruta compatible con OpenAI

Esta es la ruta que debes seguir si ya tienes código ejecutándose con cualquier cliente de OpenAI. Apunta el SDK a OrcaRouter, mantén el id del modelo y nada más en tu solicitud cambia. El ejemplo de abajo es el programa completo:

Establece la URL base en https://api.orcarouter.ai/v1, lee la clave desde una variable de entorno en lugar de un valor literal y pasa google/gemini-4-carbon como el modelo. Las mismas tres líneas funcionan desde los SDK de Python, TypeScript y Go, porque el formato de transmisión es Chat Completions.

Endpoint dos: generateContent nativo

Si tu stack está construido sobre el SDK de Gemini en lugar de un cliente de OpenAI, Carbon sigue respondiendo de forma nativa en /v1beta/models/{model}:generateContent en el mismo host. La consecuencia interesante es que puedes migrar una carga de trabajo solicitud a solicitud: usa la ruta compatible con OpenAI para los servicios que comparten código con otros proveedores, y la ruta nativa donde ya dependes de campos específicos de Gemini. Ambas se facturan contra la misma clave y el mismo saldo, lo cual es el argumento a favor de una puerta de enlace frente a un conjunto de cuentas de proveedores.

Los parámetros que se respetan

La página del modelo enumera explícitamente el conjunto admitido: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools y top_p. Esa lista es el contrato. Si estás portando una solicitud de otro proveedor, revísala antes de lanzarla, porque los parámetros a los que recurres por costumbre —términos de penalización, sesgos de logit, una docena de ajustes de muestreo— no figuran en ella.

Dos de ellos importan más que el resto. structured_outputs más response_format es lo que convierte un documento de 200.000 tokens en un registro que tu código posterior puede leer sin un analizador que hayas escrito tú mismo. Y include_reasoning es cómo descubres qué hizo el modelo antes de responder; si lo dejas desactivado en producción, estás confiando tu esquema a un paso opaco.

Lo que cuesta una solicitud

La entrada cuesta $2.00 por millón de tokens y la salida $10.00 por millón, con lecturas de caché a $0.100 por millón. Un ejemplo práctico: un contrato de 40,000 tokens más una extracción estructurada de 2,000 tokens factura $0.08 de entrada y $0.02 de salida, es decir, diez centavos por documento. Los mismos 40,000 tokens leídos desde caché se facturan a $0.004 en su lugar, por lo que la línea de caché importa para cualquier flujo de trabajo que vuelva a leer el mismo corpus.

A modo de comparación, el mismo documento de 40.000 tokens con Gemini 3.1 Pro cuesta lo mismo en la entrada pero un 20 % más en la salida, y con Gemini 3 Flash cuesta una cuarta parte en ambos — la elección entre ellos tiene que ver con la modalidad y el contexto, no con el precio de entrada, que es idéntico entre Carbon y 3.1 Pro. El desglose de las API gratuitas de LLM es el lugar para comparar eso con el resto del catálogo.

Dos cifras de latencia que significan cosas distintas

La propia página de modelo de OrcaRouter informa de los últimos siete días de tráfico en vivo: tiempo hasta el primer token p50 de 6,89 segundos, p95 de 10,00 segundos y una velocidad de salida de 226 tokens por segundo, con 9,6 millones de tokens servidos. Eso es lo que experimenta un llamador interactivo a través de la puerta de enlace.

Artificial Analysis reporta 64,7 segundos hasta el primer token y 28,4 minutos de tiempo real por tarea para el mismo modelo. No están en conflicto; son mediciones distintas. AA ejecuta un arnés de evaluación fijo que pide al modelo que piense tanto como quiera en nueve benchmarks difíciles, por lo que el reloj incluye el razonamiento, no solo la red y el prefill. Si citas una cifra sin la otra, o bien prometerás de más en interactividad, o bien ahuyentarás a un comprador que habría estado perfectamente conforme.

La advertencia operativa honesta es la tasa de errores: el 39,7 por ciento de las solicitudes devolvió un estado no 2xx en todos los proveedores upstream en esa ventana de siete días, frente al 10,8 por ciento de Claude Fable 5.2 en el mismo periodo. Implementa la ruta de reintentos y de fallback antes del lanzamiento, no después del primer incidente, y lee las notas de la versión de Gemini 4 Carbon para saber qué cambió cuando se lanzó.

Dónde encaja Carbon una vez que está en funcionamiento

Las cargas de trabajo que lo justifican son las que necesitan la ventana de 1M y más de una modalidad: bases de código completas, transcripciones largas con hablantes, PDF escaneados junto con su texto extraído. Si estás eligiendo entre modelos de Google, Gemini 4 Carbon frente a Gemini 3.1 Pro es la comparación directa; si la alternativa es un proveedor completamente distinto, GPT-6.1 Sol frente a Gemini 4 Carbon cubre la misma decisión desde el otro lado.

Si todavía estás montando un stack en lugar de migrar una sola carga de trabajo, la lista de modelos LLM tiene el catálogo actualizado con ids y precios, y la página del modelo enlazada arriba es la que debes consultar antes de fijar nada en el código: los precios y los endpoints cambian.

La lista de verificación

Guarda la clave en una variable de entorno, no en el repositorio. Elige el endpoint que coincida con el SDK que ya distribuyes. Envía solo parámetros de la lista admitida y usa response_format junto con structured_outputs cuando la salida alimente código. Presupuesta la salida en 65K tokens y cachea todo lo que supere 20K y leas más de dos veces. Espera un p50 cercano a siete segundos y prevé la minoría de llamadas que devuelven un error. Luego mídelo con tu propio tráfico, porque un gráfico de benchmark es solo un punto de partida y tu distribución de solicitudes es lo único que decide si fue la elección correcta.