Comment utiliser Gemini 4 Carbon : configuration de l’API, paramètres et coût

Gemini 4 Carbon est le modèle multimodal de Google de la famille Gemini 4, et sur OrcaRouter il est accessible à partir d’une seule clé : l’identifiant du modèle est google/gemini-4-carbon, le prix catalogue est de 2,00 $ par million de jetons d’entrée et de 10,00 $ par million de jetons de sortie, et la page Gemini 4 Carbon API présente les chiffres à jour. Ce qui suit est la configuration qui fonctionne réellement, dans l’ordre où vous la rencontrerez : point de terminaison, forme de la requête, ensemble de paramètres, coût, puis les chiffres de latence que vous devez prévoir avant de la placer devant des utilisateurs.

Ce que le modèle accepte

La fenêtre de contexte est de 1,048,576 tokens et le plafond de sortie est de 65K tokens par réponse, ce qu’il faut intégrer en premier : un très grand document tient dans le prompt, mais la réponse est plafonnée bien en dessous de l’entrée. Les modalités d’entrée sont le texte, les images, l’audio, la vidéo et les documents ; la sortie est du texte. L’utilisation native d’outils et l’appel de fonctions sont pris en charge, tout comme les sorties JSON structurées, ce qui le rend utilisable dans une boucle d’agent et pas seulement comme une simple zone de dialogue.

Zero Data Retention est disponible sur ce modèle. Avec ZDR activé, les requêtes ne sont acheminées que vers des fournisseurs en amont liés par un accord de rétention zéro. Ainsi, si votre équipe achats a besoin de cela par écrit, il s’agit d’un paramètre de routage plutôt que d’un contrat distinct.

Point de terminaison un : le chemin compatible avec OpenAI

C’est la voie à suivre si vous avez déjà du code qui fonctionne avec n’importe quel client OpenAI. Pointez le SDK vers OrcaRouter, conservez l’identifiant de modèle, et rien d’autre dans votre requête ne change. L’exemple ci-dessous constitue le programme complet :

Définissez l'URL de base sur https://api.orcarouter.ai/v1, lisez la clé depuis une variable d'environnement plutôt que depuis une valeur littérale, et passez google/gemini-4-carbon comme modèle. Les mêmes trois lignes fonctionnent avec les SDK Python, TypeScript et Go, car le format d'échange est Chat Completions.

Point de terminaison deux : generateContent natif

Si votre stack repose sur le SDK Gemini plutôt que sur un client OpenAI, Carbon répond toujours nativement à /v1beta/models/{model}:generateContent sur le même hôte. La conséquence intéressante, c’est que vous pouvez migrer une charge de travail une requête à la fois : utilisez le chemin compatible OpenAI pour les services qui partagent du code avec d’autres fournisseurs, et le chemin natif là où vous dépendez déjà de champs spécifiques à Gemini. Les deux sont facturés sur la même clé et le même solde, ce qui plaide en faveur d’une passerelle plutôt que d’un ensemble de comptes fournisseurs.

Les paramètres pris en compte

La page du modèle liste explicitement l’ensemble pris en charge : include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. Cette liste fait office de contrat. Si vous portez une requête depuis un autre fournisseur, vérifiez-la avant de livrer, car les paramètres que vous utilisez par habitude — termes de pénalité, biais de logit, une douzaine de réglages d’échantillonnage — n’y figurent pas.

Deux d'entre eux comptent plus que les autres. structured_outputs ainsi que response_format est ce qui transforme un document de 200 000 tokens en un enregistrement que votre code en aval peut lire sans un parseur que vous avez écrit vous-même. Et include_reasoning est ce qui vous permet de découvrir ce que le modèle a fait avant de répondre ; désactivez-le en production et vous confiez votre schéma à une étape opaque.

Ce que coûte une requête

L'entrée coûte 2,00 $ par million de tokens et la sortie coûte 10,00 $ par million, les lectures depuis le cache étant à 0,100 $ par million. Un exemple concret : un contrat de 40 000 tokens plus une extraction structurée de 2 000 tokens est facturé 0,08 $ en entrée et 0,02 $ en sortie, soit dix cents par document. Les mêmes 40 000 tokens lus depuis le cache sont facturés 0,004 $ à la place, d'où l'importance de la ligne de mise en cache pour tout flux de travail qui relit le même corpus.

Pour donner un ordre de grandeur, le même document de 40 000 tokens avec Gemini 3.1 Pro coûte autant en entrée mais 20 % de plus en sortie, et avec Gemini 3 Flash coûte un quart de ce prix en entrée comme en sortie — le choix entre eux tient à la modalité et au contexte plutôt qu'au prix de l'entrée, qui est identique entre Carbon et 3.1 Pro. Le comparatif des API LLM gratuites est l'endroit pour comparer cela au reste du catalogue.

Deux chiffres de latence qui signifient des choses différentes

La propre page de modèle d’OrcaRouter rapporte les sept derniers jours de trafic en direct : un temps jusqu’au premier token (p50) de 6,89 secondes, un p95 de 10,00 secondes et une vitesse de sortie de 226 tokens par seconde, sur 9,6 millions de tokens servis. Voilà ce que vit un appelant interactif via la passerelle.

Artificial Analysis rapporte 64,7 secondes jusqu’au premier token et 28,4 minutes de temps d’horloge réel par tâche pour le même modèle. Ces chiffres ne sont pas contradictoires ; ce sont des mesures différentes. AA exécute un harnais d’évaluation fixe qui demande au modèle de réfléchir aussi longtemps qu’il le souhaite sur neuf benchmarks difficiles, de sorte que le temps mesuré inclut le raisonnement, et pas seulement le réseau et le préremplissage. Si vous citez un chiffre sans l’autre, vous allez soit promettre une interactivité excessive, soit effrayer un acheteur qui aurait été satisfait.

La mise en garde opérationnelle honnête, c’est le taux d’erreur : 39,7 % des requêtes ont renvoyé un statut non-2xx auprès de tous les fournisseurs en amont au cours de cette fenêtre de sept jours, contre 10,8 % pour Claude Fable 5.2 sur la même période. Mettez en place le chemin de nouvelle tentative et de repli avant le lancement, pas après le premier incident, et lisez les notes de version de Gemini 4 Carbon pour savoir ce qui a changé lors de sa sortie.

Où Carbon s’intègre une fois en cours d’exécution

Les charges de travail qui le justifient sont celles qui exigent la fenêtre de 1 M et plus d'une modalité : des bases de code entières, de longues transcriptions avec locuteurs, des PDF numérisés accompagnés de leur texte extrait. Si vous hésitez entre des modèles Google, Gemini 4 Carbon vs Gemini 3.1 Proest la comparaison directe ; si l'alternative est un fournisseur entièrement différent, GPT-6.1 Sol vs Gemini 4 Carboncouvre la même décision sous l'autre angle.

Si vous êtes encore en train de constituer une pile technologique plutôt que de migrer une seule charge de travail, la liste des modèles LLM contient le catalogue actuel avec les identifiants et les prix, et la page du modèle liée en haut est celle à consulter avant de coder en dur quoi que ce soit — les prix et les points de terminaison évoluent.

La liste de contrôle

Stockez la clé dans une variable d'environnement, pas dans le dépôt. Choisissez le point de terminaison qui correspond au SDK que vous déployez déjà. N'envoyez que des paramètres de la liste prise en charge, et utilisez response_format ainsi que structured_outputs lorsque la sortie alimente du code. Prévoyez une sortie de 65K tokens maximum et mettez en cache tout ce qui dépasse 20K et que vous lisez plus de deux fois. Attendez-vous à un p50 proche de sept secondes et prévoyez la minorité d'appels qui renvoient une erreur. Mesurez ensuite sur votre propre trafic, car un graphique de benchmark n'est qu'un point de départ et c'est votre distribution de requêtes qui décide si c'était le bon choix.