איך להשתמש ב-Gemini 4 Carbon: הגדרת API, פרמטרים ועלות

Gemini 4 Carbon הוא המודל הרב-מודלי של Google במשפחת Gemini 4, וב-OrcaRouter ניתן להגיע אליו באמצעות מפתח יחיד: מזהה המודל הוא google/gemini-4-carbon, מחיר הרשימה הוא $2.00 למיליון טוקני קלט ו-$10.00 למיליון טוקני פלט, והעמוד של Gemini 4 Carbon API מכיל את הנתונים העדכניים. להלן ההגדרה שבאמת עובדת, לפי הסדר שבו תיתקלו בה: נקודת קצה, מבנה הבקשה, סט הפרמטרים, עלות, ולאחר מכן מספרי ההשהיה שעליך לתקצב לפני שתציג אותו בפני משתמשים.

מה המודל מקבל

חלון ההקשר הוא 1,048,576 טוקנים ותקרת הפלט היא 65K טוקנים לתגובה, וזה הדבר הראשון שצריך להפנים: מסמך גדול מאוד נכנס לפרומפט, אבל התשובה מוגבלת הרבה מתחת לקלט. מודאליות הקלט הן טקסט, תמונות, אודיו, וידאו ומסמכים; הפלט הוא טקסט. שימוש מקורי בכלים וקריאה לפונקציות נתמכים, וכך גם פלטי JSON מובנים, וזה מה שהופך אותו לשימושי בתוך לולאת סוכן ולא רק בתיבת צ'אט.

Zero Data Retention זמין במודל הזה. כאשר ZDR מופעל, בקשות נשלחות רק לספקים במעלה הזרם שיש להם הסכם אפס שמירה, כך שאם צוות הרכש שלך צריך את זה בכתב, מדובר בהגדרת ניתוב ולא בחוזה נפרד.

נקודת קצה אחת: המסלול התואם ל-OpenAI

זהו הנתיב שיש לבחור בו אם כבר יש לך קוד שרץ מול לקוח OpenAI כלשהו. כוון את ה-SDK אל OrcaRouter, שמור על מזהה המודל, ושום דבר אחר בבקשה שלך לא משתנה. הדוגמה שלהלן היא התוכנית כולה:

הגדירו את כתובת הבסיס ל-https://api.orcarouter.ai/v1, קראו את המפתח ממשתנה סביבה ולא מערך מילולי, והעבירו google/gemini-4-carbon בתור המודל. אותן שלוש שורות עובדות מה-SDK-ים של Python, TypeScript ו-Go, מפני שפורמט התקשורת הוא Chat Completions.

נקודת קצה שתיים: generateContent נייטיבי

אם ה-stack שלך בנוי על Gemini SDK ולא על לקוח OpenAI, Carbon עדיין עונה באופן נייטיבי בכתובת /v1beta/models/{model}:generateContent באותו host. התוצאה המעניינת היא שאפשר להעביר workload בקשה אחת בכל פעם: להריץ את הנתיב התואם ל-OpenAI עבור השירותים שחולקים קוד עם ספקים אחרים, ואת הנתיב הנייטיבי היכן שכבר תלוי בשדות ייחודיים ל-Gemini. שניהם מחויבים כנגד אותו מפתח ואותה יתרה, וזהו הטיעון בעד gateway על פני קבוצה של חשבונות ספקים.

הפרמטרים שמכובדים

עמוד המודל מפרט את הקבוצה הנתמכת במפורש: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools ו-top_p. הרשימה הזו היא החוזה. אם אתם מעבירים בקשה מספק אחר, בדקו אותה לפני שאתם שולחים, כי הפרמטרים שאתם שולחים יד אליהם מתוך הרגל — מונחי ענישה, הטיות לוגיט, תריסר כפתורי דגימה — אינם ברשימה.

שניים מהם חשובים יותר מהשאר. structured_outputs יחד עם response_format הוא מה שהופך מסמך של 200,000 טוקנים לרשומה שקוד ה-downstream שלך יכול לקרוא בלי מפענח שכתבת בעצמך. ו-include_reasoning הוא הדרך לגלות מה המודל עשה לפני שענה; אם תשאיר אותו כבוי בפרודקשן, אתה סומך על שלב אטום בכל הנוגע לסכימה שלך.

כמה עולה בקשה

הקלט הוא $2.00 למיליון טוקנים והפלט הוא $10.00 למיליון, כאשר קריאות מהמטמון הן $0.100 למיליון. דוגמה מחושבת: חוזה של 40,000 טוקנים בתוספת חילוץ מובנה של 2,000 טוקנים מחייב $0.08 עבור קלט ו-$0.02 עבור פלט, כלומר עשרה סנטים למסמך. אותם 40,000 טוקנים שנקראים מהמטמון מחייבים $0.004 במקום, ולכן שורת המטמון חשובה לכל תהליך עבודה שקורא שוב ושוב את אותו קורפוס.

לשם קנה מידה, אותו מסמך בן 40,000 טוקנים מול Gemini 3.1 Pro עולה אותו דבר בקלט אך 20 אחוז יותר בפלט, ומול Gemini 3 Flash עולה רבע מזה בשני המקרים — הבחירה ביניהם נוגעת למודאליות ולהקשר ולא למחיר הקלט, שזהה בין Carbon ל-3.1 Pro. הפירוט של API חינמי של LLM הוא המקום להשוות זאת לשאר הקטלוג.

שני מספרי השהיה שמשמעותם שונה

עמוד המודל של OrcaRouter עצמו מדווח על שבעת הימים האחרונים של תעבורה חיה: זמן p50 עד לאסימון הראשון של 6.89 שניות, p95 של 10.00 שניות, ומהירות פלט של 226 אסימונים לשנייה, על פני 9.6 מיליון אסימונים שסופקו. זה מה שלקוח אינטראקטיבי חווה דרך השער.

Artificial Analysis מדווחת על 64.7 שניות עד לאסימון הראשון ועל 28.4 דקות של זמן שעון לכל משימה עבור אותו מודל. אין בכך סתירה; אלו מדידות שונות. AA מריצה רתמת הערכה קבועה שמבקשת מהמודל לחשוב כמה זמן שירצה על תשעה מבחני ייחוס קשים, כך שהשעון כולל את החשיבה, ולא רק את הרשת ואת ה-prefill. אם תצטט מספר אחד בלי האחר, או שתבטיח יותר מדי אינטראקטיביות או שתרתיע קונה שהיה בסדר עם זה.

ההסתייגות התפעולית הכנה היא שיעור השגיאות: 39.7 אחוז מהבקשות החזירו סטטוס שאינו 2xx בכל הספקים במעלה הזרם בחלון שבעת הימים הזה, לעומת 10.8 אחוז אצל Claude Fable 5.2 באותה תקופה. בנו את נתיב הניסיון החוזר והגיבוי לפני ההשקה, לא אחרי התקרית הראשונה, וקראו את הערות השחרור של Gemini 4 Carbon כדי לדעת מה השתנה כשהוא הושק.

היכן Carbon משתלב כשהוא כבר פועל

עומסי העבודה שמצדיקים את זה הם אלה שזקוקים לחלון של 1M וליותר ממודאליות אחת: בסיסי קוד שלמים, תמלולים ארוכים עם דוברים, קובצי PDF סרוקים לצד הטקסט שחולץ מהם. אם אתם בוחרים בין מודלים של Google, Gemini 4 Carbon מול Gemini 3.1 Pro הוא ההשוואה הישירה; אם החלופה היא ספק אחר לגמרי, GPT-6.1 Sol מול Gemini 4 Carbon מכסה את אותה החלטה מהצד השני.

אם אתה עדיין מרכיב סטאק ולא מעביר עומס עבודה אחד, רשימת מודלי LLM מכילה את הקטלוג העדכני עם מזהים ומחירים, ודף המודל המקושר בראש הוא זה שכדאי לבדוק לפני שאתה מקודד משהו קשיח — מחירים ונקודות קצה משתנים.

רשימת הבדיקה

אחסן את המפתח במשתנה סביבה, לא במאגר הקוד. בחר את נקודת הקצה שמתאימה ל-SDK שאתה כבר מפיץ. שלח רק פרמטרים מהרשימה הנתמכת, והשתמש ב-response_format וב�-structured_outputs כאשר הפלט מזין קוד. תקצב פלט ב-65K טוקנים ושמור במטמון כל דבר מעל 20K שאתה קורא יותר מפעמיים. צפה ל-p50 קרוב לשבע שניות והיערך למיעוט הקריאות שמחזירות שגיאה. לאחר מכן מדוד זאת על התעבורה שלך, כי תרשים בנצ'מרק הוא נקודת התחלה והתפלגות הבקשות שלך היא הדבר היחיד שקובע אם זו הייתה הבחירה הנכונה.