Come usare Gemini 4 Carbon: configurazione API, parametri e costi

Gemini 4 Carbon è il modello multimodale di Google della famiglia Gemini 4 e su OrcaRouter è accessibile con un'unica chiave: l'ID del modello è google/gemini-4-carbon, il prezzo di listino è $2,00 per milione di token di input e $10,00 per milione di token di output, e la Gemini 4 Carbon API pagina riporta i dati aggiornati. Quello che segue è la configurazione che funziona davvero, nell'ordine in cui la incontrerai: endpoint, struttura della richiesta, insieme di parametri, costo, poi i valori di latenza da preventivare prima di metterlo davanti agli utenti.

Cosa accetta il modello

La finestra di contesto è di 1.048.576 token e il limite di output è di 65K token per risposta, ed è la prima cosa da interiorizzare: un documento molto grande entra nel prompt, ma la risposta è limitata ben al di sotto dell'input. Le modalità di input sono testo, immagini, audio, video e documenti; l'output è testo. Sono supportati l'uso nativo degli strumenti e il function calling, così come gli output JSON strutturati, ed è questo che lo rende utilizzabile all'interno di un ciclo agentico e non solo come una casella di chat.

Zero Data Retention è disponibile su questo modello. Con ZDR attivo, le richieste vengono inoltrate solo a fornitori upstream che hanno un accordo di conservazione zero, quindi se il tuo team acquisti necessita di una conferma per iscritto, si tratta di un'impostazione di routing anziché di un contratto separato.

Endpoint uno: il percorso compatibile con OpenAI

Questo è il percorso da seguire se hai già del codice in esecuzione con qualsiasi client OpenAI. Punta l'SDK su OrcaRouter, mantieni l'id del modello e nient'altro nella tua richiesta cambia. L'esempio qui sotto è l'intero programma:

Imposta l'URL di base su https://api.orcarouter.ai/v1, leggi la chiave da una variabile d'ambiente anziché da un valore letterale e passa google/gemini-4-carbon come modello. Le stesse tre righe funzionano dagli SDK Python, TypeScript e Go, perché il formato di trasmissione è Chat Completions.

Endpoint due: generateContent nativo

Se il tuo stack è basato sull'SDK Gemini anziché su un client OpenAI, Carbon risponde comunque in modo nativo su /v1beta/models/{model}:generateContent sullo stesso host. La conseguenza interessante è che puoi migrare un carico di lavoro una richiesta alla volta: usa il percorso compatibile con OpenAI per i servizi che condividono codice con altri fornitori, e il percorso nativo dove dipendi già da campi specifici di Gemini. Entrambi vengono addebitati sulla stessa chiave e sullo stesso saldo, ed è questo l'argomento a favore di un gateway rispetto a una serie di account dei fornitori.

I parametri che vengono rispettati

La pagina del modello elenca esplicitamente l'insieme supportato: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. Quell'elenco è il contratto. Se stai portando una richiesta da un altro provider, controllalo prima di rilasciare, perché i parametri a cui ricorri per abitudine — termini di penalità, bias dei logit, una dozzina di parametri di campionamento — non sono presenti.

Due di essi contano più degli altri. structured_outputs insieme a response_format è ciò che trasforma un documento da 200.000 token in un record che il tuo codice downstream può leggere senza un parser scritto da te. E include_reasoning è come scopri cosa ha fatto il modello prima di rispondere; se lo lasci disattivato in produzione, stai affidando il tuo schema a un passaggio opaco.

Quanto costa una richiesta

L'input è $2,00 per milione di token e l'output è $10,00 per milione, con le letture dalla cache a $0,100 per milione. Un esempio pratico: un contratto da 40.000 token più un'estrazione strutturata da 2.000 token costa $0,08 di input e $0,02 di output, quindi dieci centesimi per documento. Gli stessi 40.000 token letti dalla cache costano invece $0,004, ed è per questo che la voce relativa alla cache è importante per qualsiasi flusso di lavoro che rilegge lo stesso corpus.

Per fare un paragone, lo stesso documento da 40.000 token con Gemini 3.1 Pro costa lo stesso in input ma il 20 percento in più in output, e con Gemini 3 Flash costa un quarto in entrambi i casi — la scelta tra i due riguarda modalità e contesto più che il prezzo dell'input, che è identico tra Carbon e 3.1 Pro. La ripartizione delle API LLM gratuite è il posto giusto per confrontare tutto ciò con il resto del catalogo.

Due numeri di latenza che significano cose diverse

La pagina del modello di OrcaRouter riporta gli ultimi sette giorni di traffico live: p50 del tempo al primo token di 6,89 secondi, p95 di 10,00 secondi e velocità di output di 226 token al secondo, su 9,6 milioni di token serviti. Questo è ciò che sperimenta un chiamante interattivo attraverso il gateway.

Artificial Analysis riporta 64,7 secondi al primo token e 28,4 minuti di tempo reale per attività per lo stesso modello. Non sono in conflitto; sono misurazioni diverse. AA esegue un harness di valutazione fisso che chiede al modello di pensare quanto vuole su nove benchmark difficili, quindi il tempo include il ragionamento, non solo la rete e il prefill. Se citi un numero senza l'altro, o prometti un'interattività eccessiva o spaventi un acquirente che sarebbe stato comunque soddisfatto.

L'avvertenza operativa onesta è il tasso di errore: il 39,7 per cento delle richieste ha restituito uno stato non-2xx su tutti i provider upstream in quella finestra di sette giorni, contro il 10,8 per cento di Claude Fable 5.2 nello stesso periodo. Costruisci il percorso di retry e fallback prima del lancio, non dopo il primo incidente, e leggi le note di rilascio di Gemini 4 Carbon per scoprire cosa è cambiato quando è arrivato.

Dove si inserisce Carbon una volta in esecuzione

I carichi di lavoro che lo giustificano sono quelli che richiedono la finestra da 1M e più di una modalità: interi codebase, lunghe trascrizioni con più interlocutori, PDF scansionati insieme al loro testo estratto. Se stai scegliendo tra modelli Google, Gemini 4 Carbon vs Gemini 3.1 Pro è il confronto diretto; se l'alternativa è un fornitore del tutto diverso, GPT-6.1 Sol vs Gemini 4 Carbon copre la stessa decisione dall'altro lato.

Se stai ancora assemblando uno stack anziché migrare un singolo workload, l'elenco dei modelli LLM contiene il catalogo aggiornato con id e prezzi, e la pagina del modello collegata in cima è quella da consultare prima di codificare qualsiasi cosa: prezzi ed endpoint cambiano.

La checklist

Archivia la chiave in una variabile d'ambiente, non nel repository. Scegli l'endpoint che corrisponde all'SDK che già distribuisci. Invia solo parametri dall'elenco supportato e usa response_format insieme a structured_outputs quando l'output alimenta il codice. Preventiva l'output a 65K token e metti in cache tutto ciò che supera 20K e che leggi più di due volte. Aspettati un p50 vicino a sette secondi e pianifica per la minoranza di chiamate che restituiscono un errore. Poi misuralo sul tuo traffico, perché un grafico di benchmark è un punto di partenza e la tua distribuzione delle richieste è l'unica cosa che decide se è stata la scelta giusta.