Gemini 4 Carbon 사용 방법: API 설정, 매개변수 및 비용

Gemini 4 Carbon은 Gemini 4 제품군에 속한 Google의 멀티모달 모델이며, OrcaRouter에서는 하나의 키로 접근할 수 있습니다: 모델 ID는 google/gemini-4-carbon이고, 정가는 입력 토큰 100만 개당 $2.00, 출력 토큰 100만 개당 $10.00이며, Gemini 4 Carbon API 페이지에서 실시간 수치를 확인할 수 있습니다. 다음 내용은 실제로 작동하는 설정을, 여러분이 마주하게 될 순서대로 다룹니다: 엔드포인트, 요청 형태, 매개변수 집합, 비용, 그다음 사용자에게 배포하기 전에 예산에 잡아야 할 지연 시간 수치입니다.

모델이 허용하는 것

컨텍스트 윈도는 1,048,576토큰이고 응답당 출력 상한은 65K토큰이라는 점을 가장 먼저 새겨야 합니다. 즉, 아주 큰 문서도 프롬프트에는 들어가지만 답변은 입력보다 훨씬 낮게 제한됩니다. 입력 모달리티는 텍스트, 이미지, 오디오, 비디오, 문서이며 출력은 텍스트입니다. 네이티브 도구 사용과 함수 호출이 지원되고, 구조화된 JSON 출력도 지원됩니다. 이것이 단순한 채팅 상자가 아니라 에이전트 루프 안에서 사용할 수 있게 해 줍니다.

Zero Data Retention은 이 모델에서 사용할 수 있습니다. ZDR을 켜면 요청은 제로 리텐션 협약을 체결한 업스트림 제공업체로만 전달되므로, 구매팀에서 이를 문서로 필요로 하는 경우에는 별도 계약이 아니라 라우팅 설정입니다.

엔드포인트 1: OpenAI 호환 경로

이미 OpenAI 클라이언트 중 하나에 대해 코드를 실행 중이라면 이 경로를 사용하세요. SDK를 OrcaRouter로 지정하고 모델 ID는 그대로 유지하면 요청에서 달라지는 것은 없습니다. 아래 샘플이 전체 프로그램입니다:

base URL을 https://api.orcarouter.ai/v1로 설정하고, 키는 리터럴이 아니라 환경 변수에서 읽으며, 모델로 google/gemini-4-carbon을 전달하세요. 동일한 세 줄이 Python, TypeScript, Go SDK에서 모두 작동하는데, 와이어 형식이 Chat Completions이기 때문입니다.

엔드포인트 2: 네이티브 generateContent

스택이 OpenAI 클라이언트가 아니라 Gemini SDK를 기반으로 구축되어 있더라도, Carbon은 동일한 호스트의 /v1beta/models/{model}:generateContent에서 네이티브로 응답합니다. 흥미로운 결과는 워크로드를 요청 하나씩 마이그레이션할 수 있다는 점입니다. 다른 벤더와 코드를 공유하는 서비스에는 OpenAI 호환 경로를 사용하고, 이미 Gemini 전용 필드에 의존하고 있는 곳에는 네이티브 경로를 사용하면 됩니다. 두 경로 모두 동일한 키와 동일한 잔액에 대해 청구되며, 이것이 여러 벤더 계정 대신 게이트웨이를 선택하는 근거입니다.

적용되는 매개변수

모델 페이지에는 지원되는 집합이 명시적으로 나열되어 있습니다: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools 및 top_p. 그 목록이 바로 계약입니다. 다른 제공자로부터 요청을 포팅하는 경우, 배포하기 전에 확인하세요. 습관적으로 사용하게 되는 매개변수 — 페널티 항, 로짓 바이어스, 수십 개의 샘플링 노브 — 는 그 목록에 없기 때문입니다.

그중 두 가지가 나머지보다 더 중요합니다. structured_outputs와 response_format은 200,000토큰 문서를 직접 작성한 파서 없이 다운스트림 코드가 읽을 수 있는 레코드로 바꿔 주는 것입니다. 그리고 include_reasoning은 모델이 답하기 전에 무엇을 했는지 알아내는 방법입니다. 프로덕션에서 이 옵션을 끄면 스키마를 다루는 불투명한 단계를 신뢰하는 셈입니다.

요청에 드는 비용

입력은 백만 토큰당 $2.00, 출력은 백만 토큰당 $10.00이며, 캐시 읽기는 백만 토큰당 $0.100입니다. 구체적인 예: 40,000토큰 계약서와 2,000토큰 구조화 추출을 합치면 입력 $0.08, 출력 $0.02로 청구되어 문서당 10센트입니다. 동일한 40,000토큰을 캐시에서 읽으면 대신 $0.004로 청구되므로, 같은 코퍼스를 반복해서 읽는 모든 워크플로에서 캐싱 항목이 중요한 이유입니다.

규모를 가늠해 보면, 동일한 40,000토큰 문서를 Gemini 3.1 Pro로 처리할 경우 입력 비용은 같지만 출력 비용은 20퍼센트 더 들고, Gemini 3 Flash로 처리할 경우 두 항목 모두 4분의 1 비용이 듭니다 — 이들 사이의 선택은 입력 가격이 아니라 모달리티와 컨텍스트에 관한 것이며, 입력 가격은 Carbon과 3.1 Pro가 동일합니다.무료 LLM API 분석은 이를 카탈로그의 나머지와 비교하기에 적합한 곳입니다.

서로 다른 의미를 가진 두 개의 지연 시간 수치

OrcaRouter 자체 모델 페이지는 지난 7일간의 실제 트래픽을 보고합니다: 첫 토큰까지 걸리는 시간 p50은 6.89초이고, p95는 10.00초, 출력 속도는 초당 226토큰이며, 960만 토큰 이상을 처리했습니다. 이는 게이트웨이를 통해 상호작용하는 호출자가 경험하는 것입니다.

Artificial Analysis는 동일한 모델에 대해 첫 토큰까지 64.7초, 작업당 실제 경과 시간 28.4분을 보고합니다. 이는 상충되지 않습니다. 서로 다른 측정치입니다. AA는 모델이 아홉 개의 어려운 벤치마크에서 원하는 만큼 오래 생각하도록 요구하는 고정 평가 하네스를 실행하므로, 시계에는 네트워크와 프리필뿐 아니라 추론 시간도 포함됩니다. 한 숫자만 다른 숫자 없이 인용하면, 상호작용성을 과도하게 약속하거나, 문제없었을 구매자를 겁먹게 만들게 됩니다.

솔직한 운영상의 주의점은 오류율입니다. 해당 7일 구간에서 모든 업스트림 제공업체를 통틀어 요청의 39.7%가 non-2xx 상태를 반환했으며, 같은 기간 Claude Fable 5.2의 경우는 10.8%였습니다. 재시도와 폴백 경로는 첫 장애가 발생한 뒤가 아니라 출시 전에 구축하세요. 그리고 다음을 읽어 보세요: Gemini 4 Carbon 출시 노트에서 출시 시점에 무엇이 바뀌었는지 확인할 수 있습니다.

Carbon이 실행되면 어디에 적합한가

그 비용을 정당화하는 워크로드는 100만 토큰 창과 두 가지 이상의 모달리티를 필요로 하는 것들입니다. 즉, 전체 코드베이스, 화자가 여럿인 긴 전사록, 추출된 텍스트와 함께 있는 스캔 PDF 같은 경우입니다. Google 모델 중에서 선택해야 한다면 Gemini 4 Carbon vs Gemini 3.1 Pro가 직접적인 비교이며, 대안이 완전히 다른 벤더라면 GPT-6.1 Sol vs Gemini 4 Carbon가 같은 결정을 반대편에서 다룹니다.

하나의 워크로드를 마이그레이션하는 대신 아직 스택을 구성하고 있다면, LLM 모델 목록에서 ID와 가격이 포함된 최신 카탈로그를 확인할 수 있으며, 상단에 링크된 모델 페이지는 무엇이든 하드코딩하기 전에 확인해야 할 페이지입니다 — 가격과 엔드포인트는 바뀝니다.

체크리스트

키는 저장소가 아니라 환경 변수에 저장하세요. 이미 배포한 SDK에 맞는 엔드포인트를 선택하세요. 지원 목록에 있는 매개변수만 보내고, 출력이 코드로 이어지는 경우에는 response_format과 structured_outputs를 사용하세요. 출력은 65K 토큰으로 예산을 잡고, 20K를 초과하면서 두 번 이상 읽는 항목은 모두 캐시하세요. p50은 약 7초로 예상하고, 오류를 반환하는 소수의 호출에 대비하세요. 그런 다음 자체 트래픽에서 측정하세요. 벤치마크 차트는 출발점일 뿐이며, 올바른 선택이었는지를 결정하는 것은 오직 요청 분포뿐입니다.