Hoe u Gemini 4 Carbon gebruikt: API-setup, parameters en kosten

Gemini 4 Carbon is het multimodale model van Google in de Gemini 4-familie, en op OrcaRouter is het bereikbaar met één sleutel: de model-id is google/gemini-4-carbon, de lijstprijs is $2.00 per miljoen inputtokens en $10.00 per miljoen outputtokens, en de Gemini 4 Carbon API-pagina bevat de actuele cijfers. Hierna volgt de configuratie die echt werkt, in de volgorde waarin je ermee te maken krijgt: endpoint, aanvraagvorm, parameterset, kosten en dan de latentiecijfers waarmee je rekening moet houden voordat je het voor gebruikers inzet.

Wat het model accepteert

Het contextvenster is 1,048,576 tokens en het uitvoerplafond is 65K tokens per antwoord. Dat is het eerste dat je je eigen moet maken: een zeer groot document past in de prompt, maar het antwoord blijft ruim onder de invoer. Invoermodaliteiten zijn tekst, afbeeldingen, audio, video en documenten; uitvoer is tekst. Native toolgebruik en function calling worden ondersteund, net als gestructureerde JSON-uitvoer, waardoor het bruikbaar is binnen een agent-loop in plaats van alleen als chatbox.

Zero Data Retention is beschikbaar op dit model. Met ZDR ingeschakeld gaan verzoeken alleen naar upstreamproviders die een zero-retentionovereenkomst hebben, dus als je inkoopteam dat zwart op wit nodig heeft, is het een routeringsinstelling in plaats van een apart contract.

Endpoint één: het OpenAI-compatibele pad

Dit is de route die je moet volgen als je al code hebt draaien tegen een OpenAI-client. Richt de SDK op OrcaRouter, behoud de model-id en verder verandert er niets aan je request. Het onderstaande voorbeeld is het hele programma:

Stel de basis-URL in op https://api.orcarouter.ai/v1, lees de sleutel uit een omgevingsvariabele in plaats van een letterlijke waarde, en geef google/gemini-4-carbon door als model. Dezelfde drie regels werken met de Python-, TypeScript- en Go-SDK's, omdat het wire-format Chat Completions is.

Endpoint twee: native generateContent

Als je stack op de Gemini SDK is gebouwd in plaats van op een OpenAI-client, antwoordt Carbon nog steeds native op /v1beta/models/{model}:generateContent op dezelfde host. Het interessante gevolg is dat je een workload per request kunt migreren: gebruik het OpenAI-compatibele pad voor de services die code delen met andere leveranciers, en het native pad waar je al afhankelijk bent van Gemini-specifieke velden. Beide worden afgerekend op dezelfde sleutel en hetzelfde saldo, en dat is het argument voor een gateway in plaats van een set leveranciersaccounts.

De parameters die worden gerespecteerd

De modelpagina vermeldt de ondersteunde set expliciet: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools en top_p. Die lijst is het contract. Als je een request overzet van een andere provider, controleer die dan voordat je hem verzendt, want de parameters waar je uit gewoonte naar grijpt — penalty-termen, logit-biasen, een dozijn sampling-knoppen — staan er niet op.

Twee ervan zijn belangrijker dan de rest. structured_outputs plus response_format is wat een document van 200.000 tokens omzet in een record dat je downstream-code kan lezen zonder een parser die je zelf hebt geschreven. En include_reasoning is hoe je erachter komt wat het model deed voordat het antwoordde; laat je het uit in productie, dan vertrouw je een ondoorzichtige stap met je schema.

Wat een verzoek kost

De invoer kost $2,00 per miljoen tokens en de uitvoer $10,00 per miljoen, met cache-leesacties tegen $0,100 per miljoen. Een uitgewerkt voorbeeld: een contract van 40.000 tokens plus een gestructureerde extractie van 2.000 tokens levert $0,08 aan invoer en $0,02 aan uitvoer op, dus tien cent per document. Dezelfde 40.000 tokens uit de cache kosten daarentegen slechts $0,004, en daarom is de cache-regel van belang voor elke workflow die hetzelfde corpus opnieuw leest.

Ter vergelijking: hetzelfde document van 40.000 tokens kost bij Gemini 3.1 Pro evenveel aan input, maar 20 procent meer aan output, en bij Gemini 3 Flash voor zowel input als output een kwart daarvan — de keuze tussen beide gaat over modaliteit en context, niet over de inputprijs, die identiek is tussen Carbon en 3.1 Pro. De gratis LLM-API-overzicht is de plek om dat te vergelijken met de rest van de catalogus.

Twee latentiegetallen die verschillende dingen betekenen

De eigen modelpagina van OrcaRouter rapporteert over het liveverkeer van de laatste zeven dagen: p50-tijd tot het eerste token van 6,89 seconden, p95 van 10,00 seconden en outputsnelheid van 226 tokens per seconde, bij 9,6 miljoen geleverde tokens. Dat is wat een interactieve aanroeper via de gateway ervaart.

Artificial Analysis rapporteert 64,7 seconden tot het eerste token en 28,4 minuten kloktijd per taak voor hetzelfde model. Die zijn niet met elkaar in tegenspraak; het zijn verschillende metingen. AA gebruikt een vaste evaluatie-opstelling die het model vraagt om zo lang te denken als het wil op negen moeilijke benchmarks, dus de kloktijd omvat ook het redeneren, niet alleen het netwerk en de prefill. Als je het ene getal noemt zonder het andere, beloof je ofwel te veel interactiviteit of jaag je een koper weg die er eigenlijk prima mee had kunnen leven.

Het eerlijke operationele voorbehoud is het foutpercentage: 39,7 procent van de verzoeken gaf een non-2xx-status terug bij alle upstreamproviders in dat venster van zeven dagen, tegenover 10,8 procent voor Claude Fable 5.2 in dezelfde periode. Bouw het retry- en fallbackpad vóór de lancering, niet na het eerste incident, en lees de Gemini 4 Carbon release notes om te zien wat er veranderde toen het uitkwam.

Waar Carbon past zodra het draait

De workloads die dit rechtvaardigen, zijn degenen die het 1M-venster en meer dan één modaliteit nodig hebben: volledige codebases, lange transcripties met sprekers, gescande PDF's naast de daaruit geëxtraheerde tekst. Als je tussen Google-modellen kiest, Gemini 4 Carbon vs Gemini 3.1 Pro is de directe vergelijking; als het alternatief van een heel andere leverancier komt, GPT-6.1 Sol vs Gemini 4 Carbon dekt dezelfde beslissing vanaf de andere kant.

Als je nog een stack aan het samenstellen bent in plaats van één workload te migreren, LLM-modellenlijst bevat de actuele catalogus met id's en prijzen, en de modelpagina die bovenaan is gelinkt, is de pagina die je moet controleren voordat je iets hardcodeert — prijzen en endpoints veranderen.

De checklist

Bewaar de sleutel in een omgevingsvariabele, niet in de repository. Kies het endpoint dat overeenkomt met de SDK die je al levert. Stuur alleen parameters uit de ondersteunde lijst en gebruik response_format plus structured_outputs wanneer de uitvoer code voedt. Begroot de uitvoer op 65K tokens en cache alles boven 20K dat je meer dan twee keer leest. Verwacht een p50 van bijna zeven seconden en houd rekening met de minderheid van aanroepen die een fout teruggeven. Meet het dan op je eigen verkeer, want een benchmarkgrafiek is een uitgangspunt en je aanvraagverdeling is het enige dat bepaalt of het de juiste keuze was.