Como Usar o Gemini 4 Carbon: Configuração da API, Parâmetros e Custo

O Gemini 4 Carbon é o modelo multimodal do Google da família Gemini 4 e, no OrcaRouter, pode ser acessado com uma única chave: o id do modelo é google/gemini-4-carbon, o preço de tabela é US$ 2,00 por milhão de tokens de entrada e US$ 10,00 por milhão de tokens de saída, e a página Gemini 4 Carbon API traz os valores atualizados. A seguir está a configuração que realmente funciona, na ordem em que você vai encontrá-la: endpoint, formato da requisição, conjunto de parâmetros, custo e, por fim, os números de latência com que você deve contar antes de colocá-lo na frente dos usuários.

O que o modelo aceita

A janela de contexto é de 1.048.576 tokens e o teto de saída é de 65 mil tokens por resposta, o que é a primeira coisa a internalizar: um documento muito grande cabe no prompt, mas a resposta tem um limite bem abaixo da entrada. As modalidades de entrada são texto, imagens, áudio, vídeo e documentos; a saída é texto. O uso nativo de ferramentas e a chamada de funções são suportados, assim como saídas JSON estruturadas, o que é o que o torna utilizável dentro de um loop de agente em vez de apenas como uma caixa de chat.

A Retenção Zero de Dados está disponível neste modelo. Com a ZDR ativada, as solicitações são enviadas apenas para provedores upstream que mantêm um acordo de retenção zero; portanto, se sua equipe de compras precisar disso por escrito, trata-se de uma configuração de roteamento, e não de um contrato separado.

Endpoint um: o caminho compatível com OpenAI

Este é o caminho a seguir se você já tem código em execução com qualquer cliente OpenAI. Aponte o SDK para o OrcaRouter, mantenha o ID do modelo e nada mais na sua requisição muda. O exemplo abaixo é o programa completo:

Defina a URL base como https://api.orcarouter.ai/v1, leia a chave de uma variável de ambiente em vez de um valor literal e passe google/gemini-4-carbon como o modelo. As mesmas três linhas funcionam nos SDKs Python, TypeScript e Go, porque o formato de transmissão é Chat Completions.

Endpoint dois: generateContent nativo

Se sua stack for baseada no SDK do Gemini em vez de um cliente OpenAI, o Carbon ainda responde nativamente em /v1beta/models/{model}:generateContent no mesmo host. A consequência interessante é que você pode migrar uma carga de trabalho uma requisição de cada vez: use o caminho compatível com OpenAI para os serviços que compartilham código com outros fornecedores, e o caminho nativo onde você já depende de campos específicos do Gemini. Ambos são cobrados na mesma chave e no mesmo saldo, e esse é o argumento a favor de um gateway em vez de um conjunto de contas de fornecedores.

Os parâmetros que são respeitados

A página do modelo lista explicitamente o conjunto suportado: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. Essa lista é o contrato. Se você estiver portando uma requisição de outro provedor, confira-a antes de enviar, porque os parâmetros aos quais você recorre por hábito — termos de penalidade, vieses de logit, uma dúzia de ajustes de amostragem — não estão nela.

Dois deles importam mais que os outros. structured_outputs mais response_format é o que transforma um documento de 200.000 tokens em um registro que seu código downstream consegue ler sem um parser que você mesmo escreveu. E include_reasoning é como você descobre o que o modelo fez antes de responder; deixe desativado em produção e você estará confiando uma etapa opaca ao seu schema.

Quanto custa uma solicitação

A entrada custa $2,00 por milhão de tokens e a saída custa $10,00 por milhão, com leituras de cache a $0,100 por milhão. Um exemplo prático: um contrato de 40.000 tokens mais uma extração estruturada de 2.000 tokens custa $0,08 de entrada e $0,02 de saída, ou seja, dez centavos por documento. Os mesmos 40.000 tokens lidos do cache custam $0,004, e é por isso que a linha de cache importa para qualquer fluxo de trabalho que releia o mesmo corpus.

Para fins de comparação, o mesmo documento de 40.000 tokens em relação ao Gemini 3.1 Pro custa o mesmo na entrada, mas 20% mais na saída, e em relação ao Gemini 3 Flash custa um quarto disso tanto na entrada quanto na saída — a escolha entre eles é uma questão de modalidade e contexto, e não do preço de entrada, que é idêntico entre Carbon e 3.1 Pro.O detalhamento da API gratuita de LLM é o lugar para comparar isso com o restante do catálogo.

Dois números de latência que significam coisas diferentes

A própria página de modelo do OrcaRouter relata os últimos sete dias de tráfego ao vivo: tempo p50 até o primeiro token de 6,89 segundos, p95 de 10,00 segundos, e velocidade de saída de 226 tokens por segundo, em mais de 9,6 milhões de tokens servidos. Isso é o que um chamador interativo experimenta por meio do gateway.

O Artificial Analysis relata 64,7 segundos até o primeiro token e 28,4 minutos de tempo de parede por tarefa para o mesmo modelo. Esses números não estão em conflito; são medições diferentes. O AA executa uma estrutura de avaliação fixa que pede ao modelo que pense pelo tempo que quiser em nove benchmarks difíceis, então o cronômetro inclui o raciocínio, não apenas a rede e o prefill. Se você citar um número sem o outro, vai prometer interatividade em excesso ou assustar um comprador que teria ficado satisfeito.

A ressalva operacional honesta é a taxa de erro: 39,7% das requisições retornaram um status não-2xx em todos os provedores upstream nessa janela de sete dias, contra 10,8% do Claude Fable 5.2 no mesmo período. Implemente o caminho de nova tentativa e fallback antes do lançamento, não depois do primeiro incidente, e leia as notas de versão do Gemini 4 Carbon para saber o que mudou quando ele foi lançado.

Onde o Carbon se encaixa quando estiver em execução

As cargas de trabalho que o justificam são as que precisam da janela de 1M e de mais do que uma modalidade: bases de código inteiras, transcrições longas com intervenientes, PDFs digitalizados em conjunto com o respetivo texto extraído. Se está a escolher entre modelos Google, Gemini 4 Carbon vs Gemini 3.1 Pro é a comparação direta; se a alternativa for um fornecedor completamente diferente, GPT-6.1 Sol vs Gemini 4 Carbon abrange a mesma decisão do outro lado.

Se você ainda está montando uma stack em vez de migrar uma única workload, a lista de modelos LLM tem o catálogo atual com ids e preços, e a página do modelo vinculada no topo é a que você deve conferir antes de codificar qualquer coisa — preços e endpoints mudam.

A lista de verificação

Armazene a chave em uma variável de ambiente, não no repositório. Escolha o endpoint que corresponde ao SDK que você já utiliza. Envie apenas parâmetros da lista suportada e use response_format mais structured_outputs quando a saída alimentar código. Reserve 65K tokens para a saída e faça cache de qualquer conteúdo acima de 20K que você leia mais de duas vezes. Espere um p50 próximo de sete segundos e planeje-se para a minoria das chamadas que retornam erro. Depois, meça no seu próprio tráfego, porque um gráfico de benchmark é só um ponto de partida e a sua distribuição de requisições é a única coisa que decide se foi a escolha certa.