Как использовать Gemini 4 Carbon: настройка API, параметры и стоимость

Gemini 4 Carbon — это мультимодальная модель Google из семейства Gemini 4, и в OrcaRouter к ней можно получить доступ с помощью одного ключа: идентификатор модели — google/gemini-4-carbon, цена по прайс-листу составляет $2.00 за миллион входных токенов и $10.00 за миллион выходных токенов, а Gemini 4 Carbon API — это страница с актуальными цифрами. Далее описывается вариант настройки, который действительно работает, в том порядке, в котором вы с ним столкнётесь: эндпоинт, структура запроса, набор параметров, стоимость, а затем показатели задержки, которые следует заложить в бюджет до того, как вы предоставите её пользователям.

Что принимает модель

Окно контекста составляет 1,048,576 токенов, а потолок вывода — 65K токенов на ответ; первое, что нужно усвоить: очень большой документ помещается в промпт, но ответ ограничен значительно ниже объёма входных данных. Входные модальности — текст, изображения, аудио, видео и документы; выход — текст. Поддерживаются нативное использование инструментов и вызов функций, а также структурированные JSON-выходы, что делает его пригодным для использования внутри агентного цикла, а не только в качестве чат-интерфейса.

Zero Data Retention доступен на этой модели. При включённом ZDR запросы направляются только к вышестоящим провайдерам, у которых есть соглашение о нулевом хранении, поэтому если вашей команде по закупкам нужно это в письменном виде, это настройка маршрутизации, а не отдельный контракт.

Эндпоинт один: путь, совместимый с OpenAI

Это тот путь, по которому стоит пойти, если у вас уже есть код, работающий с любым клиентом OpenAI. Направьте SDK на OrcaRouter, сохраните идентификатор модели — и больше ничего в вашем запросе не изменится. Пример ниже — это вся программа:

Укажите базовый URL как https://api.orcarouter.ai/v1, считывайте ключ из переменной окружения, а не из литерала, и передайте google/gemini-4-carbon в качестве модели. Те же три строки работают в SDK для Python, TypeScript и Go, потому что формат обмена — Chat Completions.

Эндпоинт два: нативный generateContent

Если ваш стек построен на Gemini SDK, а не на клиенте OpenAI, Carbon всё равно отвечает нативно по адресу /v1beta/models/{model}:generateContent на том же хосте. Интересное следствие: мигрировать рабочую нагрузку можно по одному запросу за раз — использовать OpenAI-совместимый путь для сервисов, которые делят код с другими поставщиками, и нативный путь там, где вы уже зависите от полей, специфичных для Gemini. И то, и другое тарифицируется по одному и тому же ключу и списывается с одного и того же баланса — вот аргумент в пользу шлюза, а не набора аккаунтов у разных поставщиков.

Параметры, которые соблюдаются

На странице модели явно перечислен поддерживаемый набор: include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools и top_p. Этот список — контракт. Если вы переносите запрос от другого провайдера, проверьте его перед выпуском, потому что параметры, к которым вы тянетесь по привычке — штрафные члены, смещения логитов, дюжина настроек сэмплирования — в нём отсутствуют.

Два из них важнее остальных. structured_outputs плюс response_format — это то, что превращает документ на 200 000 токенов в запись, которую ваш нижестоящий код сможет прочитать без парсера, написанного вами самостоятельно. А include_reasoning — это способ узнать, что модель делала перед тем, как ответить; если оставить его отключённым в продакшене, вы доверяете непрозрачному этапу свою схему.

Сколько стоит запрос

Ввод стоит $2.00 за миллион токенов, вывод — $10.00 за миллион, а чтение из кэша — $0.100 за миллион. Пример расчёта: контракт на 40 000 токенов плюс структурированное извлечение на 2 000 токенов обходится в $0.08 за ввод и $0.02 за вывод, то есть десять центов за документ. Те же 40 000 токенов, прочитанные из кэша, стоят вместо этого $0.004 — вот почему строка о кэшировании важна для любого рабочего процесса, который повторно читает один и тот же корпус.

Для сравнения: тот же документ на 40 000 токенов при использовании Gemini 3.1 Pro стоит столько же на входе, но на 20% больше на выходе, а при использовании Gemini 3 Flash — вчетверо меньше и на входе, и на выходе; выбор между ними обусловлен модальностью и контекстом, а не ценой на входе, которая одинакова у Carbon и 3.1 Pro. Этот обзор бесплатных LLM API — место, где можно сравнить это с остальным каталогом.

Два показателя задержки, которые означают разные вещи

На собственной странице модели OrcaRouter приводятся данные о живом трафике за последние семь дней: p50 времени до первого токена — 6,89 секунды, p95 — 10,00 секунды, а скорость вывода — 226 токенов в секунду, при более чем 9,6 млн обслуженных токенов. Именно это ощущает интерактивный вызывающий через шлюз.

Artificial Analysis сообщает о 64,7 секунды до первого токена и 28,4 минуты реального времени на задачу для одной и той же модели. Эти цифры не противоречат друг другу; это разные измерения. AA использует фиксированный стенд оценки, который предлагает модели думать столько, сколько она захочет, на девяти сложных бенчмарках, поэтому таймер включает рассуждения, а не только сеть и префилл. Если вы приведёте одну цифру без другой, вы либо пообещаете слишком много интерактивности, либо отпугнёте покупателя, которого всё бы устроило.

Честная эксплуатационная оговорка — это частота ошибок: 39,7 процента запросов вернули статус, отличный от 2xx, у всех вышестоящих провайдеров за тот семидневный период, против 10,8 процента у Claude Fable 5.2 за тот же период. Реализуйте механизм повторных попыток и резервного переключения до запуска, а не после первого инцидента, и прочитайте примечания к выпуску Gemini 4 Carbon, чтобы узнать, что изменилось, когда он вышел.

Где место Carbon, когда он запущен

Нагрузки, которые это оправдывают, — это те, которым нужно окно в 1M и более одной модальности: целые кодовые базы, длинные расшифровки с указанием говорящих, сканированные PDF вместе с извлечённым из них текстом. Если вы выбираете между моделями Google, Gemini 4 Carbon vs Gemini 3.1 Pro — это прямое сравнение; если альтернатива — совсем другой вендор, GPT-6.1 Sol vs Gemini 4 Carbon рассматривает то же решение с другой стороны.

Если вы всё ещё собираете стек, а не переносите одну рабочую нагрузку, список моделей LLM содержит актуальный каталог с идентификаторами и ценами, а страница модели, ссылка на которую находится вверху, — это то, что стоит проверить, прежде чем что-либо жёстко прописывать — цены и эндпоинты меняются.

Чек-лист

Храните ключ в переменной окружения, а не в репозитории. Выберите эндпоинт, соответствующий SDK, который вы уже используете. Передавайте только параметры из поддерживаемого списка и используйте response_format вместе со structured_outputs, когда вывод идёт в код. Заложите бюджет вывода в 65K токенов и кэшируйте всё объёмом более 20K, что вы читаете более двух раз. Ожидайте p50 около семи секунд и предусмотрите, что небольшая часть вызовов будет возвращать ошибку. Затем измерьте это на своём трафике, потому что график бенчмарка — это отправная точка, и только ваше распределение запросов решает, был ли это правильный выбор.