Googlegemini-4-carbon
Google's most capable Gemini reasoning model, built for complex software engineering, math and science
$0.6/ 1M tokens d’entrée-70%$2prix officiel
- Contexte de 1M
- Jusqu’à 64K en sortie
- Effort de low à high
- Réfléchit toujours
- Lit les images
- Modalité
- Texte
- Endpoint
- /v1/chat/completions
- ID du modèle
- gemini-4-carbon
- Fournisseur
Gemini 4 Carbon : aperçu de l’API
Endpoint documenté
Les requêtes vont vers /v1/chat/completions, /v1/responses ou /v1/messages, et la passerelle convertit chacune en appel à la Gemini API de Google. Google's own format, /v1beta/models/gemini-4-carbon:generateContent, works too.
Fournisseur du modèle
Gemini 4 Carbon est publié par Google et s’appelle via l’API avec l’ID de modèle gemini-4-carbon.
Sortie et limites
Contexte de 1,048,576 tokens ; jusqu’à 65,536 tokens de sortie ; texte et images en entrée, texte en sortie.
Gemini 4 Carbon : tarifs de l’API
Gemini 4 Carbon est facturé 70% en dessous du prix public officiel sur chaque poste ci-dessous.
| Élément | Tarif ArgoLink | Prix officiel | Vous économisez |
|---|---|---|---|
| Tokens d’entrée | $0.6 / 1M tokens | -70% | |
| Tokens d’entrée en cache | $0.03 / 1M tokens | -70% | |
| Tokens de sortie | $3 / 1M tokens | -70% |
Les tokens de raisonnement sont facturés comme des tokens de sortie.
Gemini 4 Carbon : référence de l’API
Démarrage rapide
Créez une clé API dans la console, puis utilisez l’URL de base, l’endpoint et le corps de requête indiqués sur cette page.
curl -sS https://argolink.io/v1/chat/completions \
-H "Authorization: Bearer $ARGOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"messages": [{"role": "user", "content": "Explain what this model is good at in one sentence."}],
"stream": false
}'
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["ARGOLINK_API_KEY"],
base_url="https://argolink.io/v1",
)
response = client.chat.completions.create(
model="gemini-4-carbon",
messages=[{"role": "user", "content": "Explain what this model is good at in one sentence."}],
)
print(response.choices[0].message.content)
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.ARGOLINK_API_KEY,
baseURL: "https://argolink.io/v1",
});
const response = await client.chat.completions.create({
model: "gemini-4-carbon",
messages: [{ role: "user", content: "Explain what this model is good at in one sentence." }],
});
console.log(response.choices[0].message.content);
Protocoles
Chat Completions
Recommandé : converti en appel à la Gemini API de Google
Les SDK OpenAI et les clients compatibles OpenAI fonctionnent tels quels : la passerelle convertit chaque requête en appel à la Gemini API de Google.
curl https://argolink.io/v1/chat/completions \
-H "Authorization: Bearer $ARGOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"messages": [{"role": "user", "content": "Comparez le verrouillage optimiste et le verrouillage pessimiste en trois points."}],
"reasoning_effort": "high"
}'
curl https://argolink.io/v1/chat/completions \
-H "Authorization: Bearer $ARGOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"messages": [{
"role": "user",
"content": [
{"type": "text", "text": "Que montre ce graphique ?"},
{"type": "image_url", "image_url": {"url": "data:image/png;base64,iVBORw0KGgo..."}}
]
}]
}'
| Champ | Valeur |
|---|---|
messages | messages system, user, assistant et tool ; un message user peut contenir des parties image_url, chacune contenant une data URL |
thinking | toujours activée ; omettez ce champ |
reasoning_effort | low · medium · high |
max_completion_tokens | jusqu’à 65,536 |
stream | true active le streaming en server-sent events |
service_tier | non pris en charge ; omettez ce champ |
max_completion_tokens compte aussi les tokens de réflexion.
Responses et Anthropic Messages
Converti en appel à la Gemini API de Google
Codex, Claude Code et les autres clients qui envoient ces formats accèdent au même modèle : la passerelle convertit chaque requête en appel à la Gemini API de Google.
curl https://argolink.io/v1/responses \
-H "Authorization: Bearer $ARGOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"input": "Comparez le verrouillage optimiste et le verrouillage pessimiste en trois points."
}'
curl https://argolink.io/v1/messages \
-H "x-api-key: $ARGOLINK_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"max_tokens": 4000,
"messages": [{"role": "user", "content": "Comparez le verrouillage optimiste et le verrouillage pessimiste en trois points."}]
}'
| Champ | Valeur |
|---|---|
input | du texte et des parties input_image ; une image doit être une data URL, car les liens d’images sont supprimés |
messages | blocs de texte, d’outils et d’images base64 ; les liens d’images sont supprimés |
reasoning.effort | les mêmes valeurs que reasoning_effort |
output_config.effort | les mêmes valeurs ; envoyé comme medium si omis |
Gemini 4 Carbon : tous les paramètres de la requête
| Paramètre | Type | Exigence | Rôle |
|---|---|---|---|
model | string | obligatoire | The catalog identifier for this page: gemini-4-carbon. |
messages | array | obligatoire | Messages system, user, assistant et tool. Le contenu user peut inclure des parties image_url, chacune contenant une data URL. |
thinking | object | facultatif | Réflexion : toujours activée ; omettez ce champ. |
reasoning_effort | string | facultatif | Profondeur de raisonnement : low · medium · high. |
max_completion_tokens | integer | facultatif | Plafonne la réponse : jusqu’à 65,536. max_tokens fonctionne aussi. |
tools · tool_choice | array · string or object | facultatif | Les outils de type fonction et la manière dont le modèle choisit un outil. |
stream | boolean | facultatif | true active le streaming de chunks dont les choices[].delta contiennent le texte. |
service_tier | string | non pris en charge | Ce modèle n’a pas de palier plus rapide ; omettez ce champ. |
Gemini 4 Carbon : comparaison de l’API avec des modèles similaires
| Modèle | ID du modèle | Fournisseur | Tarif | Idéal pour |
|---|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | $0.6 / 1M tokens d’entrée | Google's most capable Gemini reasoning model, built for complex software engineering, math and science | |
| GPT-6 Astra | gpt-6-astra | OpenAI | $2.3 / 1M tokens d’entrée | Le modèle le plus performant d’OpenAI, conçu pour les tâches de bout en bout les plus difficiles |
| GPT-5.6 Terra | gpt-5.6-terra | OpenAI | $0.46 / 1M tokens d’entrée | Le modèle GPT-5.6 qui équilibre intelligence et coût |
| GPT-5.6 Sol | gpt-5.6-sol | OpenAI | $0.92 / 1M tokens d’entrée | Le modèle phare GPT-5.6 pour le travail professionnel complexe |
Autres modèles de ce fournisseur
- Gemini 3.8 FlashLe modèle Gemini rapide et économique de Google pour les tâches courantes de texte et d’image$0.225 / 1M tokens d’entrée
- Gemini 4 ArgonLe modèle Gemini phare de Google pour le raisonnement complexe, le code et les tâches à contexte long$0.6 / 1M tokens d’entrée
- Gemini 4 HydrogenGoogle's fast, efficient Gemini 4 model for everyday coding and agentic workflows$0.45 / 1M tokens d’entrée
Autres modèles de la même modalité
- GPT-6 AstraLe modèle le plus performant d’OpenAI, conçu pour les tâches de bout en bout les plus difficiles$2.3 / 1M tokens d’entrée
- GPT-5.6 TerraLe modèle GPT-5.6 qui équilibre intelligence et coût$0.46 / 1M tokens d’entrée
- GPT-5.6 SolLe modèle phare GPT-5.6 pour le travail professionnel complexe$0.92 / 1M tokens d’entrée
- Claude Opus 5Pour le code agentique complexe et les usages en entreprise$1.75 / 1M tokens d’entrée
Gemini 4 Carbon : questions fréquentes sur l’API
Comment appeler Gemini 4 Carbon ?
Create an API key in the console and POST https://argolink.io/v1/chat/completions avec model défini sur gemini-4-carbon and your key in the Authorization header as a Bearer token. /v1/responses et /v1/messages fonctionnent aussi ; la passerelle convertit chaque requête en appel à la Gemini API de Google.
Combien coûte Gemini 4 Carbon ?
$0.6 par million de tokens d’entrée et $3 par million de tokens de sortie, soit 70% de moins que les tarifs officiels. L’entrée en cache coûte $0.03 par million. Les tokens de raisonnement sont facturés comme des tokens de sortie.
Quelles sont les limites de contexte et de sortie de Gemini 4 Carbon ?
Contexte de 1,048,576 tokens ; jusqu’à 65,536 tokens de sortie ; texte et images en entrée, texte en sortie.
Comment contrôler le raisonnement de Gemini 4 Carbon ?
Il réfléchit toujours. Set reasoning_effort to low, medium or high.
Gemini 4 Carbon peut-il lire des images ?
Oui : envoyez-les sous forme de parties image_url, chacune contenant une data URL, sur /v1/chat/completions. Les liens d’images sont supprimés dans tous les formats : envoyez donc chaque image directement dans la requête.