Googlegemini-4-carbon
Google's most capable Gemini reasoning model, built for complex software engineering, math and science
$0.6/ 1M token di input-70%$2prezzo ufficiale
- Contesto da 1M
- Output fino a 64K
- Effort da low a high
- Pensa sempre
- Legge le immagini
- Modalità
- Testo
- Endpoint
- /v1/chat/completions
- ID del modello
- gemini-4-carbon
- Provider
Gemini 4 Carbon API: panoramica
Endpoint documentato
Le richieste vanno a /v1/chat/completions, /v1/responses o /v1/messages, e il gateway converte ciascuna nella Gemini API di Google. Google's own format, /v1beta/models/gemini-4-carbon:generateContent, works too.
Sviluppatore del modello
Gemini 4 Carbon è pubblicato da Google e nell'API si invoca con l'ID del modello gemini-4-carbon.
Output e limiti
Contesto di 1,048,576 token; fino a 65,536 token di output; accetta testo e immagini e restituisce testo.
Gemini 4 Carbon API: prezzi
Gemini 4 Carbon è fatturato il 70% in meno del prezzo di listino ufficiale su ogni voce qui sotto.
| Voce | Tariffa ArgoLink | Prezzo ufficiale | Risparmi |
|---|---|---|---|
| Token di input | $0.6 / 1M token | -70% | |
| Token di input in cache | $0.03 / 1M token | -70% | |
| Token di output | $3 / 1M token | -70% |
I token di ragionamento sono fatturati come token di output.
Gemini 4 Carbon API: riferimento
Avvio rapido
Crea una chiave API nella console, poi usa l’URL di base, l’endpoint e il corpo della richiesta indicati in questa pagina.
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);
Protocolli
Chat Completions
Consigliato: convertito nella Gemini API di Google
Gli SDK OpenAI e i client compatibili con OpenAI funzionano così come sono: il gateway converte ogni richiesta nella Gemini API di 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": "Confronta il locking ottimistico e quello pessimistico in tre punti elenco."}],
"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": "Cosa mostra questo grafico?"},
{"type": "image_url", "image_url": {"url": "data:image/png;base64,iVBORw0KGgo..."}}
]
}]
}'
| Campo | Valore |
|---|---|
messages | messaggi system, user, assistant e tool; un messaggio user può includere parti image_url, ciascuna un data URL |
thinking | sempre attivo; omettilo |
reasoning_effort | low · medium · high |
max_completion_tokens | fino a 65,536 |
stream | true attiva lo streaming di server-sent events |
service_tier | non supportato; omettilo |
max_completion_tokens conta anche i token di pensiero.
Responses e Anthropic Messages
Conversione nella Gemini API di Google
Codex, Claude Code e gli altri client che inviano questi formati raggiungono lo stesso modello: il gateway converte ogni richiesta nella Gemini API di Google.
curl https://argolink.io/v1/responses \
-H "Authorization: Bearer $ARGOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"input": "Confronta il locking ottimistico e quello pessimistico in tre punti elenco."
}'
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": "Confronta il locking ottimistico e quello pessimistico in tre punti elenco."}]
}'
| Campo | Valore |
|---|---|
input | parti di testo e input_image; un'immagine deve essere un data URL, perché i link alle immagini vengono scartati |
messages | blocchi di testo, di strumenti e di immagini base64; i link alle immagini vengono scartati |
reasoning.effort | gli stessi valori di reasoning_effort |
output_config.effort | gli stessi valori; se omesso, viene inviato come medium |
Gemini 4 Carbon API: parametri completi della richiesta
| Parametro | Tipo | Requisito | Funzione |
|---|---|---|---|
model | string | obbligatorio | The catalog identifier for this page: gemini-4-carbon. |
messages | array | obbligatorio | Messaggi system, user, assistant e tool. Il contenuto dei messaggi user può includere parti image_url, ciascuna un data URL. |
thinking | object | facoltativo | Pensiero: sempre attivo; omettilo. |
reasoning_effort | string | facoltativo | Profondità di ragionamento: low · medium · high. |
max_completion_tokens | integer | facoltativo | Limita la risposta: fino a 65,536. Anche max_tokens è accettato. |
tools · tool_choice | array · string or object | facoltativo | Strumenti di tipo function e come il modello ne sceglie uno. |
stream | boolean | facoltativo | true attiva lo streaming di chunk il cui choices[].delta contiene il testo. |
service_tier | string | non supportato | Per questo modello non esiste un livello più veloce; omettilo. |
Gemini 4 Carbon API a confronto con modelli simili
| Modello | ID del modello | Provider | Tariffa | Ideale per |
|---|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | $0.6 / 1M token di input | 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 token di input | Il modello più capace di OpenAI, pensato per il lavoro end-to-end più impegnativo |
| GPT-5.6 Terra | gpt-5.6-terra | OpenAI | $0.46 / 1M token di input | Il modello GPT-5.6 che bilancia intelligenza e costo |
| GPT-5.6 Sol | gpt-5.6-sol | OpenAI | $0.92 / 1M token di input | Il modello di punta GPT-5.6 per il lavoro professionale complesso |
Altri modelli dello stesso sviluppatore
- Gemini 3.8 FlashIl modello Gemini veloce ed economico di Google per le attività quotidiane con testo e immagini$0.225 / 1M token di input
- Gemini 4 ArgonIl modello Gemini di punta di Google per ragionamento complesso, programmazione e lavori con contesto lungo$0.6 / 1M token di input
- Gemini 4 HydrogenGoogle's fast, efficient Gemini 4 model for everyday coding and agentic workflows$0.45 / 1M token di input
Altri modelli della stessa modalità
- GPT-6 AstraIl modello più capace di OpenAI, pensato per il lavoro end-to-end più impegnativo$2.3 / 1M token di input
- GPT-5.6 TerraIl modello GPT-5.6 che bilancia intelligenza e costo$0.46 / 1M token di input
- GPT-5.6 SolIl modello di punta GPT-5.6 per il lavoro professionale complesso$0.92 / 1M token di input
- Claude Opus 5Per la programmazione agentica complessa e il lavoro aziendale$1.75 / 1M token di input
Gemini 4 Carbon API: domande frequenti
Come effettuo una chiamata a Gemini 4 Carbon?
Create an API key in the console and POST https://argolink.io/v1/chat/completions con il campo model impostato su gemini-4-carbon and your key in the Authorization header as a Bearer token. Funzionano anche /v1/responses e /v1/messages; il gateway converte ogni richiesta nella Gemini API di Google.
Quanto costa Gemini 4 Carbon?
$0.6 per milione di token di input e $3 per milione di token di output, il 70% in meno rispetto alle tariffe ufficiali. L'input in cache costa $0.03 per milione. I token di ragionamento sono fatturati come token di output.
Quali sono i limiti di contesto e output di Gemini 4 Carbon?
Contesto di 1,048,576 token; fino a 65,536 token di output; accetta testo e immagini e restituisce testo.
Come controllo il ragionamento di Gemini 4 Carbon?
Pensa sempre. Set reasoning_effort to low, medium or high.
Gemini 4 Carbon può leggere le immagini?
Sì: inviale come parti image_url, ciascuna un data URL, su /v1/chat/completions. I link alle immagini vengono scartati in tutti i formati, quindi invia ogni immagine all'interno della richiesta.