Gemini 4 Carbon ist Googles Frontier-Modell für Reasoning und seit dem 10.
- Eingabe
- Text Bild Audio Video $2/M
- Ausgabe
- Text $10/M
- Cache-Lesen
- $0.1/M
- Audio-Eingabe
- $2/M
- Audio-Cache lesen
- $0.1/M
- Kontext
- 1M
- vs. GPT-4o
- ~60% günstiger
- Knowledge-Cutoff
- 2026-03
Preise nach Eingabelänge
Für die gesamte Anfrage gilt der Tarif ihrer Eingabelängenstufe. Preise in USD pro Million Tokens.
| Eingabe-Tokens | Eingabe | Ausgabe | Eingabe (Thinking) |
|---|
Benchmarks
Anbieterangaben: Google
Preis im Vergleich
Der Preis im Feld von 79 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (laut Anbieter) | 1.048.576 |
|---|---|
| Max. Ausgabe (laut Anbieter) | 65.536 |
| Knowledge-Cutoff | 2026-03 |
Prompt-Caching
| Modus | automatisch |
|---|---|
| Min. Präfix | 4.096 |
Thinking
| Anbieter-Parameter | thinking_level |
|---|---|
| Zulässige Werte | low · medium · high; "minimal" and thinking_budget return 400 |
| Standardwert | medium gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Nein |
| Thinking-Verhalten | There is no off setting and no numeric thinking budget. Custom temperature, top_p and top_k values are ignored. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild + Audio + Video → Text |
|---|
Google's frontier Gemini 4 model for deep work on complex, real-world tasks across coding, finance, legal, cybersecurity and science. Google says it spends more thinking tokens per turn than Gemini 4 Argon to explore and verify its work, which raises token use and latency. The output price includes thinking tokens. The published rate is introductory: input and output both double on 1 December 2026, and cached input doubles with them. Caching is implicit only.
Ein Prompt, gemessen über das Gateway
Gemini 4 Carbon bestanden · 3 sentences
Enabling reasoning instructs the AI to generate a lengthy, behind-the-scenes "thought process" to verify its logic before delivering a final answer. Because our vendor bills us based on total output volume, we are charged for all of that invisible scratchpad work in addition to the visible response, effectively doubling the compute consumed per query. Moving forward, we can control this cost by restricting reasoning strictly to complex, high-stakes workflows where higher accuracy justifies the premium, while routing routine tasks back to standard, lower-cost models.
Ausgabe 908 tok (+799 Thinking) Latenz 18.0 s
Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.
Gemini 4 Carbon bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The original function counts the number of matching adjacent *transitions* rather than the number of *elements* in a run because `best` and `cur` are initialized and reset to `0` instead of `1`. Because a single item on its own already forms a run of length `1`, starting at `0` causes every non-empty result to be short by one: single-element lists (where the loop never executes) and lists with no duplicates return `0` instead of `1`, and any run of $k$ equal items—including one ending at the last index—only increments `cur` $k - 1$ times, making it appear as though the final element of the run was missed. […]
Ausgabe 1411 tok (+1131 Thinking) Latenz 32.7 s
Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.
Gemini 4 Carbon bestanden · 5/5 fields, guidance null
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": null, "growth_pct": null, "guidance": null } ```
Ausgabe 3338 tok (+3281 Thinking) Latenz 61.6 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
Gemini 4 Carbon bestanden · 120 words, 0 banned, 1 question
Are your engineering teams paying multiple AI vendors to generate identical responses? Today, we are introducing Universal Prompt Caching for our flagship API Gateway. When applications route traffic across providers like OpenAI, Anthropic, and Mistral, duplicate queries drain budgets and degrade user experiences. Our new unified caching layer intercepts incoming prompts directly at the network edge. If an identical request was previously fulfilled by any connected model, the gateway delivers the stored response in milliseconds, completely bypassing external API calls. This practical upgrade cuts monthly token expenses substantially while accelerating overall application speed. Best of all, deployment requires zero complex code changes. Simply activate this capability inside your gateway configuration dashboard today to start reducing latency and infrastructure costs immediately.
Ausgabe 2620 tok (+2480 Thinking) Latenz 31.1 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
Gemini 4 Carbon in 30 Sekunden nutzen
OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="gemini-4-carbon",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "gemini-4-carbon",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-carbon",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "gemini-4-carbon",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("gemini-4-carbon")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini 4 Carbon
- November 2026 allgemein verfügbar.
- Die offizielle Modellseite beschreibt es als gebaut für tiefgehende Arbeit an komplexen, realen Aufgaben in Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft, und laut Googles Seite zu den Neuerungen setzt es bei schweren Problemen mehr Thinking-Token ein, um Hypothesen zu prüfen, die eigene Arbeit zu verifizieren und Randfälle zu kontrollieren, bevor es antwortet.
- Gemini 4 Argon teilt sich mit ihm Kontextfenster, eingebaute Tools und Preis pro Token; Google richtet Carbon auf Arbeit aus, die Tiefe im Reasoning braucht, etwa Ursachenanalyse beim Debugging, Architekturentwurf, dichte multimodale Synthese, wissenschaftliche Beweise und Sicherheitsaudits, und behält Argon als schnellere Option mit weniger Token pro Turn.
- Es nimmt Text, Bilder, Audio, Video und PDF entgegen und gibt Text zurück.
- Das Kontextfenster ist eine einzige Grenze von 1,048,576 Token, die sich Eingabe und Ausgabe teilen, und eine einzelne synchrone Anfrage liefert bis zu 65,536 Ausgabe-Token (32,768 ohne Streaming).
- Das Thinking hat drei Stufen, low, medium (Standard) und high, ohne Aus-Einstellung und ohne numerisches Thinking-Budget, sodass eine Anfrage nach möglichst wenig Reasoning über Synthorai auf low läuft.
- Googles Dokumentation hält außerdem fest, dass eigene Werte für temperature, top_p und top_k ignoriert werden.
- Das preisliche Detail, das Planung verlangt: Der veröffentlichte Tarif ist ein Einführungspreis, kein endgültiger.
- $2 pro Million Eingabe-Token und $10 pro Million Ausgabe-Token gelten bis zum 30.
- November 2026, beide verdoppeln sich am 1.
- Dezember 2026 auf $4 und $20.
- Zwischengespeicherte Eingaben ziehen am selben Tag von $0.10 auf $0.20 pro Million Token an.
- Der Ausgabepreis enthält die Thinking-Token, und Carbon verbraucht pro Turn mehr davon als Argon; planen Sie maximale Ausgabe-Token und Client-Timeouts entsprechend.
- Caching gibt es nur implizit, für Prompts ab 4,096 Token: Es gibt keinen expliziten Cache, den Sie anlegen oder verwalten müssten.
- Synthorai stellt es über den OpenAI-kompatiblen Chat-Completions-Endpunkt bereit, sodass es ohne Google-spezifischen Client in eine bestehende Integration passt.
FAQ
Lässt sich die Gemini 4 Carbon API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $2/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 62 Anfragen an Gemini 4 Carbon mit je ~8K Tokens.
Worin ist Gemini 4 Carbon am besten?
Mehr Thinking pro Turn als Gemini 4 Argon; eine 1M-Token-Grenze für Eingabe und Ausgabe zusammen; Einführungspreis verdoppelt sich am 1. Dezember 2026. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Gemini 4 Carbon?
Gemini 4 Carbon kostet auf Synthorai $2 pro Million Eingabe-Tokens und $10 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Audio-Eingabe: $2/Mio. Tokens · Audio-Cache lesen: $0.1/Mio. Tokens Gecachte Eingabe-Tokens werden mit $0.1/M abgerechnet.
Wie groß ist das Kontextfenster von Gemini 4 Carbon?
Gemini 4 Carbon hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 65,536 Tokens lang sein.
Unterstützt Gemini 4 Carbon Prompt-Caching?
Ja, automatisch: Über Google ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Eingabe-Tokens werden mit $0.1/M statt $2/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 4,096 Tokens, um gecacht zu werden. Leitfaden zum Prompt-Caching →
Wie erhalte ich Zugang zu Gemini 4 Carbon?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-4-carbon", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von Gemini 4 Carbon?
Der Knowledge-Cutoff von Gemini 4 Carbon liegt bei 2026-03, laut offizieller Dokumentation des Anbieters (Stand: 2026-11-12).
Verwandte Modelle
Vergleichen
Spezifikationen und Anbieter-Benchmarks verlinken ihre Quellen. Die Gateway-Unterstützung beschreibt die Implementierung von Synthorai. Archivierte Beispiele sind einzelne Gateway-Anfragen und keine allgemeine Leistungsgarantie für das Modell. Preise stammen aus der öffentlichen Preisschnittstelle oder deren beim Build verwendetem Snapshot.