Gemini 4 Carbon API
ID модели в запросах:global-1/google/gemini-4-carbon
Gemini 4 Carbon от Google через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 1 048 576
- Макс. ответ
- 943 718
- Выпущена
- 10.11.2026
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Глобальный · global-1 | Попробовать | 220 ₽2,20 PnP | 1 100 ₽11,00 PnP | 11,00 ₽0,11 PnP | global-1/google/gemini-4-carbon |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "global-1/google/gemini-4-carbon", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="global-1/google/gemini-4-carbon", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "global-1/google/gemini-4-carbon", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"global-1/google/gemini-4-carbon","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"global-1/google/gemini-4-carbon","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
Gemini 4 Carbon — самая сильная модель Google из семейства Gemini 4, построенная на Gemini 4 Argon. Анонсирована 28 октября 2026 года, в общем доступе с 10 ноября. Рассчитана на многошаговый код, научные задачи и долгие агентные сценарии, ради качества тратит много токенов.
Для чего подходит Gemini 4 Carbon
Google делает Carbon для задач, которые упираются в предел возможностей модели: сложный многошаговый код и отладка, открытые научные исследования, работа с большими документами и данными. По словам разработчика, команды Google видели, как модель работает над одной инженерной задачей по несколько дней, не бросая ее на тупиках, например при поиске и исправлении тонких ошибок в больших кодовых базах. Модель по умолчанию «думает» дольше Argon: перебирает гипотезы и запускает проверочные циклы.
Через Router модель принимает текст, изображения, файлы, аудио и видео, умеет вызывать инструменты, отдавать структурированный вывод и рассуждать с настраиваемым уровнем усилий. Ответ возвращается текстом.
Не стоит брать Carbon для простых и массовых задач: классификации, коротких ответов, чатов с низкой задержкой. Сам Google пишет, что для большинства задач разработки и работы со знаниями идеально подходит Argon, а Carbon нужен там, где важнее предельная точность, а не скорость и расход токенов.
Сильные стороны
- Право, финансы и налоги. В рейтингах Vals AI модель на первом месте по Legal Research Bench (55,77%) и Tax Agent Bench (51,78%), а также по индексу финансов Vals.
- Агентный код. По Vals AI это пятое место из 63 на Terminal-Bench 4.0 (63,13%). По данным разработчика, на Terminal-Bench 4.0 в версии Artificial Analysis результат 65,2% против 57,1% у Argon.
- Общий уровень. В индексе интеллекта Artificial Analysis модель входит в четверку лучших из 74, а в индексе Vals — в тройку лучших из 36.
- Длинный контекст. По данным разработчика, на GraphWalks (256 тысяч — 1 миллион токенов) результат 96,2% против 84,2% у Argon.
- Надежность в агентной работе. По данным разработчика, модель вдвое реже выдает необоснованные утверждения, чем Argon, а при неоднозначной задаче сначала поднимает расхождения в источниках, а не угадывает.
Ограничения и спорные моменты
- Медленная и многословная. По Artificial Analysis, один прогон задачи индекса занимает 25,6 минуты при медиане 12,6 минуты у сопоставимых моделей; первый токен ответа приходит примерно через 67 секунд, скорость вывода около 80 токенов в секунду. За весь индекс модель сгенерировала 205 млн выходных токенов при медиане 72,8 млн. Карточка модели тоже предупреждает о медленных ответах, таймаутах и повышенном расходе токенов на высоких уровнях рассуждения.
- Первое место было недолгим. В анонсе Google модель стоит на первом месте индекса Artificial Analysis с 59 баллами; на странице Artificial Analysis сейчас 60 баллов и четвертое место из 74. Это разные редакции индекса и разные моменты времени, поэтому вывод «лучшая в мире» подтвержден только на дату запуска.
- Киберрезультаты получены через особый доступ. Карточка модели оговаривает, что цифры по кибербезопасности получены через программу Fairwind для проверенных специалистов, а в анонсе Google называет эту версию «Carbon for cyber» и отдельно пишет об усиленных защитах от злоупотреблений.
- Не везде лидер. На OSWorld-2.1 (управление компьютером) у Carbon 81,5% против 87,2% у Claude Opus 5.5, на FrontierSWE 2 — 61,2% против 65,5% у GPT-6 Astra (обе цифры по данным разработчика). На научном бенчмарке HLAB в рейтинге Vals AI результат 17,5% — самый слабый для модели.
- Закрытые веса. По Vals AI, веса не опубликованы. Знания модели заканчиваются в марте 2026 года.
- Устойчивость к инъекциям. Google сообщает о 0,0% успешных атак на бенчмарке Gray Swan, но сразу оговаривает, что устойчивость к сложным атакам остается областью для улучшений.
Бенчмарки
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| Artificial Analysis Intelligence Index v5.0.1 | 60 баллов, 4-е место из 74 | Artificial Analysis | ноя. 2026 |
| Vals Index | 70,45%, 3-е место из 36 | Vals AI | ноя. 2026 |
| Legal Research Bench | 55,77%, 1-е место из 93 | Vals AI | ноя. 2026 |
| Tax Agent Bench | 51,78%, 1-е место из 84 | Vals AI | ноя. 2026 |
| Terminal-Bench 4.0 | 63,13%, 5-е место из 63 | Vals AI | ноя. 2026 |
| Vibe Code Bench v1.1 | 89,06%, 9-е место из 127 | Vals AI | ноя. 2026 |
| Terminal-Bench 4.0 (версия AA), по данным разработчика | 65,2% (Argon 57,1%) | Google DeepMind | окт. 2026 |
| FrontierSWE 2, по данным разработчика | 61,2% (GPT-6 Astra 65,5%) | Google DeepMind | окт. 2026 |
| OSWorld-2.1, по данным разработчика | 81,5% (Claude Opus 5.5 87,2%) | Google DeepMind | окт. 2026 |
| AutomationBench, по данным разработчика | 53,9% (Argon 51,3%) | Google DeepMind | окт. 2026 |
| WebDev Arena, по данным разработчика | 1768 Elo, 4-е место на момент запуска | окт. 2026 | |
| SEC-bench Pro (кибербезопасность, доступ Fairwind), по данным разработчика | 88,2% | Google DeepMind | окт. 2026 |
Чем Gemini 4 Carbon отличается от Gemini 4 Argon
Семейство Gemini 4 включает Argon и Carbon. Gemini 4 Argon вышел на две недели раньше и, по словам Google, остается лучшим выбором для большинства задач разработки и работы со знаниями. Carbon построен на нем, но дообучен для более долгой и глубокой работы: он тратит больше токенов на рассуждения, чаще перепроверяет результат и в таблице Google опережает Argon почти везде, включая Terminal-Bench 4.0, GraphWalks и AutomationBench.
Цена этого — скорость и объем. Берите Carbon для самых трудных задач, где важна максимальная точность и ошибка обходится дорого, а Argon — для повседневной разработки и анализа документов.
Альтернативы в каталоге
- Gemini 4 Argon: та же линейка, быстрее и экономнее по токенам; подойдет для большинства инженерных задач.
- Claude Opus 5.5: берите, если нужно управление компьютером; на OSWorld-2.1 он впереди (по данным Google).
- Claude Sonnet 5.5: в заметке Vals AI о запуске Carbon он стоял в Vals Index на одну строчку выше; вариант для агентной разработки.
- GPT-6 Astra: впереди Carbon на FrontierSWE 2 в таблице Google, подойдет для сложных программных репозиториев.
Частые вопросы
Чем Carbon лучше Gemini 4 Argon и когда его брать?
Carbon построен на Argon и по таблице Google впереди него почти на всех тестах, но тратит больше токенов и работает медленнее. Берите его для самых трудных задач с долгими цепочками действий, для остального хватит Argon.
Принимает ли модель изображения, аудио и видео?
Да, через Router она принимает текст, изображения, файлы, аудио и видео. Ответ приходит текстом.
Умеет ли Carbon вызывать инструменты и рассуждать?
Да. Каталог показывает поддержку инструментов, структурированного вывода и рассуждений с настраиваемым уровнем усилий.
Можно ли запустить Carbon у себя?
Нет. Модель закрытая, по данным Vals AI веса не опубликованы.
Подойдет ли модель для задач кибербезопасности?
Google выделяет кибербезопасность среди главных сильных сторон, но рекордные цифры получены через закрытую программу Fairwind для проверенных специалистов (версия «Carbon for cyber»). Данных о том, как обычная версия проходит эти тесты, в источниках нет, поэтому проверьте ее на своих задачах.
Источники
Все параметры API · 12
include_reasoningmax_tokensreasoningreasoning_effortresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p

