Gemini 4 Neon
Contexte total
1M
Sortie max.
65.5K
Date de sortie
N/A
gemini-4-carbonGemini 4 Carbon est un modèle Gemini 4 de pointe de Google pour le codage, les tâches agentiques et le raisonnement complexe. Il accepte les entrées texte, image, audio, vidéo et fichier, prend en charge un décodage long allant jusqu’à 1 M de tokens de sortie via la continuation, et contrôle la profondeur de réflexion avec des efforts de raisonnement faible, moyen et élevé.
Context Window
1M tokens
Maximum Output
65.5K tokens
Release Date
10 nov. 2026
Modalities
| Prix entrée | Prix sortie | Lecture cache | Création cache 5m |
|---|---|---|---|
| $2/M | $10/M | $0.1/M | $0.1875/M |
Reasoning
Tool calling
Temperature parameter
Attachments
Knowledge Base
Endpoint Protocols
Gemini 4 Carbon est conçu pour les projets complexes qui exigent un raisonnement soutenu et des vérifications à plusieurs étapes.
Examine des options sur plusieurs étapes, revoit ses hypothèses à mesure que les éléments évoluent et affine le résultat par des vérifications successives.
Analyse les composants et leurs dépendances lors de grandes migrations, de changements d’architecture et de débogages complexes.
Combine graphiques, tableaux, schémas et texte pour produire une réponse vérifiable dans les sources.
Une fenêtre d’environ un million de jetons accueille les documents sources, le raisonnement et le texte généré dans la même requête.
Utilisez Gemini 4 Carbon pour des changements complexes, l’examen de sources et des prototypes aux spécifications détaillées.
Cartographiez les dépendances entre paquets, migrez l’interface par étapes et vérifiez chaque étape avec des tests ciblés avant la revue.
Comparez les constats issus de rapports, de tableaux et de schémas, puis rédigez une note qui cite les pages utiles et signale les écarts à éclaircir.
Créez un prototype 3D dans le navigateur à partir d’images et de plans, puis vérifiez ses dimensions, ses interactions et son rendu par rapport au brief.
import OpenAI from "openai"
const client = new OpenAI({
apiKey: process.env.TOKENHUB_API_KEY,
baseURL: "https://us-api.tokenhub.com/v1",
})
const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)| Score d’indice | ||
|---|---|---|
| Artificial Analysis Intelligence Index | Synthèse générale des capacités par Artificial Analysis | 58.3 |
Mesures provenant de Artificial Analysis
Limites de contexte, niveaux de réflexion, formats d’entrée et accès à l’API de Gemini 4 Carbon.
C’est un modèle Gemini 4 de Google destiné aux tâches exigeantes en plusieurs étapes, notamment le développement logiciel, la rédaction analytique et le raisonnement sur des sources complexes.
Google documente une limite commune de 1 048 576 jetons pour l’entrée et la sortie, raisonnement compris. Un segment au premier plan peut atteindre 65 536 jetons en streaming ou 32 768 hors streaming. Les points de terminaison Google compatibles peuvent poursuivre la génération dans le contexte restant.
Google documente des entrées texte, image, audio, vidéo et des documents tels que les PDF, avec une sortie texte. Vérifiez les formats de pièces jointes et les limites du point de terminaison choisi.
Google documente les niveaux low, medium et high pour gemini-4-carbon, avec medium par défaut. Le niveau high laisse plus de place à l’analyse et à la vérification et peut augmenter la latence et la consommation de jetons.
Lorsque le modèle figure dans votre catalogue TokenHub, utilisez votre clé API TokenHub et l’identifiant affiché sur sa page. La section d’intégration indique l’URL de base et le format de requête des points de terminaison disponibles.
Jusqu’au 30 novembre 2026, les tarifs promotionnels du niveau standard de l’API Google par million de jetons sont de 2 $ en entrée, 0,10 $ pour l’entrée en cache et 10 $ en sortie. À partir du 1er décembre 2026, ils passent respectivement à 4 $, 0,20 $ et 20 $. La sortie inclut la réflexion. Consultez le tableau de cette page pour les tarifs TokenHub.
Carbon convient lorsque des recherches et des vérifications supplémentaires sont utiles, par exemple pour migrer plusieurs paquets, examiner un problème d’architecture ou comparer les preuves dans des documents denses.
Accédez à Gemini 4 Carbon et à d’autres modèles d’IA avec une seule clé API TokenHub.
DéMonstrations Et Discussions Sur Gemini 4 Carbon
Publications de lancement, démonstrations pratiques et discussions de développeurs autour de Gemini 4 Carbon.
X (Twitter)
Google ·
Gemini 4 Carbon is now available. It’s our strongest model, built to dig deeper, handle long-horizon tasks, and multi-step reasoning. If Argon is great for complex tasks, Carbon is the model you bring in for your hardest problems. https://t.co/4NVqHaMOPT
https://pbs.twimg.com/amplify_video_thumb/2120183679506841600/img/gUP9nkAcN0y69fRe.jpgVoir la sourceGoogle DeepMind ·
Start building with Gemini 4 Carbon: our strongest model for complex, long-horizon tasks. It’s designed to explore problems thoroughly and run extended verification loops across software engineering, cybersecurity, knowledge work, and science. https://t.co/avhcExdUlr
https://pbs.twimg.com/amplify_video_thumb/2120218949774098432/img/CUcpPK8n8Ew04Ma_.jpgVoir la sourceGoogle ·
For your biggest builds, we're previewing /swarm in @Antigravity, turning one prompt into a coordinated team of agents you can track in real time. Assign Carbon to high-level roles like architectural design, coordination, and auditing while parallel agents build and test every https://t.co/c5IOJQy2gv
https://pbs.twimg.com/amplify_video_thumb/2120184469256650752/img/o296P3lcEnhq2sQL.jpgVoir la sourceReddit
Gemini 4 Carbon is live
Lberondroth ·
Thank you to everyone who has contributed to this. Happy Coding, Everyone ^^ (Only for Ultra...)
Voir la sourceMy preliminary results on Carbon
Nichiren ·
Lire la publication complète
I've been seeing questions on how Carbon performs compared to Argon and I have some preliminary results based on my early measurements on work done today if anyone's interested. Take this with a huge grain of salt until I have more samples, but it does look promising so far for my workload. Tech stack is Go, HTMX, Tailwind CSS, Templ. Report: Four Carbon phases have been audited so far: three at medium and one at high. All four landed on the first run, with no retries and no Opus takeovers, and the Opus audits barely touched them. bin/seat-report --since 2026-11-10 (today's rows): Gemini 4 Carbon, day one in our coding-agent pipeline: medium vs high (tiny sample) Setup: an unattended pipeline builds a Go/HTMX web app one phase at a time. Each phase has a written contract and runs headless on one model. Then Claude Opus 5.5 audits it at high effort and fixes whatever it finds. We score each phase by how many lines the audit had to change and by the audit's findings, sorted by severity. Effort is not randomized. Harder phases (schema, permissions, hot-path queries) run at high and routine ones at medium. So medium vs high below is also routine vs hard work. Phases audited on Carbon's first day, by model and effort Model · effort Phases Landed first try Lines changed by audit (median) Findings (high / med / low) Gemini 4 Carbon · high 1 1/1 2 0 / 0 / 1 Gemini 4 Carbon · medium 3 3/3 0 0 / 1 / 0 Gemini 4 Argon · high 3 3/3 617 2 / 8 / 7 Gemini 4 Argon · medium 1 1/1 44 0 / 1 / 2 Codex Sol · high 3 3/3 6 0 / 1 / 5 Claude Opus 5.5 · high 1 1/1 263 0 / 3 / 4 The four Carbon phases Effort What the phase was Size Run time Tokens Audit result high Data model: new columns and tables, transactional data-layer methods ~950 code + ~2,000 test lines 67 min 1.15M Passed; 1 low finding, 2 lines changed medium Port of a language-detection library from a sibling codebase 230 files 50 min 0.71M 1 medium finding (a 6-line test fix) medium Copy, i18n catalog and template leftovers ~580 code lines 66 min 1.31M Passed, nothing changed medium One shared helper replacing ~25 copies 69 files 43 min 0.53M Passed, nothing changed Caveats n = 4 for Carbon and 1 at high. This is an anecdote, not a benchmark. Effort follows difficulty, so these numbers can't tell you whether medium beats high on the same task. Different phases are different work. The Argon and Opus rows come from other plans that ran the same day. One codebase, one auditor model, and contracts written in advance, which favors models that follow a spec closely. Takeaway so far: Carbon is very clean at both efforts. Our one high-effort phase was the cleanest high-difficulty result of the day. Nothing here suggests medium is better than high. Public benchmarks (Artificial Analysis: Terminal-Bench 4.0 is 60.6% at medium vs 65.2% at high) also put high ahead on quality, with medium cheaper and faster. I'll update when there are more high-effort rows. Clarification edit: Gemini runs are through the Antigravity CLI (agy) harness.
Gemini 4 Carbon Just Redeemed Google on 3D for Me: Same Prompt, New Result
SuspiciousHunter1359 ·
Voir la sourceYouTube
Bug Triage with Gemini 4 Hydrogen and Gemini 4 Carbon
Google Antigravity
Voir la sourceGemini最上位モデル『Gemini 4 Carbon』きた!徹底検証(ClaudeとGPTモデルとも比較)
KEITO【AI&WEB ch】
Voir la source【待ってた】Gemini 4 Carbonを実際に使ったので徹底解説!Argonから順当進化で唯一無二の魅力も健在
まさおAIじっくり解説ch
Voir la source