Gemini 4 Carbon 文本生成

Gemini 4 Carbon（gemini-4-carbon）是谷歌目前最強的推理模型，2026 年 10 月 28 日釋出、11 月 10 日面向所有付費開發者與企業開放，APIYI 已同步接入。它的定位不是日常聊天，而是長程 agentic 程式設計、密集多模態知識工作、科學推理和網路安全防禦：同一個模型可以在大型程式碼庫裡連續跑構建—驗證迴圈，也可以跨 PDF、表格、幻燈片做帶出處的綜合。 APIYI 已開通 Gemini 原生與 OpenAI 相容雙端點，default / svip 分組可用。上線前用低併發做了一輪實測，覆蓋雙端點、流式、函式呼叫、結構化輸出、圖片理解、思考檔位和約 19.9 萬 tokens 的長文找針；實測結論和當前限制都寫在本頁。

定價：輸入 $2 / 輸出 $10（每 1M tokens），為谷歌限時優惠價，至 2026 年 11 月 30 日；12 月 1 日起隨官方恢復 $4 / $20。快取讀取 $0.10 / 1M tokens。

上線初期有兩條要留意：

原廠保留按請求切換應答模型的能力；資源調整後複測未再復現。若遇到 modelVersion 不是 gemini-4-carbon，可記錄並重試，這不代表請求違規，詳見下文「原廠切換應答模型」。
maxOutputTokens 已生效，但它把思考 tokens 一起算進去；設得太小（實測 300 也可能）會思考完直接 MAX_TOKENS、沒有正文，難題請留足預算。

核心優勢

綜合智慧排名第一

谷歌公佈 Carbon 在 Artificial Analysis Intelligence Index v5 上拿到 59 分，排名第一；同時是 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 的第一名，官方稱單位任務成本比次優外部模型低 2 倍以上。

網路安全三項 SOTA

發現漏洞 SEC-bench Pro 88.2%、驗證可利用性 ExploitGym 54.8%、根因修復 CWE-bench 71.0%，三項均為谷歌公佈的最優成績（評測未開護欄，官方資料）。

官方 1M 統一視窗

輸入、思考、輸出共用 1,048,576 tokens；流式單段最多 65,536 tokens，官方支援長輸出續寫。實測 19.9 萬 tokens 的文件找針通過；更長的 50 萬 / 100 萬檔建議先小樣本驗證。

雙端點、工具鏈完整

原生與 OpenAI 相容兩端均通過函式呼叫（含回傳）、JSON Schema、圖片輸入與流式實測；官方還支援程式碼執行、URL context、Computer Use、Office / PDF 檔案輸入。

模型資訊

引數	值
模型名稱	`gemini-4-carbon`
輸入模態	文本、影像、影片、音訊（官方；本次實測覆蓋文本與圖片）
輸出模態	文本
上下文視窗	官方 1,048,576 tokens（輸入 / 思考 / 輸出共用）；實測 19.9 萬 tokens 通過
最大輸出	官方 1,048,576 tokens（長輸出需續寫）；單段流式 65,536、非流式 32,768
思考檔位	預設 `medium`，支援 `low` / `medium` / `high`；不支援 `thinkingBudget` 與 `minimal`
知識截止	2026 年 3 月
可用分組	`default`、`svip`
端點	`POST /v1beta/models/gemini-4-carbon:generateContent`（原生）、`POST /v1/chat/completions`（OpenAI 相容）
流式輸出	✅ 兩端點均支援
快取	僅隱式快取（官方，最低 4,096 tokens）；快取讀取 $0.10 / 1M tokens

官方基準

以下為谷歌官方公佈資料，未經 APIYI 獨立復現：

基準	衡量內容	Gemini 4 Carbon
Artificial Analysis Intelligence Index v5	綜合智慧	59（第 1）
SEC-bench Pro	發現真實漏洞	88.2%
ExploitGym	驗證漏洞可利用性	54.8%
CWE-bench	根因修復	71.0%
WebDev Arena	Web 開發	第 4，1768 分（+89 Elo）
CursorBench 4.0	真實編碼任務	第 1
Perplexity WANDR	廣域深度研究	第 1
Zapier AutomationBench	端到端業務流程	第 1，單位成本低 2 倍以上
Artificial Analysis MKA	多模態知識 agent	第 2，單位成本低 6 倍以上

第三方 Artificial Analysis 另測得 Carbon 的 AA-Omniscience 幻覺率為 11%（Argon 約 4%），且輸出明顯更囉嗦（完整指數跑約 2 億輸出 tokens，中位數 6,400 萬）。做事實型問答時，建議要求模型給出處並做二次校驗。

思考控制與引數

配置	行為
不傳 `thinkingConfig`	預設 `medium`
`thinkingConfig.thinkingLevel: low`	思考最少、首字最快；簡單任務與寫作可用
`thinkingConfig.thinkingLevel: medium`	官方推薦，大多數程式碼與 agent 任務
`thinkingConfig.thinkingLevel: high`	思考最多、首字最慢；難題、數學、科學、複雜程式碼
`thinkingConfig.thinkingBudget`	官方不支援，應返回 400；實測傳 0 有時被接受，不要依賴
`thinkingConfig.thinkingLevel: minimal`	400，`Thinking level MINIMAL is not supported`
`temperature` / `topP` / `topK`	官方固定為 1.0 / 0.95 / 64，自定義值被忽略
`maxOutputTokens`	官方用於“思考 + 輸出”總上限；已生效，設太小會只思考不出正文
`stopSequences`	✅ 生效（實測按 `END` 正確截斷）

maxOutputTokens 會計入思考 tokens，所以官方建議把上限留足。實測傳 50 / 100 / 300 都會在思考階段用盡預算，返回 finishReason=MAX_TOKENS、正文為空或極短；要拿到完整回答，請按題目的思考量把上限設到幾千以上。APIYI 已透傳該引數。

上下文與輸出：官方 1M，實測 19.9 萬通過

官方模型卡寫的是 1,048,576 tokens，輸入、思考、輸出共用；流式單段最多 65,536 tokens，更長輸出要用長輸出續寫。資源調整後複測：

輸入規模	返回的 `promptTokenCount`	末尾找針
約 61.6 萬字符（約 19.9 萬 tokens）	199,277	✅

此前約 12.8 萬 tokens 封頂、超出靜默截斷的現象未再復現。50 萬 / 100 萬檔本輪沒有測，超長文件建議先用小樣本驗證再上量。

接入示例

Gemini 原生端點

curl https://api.apiyi.com/v1beta/models/gemini-4-carbon:generateContent \
  -H "Authorization: Bearer $APIYI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"role": "user", "parts": [{"text": "證明根號 2 是無理數。"}]}],
    "generationConfig": {
      "thinkingConfig": {"thinkingLevel": "high"}
    }
  }'

OpenAI 相容端點

curl https://api.apiyi.com/v1/chat/completions \
  -H "Authorization: Bearer $APIYI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-4-carbon",
    "messages": [{"role": "user", "content": "解釋一下潮汐鎖定。"}],
    "max_tokens": 1024
  }'

注意：max_tokens 現在會生效，但它把思考 tokens 一起計入；設得太小會出現“思考完就沒有正文”的 MAX_TOKENS，難題請留足預算。

定價與快取

專案	價格（每 1M tokens）
輸入	$2（2026-12-01 起 $4）
輸出（含思考）	$10（2026-12-01 起 $20）
快取讀取	$0.10（輸入價 95% off）

限時價至 2026 年 11 月 30 日；12 月 1 日起隨谷歌恢復標準價，APIYI 同步調整。
僅支援隱式快取，最低 4,096 tokens；不支援顯式 cachedContents。
思考 tokens 按輸出計費，high 檔的實際成本會明顯高於 low。

原廠切換應答模型：現象與應對

現象：請求 gemini-4-carbon 時，原生響應裡的 modelVersion 絕大多數應為 gemini-4-carbon。此前曾觀察到部分響應顯示 3.1-flash-lite-05-2026，表現為延遲明顯更低、思考 tokens 很少；流式裡同一個 responseId 的前後分塊也可能出現兩個版本。資源調整後複測，該現象未再復現。 怎麼理解：這是谷歌側按請求切換應答模型的行為。谷歌官方政策允許按請求更換應答模型，官方開發者論壇已有 gemini-3.1-pro-preview 被切到 3.1-flash-lite-preview-03-2026 的相似報告；此前在 APIYI 上看到的是 05-2026 快照。這不代表你的請求存在違規，也不代表賬號被降權；具體觸發條件在外部無法確認，可能是路由 / 風控策略，也可能是版本或計量後設資料異常。當前已恢復穩定，但原廠保留該能力。 對使用的影響：

簡單任務通常看不出差別；難題、長程 agent、需要深度思考的場景，落到 Flash-Lite 時品質會下降。
若再次遇到，延遲會異常低、思考 tokens 很少，不要把它當成 Carbon 本體的效能。

建議：

關鍵任務記錄原生響應的 modelVersion（OpenAI 相容端不返回該欄位），落到 3.1-flash-lite 時按業務決定是否重試。
對一致性要求高的場景做二次校驗：讓模型給出處、跑單元測試、或換一個模型交叉檢查。
用 thinkingLevel: high 和更明確的步驟約束，讓任務本身更“抗降級”。
不要把“每次都是 Carbon 本體”寫進 SLA。

選型建議

場景	建議
難題、長程編碼、科學推理、安全審計	Carbon，`thinkingLevel: high`，預留足夠輸出預算
日常程式碼、知識工作、互動式任務	Argon 更快、更省，Carbon 的額外思考不一定划算
高併發、低延遲、成本敏感	Flash 系列或 Flash-Lite；Carbon 不適合
超長文件（>20 萬 tokens）	本輪只驗證到 19.9 萬；更長建議分段或先小樣本驗證

模型價格與官網對齊，且可能隨官網調整；本頁價格僅供參考，具體以頂部導航「模型價格」欄目為準：模型價格。

產品基礎

基礎 API

圖片 API（官轉）

影片 API（官轉）

多模態理解 API

文本生成

音訊 API（官轉）

檢索與安全

核心優勢

綜合智慧排名第一

網路安全三項 SOTA

官方 1M 統一視窗

雙端點、工具鏈完整

模型資訊

官方基準

思考控制與引數

上下文與輸出：官方 1M，實測 19.9 萬通過

接入示例

Gemini 原生端點

OpenAI 相容端點

定價與快取

原廠切換應答模型：現象與應對

選型建議

相關文件

​核心優勢

綜合智慧排名第一

網路安全三項 SOTA

官方 1M 統一視窗

雙端點、工具鏈完整

​模型資訊

​官方基準

​思考控制與引數

​上下文與輸出：官方 1M，實測 19.9 萬通過

​接入示例

​Gemini 原生端點

​OpenAI 相容端點

​定價與快取

​原廠切換應答模型：現象與應對

​選型建議

​相關文件

核心優勢

模型資訊

官方基準

思考控制與引數

上下文與輸出：官方 1M，實測 19.9 萬通過

接入示例

Gemini 原生端點

OpenAI 相容端點

定價與快取

原廠切換應答模型：現象與應對

選型建議

相關文件