Gemini 4 Carbon
Red Neuronal
Gemini 4 Carbon de Google: modelo para código, agentes y razonamiento complejo. Acepta texto, imágenes, audio, vídeo y archivos.
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 1 048 576 tokens
- Longitud máxima de respuesta
- 943 718 tokens
- Niveles de razonamiento
- bajo, medio, alto
- Funciones
- razonamiento, llamada a funciones
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Prompt de imagen
(por 1K tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-4-carbon:batch',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-4-carbon:batch',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Cómo funciona Gemini 4 Carbon?
Gemini 4 Carbon es un modelo avanzado de Google para programación, agentes y razonamiento complejo. Acepta texto, imágenes, audio, vídeo y archivos. El proveedor destaca su soporte para respuestas largas, ideal para resultados detallados en una sola pasada. Su punto fuerte es el trabajo práctico con código y acciones paso a paso: analizar la estructura del proyecto, encontrar errores, refactorizar, planificar cambios y verificar resultados. A través de BotHub, este modelo está disponible sin VPN ni tarjetas extranjeras: pago en rublos según uso, sin caducidad de tokens. Puedes comparar respuestas con otros modelos en la misma ventana sin cambiar la integración. Ofrecemos una API compatible con OpenAI con cifrado de datos y condiciones corporativas con contrato, factura y límites. Casos de uso: desarrollo y depuración de código, flujos de trabajo de agentes, tareas de ingeniería y ciencia, análisis de documentos largos y multimedia, y preparación de documentación técnica.Preguntas frecuentes sobre Gemini 4 Carbon
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto con un contexto muy amplio: acepta texto, imágenes y documentos, puede razonar antes de responder y llamar a funciones. Es adecuado para analizar documentos largos, trabajar con código, analítica y tareas que requieran una salida estructurada en JSON a través de la API de BotHub.
En una sola respuesta, el modelo puede generar hasta 943 718 tokens, y el contexto de entrada alcanza 1 048 576 tokens. Esto permite obtener materiales extensos sin fragmentarlos. El volumen final depende de su solicitud y de la configuración del modelo.
Sí, el modo de razonamiento antes de responder está confirmado en nuestros datos. Puede procesar primero la lógica de la tarea y luego formular el resultado. Esto es útil en cálculos de varios pasos, análisis de condiciones y verificación de código, donde el proceso de resolución es tan importante como el resultado.
Sí, ambas capacidades están confirmadas en nuestros datos. El modelo admite la llamada a funciones, por lo que puede conectarse con herramientas externas y fuentes de datos, y puede devolver una salida estructurada en JSON. Esto es útil para integraciones a través de la API de BotHub y la automatización de procesos.
El modelo acepta imágenes y documentos, según nuestros datos. No hay indicaciones sobre audio y vídeo, por lo que no podemos confirmar su recepción. Si necesita procesar audio o vídeo, hay otros modelos en el catálogo de BotHub a los que puede cambiar en la misma ventana.
No tenemos una evaluación específica de la calidad del idioma ruso en nuestros datos, por lo que no haremos promesas concretas. El modelo trabaja con texto y documentos, pero debe verificar los resultados en sus propias tareas. Puede comparar opciones en la misma interfaz de BotHub cambiando entre modelos.