Gemini 4 Carbon
Rede Neural
Gemini 4 Carbon é o modelo de fronteira do Google para programação, tarefas de agentes e raciocínio complexo.
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 1 048 576 tokens
- Comprimento máximo de resposta
- 943 718 tokens
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções, Batch API
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(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',
});
}
// 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',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Gemini 4 Carbon?
Gemini 4 Carbon é o modelo de fronteira de quarta geração da linha Gemini do Google, otimizado para programação, cenários de agentes e raciocínio complexo. Aceita texto, imagens, áudio, vídeo e arquivos, suportando respostas longas, sendo ideal para tarefas que exigem processar grandes volumes de dados sem perder a lógica. No BotHub, o modelo está disponível sem VPN ou cartões estrangeiros: acesso a partir da Rússia, pagamento em rublos com cartões russos e apenas pelo uso real — os tokens não expiram. Outros modelos estão disponíveis na mesma janela, permitindo comparar resultados e alternar sem reescrever a integração. Para sistemas multimodais, há uma API única compatível com OpenAI. Equipes têm acesso a contratos, faturas, EDI e painel administrativo com limites. Cenários típicos: refatoração e depuração de grandes projetos, análise de materiais mistos como capturas de tela, gravações de reuniões e PDFs, cadeias de raciocínio investigativo, pipelines de agentes e automação de tarefas de engenharia.Perguntas frequentes sobre Gemini 4 Carbon
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo de texto para contextos longos e densos: aceita até 1.048.576 tokens, trabalha com documentos e imagens, raciocina antes de responder e chama funções. Adequado para analisar grandes volumes de documentação, análises, tarefas de código e cálculos de várias etapas.
Em uma única resposta, o modelo pode gerar até 943.718 tokens — um volume muito grande, comparável a vários livros. A janela de entrada chega a 1.048.576 tokens, permitindo incluir conjuntos inteiros de documentos e correspondências em uma única sessão.
Sim, o raciocínio antes da resposta faz parte das capacidades do modelo. Ele pode analisar a tarefa passo a passo antes de formular o resultado — isso ajuda em análises, matemática e depuração de código, onde o processo de solução é tão importante quanto o resultado final.
Sim, a chamada de funções e a saída estruturada em JSON são suportadas. O modelo pode ser conectado a ferramentas e serviços externos, e as respostas podem ser obtidas em formato legível por máquina — útil para integrações e automação, onde o resultado é enviado diretamente para outro sistema.
De acordo com nossos dados, imagens e documentos são aceitos: você pode enviar um arquivo ou imagem e fazer perguntas sobre o conteúdo. A entrada de áudio e vídeo não está marcada na descrição do modelo, portanto, verifique a documentação antes de basear um cenário nisso.
Não há avaliações separadas sobre a qualidade do português nos dados do modelo, portanto, não podemos prometer especificidades. O modelo foi projetado para trabalhar com textos longos, e o nível de proficiência no idioma é melhor verificado com seus próprios exemplos — instruções, documentos e consultas típicas.