跳轉到

Gemini 4 Carbon 的新功能

Gemini 4 Carbon(gemini-4-carbon)是我們最強大的推理模型,專為在複雜軟體工程、多模態知識工作、科學推理與網路安全防禦等領域中,進行持續的代理式工作流程而打造。在困難問題上,Carbon 會花費更多思考權杖來探索假設、驗證其工作成果,並在回應前檢查邊界案例。

Gemini 4 Carbon 可在 Gemini API 的付費層級與 Google AI Studio 中使用。與 Gemini 4 Argon 相同,它支援統一的 1M 權杖上下文視窗、最長可達 1M 權杖的長解碼,以及可調整的思考層級(low、medium、high),且每權杖價格相同。

模型卡

查看權杖上限、支援的功能與完整規格。

在 AI Studio 中建置

使用 Gemini 4 Carbon 建置並驗證全端 Web 與 3D 應用程式。

開發人員指南

閱讀 Gemini 4 Carbon 的實用提示詞與多代理模式。

本指南說明 Gemini 4 Carbon 的新功能、如何在 Carbon 與 Argon 之間做選擇、API 變更、程式碼範例,以及遷移指南。

新模型

模型 模型 ID 預設思考層級 定價 說明
Gemini 4 Carbon gemini-4-carbon medium 2026 年 11 月 30 日前享有優惠價:輸入權杖每 1M 個 $2、輸出權杖每 1M 個 $10(之後為輸入每 1M 個 $4、輸出每 1M 個 $20)。詳情請參閱定價。 我們最強大的推理模型,專為持續的代理式程式設計、多模態知識工作、科學探索與網路安全防禦而打造。

如需完整詳情,請參閱 Gemini 4 Carbon 模型頁面與最新 Gemini 模型。如需優惠定價詳情,請參閱本頁的定價章節或定價頁面。

快速入門

使用下列範例,將請求傳送至 gemini-4-carbon,並採用建議的預設 thinking_level(medium)與 64K 輸出權杖上限:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
)

print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-carbon",
  input: "Write a three.js script that renders a realistic 3D black hole with gravitational lensing.",
});

console.log(interaction.output_text);
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-carbon",
    "input": "Write a three.js script that renders a realistic 3D black hole with gravitational lensing."
  }'

Gemini 4 Carbon 的新功能

  • 延伸驗證與代理式程式設計: 在複雜的存放庫、前端 UI 設計與 3D 場景中執行更深入的建置與驗證迴圈,找出根本原因並對照測試檢查修正。
  • 多模態知識工作的更高精確度: 在密集的 PDF、試算表、投影片與工作區資料中,提供更強的來源接地與更少的無根據主張,並嚴格遵守輸出結構描述。
  • 科學與網路安全推理: 在形式證明、實驗資料分析、弱點探索與根本原因修補方面表現更佳。
  • 統一的 1M 上下文視窗與長解碼: 輸入、思考與輸出權杖共用一個 1,048,576 個權杖的視窗,單一回應現在可超過 64K 個權杖,最多可達 1M 個權杖減去您的輸入。請參閱長解碼。
  • 支援 Managed Agents: Gemini Managed Agents 中的 Antigravity 代理現已支援 gemini-4-carbon。

在 Carbon、Argon 與其他模型之間做選擇

Gemini 4 Carbon 與 Gemini 4 Argon 共用相同的 1M 統一上下文視窗、內建工具與每權杖定價。主要差異在於每個模型每回合花費的思考權杖數量:

  • Gemini 4 Carbon(gemini-4-carbon): 專為挑戰推理深度極限的任務而打造。Carbon 每回合會花費更多思考權杖,進行徹底探索並驗證其工作成果,因此與 Argon 相比,每回合的權杖用量與延遲都會增加。適用於複雜的根本原因除錯、架構設計、密集的多模態整合、科學證明與安全稽核。
  • Gemini 4 Argon(gemini-4-argon): 我們高效能的 Gemini 4 前沿推理模型,適合大多數進階軟體工程與知識工作任務。與 Carbon 相比,它在互動式程式設計、日常功能開發與快速生產迴圈中,能以更快的回應速度和更低的每回合權杖消耗,提供 Gemini 4 等級的智慧。

如需更多模型選擇指南,請參閱最新 Gemini 模型。

了解思考層級

思考層級是您在 Gemini 4 Carbon 中控制品質、延遲與權杖用量的主要方式:

思考層級 權杖用量 適用時機
low 權杖最少、延遲最低 較簡單的任務與成本敏感的工作。也適用於需要輕量思考的分析與寫作任務。在困難任務上品質可能下降。
medium(預設) 均衡 建議用於大多數任務,包括複雜程式碼與代理使用案例。
high 權杖最多、首個權杖最慢 複雜推理、困難的數學與科學,以及最困難的程式碼或代理任務。搭配長解碼使用,適合產生長輸出。

請在三個層級都執行評估,再挑選能達到品質標準的最低層級。如需進一步了解,請參閱思考指南。

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    generation_config={
        "thinking_level": "medium"  # Balanced reasoning effort for complex tasks
    }
)

print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  model: "gemini-4-carbon",
  input: "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
  generation_config: {
    thinking_level: "medium", // Balanced reasoning effort for complex tasks
  },
});

console.log(interaction.output_text);
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "model": "gemini-4-carbon",
    "input": "Analyze this payment processing pipeline for race conditions during retry attempts and rewrite the transaction locks safely.",
    "generation_config": {
      "thinking_level": "medium"
    }
  }'

更大的輸出與長解碼

Gemini 4 Carbon 能在困難的數學、科學與程式設計問題上進行更長時間的思考。

  • 使用 thinking_level 控制推理深度: thinking_level 設定模型在回答前推理的深度。max_output_tokens 設定思考與輸出權杖合計的上限。當思考加上輸出達到 max_output_tokens 時,回應即停止,因此請將其設得夠高,為最終答案留出空間。
  • 透過背景執行產生超過 64K 權杖的內容: 標準同步回應會在 65,536 個權杖時停止。若要產生更長的回應,請將 background=True 設為真,並將 max_output_tokens 提高至 65,536 以上(最高可達統一的 1M 權杖上下文視窗減去您的輸入權杖)。我們的伺服器會以 64K 權杖為單位的接續跳轉為您產生回應。每個跳轉都會新增一個 model_output 步驟至 interaction.steps,因此當互動完成時,請將所有 model_output 步驟中的文字串連起來。
import time
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-4-carbon",
    input="Write a complete, rigorous proof of the prime number theorem.",
    background=True,
    generation_config={
        "max_output_tokens": 262144,
        "thinking_level": "high",
    },
)

while interaction.status in ("in_progress", "queued"):
    time.sleep(5)
    interaction = client.interactions.get(id=interaction.id)

# Each hop adds a model_output step, so join the text of all of them.
text = "".join(
    content.text
    for step in interaction.steps
    if step.type == "model_output"
    for content in step.content
    if content.type == "text"
)
print(text)
print("Status:", interaction.status)
print("Usage:", interaction.usage)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

let interaction = await client.interactions.create({
  model: "gemini-4-carbon",
  input: "Write a complete, rigorous proof of the prime number theorem.",
  background: true,
  generation_config: {
    max_output_tokens: 262144,
    thinking_level: "high",
  },
});

while (interaction.status === "in_progress" || interaction.status === "queued") {
  await new Promise((resolve) => setTimeout(resolve, 5000));
  interaction = await client.interactions.get(interaction.id);
}

// Each hop adds a model_output step, so join the text of all of them.
const text = interaction.steps
  .filter((step) => step.type === "model_output")
  .flatMap((step) => step.content ?? [])
  .filter((content) => content.type === "text")
  .map((content) => content.text)
  .join("");
console.log(text);
console.log("Status:", interaction.status);
console.log("Usage:", interaction.usage);
ID=$(curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-4-carbon",
    "input": "Write a complete, rigorous proof of the prime number theorem.",
    "background": true,
    "generation_config": {
      "max_output_tokens": 262144,
      "thinking_level": "high"
    }
  }' | jq -r '.id')

while true; do
  RESP=$(curl -s "https://generativelanguage.googleapis.com/v1beta/interactions/$ID" \
    -H "x-goog-api-key: $GEMINI_API_KEY")
  STATUS=$(echo "$RESP" | jq -r '.status')
  if [[ "$STATUS" != "in_progress" && "$STATUS" != "queued" ]]; then
    echo "$RESP" | jq -r '[.steps[]? | select(.type == "model_output") | .content[]? | select(.type == "text") | .text] | join("")'
    break
  fi
  sleep 5
done

如果您設定 background: true 但未定義 max_output_tokens,伺服器會在 64K 個權杖後停止。

背景執行是執行長解碼的建議方式。它會在伺服器端執行接續迴圈,直到模型完成或達到 max_output_tokens 為止。如果您需要更細緻地控制重試、退避與錯誤處理(或不想儲存您的互動),您可以在 Interactions API 或 GenerateContent API 中使用用戶端接續。如需串流、重新連線、權杖計算,以及何時使用長解碼的相關資訊,請參閱長解碼指南。

設定輸出權杖上限

max_output_tokens 設定回應中思考與輸出權杖合計的最大值。請將其設得夠高,避免思考把答案截斷;同時也要設得夠低,以便在困難提示詞用盡上限時限制支出。

請將下列數值作為起點:

  • 標準任務: 保留預設值 65,536,或不設定任何值。
  • 上限低於 32K 的現有應用程式: 將 max_output_tokens 提高至至少 32,768。Gemini 4 Carbon 可能會將比先前模型更多的上限花在思考上。若要使用較少的權杖,請改為降低思考層級。
  • 複雜推理與程式設計: 將 background: true 設為真,並將 max_output_tokens 設為 131,072 或 262,144,最高可達 1,048,576 減去您的輸入權杖。

Managed Agents 中的 Gemini 4 Carbon

Gemini Managed Agents 中的 Antigravity 代理支援 Gemini 4 Carbon。若要使用,請在 agent_config 中設定模型:

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-09-2026",
    input=(
        "Audit https://web.dev for performance, Core Web Vitals, and SEO. "
        "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. "
        "Check search indexing with Google Search for site:web.dev. "
        "Format the output as a side-by-side scorecard table with prioritized fixes."
    ),
    environment="remote",
    agent_config={
        "type": "antigravity",
        "model": "gemini-4-carbon",
    },
)

print(interaction.output_text)
import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-09-2026",
  input:
    "Audit https://web.dev for performance, Core Web Vitals, and SEO. " +
    "Query Google's PageSpeed Insights API for both Mobile and Desktop strategies. " +
    "Check search indexing with Google Search for site:web.dev. " +
    "Format the output as a side-by-side scorecard table with prioritized fixes.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-4-carbon",
  },
}, { timeout: 300000 });

console.log(interaction.output_text);
curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
    "agent": "antigravity-preview-09-2026",
    "input": "Audit https://web.dev for performance, Core Web Vitals, and SEO. Query Google'\''s PageSpeed Insights API for both Mobile and Desktop strategies. Check search indexing with Google Search for site:web.dev. Format the output as a side-by-side scorecard table with prioritized fixes.",
    "environment": "remote",
    "agent_config": {
      "type": "antigravity",
      "model": "gemini-4-carbon"
    }
  }'

如需更多選項,請參閱 Antigravity 代理指南中的模型選擇。

遷移檢查清單

使用程式設計代理自動化這項遷移。如果您使用支援技能的程式設計代理(例如 Antigravity),請安裝 gemini-api-dev 技能並執行:

/gemini-api-dev migrate my app to Gemini 4 Carbon

從 Gemini 4 Argon 遷移

如果您已在執行 gemini-4-argon,升級至 gemini-4-carbon 不需要變更請求結構描述:

  • 更新模型 ID: 將模型字串從 gemini-4-argon 改為 gemini-4-carbon。
  • 考量更長的思考時間: 在複雜任務上,Carbon 每回合花費的思考權杖比 Argon 更多。請將 thinking_level 保留為 medium(預設),除非工作負載需要 high,並確保您的 max_output_tokens 與 HTTP 逾時能容納更長的推理過程。
  • 在重視速度的地方保留 Argon: 當您在互動式程式設計、日常功能開發與快速生產迴圈中,想要比 Carbon 更快的回應速度和更低的每回合權杖消耗時,請保留 gemini-4-argon。

從 Gemini 3 與更早版本遷移

  • 更新模型 ID: 將目標模型字串改為 gemini-4-carbon。
  • 檢視 max_output_tokens: 如果您目前有明確設定,請考慮提高。我們建議至少 32,768,因為 Gemini 4 Carbon 可能會將更多的上限花在思考上。
  • 設定思考層級: 選擇 low、medium(預設)或 high,並在三個層級都測試您的工作負載。
  • 停止使用明確上下文快取: Gemini 4 Carbon 不支援明確快取(cachedContents / caches.create)。請從您的請求中移除建立或參照 cached_content 的呼叫。隱含快取預設為至少 4,096 個權杖的提示詞啟用,並在快取命中時為快取的輸入權杖提供 95% 折扣。
  • 移除取樣參數: 請從您的請求中移除 temperature、top_p 與 top_k。如果提供,這些參數會被忽略。
  • 對長輸出使用背景執行: 對於需要超過 64K 個權杖的任務,請將 background 設為 true,並將 max_output_tokens 設為大於 65,536。
  • 增加用戶端逾時: 困難的提示詞可能需要數分鐘。請使用背景執行,或將 HTTP 用戶端逾時設為至少 15 分鐘。
  • 將對話狀態保留在伺服器上: 使用 previous_interaction_id 進行多回合與函式呼叫對話。
  • 檢視您的成本估算: 模型處理的每個權杖都會計費,包括使用接地時的內部工具系統指令與函式宣告(請參閱定價)。

定價

Gemini 4 Carbon 在 2026 年 11 月 30 日前享有優惠定價:

  • 輸入權杖: 每 1M 個權杖 $2.00(2026 年 12 月 1 日起為 $4.00)
  • 快取的輸入權杖: 隱含快取為快取的輸入提供 95% 折扣,降至每 1M 個權杖 $0.10(2026 年 12 月 1 日起為 $0.20)。

  • 輸出權杖(包括思考權杖): 每 1M 個權杖 $10.00(2026 年 12 月 1 日起為 $20.00)

模型處理的每個權杖都會計算並計費,包括思考權杖,以及使用接地時的內部工具系統指令與函式宣告。使用 Google 搜尋接地也會繼續按查詢計費。

Gemini 4 Carbon 不提供免費層級。如需完整的定價層級,請參閱定價頁面。

其他模型

後續步驟