Model icon
gemini-4-carbon
Model:
Brug Gemini 4 Carbon API til $1.60 input / $8.00 output pr. 1M tokens, 20 % under Google. 1M kontekst, 64K output, OpenAI- og Gemini-formater.
Chat

Denne Playground er kun til demonstration. Data er kun gyldige i det aktuelle vindue og ryddes, når du opdaterer siden.

Skriv en besked...

Konfiguration
1.0
1.0
Prisdetaljer

Betal efter forbrug. Intet abonnement og ingen skjulte gebyrer.

1 kredit = $0.005
ModelInput /1M tokensCache-læsning /1M tokensOutput /1M tokens
Gemini 4 Carbon
100K input- + 20K output-tokens: $0.320
$1.60/1M tokens
320 kreditter/1M tokens
$2.00/1M tokensSpar 20 %
$0.080/1M tokens
16 kreditter/1M tokens
$8.00/1M tokens
1600 kreditter/1M tokens
$10.00/1M tokensSpar 20 %
Sådan afregnes det: Input- og output-tokens afregnes hver for sig pr. 1M tokens.

Prisen beregnes ud fra det endelige output.

GEMINI 4 CARBON · NU TILGÆNGELIG PÅ POYO

Googles stærkeste Gemini 4-ræsonnementsmodel til agentisk kodning med lang tidshorisont, krævende vidensarbejde, videnskabeligt ræsonnement og cyberforsvar

Gemini 4 Carbon API: Googles stærkeste ræsonnementsmodel, 20 % under den officielle pris

Gemini 4 Carbon er den model, Google kalder sin stærkeste ræsonnementsmodel, bygget til kompleks softwareudvikling, multimodalt vidensarbejde, videnskabeligt ræsonnement og cybersikkerhedsforsvar. Ifølge Google DeepMinds modelkort er Carbon baseret på Gemini 4 Argon og sigter mod ydeevne i frontier-klassen i agentiske workflows med lang tidshorisont. Google annoncerede modellen den 28. oktober 2026 og åbnede den for udviklere på det betalte niveau af Gemini API den 10. november 2026.

Vigtigste egenskaber ved Gemini 4 Carbon API

Baseret på Googles officielle benchmarktabel og lanceringsindlæg, der sammenligner Gemini 4 Carbon med Gemini 4 Argon og andre frontier-modeller inden for kodning, vidensarbejde, lang kontekst, videnskab og cyberforsvar.

01

Agentisk kodning med lang tidshorisont

Google har bygget Gemini 4 Carbon til vedvarende agentiske workflows som at finde årsagen til fejl og rette dem, kodning med flere agenter og migreringer. I Googles benchmarktabel scorer Carbon 65,2 % på Terminal-Bench 4.0 (AA) mod 57,1 % for Argon og 9,6 % på SWE-sweep mod 4,3 %. Ifølge Google ligger den desuden nr. 1 på CursorBench 4.0.

  • 65,2 % på Terminal-Bench 4.0 (AA) mod 57,1 % for Argon
  • 9,6 % på SWE-sweep mod 4,3 % for Argon
  • 61,2 % på FrontierSWE 2 mod 55,0 % for Argon
Officiel grafik fra Google til Gemini 4 Carbon, Googles stærkeste Gemini 4-ræsonnementsmodel

02

Foran Argon i hele Googles benchmarktabel

Gemini 4 Carbon er den mest kompetente model; Argon er søstermodellen, der bruger færre tokens, til samme pris. Carbon scorer 59 på Artificial Analysis Intelligence Index v5.0 (Argon: 50), 53,9 % på Zapiers AutomationBench (51,3 %), 77,4 % på Agents' Last Exam v1.1 (69,0 %) og 96,2 % på GraphWalks 256K til 1M for genkaldelse i lang kontekst (84,2 %).

  • 59 mod 50 på AA Intelligence Index v5.0
  • 96,2 % mod 84,2 % på GraphWalks med lang kontekst (256K til 1M)
  • 80,0 % mod 76,0 % på RiemannBench og 81,5 % mod 74,7 % på OSWorld-2.1
Googles officielle benchmarktabel, der sammenligner Gemini 4 Carbon med Gemini 4 Argon, GPT-6 Astra, Claude Opus 5.5 og Claude Fable 5.1

03

Find sårbarheder: 88,2 % på SEC-bench Pro

Google rapporterer førende resultater inden for detektion, validering og afhjælpning af sårbarheder. På SEC-bench Pro, som måler evnen til at finde sårbarheder, når Gemini 4 Carbon 88,2 % mod 83,4 % for Argon. Google bemærker, at visse cybersikkerhedsfunktioner kun er tilgængelige for verificerede forsvarere gennem Fairwind Program.

  • 88,2 % på SEC-bench Pro mod 83,4 % for Argon
  • Bygget til defensive sikkerhedsteams
  • Visse cyberfunktioner er forbeholdt Googles Fairwind Program
Officielt diagram fra Google med SEC-bench Pro-scorer for at finde sårbarheder, hvor Gemini 4 Carbon når 88,2 %

04

Ret svagheder: 71,0 % på CWE-bench

Inden for afhjælpning scorer Gemini 4 Carbon 71,0 % på CWE-bench, foran Argon og GPT-6 Astra på 68,0 %. Google rapporterer også mere end 2x forbedring i forhold til Argon i succesraten for generering af sikker kode.

  • 71,0 % på CWE-bench mod 68,0 % for Argon
  • Mere end 2x forbedring i generering af sikker kode i forhold til Argon ifølge Google
  • Udarbejd udkast til rettelser til sikkerhedsgennemgang
Officielt diagram fra Google med CWE-bench-scorer for patching, hvor Gemini 4 Carbon når 71,0 %

05

Valider udnyttelighed: 54,8 % på ExploitGym

Forsvarere skal vide, hvilke fund der er reelle. Gemini 4 Carbon sætter ny state of the art på ExploitGym med 54,8 % mod 42,0 % for Argon og hjælper forsvarere med at bekræfte, hvilke fund der kan udnyttes, og prioritere rettelser.

  • 54,8 % på ExploitGym mod 42,0 % for Argon
  • Ny state of the art ifølge Google
  • Succesrate for prompt injection på Gray Swan IPI reduceret til 0,0 % (Argon: 0,7 %)
Officielt diagram fra Google med ExploitGym-scorer, hvor Gemini 4 Carbon når 54,8 %

Flere egenskaber ved Gemini 4 Carbon

01

Vidensarbejde med omfattende dokumenter

Carbon fører på Zapiers AutomationBench med 53,9 % (Argon: 51,3 %) og på Vals Index v2.2 med 70,4 %. Ifølge Google ligger den nr. 1 på AutomationBench og Perplexitys WANDR med mere end 2X lavere omkostning pr. opgave end den næstbedste eksterne model.

02

Videnskabeligt og matematisk ræsonnement

Carbon scorer 80,0 % på RiemannBench og 64,8 % på Terminal-Bench-Science 0.1 (AA), foran Argons 76,0 % og 52,9 % på samme modelkort.

03

1M kontekst og multimodalt input

Send op til 1M tokens tekst, billeder, lyd, video og PDF'er i én forespørgsel. Carbon når 96,2 % på GraphWalks (256K til 1M, BFS F1) mod 84,2 % for Argon.

04

Mere ærlige og mere robuste agenter

Ifølge Google bestod Carbon 92 % af opgaverne i Googles ærlighedsbenchmark mod 70 % for Argon og reducerede succesraten for indirekte prompt injection på Gray Swan IPI til 0,0 % fra Argons 0,7 %.

Hvad kan du bygge med Gemini 4 Carbon?

01

Kompleks fejlfinding og kodemigreringer

Lad Carbon spore en fejl på tværs af et stort repository, foreslå en rettelse og verificere den i udvidede løkker, eller koordinere refaktoreringer og migreringer med flere agenter.

02

Autonome forretningsworkflows

Kør end-to-end-automatiseringer på tværs af API'er, dokumenter og regneark – den type arbejde, AutomationBench måler.

03

Find og ret sårbarheder

Scan kode for svagheder, prioritér fund, og udarbejd udkast til rettelser, som dit sikkerhedsteam kan gennemgå.

04

Åben videnskabelig forskning

Arbejd dig gennem problemer inden for fysik, matematik og biovidenskab, der kræver lange ræsonnementskæder og omhyggelig verifikation.

05

Multimodal dokument- og videoanalyse

Kombinér PDF'er, diagrammer, lyd og video i én forespørgsel på 1M tokens for at besvare spørgsmål på tværs af omfattende kildemateriale.

06

Langvarige agenter

Driv agenter, der planlægger, kalder værktøjer og bevarer konteksten over mange ture, med streamede svar til responsive brugerflader.

Gemini 4 Carbon vs Gemini 4 Argon vs GPT-6 Astra vs Claude Opus 5.5

Resultater fra Googles officielle benchmarktabel for Gemini 4 Carbon (oktober 2026). Carbon og Argon koster det samme pr. input- og outputtoken. Google positionerer Argon som sin effektive model med hurtigere svar og lavere tokenforbrug pr. tur. Carbon bruger flere tokens på at udforske grundigt, ræsonnere dybt og køre udvidede verifikationsløkker, så vælg Carbon til de sværeste opgaver inden for kodning, research og sikkerhed.

BenchmarkGemini 4 CarbonGemini 4 ArgonGPT-6 AstraClaude Opus 5.5
Artificial Analysis Intelligence Index v5.059 (nr. 1)505758
Vals Index v2.270,4 % (nr. 1)69,2 %65,0 %70,2 %
Terminal-Bench 4.0 (AA)65,2 % (nr. 1)57,1 %59,1 %59,6 %
SWE-sweep9,6 % (nr. 1)4,3 %9,5 %3,6 %
FrontierSWE 261,2 %55,0 %65,5 %62,3 %
Agents' Last Exam v1.177,4 % (nr. 1)69,0 %73,1 %71,6 %
OSWorld-2.1 (offline-delmængde)81,5 %74,7 %80,9 %87,2 %
AutomationBench (Zapier)53,9 % (nr. 1)51,3 %41,4 %42,5 %
GraphWalks 256K til 1M (BFS F1)96,2 % (nr. 1)84,2 %71,8 %66,8 %
RiemannBench80,0 % (nr. 1)76,0 %72,0 %69,6 %
CWE-bench71,0 % (nr. 1)68,0 %68,0 %67,0 %
ExploitGym54,8 % (nr. 1)42,0 %42,4 %34,5 %
SEC-bench Pro88,2 % (nr. 1)83,4 %85,4 %—

Kilde: Googles benchmarktabel i "Gemini 4 Carbon: our next frontier model" (blog.google, oktober 2026) og modelkortet for Gemini 4 Carbon; metode på deepmind.google/models/evals-methodology/gemini-4-carbon. Cybersikkerhedsresultaterne afspejler adgang gennem Googles Fairwind Program. "—" betyder, at der ikke er offentliggjort nogen score.

Sådan bruger du Gemini 4 Carbon API på PoYo

1. Opret en API-nøgle: Log ind på PoYo-dashboardet, og opret en bearer-nøgle. Den samme nøgle virker på tværs af PoYo-modeller.

2. Vælg et forespørgselsformat: Send POST https://api.poyo.ai/v1/chat/completions for at genbruge OpenAI SDK, eller POST https://api.poyo.ai/v1beta/models/gemini-4-carbon:generateContent (og :streamGenerateContent) til multimodale payloads i Gemini-native format.

3. Angiv model-ID: Send "model": "gemini-4-carbon" i OpenAI-formatet. Angiv "stream": true for server-sent events, eller udelad det for at få ét JSON-svar.

Ofte stillede spørgsmål om Gemini 4 Carbon

Hvad er Gemini 4 Carbon?

Gemini 4 Carbon er Googles stærkeste Gemini 4-ræsonnementsmodel. Ifølge Google DeepMinds modelkort er den baseret på Gemini 4 Argon og bygget til agentiske workflows med lang tidshorisont inden for vidensarbejde, engineering, cybersikkerhed og videnskabeligt ræsonnement. Dens vidensgrænse er marts 2026.

Er Gemini 4 Carbon tilgængelig via API?

Ja. Google annoncerede Gemini 4 Carbon den 28. oktober 2026, først for en udvalgt gruppe cyberforsvarere, og gjorde den tilgængelig for udviklere på det betalte niveau af Gemini API den 10. november 2026. På PoYo kan du kalde den i dag med model-ID'et gemini-4-carbon.

Hvad koster Gemini 4 Carbon?

Googles standardpris er $2.00 pr. 1M inputtokens, $10.00 pr. 1M outputtokens (inklusive thinking-tokens) og $0.10 pr. 1M cachede inputtokens uden gratis niveau. På PoYo koster den $1.60 for input (320 kreditter), $8.00 for output (1.600 kreditter) og $0.08 for cachelæsning (16 kreditter) pr. 1M tokens, 20 % under Googles pris.

Findes der et gratis niveau for Gemini 4 Carbon?

Googles prisside angiver intet gratis niveau for Gemini 4 Carbon. På PoYo betaler du efter forbrug med kreditter og kan teste modellen i webbaseret Playground, før du integrerer den.

Hvad er forskellen på Gemini 4 Carbon og Gemini 4 Argon?

Begge har samme pris pr. input- og outputtoken. Google beskriver Argon som sin effektive Gemini 4-model med hurtigere svar og lavere tokenforbrug pr. tur end Carbon og siger, at Argon fortsat er det ideelle valg til størstedelen af softwareudvikling og vidensarbejde. Carbon bruger flere tokens på at ræsonnere dybt og verificere sit arbejde og scorer højere på Googles modelkort, for eksempel 65,2 % mod 57,1 % på Terminal-Bench 4.0 (AA) og 96,2 % mod 84,2 % på GraphWalks.

Hvad er kontekstvinduet og det maksimale output for Gemini 4 Carbon?

Gemini 4 Carbon har et kontekstvindue på 1M tokens og kan returnere op til 64K outputtokens pr. svar. Den accepterer tekst, billeder, lyd, video og PDF som input og returnerer tekst.

Hvordan klarer Gemini 4 Carbon sig i benchmarks?

På Google DeepMinds modelkort scorer Carbon 59 på Artificial Analysis Intelligence Index v5.0 (nr. 1 blandt de viste modeller), 53,9 % på AutomationBench, 88,2 % på SEC-bench Pro og 80,0 % på RiemannBench. GPT-6 Astra fører på FrontierSWE 2 (65,5 % mod 61,2 %), og Claude Opus 5.5 fører på OSWorld-2.1 (87,2 % mod 81,5 %).

Hvordan kalder jeg Gemini 4 Carbon med OpenAI SDK?

Peg OpenAI SDK's base URL mod https://api.poyo.ai/v1, brug din PoYo API-nøgle, og sæt model til gemini-4-carbon. Til Gemini-native forespørgsler kalder du https://api.poyo.ai/v1beta/models/gemini-4-carbon:generateContent eller :streamGenerateContent. Streaming understøttes i begge formater.

Hvorfor bruge Gemini 4 Carbon via PoYo?

01

20 % lavere tokenpriser

Betal $1.60 for input, $8.00 for output og $0.08 for cachelæsning pr. 1M tokens med fleksible kreditter efter forbrug.

02

OpenAI- og Gemini-formater

Brug /v1/chat/completions med eksisterende OpenAI SDK'er, eller /v1beta/models/gemini-4-carbon:generateContent til native Gemini-funktioner.

03

Skift mellem Carbon og Argon

Send de sværeste opgaver til Carbon og det daglige arbejde til Argon, eller sammenlign dem med Claude- og GPT-modeller – alt sammen med én PoYo-nøgle.

04

Kom i gang på få minutter

Prøv gemini-4-carbon i webbaseret Playground, og flyt derefter den samme forespørgsel til produktion uden venteliste.