Gemini 4 Carbon to model z serii Gemini 4 od Google, pomyślany pod programowanie, agentów i złożone rozumowanie. Ma wspólne okno 1 048 576 tokenów na wejście, myślenie i odpowiedź. Głębokość myślenia ma trzy poziomy (niski, średni - domyślny, wysoki). Obsługuje wywołania narzędzi i odpowiedzi w schemacie JSON. Odpowiada tekstem. W Jantarisie wołasz go tym samym SDK OpenAI co resztę modeli, bez osobnego konta Google.
Jedna odpowiedź ma limit 32 768 tokenów bez strumienia i 65 536 ze strumieniem, a myślenie liczy się do tego limitu. Przy długich odpowiedziach włącz stream: true.
W tej samej serii są dwa tańsze modele: Gemini 4 Hydrogen do masowej, szybkiej pracy i Gemini 4 Argon. Carbon bierz tam, gdzie liczy się jakość kodu i długie, wieloetapowe zadania.
Do czego się nadaje
- Pisanie i poprawianie kodu w dużych repozytoriach
- Agenci z narzędziami i wieloma krokami
- Analiza bardzo długich dokumentów, wyciąganie danych do JSON
- Porównania z Claude Opus 5.5 i GPT-6.1 Sol na własnych zadaniach
Jak wywołać
from openai import OpenAI
client = OpenAI(base_url="https://jantaris.com/v1", api_key="sk-jt-...")
resp = client.chat.completions.create(
model="gemini-4-carbon",
stream=True,
reasoning_effort="high",
messages=[{"role": "user", "content": "Znajdź błąd w tej funkcji i zaproponuj poprawkę."}],
)
for chunk in resp:
print(chunk.choices[0].delta.content or "", end="")FAQ
Ile kosztuje Gemini 4 Carbon?
12,00 zł / 60,00 zł za 1 mln tokenów. Rozliczasz się z jednego salda w złotówkach, płacisz tylko za zużyte tokeny.
Czym różni się od Gemini 4 Hydrogen i Argon?
Carbon celuje w kod, agentów i trudne rozumowanie i jest najdroższy z tej trójki za token. Gemini 4 Hydrogen i Gemini 4 Argon mają ten sam rozmiar okna i lepiej sprawdzają się tam, gdzie liczy się niska cena przy dużej ilości tekstu.
Jak długa może być odpowiedź?
Do 32 768 tokenów bez strumienia i 65 536 ze strumieniem, łącznie z myśleniem.
Czy Carbon robi obrazy albo dźwięk?
Nie, odpowiada tylko tekstem.
Jak wywołać Gemini 4 Carbon przez API
from openai import OpenAI
client = OpenAI(base_url="https://jantaris.com/v1", api_key="sk-jt-...")
resp = client.chat.completions.create(
model="gemini-4-carbon",
messages=[{"role": "user", "content": "Napisz haiku o bursztynie znad Bałtyku."}],
)
print(resp.choices[0].message.content)curl https://jantaris.com/v1/chat/completions \
-H "Authorization: Bearer $JANTARIS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "gemini-4-carbon", "messages": [{"role": "user", "content": "Napisz haiku o bursztynie znad Bałtyku."}]}'import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://jantaris.com/v1", apiKey: process.env.JANTARIS_API_KEY });
const resp = await client.chat.completions.create({
model: "gemini-4-carbon",
messages: [{ role: "user", content: "Napisz haiku o bursztynie znad Bałtyku." }],
});
console.log(resp.choices[0].message.content);