Choose your path
CometAPI로 Gemini 4 Carbon API를 설정하십시오. Python 및 REST 예제를 따르고, 응답을 검증하며, PDF와 이미지를 분석하고, 스트리밍을 처리하십시오.
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)CometAPI에서 Gemini 네이티브 GenerateContent 인터페이스를 통해 애플리케이션에 추론과 문서 분석을 추가하려면 Gemini 4 Carbon API를 사용하세요. 짧은 텍스트 요청으로 시작해 생성이 완료되었는지 확인하고, 답변을 저장한 뒤에 PDF 입력, 이미지, 스트리밍, 구조적 JSON을 추가하세요. 이 가이드는 각 단계에 대한 설정과 응답 처리 코드를 제공합니다.
gemini-4-carbon. 무료 티어 없음 — 유료 Gemini API / Cloud Billing 필요.low(빠르고 저렴), medium(기본, 균형), high(깊은 추론).Gemini 4 Carbon 출시 아트워크. 이미지: Google. 원본 아트워크.
Gemini 4 Carbon은 장기 지평 에이전틱 워크플로, 복잡한 소프트웨어 엔지니어링, 사이버보안, 과학 연구를 위한 Google의 프런티어 추론 모델입니다. Gemini 4 Argon을 기반으로, 단일 응답이 아닌 지속적 문제 해결이 필요한 다단계 작업을 처리하기 위해 더 깊은 추론과 확장된 검증 루프를 사용합니다. Argon과 비교해 Carbon은 토큰 사용을 최소화하는 것보다 정확성과 작업 완수도가 더 중요한 고난도 워크로드에 맞춰 설계되었습니다. Google은 2026년 11월 10일에 유료 개발자 접근을 발표했습니다. 멀티모달 입력 지원으로 텍스트와 시각 및 기타 매체 입력을 결합할 수 있으며, 생성 결과는 텍스트입니다. CometAPI는 할인된 API 접근을 제공합니다.
API 통합을 위해서는 결과를 검증할 수 있는 하나의 작업으로 시작하세요. 예: 문서 요약하기, 인시던트 노트에서 필드 추출하기, 스크린샷 검토하기. 지원 도구와 응답 동작을 확인한 뒤에 더 넓은 에이전트 워크플로를 구축할 수 있습니다.
공식 모델 사양은 공유 컨텍스트 예산과 각 포그라운드 세그먼트의 출력 한도를 구분합니다. 이는 모델 수준의 제한이며, 게이트웨이가 요청 크기 및 기능 제한을 추가 적용할 수 있습니다.
확장을 하기 전에 Carbon이 컨텍스트, 생성 설정, 캐싱, 접근을 어떻게 처리하는지 확인하세요. 아래 표는 각 제약과 실무적 조치를 짝지어, 잘못된 요청, 불완전한 결과, 예기치 않은 비용을 피하도록 돕습니다.
| 영역 | 제한 또는 요구사항 | 개발자 시사점 |
|---|---|---|
| 통합 토큰 예산 | 입력과 출력이 사고 및 함수 호출을 포함해 1,048,576 토큰을 공유 | 대화 기록이나 파일을 추가하기 전에 출력 공간을 남겨두세요. |
| 긴 디코딩 | 포그라운드 세그먼트는 스트리밍 시 최대 65,536 출력 토큰, 비스트리밍 시 32,768까지 허용 | 더 긴 생성은 연속 생성이 필요합니다. |
| 사고 수준 | Low, Medium, High; 기본은 Medium | GenerateContent에서는 LOW, MEDIUM, HIGH를 전송하세요; MINIMAL은 거부됩니다. |
| 사고 예산 | 레거시 thinking_budget 파라미터는 거부 | 요청 빌더에서 thinking_budget을 제거하고 Python의 thinking_config.thinking_level 또는 REST JSON의 thinkingConfig.thinkingLevel을 사용. |
| 샘플링 | 사용자 지정 temperature, top_p, top_k 값은 무시 | reasoning 깊이는 thinking_level로, 구조화된 출력을 위해 response_schema를 사용하세요. |
| 컨텍스트 캐싱 | 암시적 캐싱 지원; 명시적 컨텍스트 캐시 생성은 미지원 | 재사용 컨텍스트를 앞에, 변경되는 질문을 마지막에 두세요. 명시적 캐시 생성 호출과 cached_content 참조를 제거하세요. |
| API 비용 | 사고 토큰은 출력으로 과금 | 사고와 가시 출력 모두를 계산하세요. |
| 사이버보안 접근 | 특화된 사이버 접근은 제한됨 | 특화된 Fairwind 접근 자격을 확인하세요. 표준 Carbon 접근만으로는 사이버-퍼미시브 변형 접근이 자동으로 부여되지 않습니다. |
| 신뢰성 | 환각, 가끔의 타임아웃, 더 높은 토큰 사용 발생 가능 | 사실, 코드, 추출 필드를 검증하세요. |
Google의 Carbon 개발자 가이드는 API 규칙을 문서화하고, 모델 카드는 신뢰성과 특화 접근 제한을 설명합니다. 프로덕션 적용 전 CometAPI 라우트에서 해당 기능을 확인하세요.
MEDIUM으로 시작한 다음, 작업과 필요 품질에 맞춰 조정하세요.
사고 수준을 높이는 것이 모든 작업에서 자동으로 더 나은 결과를 보장하지는 않습니다. 실제 워크로드를 벤치마크하고, 작업 완수 품질, 지연, 총 토큰 사용량을 비교한 뒤 프로덕션 기본값을 변경하세요.
| Benchmark | Gemini 4 Carbon | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|---|
| Artificial Analysis Intelligence Index v5.0 | 59 | 50 | 57 | 58 |
| SWE-sweep | 9.60% | 4.30% | 9.50% | 3.60% |
| FrontierSWE 2 | 61.20% | 55.00% | 65.50% | 62.30% |
| Terminal-Bench 4.0 | 65.20% | 57.10% | 59.10% | 59.60% |
| Agents' Last Exam v1.1 | 77.40% | 69.00% | 73.10% | 71.60% |
| OSWorld-2.1 | 81.50% | 74.70% | 80.90% | 87.20% |
| AutomationBench | 53.90% | 51.30% | 41.40% | 42.50% |
| Chartography | 72.50% | 71.60% | 71.00% | 66.30% |
| GraphWalks (256K–1M) | 96.20% | 84.20% | 71.80% | 66.80% |
Artificial Analysis Carbon (High)과 Argon (High) 페이지는 2026년 11월 12일 확인 기준으로 다음 스냅샷을 보여줍니다. 이는 벤치마크 결과이며, CometAPI 지연 시간의 측정값이 아닙니다.
| 지표 | Carbon (High) | Argon (High) |
|---|---|---|
| Intelligence Index | 60 | 50 |
| 출력 속도 | 80 tokens/s | 65 tokens/s |
| 첫 답변 토큰까지의 시간 | 67.83 s | 37.64 s |
| Intelligence Index 작업당 시간 | 25.5 min | 30.0 min |
| 평가 전체 출력 토큰 | 205M | 113M |
| 작업당 비용 | $7.76 | $9.95 |
출력 토큰 합계는 전체 평가를 위한 값이며, 단일 요청이 아닙니다. 작업 비용은 Artificial Analysis의 가격 가정을 사용하며 현재 CometAPI 할인과는 다를 수 있습니다. Carbon은 첫 답변 토큰까지 더 오래 기다리지만, 벤치마크 작업을 더 빠르고 더 낮은 보고 비용으로 완료합니다. 토큰 양만으로는 가치를 판단할 수 없습니다.
어려운 코드 리뷰, 리서치, 오판 비용이 큰 작업에서 Carbon의 더 깊은 검증이 품질을 높여줄 때 사용하세요. 루틴 코딩과 지식 작업에는 Argon을 시험하되, 실제 워크로드에서 절감 효과를 확인하세요. 동일한 프롬프트를 실행해 승인된 결과 대비 총 지출, 완료 시간, 실패율을 함께 비교하세요.
모델 접근 권한과 충분한 크레딧이 있는 CometAPI 계정, Python 환경, 스크립트 실행에 대한 기본적인 숙련이 필요합니다. 아래 파일들을 같은 프로젝트 디렉터리에 두어 모든 예제가 동일한 클라이언트 구성을 가져오도록 하세요.
여러 모델을 Carbon과 함께 평가하면서 접근과 결제를 단일 제공자에서 관리하고 싶을 때 CometAPI가 유용합니다. Carbon 라우트는 Gemini 네이티브 GenerateContent와 OpenAI 호환 Chat 인터페이스를 모두 제공하므로, 애플리케이션에 맞는 요청 형식을 선택할 수 있습니다.
이 가이드에서는 네이티브 라우트를 사용해 Google Gen AI SDK를 CometAPI 키와 베이스 URL로 재사용합니다. 현재 기본 그룹 가격은 Google 도입 요금 대비 20% 낮습니다. 모델 ID를 구성에 유지해 애플리케이션을 다시 작성하지 않고도 Carbon과 Argon을 비교하고, 도구, 파일 업로드, 긴 연속 생성 추가 전 라우트별 지원을 확인하세요.
CometAPI에 로그인해 API 키를 생성 또는 열고, 환경 변수로 저장하세요. 키를 소스 코드에 직접 넣거나 저장소에 커밋하지 마세요.
사용 중인 셸에 맞는 명령을 사용하세요. Python을 실행할 동일한 터미널에서 변수를 설정하고, 플레이스홀더 키를 실제 키로 바꾸세요.
PowerShell에서 키와 모델을 설정:
$env:COMETAPI_KEY = "YOUR_COMETAPI_KEY"
$env:COMETAPI_MODEL = "gemini-4-carbon"
Bash에서 키와 모델을 설정:
export COMETAPI_KEY="YOUR_COMETAPI_KEY"
export COMETAPI_MODEL="gemini-4-carbon"
프로젝트 환경에 SDK를 설치하세요. python -m pip를 사용하면 설치가 예제를 실행할 인터프리터에 결합됩니다.
Google Gen AI SDK 설치 또는 업데이트:
python -m pip install --upgrade google-genai
CometAPI는 커스텀 SDK base URL을 사용하는 Gemini 네이티브 엔드포인트를 문서화합니다. 이 엔드포인트에는 CometAPI 키를 사용하세요. 아래 설정은 GenerateContent 요청에 적용됩니다.
| 설정 | 값 |
|---|---|
| SDK | google-genai |
| Base URL | https://api.cometapi.com |
| API 버전 | v1beta |
| REST 인증 헤더 | x-goog-api-key |
| 키 환경 변수 | COMETAPI_KEY |
| 모델 환경 변수 | COMETAPI_MODEL |
| 모델 ID | gemini-4-carbon |
다음을 carbon_client.py로 저장하세요. 한 번 클라이언트를 정의하고, 이 가이드에서 사용하는 텍스트 전용 응답을 위한 completed_text를 제공합니다. 헬퍼는 candidate finish reason을 확인해, 빈 결과나 잘린 결과가 정상으로 처리되지 않도록 합니다.
CometAPI 클라이언트와 텍스트 응답 검증기를 포함하는 carbon_client.py 생성:
import os
from google import genai
from google.genai import types
client = genai.Client(
api_key=os.environ["COMETAPI_KEY"],
http_options={
"api_version": "v1beta",
"base_url": "https://api.cometapi.com",
},
)
model = os.getenv("COMETAPI_MODEL", "gemini-4-carbon")
def completed_text(response):
if not response.candidates:
raise RuntimeError("No candidate returned; inspect prompt feedback.")
candidate = response.candidates[0]
reason = getattr(candidate.finish_reason, "value", candidate.finish_reason)
if reason != "STOP":
raise RuntimeError(f"Generation did not finish normally: {reason}")
parts = candidate.content.parts if candidate.content else []
text = "".join(
part.text or "" for part in (parts or []) if not part.thought
)
if not text.strip():
raise RuntimeError("The completed candidate contains no answer text.")
return text
carbon_client.py 옆에 first_request.py를 만들고 아래 코드를 추가하세요. MEDIUM 사고와 4,096 토큰 출력 한도를 사용해 짧은 체크리스트 프롬프트를 보내고, completed_text(response)로 완료를 확인한 뒤, UTF-8로 answer.txt에 답변을 저장합니다. 프로젝트 디렉터리에서 python first_request.py를 실행한 후 answer.txt를 열어 다섯 가지 검토 포인트가 모두 관련 있고 활용 가능함을 확인하세요. 사고를 포함한 토큰 소비의 사용 메타데이터를 출력해 확인하세요. 정상 종료는 답변 품질을 보증하지 않습니다. 요청이 실패하거나 불완전한 출력을 반환하면, 트러블슈팅 섹션을 사용해 자격 증명, 오류 세부 정보, 종료 이유를 확인한 뒤 재시도하세요.
from pathlib import Path
from carbon_client import client, model, types, completed_text
response = client.models.generate_content(
model=model,
contents="Give me a five-point checklist for reviewing a Python API client.",
config=types.GenerateContentConfig(
max_output_tokens=4096,
thinking_config=types.ThinkingConfig(thinking_level="MEDIUM"),
),
)
answer = completed_text(response)
Path("answer.txt").write_text(answer, encoding="utf-8")
print(answer)
print("Saved answer.txt")
if response.usage_metadata:
print(response.usage_metadata.model_dump(exclude_none=True))
python first_request.py
## Gemini 4 Carbon API는 파일을 어떻게 분석하나요?
이 예제들은 carbon_client.py와 동일한 디렉터리에서 실행하세요. 별도의 파일 업로드 서비스와 독립된 초기 워크플로를 유지하기 위해 로컬 파일을 인라인 콘텐츠 파트로 로드합니다.
PDF 이해에는 시각적 콘텐츠가 포함됩니다: Gemini는 텍스트, 표, 차트, 이미지를 함께 해석할 수 있습니다. [Google의 문서 처리 가이드](https://ai.google.dev/gemini-api/docs/document-processing)는 파일 크기와 컨텍스트 제한에 따라 최대 1,000페이지의 PDF를 지원한다고 설명합니다. 페이지 수는 상한일 뿐, 모든 문서가 게이트웨이 요청에 들어간다는 보장은 아닙니다.
작고 일시적인 PDF에는 인라인 입력을 사용하세요. 더 큰 파일이나 반복적인 멀티 턴 질문에는 전체 파일을 다시 보내지 않기 위해 Google은 Files API 사용을 권장합니다. CometAPI를 통해 이 워크플로를 사용하기 전에 업로드 엔드포인트와 파일 참조 지원을 확인하세요. 아래 인라인 예제는 여전히 실용적인 시작점입니다.
### 로컬 PDF 요약하기
GenerateContent의 [인라인 PDF 입력](https://ai.google.dev/gemini-api/docs/document-processing)이 문서화되어 있습니다. 프로젝트 디렉터리에 작고 민감하지 않은 report.pdf를 놓은 다음, 아래를 analyze_pdf.py로 저장하고 python analyze_pdf.py를 실행하세요.
로컬 PDF를 전송하고 완료된 요약을 저장:
from pathlib import Path
from carbon_client import client, model, types, completed_text
response = client.models.generate_content(
model=model,
contents=[
types.Part.from_bytes(
data=Path("report.pdf").read_bytes(),
mime_type="application/pdf",
),
"Summarize this report in five bullets. Do not invent missing figures.",
],
config=types.GenerateContentConfig(max_output_tokens=4096),
)
summary = completed_text(response)
Path("report_summary.txt").write_text(summary, encoding="utf-8")
print(summary)
더 큰 문서로 확장하기 전에 요약을 파일과 대조하세요. 요청 크기 제한과 파일 참조 지원은 게이트웨이에 따라 다릅니다. Office 형식 또는 Cloud Storage 참조에 대한 Google의 지원이 CometAPI 라우트에서도 해당 입력을 지원함을 자동으로 보장하진 않습니다.
### 로컬 스크린샷 검토하기
[인라인 이미지 입력](https://ai.google.dev/gemini-api/docs/image-understanding)의 경우 MIME 타입을 파일과 일치시키세요. 스크립트 옆에 screen.png라는 PNG 스크린샷을 두세요. 아래를 analyze_image.py로 저장하고 python analyze_image.py를 실행해 보이는 텍스트와 레이아웃을 검토하세요.
공개 이미지 URL에 의존하지 않고 PNG 스크린샷 분석:
from pathlib import Path
from carbon_client import client, model, types, completed_text
response = client.models.generate_content(
model=model,
contents=[
types.Part.from_bytes(
data=Path("screen.png").read_bytes(),
mime_type="image/png",
),
"Review this screenshot for unreadable text and overlapping elements. "
"Describe only visible issues and identify their locations.",
],
config=types.GenerateContentConfig(max_output_tokens=4096),
)
print(completed_text(response))
보고된 각 이슈를 스크린샷과 비교하세요. JPEG를 보내면 파일명과 MIME 타입을 모두 변경하세요. 확장자만 바꾼다고 이미지가 변환되지 않습니다.
## Gemini 4 Carbon 응답을 어떻게 스트리밍하나요?
### 스트리밍 텍스트를 표시하고 완료 여부를 확인
스트리밍은 서버 전송 이벤트(SSE)로 응답 청크를 반환하여, 생성이 계속되는 동안 애플리케이션이 부분 출력을 표시할 수 있게 합니다.
SDK는 generate_content_stream을 통해 [스트리밍 텍스트 생성](https://ai.google.dev/gemini-api/docs/text-generation)을 제공합니다. 직접 HTTP 요청의 경우 CometAPI는 alt=sse가 포함된 streamGenerateContent를 사용합니다.
아래를 stream_response.py로 저장하고 python stream_response.py를 실행하세요. 도착 즉시 텍스트를 표시하고, 스트림이 정상 종료 이유로 끝났는지 확인합니다. 예외가 발생하면 표시된 텍스트는 부분 결과로 남고, 승인된 답변으로 처리되지 않습니다.
스트리밍 텍스트를 읽고 정상 종료를 요구:
from carbon_client import client, model, types
finish_reason = None
received_text = False
for chunk in client.models.generate_content_stream(
model=model,
contents="Write a concise checklist for investigating intermittent API timeouts.",
config=types.GenerateContentConfig(max_output_tokens=4096),
):
if not chunk.candidates:
continue
candidate = chunk.candidates[0]
if candidate.finish_reason is not None:
finish_reason = getattr(candidate.finish_reason, "value", candidate.finish_reason)
parts = candidate.content.parts if candidate.content else []
for part in parts or []:
if part.text and not part.thought:
received_text = True
print(part.text, end="", flush=True)
print()
if finish_reason != "STOP" or not received_text:
raise RuntimeError(f"Stream not accepted as complete: {finish_reason}")
### 구조화된 JSON 추출
[스키마 제약 출력](https://ai.google.dev/gemini-api/docs/structured-output)을 위해 application/json을 요청하고 애플리케이션이 기대하는 필드를 정의하세요. 이 예제는 짧은 인시던트 노트에서 두 필드를 추출한 뒤, 출력 타입을 확인하고 결과를 출력합니다.
아래를 structured_output.py로 저장하고 python structured_output.py를 실행하세요. JSON을 파싱하기 전에 응답 검증기를 재사용합니다.
인시던트 필드를 추출하고 완료를 확인한 뒤 타입을 검증:
import json
from carbon_client import client, model, types, completed_text
response = client.models.generate_content(
model=model,
contents=(
"Extract the service and impact from this incident note: "
"The checkout API returned errors for ten minutes during a database restart."
),
config=types.GenerateContentConfig(
max_output_tokens=4096,
response_mime_type="application/json",
response_schema={
"type": "OBJECT",
"properties": {
"service": {"type": "STRING"},
"impact": {"type": "STRING"},
},
"required": ["service", "impact"],
},
),
)
data = json.loads(completed_text(response))
if not isinstance(data, dict) or not all(
isinstance(data.get(field), str) for field in ("service", "impact")
):
raise ValueError("The response does not match the expected field types.")
print(json.dumps(data, indent=2))
service와 impact를 포함하는 객체를 받아야 합니다. 스키마 준수는 사실 정확성을 보장하지 않습니다. 추출된 값을 입력과 비교하고, 저장하거나 조치하기 전에 비즈니스 규칙을 적용하세요.
## Gemini 4 Carbon API 가격
Google의 [도입 가격](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/)은 2026년 11월 30일까지 적용되며, 표준 요금은 12월 1일부터 적용됩니다. 이후 요청 예산을 세우기 전 계정의 현재 요금을 확인하세요.
두 모델은 Gemini 4 패밀리에 속하지만 목표 워크로드가 다릅니다.
| API 가격 티어 | 입력 / 100만 토큰 | 출력 / 100만 토큰 |
| -------------------------- | ----------------- | ------------------ |
| Standard(11/30까지) | $2.00 | $10.00 |
| Standard(12/1부터) | $4.00 | $20.00 |
| Batch(11/30까지) | $1.00 | $5.00 |
| Batch(12/1부터) | $2.00 | $10.00 |
| Flex(11/30까지) | $1.00 | $5.00 |
| Priority(11/30까지) | $3.60 | $18.00 |
추가 가격 정보:
* 캐시 적중 입력: 100만 토큰당 $0.10(11/30까지), 12/1부터 $0.20
* Batch와 Flex는 해당 서비스 특성을 감내할 수 있는 워크로드에 대해 더 낮은 비용을 제공합니다.
* 사고 토큰은 출력 토큰으로 과금됩니다.
* 내부 도구 지시와 함수 선언에 소비되는 토큰 또한 과금될 수 있습니다.
Google은 대부분의 소프트웨어 엔지니어링과 지식 작업에는 Argon을 권장하며, 더 깊은 추론과 확장된 검증이 필요한 작업에는 Carbon을 권장합니다.
실용적 권장사항: 오답 비용이 높거나 상당한 탐색과 검증이 필요한 작업에는 Carbon을 선택하세요. 더 효율적인 토큰 예산이 필요한 경우에는 Argon을 선택하세요.
### CometAPI 가격
2026년 11월 12일 기준, [CometAPI의 기본 그룹 요금표](https://www.cometapi.com/models/google/gemini-4-carbon/)는 입력 100만 토큰당 $1.60, 출력 100만 토큰당 $8.00(사고 포함), 캐시 적중 입력 100만 토큰당 $0.08로 명시되어 있습니다. 이 요금은 Google의 해당 도입 요금 대비 20% 낮습니다.
CometAPI 가격은 Google 공식 요금 변경에 따라 변동될 수 있습니다. 오늘의 달러 가격을 고정적으로 보지 말고, 계정에 적용된 할인과 현재 공식 요금을 비교하세요. 동일한 20% 할인이 유지된다면 실제 요금은 새로운 공식 요금 × 0.80입니다. 예산 수립 전 실제 CometAPI 요금을 확인하세요. 다른 계정 그룹은 서로 다른 할인을 가질 수 있습니다.
입력 100,000(캐시 미적용) 토큰과 출력(사고 포함) 10,000 토큰이 있는 요청의 토큰만 비용은 표시된 CometAPI 요금으로 $0.24입니다: 입력 $0.16 + 출력 $0.08. 동일한 양은 Google 도입 요금으로 $0.30, 12월 요금으로 $0.60입니다. 총 110,000 토큰은 모델의 공유 예산 내에 들어갑니다.
이 추정치는 도구, 재시도, 계정별 가격 조정을 제외합니다. 출력 비용에는 사고 토큰이 포함되므로, 높은 사고 수준은 보이는 답변이 짧아도 비용을 증가시킬 수 있습니다.
### Gemini 4 Carbon API 비용을 최적화하는 방법?
정확하고 활용 가능한 결과의 비용을 최적화하세요. 더 저렴한 요청이라도 반복 실행하거나 수동으로 결과를 수리해야 한다면 가치는 낮습니다.
1. 사고를 신중히 선택하세요. MEDIUM으로 시작하고 단순 작업엔 LOW를 시험하며, HIGH는 수용률 향상이 추가 시간/토큰을 정당화할 때 사용하세요.
2. 암시적 캐싱으로 안정적 컨텍스트를 재사용하세요. Google의 [Argon](https://docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-argon)과 [Carbon](https://docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon) 워크플로는 명시적 컨텍스트 캐시 생성을 지원하지 않고, 암시적 캐싱을 지원합니다. 재사용 지시와 문서를 먼저 두고, 변경 질문을 마지막에 두세요. 최소 4,096 토큰의 공유 프리픽스 적격성이 문서화되어 있습니다. CometAPI 라우트에서 실제 캐시 적중과 과금을 확인하세요. 반복이 곧 할인 보장을 의미하진 않습니다.
3. 불필요한 작업을 줄이세요. 관련 페이지나 발췌만 보내고, 필요한 출력 필드만 요청하며, 충분한 출력 한도를 설정하세요. 사고는 출력 사용량에 포함되므로, 과도하게 작은 한도는 잘림과 재시도를 유발할 수 있습니다.
4. 전체 워크플로를 측정하세요. 사고, 도구 사용, 재시도, 반려된 답변을 총 지출에 포함하세요. 다운스트림 저장 실패로 재생성이 발생하지 않도록 유효 응답을 저장하세요.
5. 검증된 가치에 따라 라우팅하세요. 동일 작업에서 Carbon과 Argon을 비교하세요. 제공자가 Batch나 Flex를 지원하고 워크로드가 해당 특성을 감내할 수 있을 때만 고려하세요.
수용 결과당 비용 = 전체 워크플로 지출 ÷ 수용 결과. 모델, 프롬프트, 사고 수준을 변경한 뒤에는 지연과 품질과 함께 이를 검토하세요.
## Gemini 4 Carbon에는 어떤 API 형식을 사용해야 하나요?
개발자는 [CometAPI에서 Gemini 4 Carbon API](https://www.cometapi.com/models/google/gemini-4-carbon/)에 네이티브 Gemini API와 OpenAI 호환 Chat API를 통해 접근할 수 있습니다. 애플리케이션의 요청 형식과 문서화된 기능 요구사항에 맞는 인터페이스를 사용하세요.
| 인터페이스 | 적합한 경우 | 통합 체크 |
| ----------------------------- | ------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------ |
| Gemini 네이티브 GenerateContent | 이 가이드의 Python 및 REST 예제; contents와 generationConfig를 이미 사용하는 애플리케이션 | 위에 표시된 Gemini base URL과 필드 이름을 사용 |
| OpenAI 호환 Chat API | 채팅 메시지 중심으로 구성된 기존 애플리케이션 | Carbon 라우트의 문서화된 엔드포인트, 필드, 지원 기능을 확인한 뒤 코드에 적용 |
호환성은 특정 엔드포인트와 요청 형태에 적용됩니다. OpenAI Responses 필드를 Gemini 네이티브 엔드포인트에 보내거나, Chat 호환 라우트가 Responses도 구현했다고 가정하지 마세요. 도구를 사용하는 애플리케이션은 텍스트 프롬프트 성공만이 아니라 함수 호출에서 해당 결과로의 왕복 검증이 필요합니다.
## Gemini 4 Argon에서 Gemini 4 Carbon API로 어떻게 마이그레이션하나요?
이미 CometAPI의 Gemini 네이티브 GenerateContent 라우트를 사용하는 Argon 애플리케이션이라면, 구성된 모델을 우선 **gemini-4-carbon**으로 전환해 시작하세요. 첫 비교에서는 키, base URL, 프롬프트, 검증 로직을 변경하지 마세요. [Argon](https://docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-argon)과 [Carbon](https://docs.cloud.google.cn/gemini-enterprise-agent-platform/models/guides/gemini-4-carbon)은 많은 Gemini 4 요청 관례를 공유합니다. 레거시 파라미터 정리는 애플리케이션에 해당 필드가 남아있는 경우에만 필요합니다.
### 1. 모델을 변경하고 통제된 비교를 실행
이 가이드의 설정에서는 COMETAPI_MODEL을 gemini-4-argon에서 gemini-4-carbon으로 변경하고, Python 프로세스를 재시작해 변수를 다시 로드하세요. 두 모델 모두 동일한 대표 프롬프트와 사고 수준을 사용하세요. 아래 독립 예제는 carbon_client.py를 재사용하고, Carbon을 명시적으로 선택합니다:
from carbon_client import client, types, completed_text
response = client.models.generate_content(
model="gemini-4-carbon",
contents="Review this function for correctness: def add(a, b): return a + b",
config=types.GenerateContentConfig(
max_output_tokens=4096,
thinking_config=types.ThinkingConfig(thinking_level="MEDIUM"),
),
)
print(completed_text(response))
### 2. 요청 설정과 대화 이력을 점검
GenerateContent에서는 LOW, MEDIUM, HIGH를 유지하세요. 남아있는 thinking_budget, MINIMAL, explicit cached_content 사용을 제거하세요. 결과 제어에 temperature, top_p, top_k에 의존하지 마세요. frequency_penalty, presence_penalty, candidate_count가 1을 초과하는 값도 제거하세요. 도구를 호출한다면 함수 호출 ID, 이름, 응답 순서를 일치시켜 유지하세요. 이는 호환성 점검이며, Argon에서 새로 제거된 기능이 아닙니다.
### 3. 롤아웃 전 품질·비용·지연을 검증
동일한 테스트 세트를 두 모델에 모두 실행하세요. 작업 성공, JSON 검증, 도구 실행, 완전한 완료, 과금 토큰, 경과 시간을 확인하세요. Argon 구성을 유지하고 트래픽의 일부분만 Carbon으로 라우팅한 뒤, 수용성과 예산 목표를 충족할 때만 확대하세요.
### 4. 긴 출력 지원을 모델 전환과 분리
한 포그라운드 세그먼트에서 완료되는 요청으로 시작하세요. 연속 생성이 필요하다면, 먼저 CometAPI가 필요한 엔드포인트와 응답 필드를 지원하는지 확인하세요. 모델명 변경만으로 이 가이드의 v1beta 게이트웨이에서 Google의 v1beta1 연속 생성 워크플로가 활성화되지는 않습니다. 정상 종료 전까지 부분 출력은 미완성 상태로 유지하세요.
## 결론
첫 성공 요청을 통합 테스트의 출발점으로 사용하세요. 애플리케이션이 필요한 입력 유형과 응답 형식만 추가하고, 대표 작업에서 완전한 출력, 오류 처리, 비용을 점검하세요. 새로운 통합을 통해 소량의 트래픽만 라우팅해 본 뒤 확대하고, 결과가 변하면 작동이 보장된 구성을 유지하세요.
## Gemini 4 Carbon FAQ
### Gemini 4 Carbon의 컨텍스트 윈도우는 얼마나 큰가요?
Gemini 4 Carbon은 입력과 출력을 합친 1,048,576 토큰의 통합 컨텍스트 한도를 지원합니다. 이 예산에는 입력, 추론, 함수 호출, 생성 출력이 포함됩니다.
### Gemini 4 Carbon의 가장 강한 벤치마크는 무엇인가요?
SEC-bench Pro 88.2%, ExploitGym 54.8%, CWE-bench 71.0%, GraphWalks 96.2% 등 보고 성과가 돋보입니다. 사이버보안, 장문맥, 에이전틱 추론 역량을 강조합니다.
### Gemini 4 Carbon은 Gemini 4 Argon과 어떻게 비교되나요?
Carbon은 여러 보고 벤치마크에서 Argon 대비 크게 향상되었습니다. 예: Artificial Analysis Intelligence Index(59 vs. 50), SWE-sweep(9.6% vs. 4.3%), SEC-bench Pro(88.2% vs. 83.4%). 핵심 차별점은 확장된 추론과 복잡한 에이전틱 작업에서의 더 강한 성능입니다.
### Gemini 4 Carbon이 Claude Opus 5.5보다 낫나요?
모든 벤치마크에서 한 모델이 선도하지는 않습니다. Carbon은 Artificial Analysis Intelligence Index, Terminal-Bench 4.0, GraphWalks, 사이버보안 평가에서 더 높고, Claude Opus 5.5는 OSWorld-2.1과 FrontierSWE 2에서 우위입니다(Google이 공개한 비교 기준).
### Gemini 4 Carbon이 지원하는 사고 수준은?
Gemini 4 Carbon은 LOW, MEDIUM, HIGH 사고 수준을 지원하며 기본값은 MEDIUM입니다. 개발자는 이 설정으로 추론 깊이, 지연, 토큰 소비를 균형 있게 조정할 수 있습니다.
### Gemini 4 Carbon은 이미지, 오디오, 비디오를 처리할 수 있나요?
예. 모델 카드는 텍스트, 이미지, 오디오, 비디오를 입력 모달리티로 나열합니다. 출력 모달리티는 텍스트로 문서화되어 있습니다.
### Gemini 4 Carbon의 지식 컷오프는?
Google의 2026년 11월 모델 카드는 2026년 3월을 지식 컷오프로 명시합니다. 따라서, 도구나 사용자 제공 컨텍스트 없이 그 이후의 사건과 개발 지식은 부족할 수 있습니다.
##
| RiemannBench |
| 80.00% |
| 76.00% |
| 72.00% |
| 69.60% |