Gemini 4 Carbon
Modelo de ponta do Google DeepMind voltado à segurança. Aceita texto e uma imagem opcional, além de um prompt de sistema e esforço de raciocínio, com cobrança por token.
Gemini 4 Carbon é o modelo de ponta do Google DeepMind voltado à segurança na série Gemini 4. Segundo o Google, ele ocupa o primeiro lugar no Artificial Analysis Intelligence Index e alcança resultados de ponta em benchmarks de descoberta, exploração e correção de vulnerabilidades, além de superar o Gemini 4 Argon na geração de código seguro.A Muapi disponibiliza o Gemini 4 Carbon por meio de um endpoint simples com entrada de texto e imagem, um prompt de sistema opcional, um controle de reasoning_effort, cobrança por token de $4.00 por milhão de tokens de entrada e $20.00 por milhão de tokens de saída, e o mesmo contrato assíncrono de envio e consulta dos demais modelos.
Gemini 4 Carbon já está disponível via API
Experimente Gemini 4 Carbon no playground ou chame-o do seu próprio código com uma chave de API da Muapi. Veja o hub do Gemini 4 para conhecer o Gemini 4 Argon e todos os outros modelos Gemini 4.
Modelo de ponta do Google DeepMind voltado à segurança. Aceita texto e uma imagem opcional, além de um prompt de sistema e esforço de raciocínio, com cobrança por token.
Gemini 4 Carbon é o modelo da série Gemini 4 do Google DeepMind voltado à segurança. Ocupa o primeiro lugar no Artificial Analysis Intelligence Index e, segundo o Google, alcança resultados de ponta em descoberta de vulnerabilidades (SEC-bench Pro), exploração (ExploitGym) e correção (CWE-bench), além de mais que dobrar a taxa de sucesso do Gemini 4 Argon na geração de código seguro, segundo a avaliação interna do Google. Esses números são resultados divulgados pelo próprio Google, não medições da Muapi.
A Muapi o disponibiliza em um único endpoint gemini-4-carbon endpoint. Send a prompt com um image_url, system_prompt, e reasoning_effort (baixo, médio ou alto) e, em seguida, consulte o endpoint de resultado compartilhado. Para o modelo Gemini 4 de uso geral, veja Gemini 4 Argon; para um chat cotidiano mais rápido e barato, veja Gemini 3.8 Flash.
Criado para encontrar, explorar e corrigir vulnerabilidades, com bons resultados em benchmarks de segurança, segundo o Google.
Escreva e revise código com menos falhas de segurança que na geração anterior do Gemini 4, segundo a avaliação interna do Google.
Defina reasoning_effort como baixo, médio (padrão) ou alto para equilibrar velocidade e custo com profundidade em problemas difíceis.
Inclua uma imagem junto ao prompt para fazer perguntas sobre capturas de tela, diagramas de arquitetura ou documentos digitalizados.
Pague $4.00 por milhão de tokens de entrada e $20.00 por milhão de tokens de saída, sem assinatura.
Audite funções e pull requests em busca de falhas de injeção, segurança de memória e autenticação e, em seguida, elabore correções.
Classifique descobertas por CWE, explique a possibilidade de exploração e priorize a correção.
Planeje e implemente trabalhos de engenharia em várias etapas com raciocínio aprofundado.
Use o Carbon como núcleo de raciocínio de agentes de várias etapas e fluxos de trabalho automatizados.
Faça perguntas sobre capturas de tela, diagramas e páginas digitalizadas anexando uma imagem.
| Recurso | Gemini 4 Carbon | Gemini 4 Argon |
|---|---|---|
| Posicionamento | Raciocínio de ponta voltado à segurança | Raciocínio de ponta de uso geral |
| Janela de contexto | Não divulgado pelo Google | Contexto e saída unificados de 1M de tokens |
| Entrada | Texto, imagem, prompt de sistema, esforço de raciocínio | Texto, imagem, prompt de sistema |
| Preço (entrada / saída por 1M de tokens) | $4.00 / $20.00 | $2.00 / $10.00 |
| Cobrança mínima por chamada | $0.0004 | $0.0002 |
| Ideal para | Análise de vulnerabilidades e código seguro | Programação de longo fôlego e análise profunda |
Envie uma requisição JSON com sua chave de API da Muapi, salve o ID da requisição e consulte o endpoint de resultado compartilhado para obter o texto concluído.
curl -X POST https://api.muapi.ai/api/v1/gemini-4-carbon \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"prompt":"Audit this function for injection vulnerabilities and propose a patch","system_prompt":"You are a senior application security engineer.","reasoning_effort":"high"}'
# Response: {"request_id":"REQUEST_ID"}Chame gemini-4-carbon com um prompt e, opcionalmente, system_prompt, image_url e reasoning_effort.
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \ -H "x-api-key: YOUR_API_KEY" # Poll until status is completed, then read the generated text from outputs.
Consulte até a tarefa ser concluída e, então, leia o texto gerado em outputs.
Gemini 4 Carbon é o modelo de ponta do Google DeepMind voltado à segurança na série Gemini 4. Ocupa o primeiro lugar no Artificial Analysis Intelligence Index e se destaca em encontrar, explorar e corrigir vulnerabilidades, além de tarefas gerais de programação e raciocínio.
A cobrança é por token: $4.00 por milhão de tokens de entrada e $20.00 por milhão de tokens de saída, com cobrança mínima de $0.0004 por chamada. Tokens de raciocínio contam como saída. Não há assinatura.
Define quanto o modelo raciocina antes de responder: baixo, médio (padrão) ou alto. Um esforço maior aprofunda a análise de problemas difíceis, mas é mais lento e usa mais tokens de saída.
Sim. Envie um image_url com seu prompt para fazer perguntas sobre uma captura de tela, um diagrama ou um documento fotografado.
O endpoint é assíncrono. Você recebe um request_id imediatamente e, em seguida, consulta o endpoint de resultado de predictions ou informa uma URL de webhook para ser notificado quando o texto estiver pronto.
Carbon é o modelo mais recente, voltado à segurança, com melhores resultados em identificação de vulnerabilidades e geração de código seguro, segundo o Google; Argon é o modelo de raciocínio de ponta de uso geral, com contexto de 1M de tokens. Ambos usam os mesmos campos prompt, image_url e system_prompt, e Carbon acrescenta reasoning_effort.
Não. Os números de benchmarks e avaliações citados nesta página foram divulgados pelo Google. Faça suas próprias avaliações no seu código antes de confiar no modelo para decisões de segurança e peça a uma pessoa para revisar as descobertas e correções.
Adicione raciocínio de ponta voltado à segurança ao seu produto com uma única API.