Gemini 4 Carbon API 遷移：400 錯誤、逾時與輸出限制

Gemini 4 Carbon 在請求結構層級可直接替代 Gemini 4 Argon。相同的 Chat Completions 請求本文可以使用：只需更改模型 ID，部分參數值則不會保留下來。真正重要的錯誤發生在下一層——參數錯誤會回傳 400、輸出限制會無聲截斷內容，以及為長時間思考設計的逾時與計費模式。

第一週的成敗取決於四個預設值：

• 在 AIHubMix 上，將 max_tokens 維持在 65,536 以下或等於此值；閘道僅記載 Chat Completions，沒有公布更大的輸出途徑。
• 使用 Google 原生 Interactions／背景執行時，設定 store=true，並明確指定 max_output_tokens；AIHubMix 沒有記載 Carbon 支援這些欄位。
• 使用供應商原生長解碼途徑時，將 HTTP 讀取逾時提高至每個串流 15–20 分鐘。
• 移除會被忽略的 temperature、top_p 和 top_k，以及懲罰參數；在 Google 的 Carbon 指南中，candidate_count 大於 1 也會回傳 400。

存取、安全拒絕回應、每項工作的成本等不變的基本資訊，請參閱Argon 遷移文章。本文介紹 Carbon 特有的行為。

哪些會明確失敗，哪些會悄悄失敗

失敗可清楚分成兩類：400 錯誤會立即告訴你，無聲的上限則會在帳單上才顯現。

AIHubMix 以 Chat Completions 提供gemini-4-carbon，價格為每百萬 tokens 輸入 $2、輸出 $10、快取 $0.10——這是 Google 的入門價格。價格為暫時性方案；請參閱計費資訊。

明確失敗：文件記載的 400 錯誤

許多文件記載的 400 錯誤源於參數驗證；歷史紀錄與預先填入的模型回合則屬於請求狀態錯誤。除非另有說明，以下規則均出自 Google 原生 Carbon 指南；AIHubMix 目前只記載 Carbon 支援 Chat Completions。AIHubMix 的 Carbon 頁面以一句話描述這類錯誤：「400 — 參數錯誤；大多數是由上游供應商傳回。」這是對閘道的描述，不是測試結果。詳細資訊請參閱 Google 的Carbon 指南與新功能頁面。

Google 顯示的錯誤訊息原文為：「store=true is required for background interactions.」* 僅適用 Google 原生服務：max_output_tokens 上限為 1M，背景執行必須設定 store=true；AIHubMix 尚未記載此途徑。使用其 Chat Completions 途徑時，請維持在 ≤65K。

minimal 這一列有兩種含義。在 Google 原生 Carbon 欄位中，thinking_budget 和 thinking_level=MINIMAL 會回傳 HTTP 400；請改用 low、medium 或 high。在 Google 的 OpenAI 相容層中，reasoning_effort=minimal 會對應到 low；AIHubMix 尚未公布是否會將這項對應套用至 Carbon。

工具處理是另一個相關陷阱。Google 的 Carbon 指南建議優先採用依序執行工具的回合，而AIHubMix 的 Gemini 指南記載了 tool_choice="auto"；閘道是否支援 Carbon 專用工具功能仍未確認。

在 /v1/chat/completions 上，最精簡的安全請求會移除 Carbon 忽略的項目：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

response = client.chat.completions.create(
    model="gemini-4-carbon",
    messages=[{"role": "user", "content": "Reply with OK."}],
    max_tokens=32768,  # room for thinking plus answer
)
print(response.choices[0].message.content)

若收到 200，傳輸層就沒有問題。接下來要處理的是不會回報錯誤的回答。

無聲失敗：沒有錯誤、輸出錯誤、帳單也錯

標準輸出上限為 65,536；供應商長解碼是另一回事

Carbon 的標準輸出上限為 65,536 tokens。在 Chat Completions 中，上限欄位是 max_tokens；Google 原生指南則稱之為 max_output_tokens。Google 原生長解碼途徑最多可達 1,048,576 tokens 減去輸入量；131,072 與 262,144 是兩個範例。Google 的新功能頁面說明了這項規則：「若設定 background: true 卻未指定 max_output_tokens，伺服器會在 64K tokens 後停止。」AIHubMix 尚未記載 Carbon 的背景執行或延續功能。

供應商原生長解碼會分段執行：使用背景執行或串流時，每次跳次 64K；非串流時，每次跳次 32K；單一非串流 REST 請求會在 32,768 處停止。Google 指南指出：「較早版本的 SDK 與 OpenAI 相容層無法使用延續 token 取回長篇完成結果。」對 AIHubMix 而言，請將 max_tokens 維持在 65,536 以下或等於此值，視為保守但尚未驗證的閘道上限；在模型頁面記載此功能之前，請勿規劃串接更長的回答。

上限太低會截斷思考，而且空白輸出仍會計費

上限涵蓋思考，不只是文字。Google 的長解碼指南指出：「像 8,192 這麼低的值，會在模型完成思考前就停止生成。」狀態會變成 incomplete，而且「如果模型仍在思考，文字可能會是空白。」無論如何都會收費。請將思考與回答所需的 tokens 一併納入預算，並將空白的 incomplete 回應視為上限問題：提高上限、重試，並預期第一次嘗試仍會列入帳單。

思考預設值為 medium

Carbon 的預設值為 medium，與 Argon 相同。從預設為 high 的 Gemini 3.1 Pro Preview 遷移過來的團隊，不改程式碼就會少一級，可能把較淺的回答誤認為效能退步。Google 建議大多數程式編寫與 Agent 工作使用 medium。請在測試環境明確設定強度，並且只傳送一個控制欄位：reasoning_effort 和 thinking_level 不能併用。

取樣參數會被忽略

temperature、top_p 和 top_k 都會被忽略——不會報錯，取樣結果也不會改變。請移除這些參數。懲罰參數以及大於 1 的 candidate_count 值會回傳 400。

無法再使用明確快取

cachedContents 和 caches.create 均不支援。輸入達 4,096 tokens 以上時會套用隱式快取，並享有 95% 折扣。請刪除明確快取的程式碼，將穩定的提示詞前綴放在最前面，並在計算折扣前確認快取 token 的用量。

對話狀態有一項規則

Google 建議使用 previous_interaction_id 延續對話。Chat Completions 沒有這個欄位，因此請保留歷史紀錄，但以 user 回合結尾；以 model 角色結尾或預先填入 model 回合都不支援。

逾時：15 到 20 分鐘，不是 60 秒

Google 的長解碼指南建議每個串流的 HTTP 讀取逾時設為 15 到 20 分鐘；其遷移檢查清單也再次要求至少 15 分鐘。這項建議適用於長解碼請求。另一份 AA 測量則呈現等候第一個回答 token 的時間：Carbon High 為 67.1 秒、Medium 為 23.2 秒、Low 為 12.9 秒，而 Argon High 為 40.1 秒。若設為 60 秒就切斷，第一個 token 還來得及抵達嗎？

在這項測量中，Carbon High 超過了 60 秒的參考值。第一個 token 的時間無法據此判定整個請求的安全逾時值：上文建議的 15–20 分鐘來自 Google 的長解碼指南。這些只是單次測量結果，不代表延遲保證，也不是 AIHubMix 的測試結果。
Google 原生用戶端的跳次時間限制比背景執行更短：串流為 20 分鐘，非串流呼叫為 10 分鐘，背景執行則為 24 小時。AIHubMix 未記載這些背景執行限制。

長解碼所需的原生 SDK 最低版本：Python 2.34.0、JS 2.32.0、Go 1.77.0、Java 1.80.0、.NET 1.28.0。Claude Code 的 API_TIMEOUT_MS 預設為 10 分鐘；如果日後確認 Claude Code 可用於 Carbon，請在首次執行前調高此值。

計費陷阱

Carbon 的每 token 價格很簡單，帳單卻不然。有幾種機制會推高帳單，還有一項排定的價格變更會讓所有費率翻倍。

思考會按輸出計費

思考 token 會按輸出計費。Carbon 目前的輸出費率為每百萬 tokens $10，12 月 1 日起則為 $20。

每次長解碼跳次都會計費

Google 提供的計算範例：1,000-token 提示詞產生 200,000 個輸出 tokens，跨跳次的 total_input_tokens 為 397,216，各跳次分別為 1,000、66,536、132,072 和 197,608。「每個跳次中的每個 token 都要付費，包括只包含思考的跳次。」隱式快取可讓大部分輸入享有 95% 折扣，但跳次仍會計入用量。執行失敗或取消時，已完成的工作也會計費：「即使後續跳次失敗或遭取消，每個已完成的區段仍會在該區段結束時計費」，而且「互動結束前已完成的所有工作都要付費。」

聯網搜尋有獨立計量方式

在 Google 原生服務上，使用 Google Search 進行 grounding，每月包含 5,000 次免費請求，由 Gemini 3 與更新版本共用；超出後每 1,000 次收費 $14，每日上限為 1,500 次。AIHubMix 尚未記載 Carbon 支援 grounding。

Vertex 的註記僅適用供應商服務

Google 的 Vertex 定價頁面另有一項規則：超過 32K tokens 的完成結果，即使請求因用戶端或伺服器逾時而失敗，仍會按可取回的 token 用量收費，於 2026 年 11 月 13 日生效。這是供應商規則；VertexAI 供應商是否會在 AIHubMix 上套用此規則，目前尚未公布。請先詢問，不要自行假設。

12 月 1 日起所有費率翻倍

Carbon 和 Argon 共用入門價格；所有費率都會在 12 月 1 日翻倍。AIHubMix 目前列出的是入門價格，尚未公布 12 月之後的價格。請將費率翻倍視為確定事項，閘道價格則視為未知；在確定預算前，兩者都要再次確認。

具備實際權限的 Agent

對於 Google 原生呼叫，Carbon 指南建議優先採用循序工具執行回合。使用這種方式時，一次建立一個呼叫。AIHubMix 的 Gemini 指南有說明 tool_choice="auto"，但 Carbon 在閘道上的專屬工具支援與強制工具行為尚未確認。

對話歷史不能以模型回合結尾，也不支援預先填入的模型回合。如果缺少工具結果，請傳送一個使用者回合，詢問下一步該怎麼做。

模型卡指出，偶爾會出現速度緩慢或逾時的情況，而且較高等級會使用更多 token；知識截止日期為 2026 年 3 月。若有寫入權限，逾時才是真正的風險：執行時間超過用戶端限制時，可能留下部分未完成的工作，而已完成的部分仍會計費。

程式碼工具：設定任何項目之前，先查看模型頁面

AIHubMix 的 Carbon 頁面只記載 Chat Completions，而且 Carbon 目前尚未列入公開模型索引。Claude Code 需要 Anthropic Messages；Codex 需要 Responses。兩者是否適用於 AIHubMix 上的 Carbon 都尚未確認。不要假設其中任何一種可用：請開啟上方連結的 Carbon 模型頁面，查看協定清單。如果只列出 Chat Completions，請使用相容 OpenAI 的用戶端，或等待支援。

請求格式與 Argon 相同，但協定可用性不同：目前 AIHubMix 僅記載 Carbon 支援 Chat Completions。Claude Code 文章說明了 ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN 和 API_TIMEOUT_MS；Codex 文章則說明了供應商區塊、wire_api 和 model_reasoning_effort。差別在於該協定是否存在。

設定：

• 模型 ID：gemini-4-carbon。
• 思考模式：low、medium、high；預設為 medium。
• 推理強度對應：原生欄位 thinking_level、相容欄位 reasoning_effort；Google 會對應推理強度值，但 AIHubMix 尚未公布 Carbon 的對應方式。請送出一個值。
• 上下文：Google 標示為 1,048,576；AIHubMix 尚未公布 Carbon 的限制，因此不要以供應商標示的數值作為建置依據。
• 已知問題：high 等級的首 token 速度較慢；供應商建議使用循序工具回合；AIHubMix 尚未驗證的保守上限為 65,536 個輸出 token；知識截止日期為 2026 年 3 月。

冒煙測試，10–15 分鐘：

1. 選擇一個小型程式碼儲存庫，其中有一個未通過的單元測試，且測試指令可在一分鐘內完成。
2. 將模型設為 gemini-4-carbon，將 max_tokens 設為 65,536 或更低，並將 HTTP 逾時設為至少 15 分鐘。
3. 要求工具做出能讓測試通過的最小修改，接著執行測試指令並檢查差異。
4. 通過：修改幅度小，且測試在 10–15 分鐘內通過。失敗：記錄回應屬於 400 錯誤、答案不完整、逾時或修改不當；這些情況各有不同的解法，請參考上文。
5. 如果工具可讓你選擇等級，請測試 medium 和 high，並保留能在時間限制內完成的等級。

首次發出正式環境請求前的檢查清單

• 模型 ID 設為 gemini-4-carbon。
• 不使用 temperature、top_p 或 top_k。
• 不使用 frequency_penalty 或 presence_penalty；將 candidate_count 設為 1，或省略此參數。
• max_tokens 設為 65,536 或更低。
• Google 原生背景請求需傳送 store=true，並明確設定 max_output_tokens；AIHubMix 尚未記載此路徑。
• HTTP 逾時設為 15 分鐘或更長；建議使用串流。
• 只使用 reasoning_effort 和 thinking_level 其中之一。
• 使用 Google 原生介面時，優先採用循序工具回合；AIHubMix 有記載 tool_choice="auto"，但尚未確認是否支援 Carbon。
• 不要明確呼叫快取；先放入穩定的提示詞前綴。
• 預算須納入思考 token，以及每一段長解碼的成本。
• 請與預算負責人確認 12 月 1 日的價格。
• 設定前先確認程式碼工具是否列於模型頁面。

常見問題

從 Argon 遷移至 Carbon 時，需要變更請求本文嗎？
不需要。結構描述沒有變更。請更改模型 ID、檢查參數值，並移除現在會回傳 400 錯誤的欄位。

為什麼 max_output_tokens 會回傳 400 錯誤？
Google 的原生 Carbon API 會拒絕高於 1,048,576 的值。AIHubMix 的 Chat Completions 路徑另有較保守的建議：在有文件說明更高上限的路徑之前，請將 max_tokens 維持在 65,536 以下或等於此值。值太低會導致思考過程遭到截斷，反而更糟：答案可能不完整，而且仍會計費。

為什麼回應是空的？
如果狀態顯示未完成，可能是因為模型仍在思考，所以文字內容為空。這段處理仍會計費。請提高上限後重試。

為什麼背景請求會在 64K 停止？
使用 Google 原生背景路徑時，若未設定 max_output_tokens，伺服器會在 64K 停止。請明確設定上限；原生長解碼最高可達 1,048,576 減去輸入 token 數。AIHubMix 尚未記載背景模式。

temperature 會生效嗎？
不會。temperature、top_p 和 top_k 都會遭到忽略。使用懲罰參數或將 candidate_count 設為大於 1，則會回傳 400 錯誤。

12 月 1 日起，Carbon 的費用會變成兩倍嗎？
Google 的價格會翻倍：輸入從 $2 漲至 $4、輸出從 $10 漲至 $20、快取讀取從 $0.10 漲至 $0.20。AIHubMix 尚未公布 12 月之後的價格，因此在編列預算前請先確認。

可以搭配 Carbon 使用 Claude Code 或 Codex 嗎？
尚未確認。AIHubMix 有記載 Carbon 支援 Chat Completions；Claude Code 需要 Anthropic Messages，而 Codex 需要 Responses。請先查看模型頁面。

繼續閱讀：Gemini 4 Carbon 系列

• 如果遷移已經開始進行，而你想確認 Carbon 是否值得這個價格，這篇比較文章整理了兩者相同的入門價格。
  Gemini 4 Carbon 與 Argon 比較：價格相同，何時值得選 Carbon？
• 如果你要選的是程式設計 Agent，而不是遷移端點，這篇正面比較涵蓋工具使用和每項任務的成本。
  Gemini 4 Carbon 與 Fable 5.2 比較：哪個更適合 Agentic Coding？

資料來源

• AIHubMix 上的 Gemini 4 Carbon
• Gemini 4 Carbon 新功能 — Google AI Studio
• Gemini 4 Carbon 指南 — Google Cloud
• 長時間解碼 — Google AI Studio
• Gemini API 定價 — Google AI Studio