# Gemini 4 Carbon: Preise, Benchmarks, API und Mac-Einsatz

- URL: https://ai-on-mac.com/artikel/gemini-4-carbon/
- Sprache: Deutsch (Deutschland/EU)
- Veröffentlicht: 2026-11-11
- Aktualisiert: 2026-11-11
- Kategorie: Modell-News
- Englische Version: https://ai-on-mac.com/articles/gemini-4-carbon-en/
- Herausgeber: Julian Dominic Altmann, AI on Mac / KI auf dem Mac (https://ai-on-mac.com)

> Gemini 4 Carbon: API-Preise bis Dezember 2026, unabhängige Agenten-Benchmarks, 1M-Kontext, EU-Routing und Mac-Grenzen.

**Kurzfazit:** Carbon gewinnt bei ausgewählten Agenten-Benchmarks, kostet pro Aufgabe jedoch mehr als Argon und läuft nicht lokal auf dem Mac.

**Geprüft am 11. November 2026.** Google hat Gemini 4 Carbon am 10. November 2026 für zahlende API-Kunden und weitere berechtigte Nutzergruppen veröffentlicht. Das Modell zielt auf anspruchsvolle Softwareentwicklung, länger laufende KI-Agenten, Dokumentenarbeit und wissenschaftliche Probleme. Die wichtige Einschränkung: Carbon ist keine herunterladbare KI für Apple Silicon. Auf einem Mac lässt sich die Cloud-API verwenden, nicht das proprietäre Modell lokal betreiben. Die offiziellen API-Preise verdoppeln sich zudem am 1. Dezember 2026. [^G1][^G2][^G3]

Dieser Faktencheck unterscheidet das **gemeinsame Token-Fenster** von der tatsächlichen Standard-Ausgabelänge, überprüft unabhängige Agenten-Benchmarks und rechnet die Kosten für drei Arbeitsprofile durch. Damit soll die Entscheidung zwischen Carbon, Gemini 4 Argon und einer lokalen Alternative leichter fallen.

## Technische Daten auf einen Blick

| Merkmal | Verifizierter Stand |
|---|---|
| Hersteller | Google DeepMind |
| Ankündigung / öffentliche Verfügbarkeit | 28. Oktober / 10. November 2026 |
| API-ID | `gemini-4-carbon` |
| OpenRouter-ID | `google/gemini-4-carbon` |
| Kontext | 1.048.576 Token **gemeinsam** für Eingabe, Denken und Ausgabe |
| Standardausgabe | bis 65.536 Token |
| Lange Ausgabe | bis 1.048.576 Token durch mehrere Fortsetzungsschritte |
| Eingaben / Ausgabe | Text, Bild, Audio, Video, PDF / Text |
| Denkmodi | `low`, `medium`, `high`; Standard `medium` |
| Tools | Function Calling, strukturierte Ausgaben, Code Execution, Computer Use, Search Grounding |
| Caching | ausschließlich implizit; kein explizit verwaltetes Cache-Objekt |
| Verteilung | Gemini API, AI Studio, Google Antigravity, Gemini für Unternehmen, ausgewählte Ultra-Angebote |
| Lokale Gewichte | Nicht öffentlich bereitgestellt |

Quelle: Googles Modellseite, Preisübersicht, Lang-Ausgabe- und Caching-Dokumentation sowie die offizielle Modellkarte. [^G2][^G4][^G5][^G6][^G7]

## Carbon statt Argon: Was ist tatsächlich anders?

Google bezeichnet Gemini 4 Carbon als Modell für Aufgaben, bei denen gründlicheres Nachdenken und wiederholtes Prüfen einen Mehrwert schaffen. **Gemini 4 Argon bleibt Googles Empfehlung für die Mehrheit der Software- und Wissensarbeiten.** Carbon basiert laut Modellkarte auf Argon, verwendet für schwierige Probleme tendenziell mehr Thinking-Token und kann länger an Fehlerbehebung oder wissenschaftlichen Hypothesen arbeiten. [^G1][^G2]

Beide unterstützen ein gemeinsames Kontextfenster von bis zu einer Million Token, multimodale Eingaben und dieselben Thinking-Stufen. Das macht Carbon nicht automatisch zu einer preiswerteren Ersatzversion: Eine längere interne Analyse kann bei gleichen Token-Listenpreisen die Rechnung erheblich erhöhen. Die sinnvollste Strategie ist daher, **Argon als Standard** einzusetzen und Carbon für Architekturentscheidungen, hartnäckige Tests, besonders komplexe Debugging-Aufgaben und kritische Verifikation gezielt zuzuschalten. Das ist eine redaktionelle Empfehlung, kein eigener Modelltest. Der bestehende [Gemini-4-Argon-Faktencheck](https://ai-on-mac.com/artikel/gemini-4-argon/) zeigt den früheren Launchstand; Angaben zur damals eingeschränkten Verfügbarkeit müssen angesichts des späteren Rollouts aktualisiert werden.

## Benchmarks: deutliche Gewinne, aber keine universelle Überlegenheit

  ![Carbon und Argon bei CursorBench 4.0: Erfolgsquoten 60,4 und 52,9 Prozent, Kosten 9,22 und 4,57 USD je Aufgabe.](https://ai-on-mac.com/images/gemini-4-carbon/benchmarks-de-light.svg)

*Unabhängiger Coding-Benchmark: Erfolgsquote und Aufgabenpreis (CursorBench 4.0, Stand 11.11.2026).*

Drei unabhängig betriebene Benchmarkseiten liefern eine bessere Orientierung als ausgewählte Herstellerzahlen.

| Benchmark / Konfiguration | Carbon | Argon | Aussage |
|---|---:|---:|---|
| CursorBench 4.0, High | 60,4 %; 9,22 USD/Aufgabe | 52,9 %; 4,57 USD/Aufgabe | Carbon löst mehr mehrdateilige Coding-Aufgaben, kostet dort aber gut doppelt so viel je Aufgabe |
| Zapier AutomationBench, High | 53,88 %; 2,12 USD/Aufgabe | 51,29 %; 1,70 USD/Aufgabe | Kleinerer Abstand in durchgängigen Unternehmensabläufen |
| Terminal-Bench 4.0 (AA), Google-Modellkarte | 65,2 % | 57,1 % | Test für agentische Terminal-Aufgaben; methodisch gesondert betrachten |
| GraphWalks, 256K–1M (F1), Google-Modellkarte | 96,2 % | 84,2 % | Verbesserte Navigation in sehr langen Kontexten; kein Nachweis fehlerfreien 1M-Kontexts |

Cursor bewertet mehrdeutige, mehrdateilige Aufgaben aus realistischen Coding-Sitzungen. Der Anbieter weist ausdrücklich darauf hin, dass geringe Score-Abstände statistisch wenig aussagekräftig sein können. Zapier prüft dagegen den **Endzustand** in simulierten CRM-, E-Mail- und Tabellen-Prozessen; die Antwort des Agenten zählt allein nicht als Erfolg. Die beiden Benchmarks beantworten also unterschiedliche Fragen. [^B1][^B2][^G2]

Artificial Analysis weist für Carbon High einen Intelligence-Index von **60** aus und dokumentiert lange Bearbeitungszeiten. Googles am 10. November veröffentlichte Modellkarte nennt für einen früheren Bewertungsstand **59**. Das ist kein Anlass, einen der Werte ohne Methodikabgleich als falsch zu deklarieren: Benchmarkstände und Testkonfigurationen können sich ändern. Die Zahl sollte daher immer mit Quelle und Abrufdatum erscheinen. [^B3][^G2]

Die von Google gemeldeten Cybersecurity-Werte – unter anderem **88,2 % SEC-bench Pro**, **54,8 % ExploitGym** und **71,0 % CWE-bench** – gelten laut Modellkarte für die entsprechende Evaluationskonfiguration einschließlich spezieller Fairwind-Zugänge. Daraus folgt **nicht**, dass jede öffentliche API-Anfrage sämtliche Sicherheitsforschungsfunktionen bietet. [^G2][^G8]

## Kosten: Was Gemini 4 Carbon wirklich verlangt

  ![Carbon API-Preise: Input steigt am 1. Dezember 2026 von 2 auf 4 US-Dollar und Output von 10 auf 20 US-Dollar je Million Token.](https://ai-on-mac.com/images/gemini-4-carbon/prices-de-light.svg)

*Googles Standard-Listenpreise je Million Token, ohne Steuern und Zusatzkosten.*

Google verlangt bis einschließlich **30. November 2026** regulär **2 USD je 1 Mio. Eingabetoken** und **10 USD je 1 Mio. Ausgabetoken einschließlich Thinking-Token**. Ab **1. Dezember 2026** steigen diese Preise auf **4 bzw. 20 USD**. Implizit gecachte Eingabetoken kosten zunächst 0,10 USD, danach 0,20 USD je Million. Die kostenlose API-Stufe bietet Carbon nicht. Alle Beträge ohne zusätzliche Steuern, mögliche Tool- oder Routingkosten. [^G3]

Der Basistarif ist nicht der einzige Abrechnungsmodus: Google dokumentiert auch Batch und Flex zu niedrigeren Sätzen und Priority zu höheren. Batch verarbeitet nicht zeitkritische Jobs asynchron; technische Verfügbarkeit und API-Oberfläche müssen vor einer Integration geprüft werden. [^G3][^G9]

### Eigene Modellrechnung für drei Nutzungsprofile

*Formel: (ungecachte Input-Millionen × Inputpreis) + (gecachte Input-Millionen × Cachepreis) + (Output-Millionen × Outputpreis). Alle Annahmen sind hypothetische Monatsvolumina; ein Cache-Treffer wird nicht garantiert.*

| Profil | Input / Output im Monat | Cache-Annahme | bis 30.11. | ab 01.12. |
|---|---:|---:|---:|---:|
| Gelegentlich | 1 Mio. / 0,2 Mio. | 0 % | 4,00 USD | 8,00 USD |
| Projektarbeit | 10 Mio. / 2 Mio. | 50 % | 30,50 USD | 61,00 USD |
| Intensive Agenten | 100 Mio. / 20 Mio. | 80 % | 248,00 USD | 496,00 USD |

Bei Agenten mit vielen Repository-Lesevorgängen kann ein hoher Cache-Anteil enorm helfen, **aber nur bei tatsächlichen Treffern**. Für Carbon unterstützt Google ausschließlich implizites Caching; gleiche Textpräfixe und hinreichend große Wiederholungen erhöhen die Chancen, ersetzen jedoch keine gemessene Cache-Hit-Rate. Googles Caching-Anleitung nennt mindestens 4.096 Eingabetoken und spezielle Bedingungen für kurze Folge-Turns. [^G6]

Versteckte Kostentreiber sind die vom Modell verbrauchten Thinking-Token, wiederholte Verifikationsläufe und kostenpflichtige Such-/Tool-Aufrufe. Wer allein die im Chat sichtbare Antwort zählt, unterschätzt potenziell den Verbrauch. [^G3]

## 1M Kontext heißt nicht 1M Token in einer normalen Antwort

Die Zahl **1.048.576** ist bei Carbon ein **gemeinsames Budget** für Eingabe, interne Denkschritte und Ausgabe. Eine gewöhnliche synchrone Antwort ist zunächst auf 65.536 Ausgabetoken begrenzt. Für deutlich längere Antworten bietet die Interactions API ein spezielles **Long-Decode-Verfahren**, das mehrere Fortsetzungsschritte verbindet und auf Wunsch als Hintergrundinteraktion läuft. [^G4][^G5]

Praktisch bedeutet das: Ein Repository oder Dokumentensatz mit sehr vielen Token lässt weniger Raum für zusätzliche Ausgabe und Thinking. Außerdem macht ein großes Kontextfenster Informationen nicht automatisch vollständig korrekt abrufbar. Der separate GraphWalks-Benchmark deutet auf eine starke Langkontextleistung hin, bleibt jedoch eine kontrollierte Messung und kein Garant für reale Projekte.

## So nutzt man Carbon per API

Google dokumentiert den Modellcode `gemini-4-carbon` für die **Interactions API**. Ein minimales Python-Beispiel sieht so aus: [^G7][^G10]

```python
from google import genai

client = genai.Client()  # GEMINI_API_KEY als Umgebungsvariable setzen
response = client.interactions.create(
    model="gemini-4-carbon",
    input="Prüfe die folgenden Anforderungen auf widersprüchliche Bedingungen: ...",
)
print(response.output_text)
```

Benötigt werden das offizielle SDK `google-genai`, ein gültiger API-Schlüssel und ein kostenpflichtiges Projekt. Für besonders lange Aufgaben sollten API-Time-outs, Hintergrundausführung, Tool-Berechtigungen, harte Budgetlimits und nachvollziehbare Verifikation von Anfang an eingeplant werden. Ein Agent darf nicht deshalb als erfolgreich gelten, weil er in seiner Abschlussnachricht Erfolg behauptet. [^G10][^G11]

### Auf dem Mac: Cloud-Modell statt lokalem LLM

Ein Mac mini oder MacBook mit Apple Silicon kann den API-Client, eine IDE und lokale Hilfsprogramme ausführen. **Die eigentliche Carbon-Inferenz erfolgt aber auf Google- beziehungsweise Partner-Infrastruktur.** Weder `ollama run` noch MLX können das nicht veröffentlichte Modell durch einen offiziellen Carbon-Gewichtedownload lokal laden. Wer Offline-Arbeit oder reine On-Device-Verarbeitung benötigt, sollte stattdessen ein tatsächlich veröffentlichtes Open-Weight-Modell wählen und dessen Leistung auf der eigenen Hardware prüfen. [^G2]

Ein Cloud-vs.-Lokal-Vergleich muss auch Datenschutz, Arbeitsaufwand und Qualität einbeziehen; die lokalen MLX-Messungen auf ai-on-mac.com sind ein sinnvoller Gegenpol. Sie sind aber **keine direkten Benchmarks von Carbon**, und wir geben sie auch nicht als solche aus. Zum Vergleich: [lokale MLX-Benchmarks auf dem Mac mini M4](https://ai-on-mac.com/hardware/mlx-benchmarks/).

## Deutschland und EU: Was „EU-Routing“ bedeutet

  ![Datenfluss vom Mac über OpenRouter EU zum regionalen Google-Vertex-Provider; Vertrags- und Datenresidenzprüfung bleibt erforderlich.](https://ai-on-mac.com/images/gemini-4-carbon/routing-de-light.svg)

*EU-Routing-Schema nach OpenRouter. Der regionale Geltungsbereich umfasst auch Großbritannien und die Schweiz.*

Google führt Deutschland als unterstützte API-Region. Die Gemini-API-Nutzungsbedingungen unterscheiden kostenfreie und kostenpflichtige Dienste; für bezahlte Dienste legt Google Regeln zur Datennutzung fest, die sich von freien Diensten unterscheiden. Die Erreichbarkeit aus Deutschland beweist jedoch **keine** Datenresidenz in Deutschland oder der EU. [^G12][^G13]

OpenRouter führt Carbon über **EU In-Region Routing** mit Google Vertex als regionalem Provider. Am 11. November werden dort **2,20 USD Input / 11 USD Output je 1 Mio. Token** genannt; der Zugang erfordert Business oder Enterprise und den Endpunkt `https://eu.openrouter.ai/api/v1`. Die Region umfasst nach OpenRouter-Angaben EU/EWR, Großbritannien und Schweiz. Das System soll bei fehlendem regionalem Provider mit Fehler abbrechen statt außerhalb der festgelegten Region zu routen. [^R1][^R2]

Wichtig für die Compliance-Prüfung: „In-Region-Routing“ ersetzt weder einen Auftragsverarbeitungsvertrag noch die Prüfung von Unterauftragsverarbeitern, Logging, Metadaten, Übertragungen oder rechtlichen Garantien. Wer ausschließlich Verarbeitung in der **EU** verlangt, sollte beachten, dass der genannte OpenRouter-Regionsbegriff auch Nicht-EU-Länder umfasst.

## Antigravity /swarm: mehrere Agenten sind nicht automatisch bessere Agenten

Mit Carbon testet Google in Antigravity `/swarm`: Ein Koordinator verteilt Arbeit an spezialisierte Agenten in isolierten Git-Worktrees; ein gemeinsames Board macht Entscheidungen und Prüfschritte sichtbar. Zusätzliche Prüfer können Änderungen gegen Tests und Anforderungen challengen. Carbon ist besonders für Koordination, Architektur und schwierige Verifikation vorgesehen, während schnellere Modelle Routinetätigkeiten übernehmen. [^G14]

Das ist eine nützliche Architekturidee für komplexe Repositories – aber sie kann **mehrere Agenten gleichzeitig Token verbrauchen lassen**. Die Antigravity-Dokumentation warnt selbst vor schnellerem Quota-Verbrauch. Für produktive Nutzung sind daher feste Zuständigkeiten, Budgetlimits, isolierte Dateizugriffe und eine abschließende Test- und Build-Pipeline wichtiger als allein die Anzahl parallel laufender Agenten. Das ist zudem vom getrennten [Gemini-Agent-Projekt für Unternehmensarbeit](https://ai-on-mac.com/artikel/gemini-agent-at-work-2026/) abzugrenzen.

## Wissenschaft und Bioinformatik: ein interessanter, noch begrenzter Befund

Google beschreibt Carbon unter anderem für die Analyse von Enzym-Assays und die Suche nach entfernten Protein-Homologen. Bei sieben proteinbiologischen Familien eines CASP17-Blindtests berichtet das Unternehmen durchschnittlich **40-mal mehr gefundene Homologe** als im Vergleichssetup. Das ist interessant als zusätzliche Such- und Analyseschicht vor Strukturvorhersageverfahren – aber ausdrücklich **kein** Beleg, dass Carbon AlphaFold 3 ersetzt, selbst Proteinstrukturen besser vorhersagt oder klinisch valide Ergebnisse erzeugt. Der Testumfang ist klein; breitere Evaluierungen stehen laut Google noch aus. [^G1]

Für Forschungs-Workflows gilt: gefundene Sequenzen müssen mit reproduzierbaren Suchstrategien, Versionierung, Homologie- und Qualitätskontrollen, nachvollziehbaren Datenquellen und unabhängiger fachlicher Prüfung bewertet werden.

## Wann lohnt sich Carbon?

Carbon ist ein plausibler Kandidat für die wenigen Aufgaben, bei denen ein zusätzlicher erfolgreicher Durchlauf den Mehrverbrauch rechtfertigt: tiefe Fehlerursachenanalysen, schwierige Migrationen, Sicherheitsprüfungen und langes wissenschaftliches Reasoning. Für gewöhnliche Codeänderungen, kurze Fragen und kostensensible Hintergrundaufgaben bleibt Argon oder ein kleineres Modell häufig der sinnvollere Ausgangspunkt. Das ist eine **kosten- und aufgabenspezifische Schlussfolgerung**, kein universelles Ranking.

**Empfohlener eigener Test:** 20 echte Aufgaben aus dem eigenen Projekt anonymisieren; für Carbon und Argon dieselbe Tool- und Testumgebung, identische Erfolgsbedingungen und mehrere Wiederholungen verwenden. Notieren: Erfolgsquote, manuelle Korrekturminuten, Latenz, Input-, Cache-, Thinking- und Output-Token, Gesamtpreis und Regressionen. Entscheidend ist der **Preis pro nachweislich erfolgreich abgeschlossener Aufgabe**, nicht der Preis pro Million Token allein.

## Häufige Fragen

**Ist Gemini 4 Carbon kostenlos?** Nicht über die freie Gemini-API-Stufe. Die Nutzung in Gemini-App oder Antigravity hängt von den genannten Google-AI-Ultra-Zugängen ab. [^G1][^G3]

**Kann ich Carbon mit 32 GB Unified Memory lokal starten?** Nein. Google veröffentlicht die Gewichte nicht zur lokalen Nutzung. Die Hardware des Mac beeinflusst lediglich die lokal laufenden Client- und Zusatzprogramme. [^G2]

**Kann Carbon eine Million Token ausgeben?** Über das spezielle Long-Decode-Verfahren innerhalb des gemeinsamen 1M-Budgets; nicht als normale einzelne 1M-Token-HTTP-Antwort. [^G5]

**Ist EU-Routing verfügbar?** Über OpenRouters Business-/Enterprise-Option für Carbon ja, nach der zum Prüfdatum veröffentlichten Providerliste. Datenresidenz und DSGVO-Eignung sind gesondert zu bewerten. [^R1][^R2]

**Ist Carbon besser als Argon?** In einigen Agenten-Benchmarks ja; es kann jedoch teurer und langsamer pro Aufgabe sein. Ein eigenes Aufgabenprofil entscheidet. [^B1][^B2][^B3]

## Quellen und redaktionelle Transparenz

Dieser Artikel basiert auf am **11. November 2026** geprüften Herstellerunterlagen und unabhängigen Bewertungsseiten; es wurden **keine eigenen Carbon-Inferenztests** durchgeführt. Alle Beispielkosten sind eigene, explizit modellierte Rechnungen ohne Steuern. Die vollständige Quellenmatrix, Abweichungen, verworfenen Quellen und weitere Metadaten liegen im mitgelieferten Rechercheprotokoll.

[^G1]: Google: [Gemini 4 Carbon is now available](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/), 10.11.2026.
[^G2]: Google DeepMind: [Gemini 4 Carbon Model Card](https://deepmind.google/models/model-cards/gemini-4-carbon/), 10.11.2026.
[^G3]: Google AI Studio: [API Pricing](https://aistudio.google.com/docs/pricing), geprüft 11.11.2026.
[^G4]: Google AI Studio: [Model Specification](https://aistudio.google.com/docs/models/gemini-4-carbon), geprüft 11.11.2026.
[^G5]: Google AI Studio: [Long decode](https://aistudio.google.com/docs/long-decode), geprüft 11.11.2026.
[^G6]: Google AI Studio: [Context caching](https://aistudio.google.com/docs/caching), geprüft 11.11.2026.
[^G7]: Google AI Studio: [What's new in Gemini 4 Carbon](https://aistudio.google.com/docs/whats-new-gemini-4-carbon), geprüft 11.11.2026.
[^G8]: Google DeepMind: [Carbon Model Evaluation](https://deepmind.google/models/evals-methodology/gemini-4-carbon), Oktober/November 2026.
[^G9]: Google AI Studio: [Batch API](https://aistudio.google.com/docs/batch-api), geprüft 11.11.2026.
[^G10]: Google AI Studio: [Quickstart](https://aistudio.google.com/docs/get-started), geprüft 11.11.2026.
[^G11]: Google AI Studio: [Background execution](https://aistudio.google.com/docs/background-execution), geprüft 11.11.2026.
[^G12]: Google AI Studio: [Available regions](https://aistudio.google.com/docs/available-regions), geprüft 11.11.2026.
[^G13]: Google AI Studio: [Additional Terms of Service](https://aistudio.google.com/docs/terms), Fassung 23.03.2026.
[^G14]: Google Antigravity: [Gemini 4 Carbon and /swarm](https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity), 10.11.2026.
[^B1]: Cursor: [CursorBench 4.0](https://cursor.com/cursorbench), geprüft 11.11.2026.
[^B2]: Zapier: [AutomationBench](https://zapier.com/benchmarks), geprüft 11.11.2026.
[^B3]: Artificial Analysis: [Gemini 4 Carbon High](https://artificialanalysis.ai/models/gemini-4-carbon), geprüft 11.11.2026.
[^R1]: OpenRouter: [Gemini 4 Carbon](https://openrouter.ai/google/gemini-4-carbon), geprüft 11.11.2026.
[^R2]: OpenRouter: [In-Region Routing](https://openrouter.ai/docs/guides/features/in-region-routing), geprüft 11.11.2026.

## Quellen

1. https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available/
2. https://deepmind.google/models/model-cards/gemini-4-carbon/
3. https://aistudio.google.com/docs/pricing
4. https://aistudio.google.com/docs/models/gemini-4-carbon
5. https://aistudio.google.com/docs/long-decode
6. https://aistudio.google.com/docs/caching
7. https://aistudio.google.com/docs/whats-new-gemini-4-carbon
8. https://deepmind.google/models/evals-methodology/gemini-4-carbon
9. https://aistudio.google.com/docs/batch-api
10. https://aistudio.google.com/docs/get-started
11. https://aistudio.google.com/docs/background-execution
12. https://aistudio.google.com/docs/available-regions
13. https://aistudio.google.com/docs/terms
14. https://antigravity.google/blog/gemini-4-carbon-in-google-antigravity
15. https://cursor.com/cursorbench
16. https://zapier.com/benchmarks
17. https://artificialanalysis.ai/models/gemini-4-carbon
18. https://openrouter.ai/google/gemini-4-carbon
19. https://openrouter.ai/docs/guides/features/in-region-routing
