Hero-Titelkarte mit der Aufschrift Gemini 4 Neon, live am 18. November 2026, mit einem Untertitel mit der Aufschrift fünf Änderungen auf Anfrageebene und einer Fußzeile mit der Aufschrift Preise und Thinking-Level gemäß Googles Gemini-API-Dokumentation, geprüft am 20. November 2026
Engineering & Research

Gemini 4 Neon ist live: Fünf API-Änderungen, auf die Sie sich vorbereiten sollten

Autor

Gideon Frost

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Gemini 4 Neon wurde am 18. November 2026 allgemein verfügbar, und das interessante Dokument ist nicht der Launch-Beitrag. Es ist die Migrations-Checkliste, die Google darunter veröffentlicht, und dort erfahren Sie, dass das Verlagern von Produktions-Traffic von Gemini 3.8 Flash oder von Gemini 4 Carbon oder Gemini 4 Hydrogen auf Gemini 4 Neon mehr als einen Modell-String ändert. Fünf Verhaltensweisen auf Anfrageebene ändern sich, eine davon stillschweigend, eine mit einem 400 und eine um einen Faktor, den Sie erst auf der Rechnung bemerken. Googles Zusammenfassung des Modells selbst ist bescheiden: Intelligenz auf Frontier-Niveau mit schneller End-to-End-Aufgabenerledigung in komplexer Softwareentwicklung, Wissensarbeit und Wissenschaft, angesiedelt zwischen Gemini 4 Hydrogen und Gemini 4 Carbon für hochfrequente komplexe Aufgaben. Was folgt, ist der Teil des Rollouts, der Engineering-Zeit statt Tokens kostet.

Was wurde am 18. November tatsächlich ausgeliefert?

Die Preisliste ist pauschal und unverändert: 3,00 US-Dollar pro Million Eingabe-Tokens, 15,00 US-Dollar pro Million Ausgabe-Tokens, 0,15 US-Dollar pro Million gecachter Eingabe, nur kostenpflichtige Stufe, nirgends ein kostenloses Kontingent. Der Kontext ist ein einheitliches Fenster von 1.048.576 Tokens, das sich Eingabe, Denken und Ausgabe teilen, mit einer synchronen Ausgabegrenze von 65.536 Tokens und einem langen Decode-Pfad zurück bis zu einer Million. Es gibt vier Denkstufen – niedrig, mittel, hoch und xhigh – und die Standardeinstellung ist hoch, nicht mittel. Das Modell ist in der kostenpflichtigen Gem​ini API sowohl über generateContent als auch über die Interactions API verfügbar, in AI Studio für AI Pro- und Ultra-Abonnenten sowie im Antigravity-Agenten in Gem​ini Managed Agents.

Zwei Zahlen von außerhalb G​oogles lohnt es sich, in die Migrationsentscheidung mitzunehmen. Artificial Analysis bewertet G​emini 4 Neon mit 61,4 auf seinem Intelligence Index bei xhigh, was der Tracker als 61 ausgibt und womit es auf Platz sechs von 95 Modellen liegt, und es misst 110 Ausgabe-Token pro Sekunde gegenüber 51 bei Gemini 4 Carbon. Dieselbe Auswertung verzeichnet außerdem 6,44 $ pro Intelligence-Index-Aufgabe bei xhigh und 283 Millionen Ausgabe-Token über den gesamten Evaluationssatz, was hier das entscheidende Detail ist: Dies ist ein Modell, das seine Werte erreicht, indem es sehr viele Token ausgibt, und jedes einzelne davon wird abgerechnet.

A self-built card titled The five changes, as a checklist, with five rows reading sampling parameters accepted then ignored inside range and a 400 outside it, explicit caching removed in favour of implicit caching on prompts of 4096 tokens or more, thinking default high instead of medium with minimal rejected, state carried by previous_interaction_id with thought signatures preserved, and outputs past 65536 tokens requiring background execution with max_output_tokens raised

Sampling-Parameter: ignoriert oder ein 400

Googles Migrationshinweise besagen, dass Sie temperature, top_p und top_k aus Anfragen entfernen sollen. Das genaue Verhalten ist der Teil, um den herum Sie designen müssen: Benutzerdefinierte Werte innerhalb des zulässigen Bereichs werden akzeptiert und anschließend vom Server ignoriert, während Werte außerhalb des Bereichs einen 400-Validierungsfehler zurückgeben. Ein Dienst, der achtzehn Monate lang stillschweigend temperature 1.3 übergeben hat, schlägt also nicht bei der Eingabe fehl – er beginnt, dieselbe Verteilung zurückzugeben, die er auch bei jeder anderen Einstellung zurückgegeben hätte, und das einzige Symptom ist, dass Ihre Ausgaben an manchen Stellen deterministischer und an anderen weniger deterministisch wirken, ohne einen Fehler, mit dem man das korrelieren könnte.

Die praktische Lösung besteht nicht darin, die Werte zu begrenzen. Sie besteht darin, sie zu löschen und das, wofür Sie sie verwendet haben, dorthin zu verlagern, wo das Modell es tatsächlich beachtet: strukturierte Ausgaben für die Form, eine Evaluationssuite für die Varianz und Änderungen auf Prompt-Ebene für den Stil. Wer sich auf Temperature als Kreativitätsregler verlassen hat, hat jetzt keinen Regler mehr.

Explizites Caching gibt es nicht mehr, implizites ist automatisch

Gemini 4 Neon unterstützt kein explizites Context-Caching. Die Ressource cachedContents und caches.create sind darauf nicht verfügbar, und Anfragen mit einem cached_content-Feld müssen dieses weglassen. Ersetzt wird das durch implizites Caching, das bei Prompts mit mindestens 4.096 Tokens standardmäßig greift und 95 % Rabatt auf gecachte Eingaben gewährt – 0,15 $ pro Million statt 3,00 $ –, ohne dass man etwas erstellen, ablaufen lassen oder dessen Speicherung bezahlen muss.

Für die meisten Teams ist das eine Vereinfachung und eine kleine Senkung der Rechnung. Für einige ist es eine Regression, und die Form der Regression ist vorhersehbar: Wenn Ihre Cache-Treffer davon abhingen, dass ein großer fester Präfix einmal registriert und über viele unterschiedlich formulierte Anfragen hinweg wiederverwendet wird, hilft implizites Caching nur, wenn der Präfix tatsächlich übereinstimmt. Der entscheidende Schritt besteht also darin, den gemeinsamen Präfix byte-identisch zu machen und alles Variable danach zu platzieren. Wenn Ihr zwischengespeicherter Präfix unter 4.096 Token liegt, haben Sie überhaupt kein Caching mehr.

Minimal wird abgelehnt und Hoch ist die Standardeinstellung.

Die Standardeinstellung für das Denken ist die unauffälligste Änderung in der Liste. Gemini 4 Carbon und Gemini 4 Argon verwenden standardmäßig medium und enden bei high. G​emini 4 Neon verwendet standardmäßig high und fügt xhigh darüber hinzu; außerdem lehnt es minimal mit einem Fehler ab — die Stufe, die Gemini 3.6 Flash und die Flash-Lite-Modelle weiterhin akzeptieren. Code, der thinking_level nie setzt, erhält daher mit demselben Request-Body auf Neon eine tiefere, langsamere und teurere Antwort als auf Carbon.

Googles eigene Empfehlung lautet, auf allen vier Ebenen mit einem hohen max_output_tokens zu evaluieren, damit die Obergrenze die Antwort nicht abschneidet, und dann auf der niedrigsten Ebene zu arbeiten, die die Messlatte überschreitet. Bei einem Modell, dessen veröffentlichter unabhängiger Score von seiner günstigsten Stufe bis zu seiner tiefsten 17 Indexpunkte umspannt, ist das keine Standardfloskel. Die Voreinstellung, die Sie erben, ist die teuerste korrekte Einstellung, nicht die günstigste.

Status, Signaturen und eine neue Interaktions-ID

In Multi-Turn- und Tool-Calling-Sitzungen verschiebt sich „das Transkript erneut senden“ hin zu zwei spezifischen Mechanismen. In der Interactions API übergeben Sie den Status mit previous_interaction_id, statt den Verlauf neu aufzubauen. Bei clientseitig verwalteten generateContent-Verläufen geben Sie frühere Modell-Turns und deren Thought-Signaturen bei jedem Turn unverändert zurück, und Sie dürfen eine Signatur nicht über parallele functionCall-Teile hinweg kopieren – die Signatur ist an den Aufruf gebunden, aus dem sie stammt.

Es gibt außerdem einen Fehlermodus, den man kennen sollte, bevor er in der Produktion auftritt: Wenn man das Modell über Systemanweisungen dazu auffordert, JSON-Toolaufrufe als reinen Text auszugeben, ohne dass Tools nativ deklariert sind, kann dies MALFORMED_FUNCTION_CALL zurückgeben. Deklarieren Sie Tools mit Function Calling, oder beschränken Sie die Antwort mit Structured Outputs. Dieser ist leicht zu übersehen, weil er keine Schemaänderung ist – es ist ein Prompt-Muster, das früher funktioniert hat.

Lange Ausgaben erfordern eine Ausführung im Hintergrund

Synchrone Antworten enden bei 65.536 Tokens, unabhängig davon, ob gestreamt wird oder nicht. Um darüber hinauszugehen, setzen Sie max_output_tokens auf über 65.536 und setzen background auf true; der Server fährt dann in 64K-Schritten fort, bis das Fenster erschöpft ist. Wenn Sie background setzen, ohne max_output_tokens zu erhöhen, stoppt der Job weiterhin bei 65.536 – genau der Fehler, auf den die Dokumentation in einer Anmerkung hinweist.

Die zweite Hälfte dieser Änderung liegt in Ihrem HTTP-Client, nicht in Ihrem Prompt. Google rät Ihnen, Timeouts auf mindestens fünfzehn Minuten zu erhöhen, weil anspruchsvolle Prompts bei diesem Modell mehrere Minuten laufen können, bevor das erste Antwort-Token kommt. Die unabhängige Messung bestätigt die Richtung: Artificial Analysis verzeichnet 56,5 Sekunden bis zum ersten Antwort-Token und 21,5 Minuten pro Intelligence-Index-Aufgabe für Neon, gegenüber 45,96 Sekunden und 28,4 Minuten für Gemini 4 Argon. Insgesamt schneller, langsamer beim Start.

Screenshot of Google's What's new in Gemini 4 Neon documentation page, showing the model table with the gemini-4-neon model ID, thinking levels low, medium, high and xhigh, and the paid tier price of 3 dollars per million input tokens and 15 dollars per million output tokens

Was die Migration kostet, bevor sie überhaupt etwas einspart

Die Abrechnung erfolgt für jedes Token, das das Modell verarbeitet, einschließlich Thinking-Tokens und – bei Verwendung von Grounding – der internen Systemanweisungen und Funktionsdeklarationen. Das ist für die Familie Standard, steht aber in schlechtem Zusammenspiel mit zwei Neon-Besonderheiten: Die hohe Standardeinstellung verbraucht mehr Thinking-Tokens als die mittlere Standardeinstellung, für die Ihr Carbon-Code geschrieben wurde, und das Token-Profil des Modells selbst ist umfangreich. Der Tracker zählte 283 Millionen Ausgabe-Tokens für Neon über den Intelligence Index gegenüber 205 Millionen für Carbon – 38 % mehr, zu einem Zeitpunkt, an dem der Preis pro Token ebenfalls höher ist als Carbons Einführungspreis.

Nichts davon spricht gegen einen Wechsel. Es spricht dagegen, den Wechsel anzugehen, indem man eine Zeichenkette ändert und die Dashboards beobachtet. Die ehrliche Reihenfolge ist: das alte Modell pinnen, einen Teil des Traffics auf gemini-4-neon bei medium und bei high duplizieren und die Kosten pro abgeschlossener Aufgabe statt die Kosten pro Token vergleichen. Die Kosten pro Token sind bei diesem Modell die am wenigsten aussagekräftige Zahl im Sheet.

Screenshot of the Gemini API pricing page for Gemini 4 Neon showing the Standard tab with an input price of 3 dollars and an output price of 15 dollars per million tokens, context caching at 0.15 dollars with a note that only implicit caching is supported, a free tier reading not available, and a callout stating that every token including thinking tokens is billed

Wo ein Router bei dieser Migration seinen Wert unter Beweis stellt

Dies ist ein Musterbeispiel für einen Canary-Rollout und der Grund, warum eine Routing-Schicht selbst für eine Single-Vendor-Migration nützlich ist. Ein API-Schlüssel deckt über 200 Modelle ab, sodass der alte und der neue Pfad hinter demselben Endpunkt liegen, während Sie einen Prozentsatz des Traffics verlagern; automatisches Failover bedeutet, dass ein 400-Fehler aufgrund eines Parameters außerhalb des gültigen Bereichs oder ein Timeout bei einer lang laufenden Aufgabe auf das Modell zurückfällt, das gestern funktioniert hat, statt jemanden zu alarmieren. Preise werden zum Listenpreis des Anbieters ohne Aufschlag weitergegeben, sodass Neons 3,00 $ und 15,00 $ dieselben Zahlen auf Ihrer Rechnung sind wie auf G​oogles Seite, und jede Änderung, die G​oogle daran vornimmt, landet noch am selben Tag bei uns.

Eines sei ausdrücklich klargestellt: G​emini 4 Neon ist noch nicht in unserem Katalog. Gemini 4 Carbon und Gemini 4 Argon sind es, ebenso gemini-3.1-pro-preview, und wir werden eine Tarifkarte nicht als Endpunkt beschreiben. Was der Router Ihnen heute bietet, ist ein stabiler Ort, um die Fallback-Kette beizubehalten, während Sie Neon über die eigene API von G​oogle evaluieren, und dieselbe Anfragestruktur, sobald es verfügbar ist.

Wer sollte jetzt handeln?

Wechsle jetzt, wenn deine Arbeitslast Repository-Level-Debugging, Multi-File-Refactoring oder eine lange Agent-Sitzung mit vielen Tool-Aufrufen umfasst – die Dinge, für die Google Neon gebaut hat, und die Dinge, für die die unabhängigen Wall-Clock-Zahlen sprechen. Warte, wenn du auf explizites Caching angewiesen bist, wenn du Client-Timeouts nicht erhöhen kannst oder wenn deine Pipeline extraktionsförmig ist: Googles eigene Dokumentation warnt, dass xhigh „bei einfacheren Prompts wie Text- oder JSON-Extraktion zu übermäßigem Nachdenken führen oder max_output_tokens ausschöpfen kann“, und mit high-by-default liegst du bereits eine Stufe über dem Punkt, an dem eine Carbon-förmige Pipeline früher lag.

Das Überprüfbare, worauf man achten sollte, ist nicht ein weiterer Launch-Post. Es ist die Frage, ob die 61 bei High standhält – wo der Tracker sie mit 59,6 bewertet, hinter Carbons 60,0 an Carbons eigener Obergrenze – und ob G​oogle dem Modell explizites Caching hinzufügt. Beides sind dokumentierte Verhaltensweisen, beides ist von außen sichtbar, und beides ändert die Antwort auf „Ist das der Standard für unsere Agentenflotte?“ stärker als jede Demo.

In diesem Artikel verglichen1

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert