Kartu judul hero bertuliskan Gemini 4 Neon, live 18 November 2026, dengan subjudul bertuliskan lima perubahan di tingkat permintaan, dan baris footer bertuliskan harga serta level thinking sesuai dokumentasi API Gemini Google, diperiksa 20 November 2026
Engineering & Research

Gemini 4 Neon Sudah Live: Lima Perubahan API yang Perlu Direncanakan

Penulis

Gideon Frost

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

G​emini 4 Neon tersedia secara umum pada 18 November 2026, dan dokumen yang menarik bukanlah postingan peluncuran. Dokumen itu adalah daftar periksa migrasi yang diterbitkan G​oogle di bawahnya, tempat Anda mengetahui bahwa memindahkan lalu lintas produksi ke G​emini 4 Neon dari G​emini 3.8 Flash, atau dari Gemini 4 Carbon atau G​emini 4 Hydrogen, mengubah lebih dari sekadar string model. Lima perilaku tingkat permintaan berubah, salah satunya secara diam-diam, salah satunya dengan 400, dan salah satunya dengan faktor yang hanya akan Anda sadari pada tagihan. Ringkasan G​oogle tentang model itu sendiri sederhana: kecerdasan tingkat terdepan dengan penyelesaian tugas end-to-end yang cepat di seluruh rekayasa perangkat lunak kompleks, pekerjaan pengetahuan, dan sains, berada di antara G​emini 4 Hydrogen dan Gemini 4 Carbon untuk tugas kompleks berfrekuensi tinggi. Berikut ini adalah bagian dari peluncuran yang menghabiskan waktu rekayasa, bukan token.

Apa yang sebenarnya dikirim pada 18 November

Kartu tarifnya tetap dan tidak berubah: $3.00 per juta token input, $15.00 per juta token output, $0.15 per juta input yang di-cache, hanya untuk tier berbayar, tidak ada kuota gratis di mana pun. Konteksnya adalah satu jendela terpadu 1,048,576 token yang dipakai bersama oleh input, thinking, dan output, dengan batas output sinkron 65,536 token dan jalur long-decode kembali hingga satu juta. Ada empat level thinking — low, medium, high, dan xhigh — dan defaultnya high, bukan medium. Model ini ada di Gem​ini API berbayar baik melalui generateContent maupun Interactions API, di AI Studio untuk pelanggan AI Pro dan Ultra, dan di dalam agen Antigravity di Gem​ini Managed Agents.

Dua angka dari luar G​oogle layak dibawa ke dalam keputusan migrasi. Artificial Analysis memberi G​emini 4 Neon skor 61,4 pada Intelligence Index-nya di xhigh, yang oleh pelacak ditampilkan sebagai 61 dan menempatkannya di peringkat keenam dari 95 model, dan ia mengukur 110 token output per detik dibandingkan dengan 51 milik G​emini 4 Carbon. Panel yang sama juga mencatat $6,44 per tugas Intelligence Index pada xhigh dan 283 juta token output di seluruh set evaluasi, yang merupakan detail yang penting di sini: ini adalah model yang mencapai skornya dengan mengeluarkan banyak token, dan setiap tokennya ditagih.

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

Parameter sampling: diabaikan, atau 400

Catatan migrasi G​oogle memberi tahu Anda untuk menghapus temperature, top_p, dan top_k dari permintaan. Perilaku persisnya adalah bagian yang perlu dirancang: nilai kustom dalam rentang diterima lalu diabaikan oleh server, sedangkan nilai di luar rentang mengembalikan error validasi 400. Jadi layanan yang selama delapan belas bulan diam-diam mengirimkan temperature 1.3 tidak gagal saat masuk — layanan itu mulai mengembalikan distribusi yang sama seperti yang akan dikembalikannya pada setelan lain mana pun, dan satu-satunya gejala adalah output Anda tampak lebih deterministik di beberapa tempat dan kurang di tempat lain, tanpa error apa pun untuk dikorelasikan.

Perbaikan praktisnya bukan membatasi nilai-nilai itu. Yang perlu dilakukan adalah menghapusnya dan mengalihkan tujuan penggunaannya ke hal-hal yang benar-benar dipatuhi model: output terstruktur untuk bentuk, rangkaian evaluasi untuk varians, dan perubahan pada tingkat prompt untuk gaya. Siapa pun yang mengandalkan temperature sebagai tombol kreativitas kini tidak punya tombol lagi.

Caching eksplisit sudah tidak ada, yang implisit otomatis

Gemini 4 Neon tidak mendukung caching konteks eksplisit. Resource cachedContents dan caches.create tidak tersedia padanya, dan permintaan yang membawa field cached_content harus menghilangkannya. Yang menggantikannya adalah caching implisit, yang aktif secara default pada prompt minimal 4.096 token dan memberi diskon 95% untuk input yang di-cache — $0,15 per juta, bukan $3,00 — tanpa handle untuk membuat, membuatnya kedaluwarsa, atau membayar penyimpanan.

Bagi sebagian besar tim, ini adalah penyederhanaan dan pengurangan tagihan yang kecil. Bagi beberapa tim, ini adalah regresi, dan bentuk regresinya dapat diprediksi: jika cache hit Anda bergantung pada prefiks tetap yang besar yang didaftarkan sekali dan digunakan ulang di banyak permintaan dengan kata-kata berbeda, caching implisit hanya membantu ketika prefiks benar-benar cocok, jadi langkah yang menguntungkan adalah membuat prefiks bersama identik secara byte dan meletakkan semua bagian variabel setelahnya. Jika prefiks yang di-cache Anda kurang dari 4.096 token, Anda tidak lagi memiliki caching sama sekali.

minimal ditolak dan high adalah default

Default thinking adalah perubahan paling tak mencolok dalam daftar. Gemini 4 Carbon dan Gemini 4 Argon menggunakan default medium dan berhenti di high. Gemini 4 Neon menggunakan default high dan menambahkan xhigh di atasnya, serta menolak minimal dengan error — level yang masih diterima Gemini 3.6 Flash dan model Flash-Lite. Oleh karena itu, kode yang tidak pernah menyetel thinking_level akan mendapatkan jawaban yang lebih mendalam, lebih lambat, dan lebih mahal di Neon daripada yang didapat di Carbon dengan body permintaan yang sama.

Panduan Google sendiri adalah mengevaluasi pada keempat level dengan max_output_tokens yang tinggi agar batas tersebut tidak memotong jawaban, lalu menjalankannya pada level terendah yang memenuhi ambang. Pada model yang skor independen terpublikasinya membentang 17 poin indeks dari tingkat termurahnya hingga paling dalam, itu bukan boilerplate. Default yang Anda warisi adalah setelan benar yang paling mahal, bukan yang paling murah.

Status, tanda tangan, dan ID interaksi baru

Sesi multi-turn dan pemanggilan alat beralih dari "kirim ulang transkrip" ke dua mekanisme spesifik. Dalam API Interactions, Anda membawa status dengan previous_interaction_id alih-alih membangun ulang riwayat. Dalam riwayat generateContent yang dikelola klien, Anda mengembalikan giliran model sebelumnya dan tanda tangan pemikirannya tanpa perubahan pada setiap giliran, dan Anda tidak boleh menyalin tanda tangan ke bagian functionCall paralel — tanda tangan terikat pada panggilan asalnya.

Ada juga mode kegagalan yang perlu diketahui sebelum muncul di produksi: meminta model melalui instruksi sistem untuk mengeluarkan panggilan alat JSON dalam teks mentah, tanpa ada alat yang dideklarasikan secara native, dapat mengembalikan MALFORMED_FUNCTION_CALL. Deklarasikan alat dengan function calling, atau batasi respons dengan structured outputs. Yang ini mudah terlewat karena ini bukan perubahan skema — ini adalah pola prompt yang dulu berfungsi.

Output panjang memerlukan eksekusi latar belakang

Respons sinkron berhenti pada 65.536 token, baik streaming maupun tidak. Untuk melewati batas itu, Anda menetapkan max_output_tokens di atas 65.536 dan menetapkan background ke true, lalu server melanjutkan dalam lompatan 64K hingga jendela habis. Tetapkan background tanpa menaikkan max_output_tokens dan tugas tetap berhenti pada 65.536, yang merupakan kesalahan persis yang disebut dokumentasi dalam sebuah catatan.

Setengah kedua dari perubahan ini ada di klien HTTP Anda, bukan di prompt Anda. G​oogle menyarankan Anda menaikkan batas waktu menjadi setidaknya lima belas menit, karena prompt yang sulit pada model ini dapat berjalan selama beberapa menit sebelum token jawaban pertama. Pengukuran independen sejalan dengan arah tersebut: Artificial Analysis mencatat 56,5 detik hingga token jawaban pertama dan 21,5 menit per tugas Intelligence Index untuk Neon, dibandingkan dengan 45,96 detik dan 28,4 menit untuk Gemini 4 Argon. Secara keseluruhan lebih cepat, tetapi lebih lambat saat memulai.

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

Berapa biaya migrasi sebelum menghasilkan penghematan apa pun

Penagihan mengikuti setiap token yang diproses model, termasuk token berpikir dan, saat Anda menggunakan grounding, instruksi sistem internal serta deklarasi fungsi. Itu standar untuk keluarga ini tetapi interaksinya buruk dengan dua kekhususan Neon: default tinggi membakar lebih banyak token berpikir daripada default sedang yang menjadi acuan penulisan kode Carbon Anda, dan profil token model itu sendiri berat. Pelacak menghitung 283 juta token keluaran untuk Neon di seluruh Intelligence Index dibandingkan 205 juta untuk Carbon — 38% lebih banyak, pada saat harga per token juga lebih tinggi daripada tarif pengenalan Carbon.

Tidak ada satu pun dari itu yang menentang migrasi. Itu menentang migrasi dengan hanya mengubah satu string dan memantau dasbor. Urutan yang jujur adalah: pin model lama, duplikasikan sebagian trafik ke gemini-4-neon pada medium dan high, lalu bandingkan biaya per tugas yang diselesaikan alih-alih biaya per token. Biaya per token pada model ini adalah angka yang paling tidak informatif di lembar tersebut.

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

Di sinilah router membuktikan nilainya dalam migrasi ini

Ini adalah canary rollout yang klasik, dan itulah alasan lapisan perutean berguna bahkan untuk migrasi satu vendor. Satu kunci API mencakup 200+ model, sehingga jalur lama dan jalur baru berada di belakang endpoint yang sama saat Anda memindahkan sebagian persentase trafik; failover otomatis berarti 400 dari parameter di luar rentang atau timeout pada tugas yang berjalan lama akan kembali ke model yang berfungsi kemarin alih-alih memanggil seseorang. Harga diteruskan pada harga daftar penyedia tanpa markup, jadi $3.00 dan $15.00 milik Neon adalah angka yang sama pada faktur Anda seperti pada halaman G​oogle, dan perubahan apa pun yang G​oogle lakukan terhadapnya akan sampai di sisi kami pada hari yang sama.

Satu hal yang perlu ditegaskan: G​emini 4 Neon belum ada di katalog kami. Gemini 4 Carbon dan Gemini 4 Argon sudah ada, begitu juga gemini-3.1-pro-preview, dan kami tidak akan menyebut rate card sebagai endpoint. Yang diberikan router kepada Anda hari ini adalah tempat yang stabil untuk menyimpan rantai fallback saat Anda mengevaluasi Neon di API milik G​oogle sendiri, dan bentuk permintaan yang sama saat nanti tersedia.

Siapa yang harus pindah sekarang?

Beralihlah sekarang jika beban kerja Anda adalah debugging tingkat repositori, refactoring multi-file, atau sesi agen panjang dengan banyak panggilan alat — hal-hal yang menjadi alasan G​oogle membangun Neon, dan hal-hal yang didukung oleh angka wall-clock independen. Tunda dulu jika Anda bergantung pada caching eksplisit, jika Anda tidak dapat menaikkan timeout klien, atau jika pipeline Anda berbentuk ekstraksi: dokumentasi G​oogle sendiri memperingatkan bahwa xhigh "dapat menyebabkan overthinking atau menghabiskan max_output_tokens pada prompt yang lebih sederhana seperti ekstraksi teks atau JSON," dan pada high-by-default Anda sudah satu tingkat di atas posisi yang dulu ditempati pipeline berbentuk Carbon.

Hal yang bisa diperiksa untuk diperhatikan bukanlah pos peluncuran lainnya. Yang menjadi pertanyaan adalah apakah 61 bertahan pada setelan high — di mana tracker memberinya skor 59.6, di bawah 60.0 milik Carbon pada batas maksimum Carbon sendiri — dan apakah Google menambahkan caching eksplisit ke model tersebut. Keduanya adalah perilaku yang terdokumentasi, keduanya terlihat dari luar, dan keduanya mengubah jawaban atas "apakah ini default untuk armada agen kami" lebih dari demo mana pun.