
Gemini 4 Neon Sudah Live: Lima Perubahan API yang Perlu Direncanakan
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 185 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 826 tok/s
- AlibabaBARUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 juta token · 407 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 120 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Gemini 4 Neon tersedia secara umum pada 18 November 2026, dan dokumen yang menarik bukanlah postingan peluncuran. Dokumen itu adalah daftar periksa migrasi yang diterbitkan Google di bawahnya, tempat Anda mengetahui bahwa memindahkan lalu lintas produksi ke Gemini 4 Neon dari Gemini 3.8 Flash, atau dari Gemini 4 Carbon atau Gemini 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 Google 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 Gemini 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 Gemini API berbayar baik melalui generateContent maupun Interactions API, di AI Studio untuk pelanggan AI Pro dan Ultra, dan di dalam agen Antigravity di Gemini Managed Agents.
Dua angka dari luar Google layak dibawa ke dalam keputusan migrasi. Artificial Analysis memberi Gemini 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 Gemini 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.

Parameter sampling: diabaikan, atau 400
Catatan migrasi Google 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. Google 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.

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.

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 Google, dan perubahan apa pun yang Google lakukan terhadapnya akan sampai di sisi kami pada hari yang sama.
Satu hal yang perlu ditegaskan: Gemini 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 Google 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 Google 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 Google 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.
