Kartu judul untuk artikel tentang tingkat upaya Gemini 4 yang menampilkan tiga kolom model, tiga baris upaya, dan angka utama 14,55 sen untuk Gemini 4 Neon pada upaya tinggi dengan prompt 40 token.
Guides & Insights

Tingkat Effort Gemini 4 Neon: Berapa Biaya Sebenarnya untuk Rendah, Sedang, dan Tinggi

Penulis

jinhao.song

Tanggal Terbit

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

Satu prompt, empat puluh token masukan, dan sembilan tagihan. Simon Willison menjalankan tes pelikan-di-atas-sepeda melalui Gemini 4 Carbon, Gemini 4 Neon, dan Gemini 4 Hydrogen pada upaya rendah, sedang, dan tinggi, lalu menerbitkan jumlah token, biaya dolar, dan waktu aktual yang dihasilkan — dalam entri blog bertanggal 18 November 2026 dan sebagai tabel perbandingan di X pada pagi berikutnya. Kesembilan hasil itu adalah pengukuran publik paling konkret sejauh ini tentang apa yang sebenarnya dilakukan pengaturan tingkat berpikir Gemini 4 terhadap tagihan, dan hasil tersebut menunjukkan sesuatu yang tidak disebutkan materi peluncuran: pada prompt yang singkat dan mudah, tingkat upaya mengubah biaya lebih besar daripada pilihan model, dan peringkat antara dua model dapat berbalik ketika Anda mengubah tingkatnya.

Penilaiannya atas keluaran itu sengaja tidak dikuantifikasi. Pelikan Neon "terlihat lebih baik daripada Hydrogen dan lebih buruk daripada Carbon," detail dan polesan menurun saat Anda menuruni hierarki keluarga produk dan, dengan penurunan yang lebih landai, saat Anda menuruni tangga produknya, dan setiap satu dari sembilan gambar itu masih dapat dikenali sebagai pelikan di atas sepeda. Itu tidak bisa diberi skor. Namun, Anda dapat menghitung berapa biayanya.

Sembilan tagihan untuk satu prompt empat puluh token

Promptnya identik di kesembilan percobaan, inputnya 40 token dalam setiap kasus, dan satu-satunya hal yang bervariasi adalah model dan pengaturan thinking. Setiap angka di bawah ini berasal dari percobaan Willison sendiri dengan tarif per token yang dipublikasikan Google, dan biayanya adalah hasil pengukurannya, bukan perkiraan.

• Gemini 4 Hydrogen, rendah — 2.996 token keluaran, 2,25 sen, 10 detik.

• Gemini 4 Hydrogen, sedang — 3.964 token keluaran, 2,98 sen, 17 detik.

• Gemini 4 Hydrogen, tinggi — 5.311 token keluaran, 3,99 sen, 19 detik.

• Gemini 4 Neon, rendah — 4.974 token keluaran, 7,47 sen, 43 detik.

• Gemini 4 Neon, medium — 7.846 token keluaran, 11,78 sen, 54 detik.

• Gemini 4 Neon, tinggi — 9.691 token keluaran, 14,55 sen, 1 menit 11 detik.

• Gemini 4 Carbon, rendah — 9.153 token keluaran, 9,16 sen, 1 menit 34 detik.

• Gemini 4 Carbon, sedang — 11.020 token keluaran, 11,03 sen, 1 menit 53 detik.

• Gemini 4 Carbon, tinggi — 20.305 token keluaran, 20,31 sen, 4 menit 11 detik.

Hitungan aritmetika di balik tagihan-tagihan itu layak dinyatakan karena menjelaskan semua yang berikut. Pada 40 token input, biaya input kira-kira seperseratus sen dan dapat diabaikan, sehingga tagihannya hampir persis token output dikalikan tarif output: Carbon $10 per juta token output, Neon $15, Hydrogen $7,50. Tidak ada bagian dari pengaturan upaya yang mengubah harga. Itu mengubah berapa banyak token yang dikeluarkan model sebelum berhenti, dan pada prompt ini pengalinya berkisar dari 1,77x hingga 2,22x.

Anak tangga itu menggerakkan tagihan lebih daripada model.

Ambil tingkat termurah dari keluarga termahal. Hidrogen pada tingkat rendah biayanya 2,25 sen. Neon pada tingkat tinggi biayanya 14,55. Itu adalah rentang 6,5x dalam satu keluarga dan satu prompt, dan 3,3x darinya berasal dari model sementara 1,95x sisanya berasal dari tingkat tersebut. Perbandingan yang sama di dalam satu model juga sama besarnya: Neon rendah ke tinggi adalah 1,95x, Karbon rendah ke tinggi adalah 2,22x, Hidrogen rendah ke tinggi adalah 1,77x.

Letakkan kedua efek itu berdampingan, dan poin praktisnya akan langsung terlihat. Menurunkan Carbon dari tinggi ke sedang menghemat 9,28 sen pada prompt ini, yaitu 64% dari biaya Neon untuk permintaan yang sama pada tingkat yang sama. Jika default Anda adalah "model terbesar pada tingkat terdalam," perubahan satu langkah pada default itu lebih bernilai secara tunai daripada mengganti model sepenuhnya.

Arah perbandingan lintas model juga bukan seperti yang disiratkan daftar harga. Harga $3 dan $15 milik Neon adalah 50% di atas harga Carbon saat ini, yaitu $2 dan $10 — tarif pengenalan yang berlaku untuk Carbon dan Argon hingga 30 November, setelah itu keduanya menjadi dua kali lipat, yakni $4 dan $20. Namun pada prompt ini, Neon pada pengaturan tinggi justru menjadi yang lebih murah di antara keduanya, sebesar 28%, karena Carbon menghasilkan 2,1 kali lebih banyak token keluaran untuk menggambar burung yang sama. Harga per token adalah angka yang salah untuk dibandingkan. Token per jawaban adalah angka yang masuk ke tagihan.

Tempat Neon dan Carbon bertukar posisi

Pasangan itu tidak mengurutkan secara konsisten di sepanjang tangga, dan anak tangga tengah adalah tempat hal itu terputus.

• Pada tarif rendah — Neon 7,47 sen dibandingkan Carbon 9,16, jadi Neon 18% lebih murah.

• Pada tingkat menengah — Neon 11,78 sen dibandingkan Carbon 11,03, jadi Neon 6,8% lebih mahal.

• Pada harga tinggi — Neon 14,55 sen dibandingkan Carbon 20,31, jadi Neon 28% lebih murah.

Jumlah token Carbon adalah alasannya. Jumlah itu naik tajam dari rendah ke menengah (9.153 ke 11.020) lalu hampir dua kali lipat ke tinggi (20.305), sementara Neon naik lebih merata (4.974, 7.846, 9.691). Pada tingkat menengah, kedua jumlah token cukup berdekatan sehingga premi harga 1,5x Neon yang menentukan tagihan; pada tingkat tinggi, verbositas Carbon mengalahkan selisih harga. Siapa pun yang menjalankan satu perbandingan pada satu tingkat lalu menggeneralisasikannya akan mendapatkan jawaban yang terbalik untuk dua tingkat lainnya.

A scoreboard comparing Gemini 4 Neon, Gemini 4 Carbon and Gemini 4 Hydrogen at low, medium and high effort on a 40-token drawing prompt, listing output tokens and cost in cents for each of the nine runs.

Apa yang diperoleh tangga dalam evaluasi yang ketat

Biaya hanya separuh dari trade-off, dan prompt menggambar adalah instrumen yang buruk untuk separuh lainnya karena tidak ada pelikan yang benar. Artificial Analysis menyediakan sumbu yang hilang: ia menilai Gemini 4 Neon secara terpisah pada masing-masing dari empat setelannya di Intelligence Index v5.0.1, dan sebarannya jauh lebih besar daripada apa pun yang ditunjukkan tangga harga.

• Skor indeks — 44 pada low, 55 pada medium, 60 pada high, 61 pada xhigh, sebagaimana dibaca dari halaman pelacak pada 19 November 2026.

• Waktu hingga token jawaban pertama — 13,9 detik pada tingkat rendah, 20,1 pada sedang, 40,6 pada tinggi, 56,5 pada xhigh.

• Waktu per tugas Intelligence Index — 3,7 menit pada tingkat rendah, 8,3 pada sedang, 14,8 pada tinggi, 21,5 pada xhigh.

• Kecepatan keluaran — 97 hingga 110 token per detik, sedikit meningkat seiring naiknya anak tangga, yang merupakan satu-satunya dimensi di mana tangga tersebut hampir datar.

Tujuh belas poin indeks antara setelan termurah dan terdalam Neon adalah selisih yang lebih besar daripada yang memisahkan Neon pada xhigh dari 54 yang dipublikasikan Gemini 4 Hydrogen pada indeks yang sama. Itu adalah argumen terkuat untuk tangga tersebut: pada tugas yang memiliki jawaban benar, tingkatannya bukanlah setelan penyempurnaan, melainkan setelan kemampuan. Pelacak yang sama hanya menerbitkan angka biaya per tugas untuk varian xhigh, $6.44, dan satu titik itu adalah yang paling mungkin dikutip di luar konteks. Angka itu milik konfigurasi model yang paling mahal, bukan milik modelnya.

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index rank of sixth of 96, a price of $3.00 input and $15.00 output per million tokens, and a cost of $6.44 per Intelligence Index task at xhigh.

Mengapa burung merupakan uji yang adil terhadap anak tangga

Prompt pelican memiliki satu sifat yang membuatnya luar biasa baik untuk pertanyaan ini dan satu sifat yang membuatnya tidak berguna untuk pertanyaan lain. Prompt itu bersifat terbuka, sehingga setiap tingkatan menghasilkan sesuatu dan tidak ada yang gagal sepenuhnya — artinya kurva biaya dapat dibaca tanpa terganggu oleh percobaan ulang, dan kurva kualitas dapat dibaca sebagai gradien, bukan tingkat kelulusan. Prompt itu juga tidak diskor, sehingga dapat memberi tahu Anda bahwa upaya rendah menghasilkan sepeda yang lebih sederhana dan tidak dapat memberi tahu Anda apakah hal itu penting untuk beban kerja Anda.

Dokumentasi Google sendiri lebih langsung mengenai risiko di tingkat teratas daripada yang bisa ditunjukkan oleh grid demo. Dokumen itu memperingatkan bahwa xhigh "dapat menyebabkan overthinking atau menghabiskan max_output_tokens pada prompt yang lebih sederhana seperti ekstraksi teks atau JSON," dan merekomendasikan untuk mengevaluasi di setiap tingkat dan memilih tingkat terendah yang memenuhi standar kualitas Anda. Willison menguji Neon pada low, medium, dan high untuk pelikan dan menggunakan pengaturan tambahan terpisah di Antigravity untuk prompt animasi Three.js sebagai gantinya, jadi xhigh tidak memiliki burung dalam perbandingan ini. Catatannya sendiri adalah bahwa Argon keluar dari grid, yang menjadi pengingat bahwa ini adalah pilihan satu praktisi dan bukan kumpulan evaluasi yang diterbitkan.

Dibaca bersama, kedua sumber memberikan aturan yang dapat digunakan. Pada generasi mudah dan terbuka, tingkat itu membeli penghalusan yang mungkin tidak Anda butuhkan dan membebankan Anda 1,8 hingga 2,2 kali token untuk itu. Pada penalaran sulit, tingkat yang sama membeli lima belas poin indeks, dan kenaikan 5,8x dalam waktu per tugas adalah harga dari kemampuan itu alih-alih biaya keragu-raguan.

Memilih anak tangga alih-alih model

Kebiasaan yang layak dihentikan adalah memilih di antara Gemini 4 Carbon, Gemini 4 Neon, dan Gemini 4 Hydrogen. Ketiganya menerima parameter permintaan yang sama, jadi keputusan yang sebenarnya adalah sepasang: model mana, pada tingkat mana, untuk kelas pekerjaan yang mana. Tiga aturan menyusul dari angka-angka di atas.

Tetapkan tingkatnya per kelas tugas, bukan per proyek. Ekstraksi teks, pemformatan, klasifikasi singkat, dan perbaikan JSON adalah kasus yang disebut Google sebagai risiko overthinking; kasus-kasus itu juga merupakan kasus ketika tingkat rendah atau menengah menghasilkan jawaban yang dapat dikenali dengan seperlima hingga sepertiga token. Coding multi-langkah yang mendalam, sesi panjang yang menggunakan alat, dan apa pun yang memunculkan lima belas poin indeks adalah tempat tingkat mahal membenarkan biayanya.

Ukur token, bukan detik, saat membandingkan. Tangga waktu dan tangga biaya bergerak ke arah yang sama di sini, tetapi tidak dengan kemiringan yang sama: pengaturan tinggi Neon hampir tiga kali lebih lambat daripada pengaturan rendahnya untuk mencapai token pertama dan empat kali lebih lambat untuk menyelesaikan tugas indeks, sementara tagihannya bergerak 1,95x. Anggaran latensi dan anggaran biaya akan menarik Anda ke anak tangga yang berbeda, dan hanya salah satunya yang muncul di faktur.

Jalankan ulang perbandingan setelah 1 Desember 2026. Carbon dan Argon berlipat ganda menjadi $4 dan $20 per juta token pada tanggal tersebut, sementara Neon tetap pada $3 dan $15, dan angka pelikan berskala linear dengan laju keluaran. Carbon pada high kemudian akan menelan biaya 40,6 sen untuk burung yang sama dibandingkan Neon 14,55 — selisih 2,8x alih-alih 28% — dan Carbon pada medium akan menelan biaya 22,0 sen dibandingkan Neon 11,78. Setiap kesimpulan yang ditarik dari kartu tarif minggu ini memiliki masa berlaku dua belas hari.

Merutekan rung, bukan hanya model

Karena pengaturan effort adalah parameter permintaan, bukan deployment terpisah, seluruh tangga model dapat dijangkau dari satu integrasi, yang membuat keputusan perutean murah untuk diubah. OrcaRouter menyediakan 200+ model di balik satu kunci dengan harga daftar penyedia tanpa markup, sehingga perubahan harga vendor aktif di sisi kami pada hari yang sama saat aktif di sisi Google — termasuk penggandaan Carbon dan Argon pada 1 Desember, tanpa ada yang perlu dinegosiasikan ulang. DSL perutean dapat mengarahkan kelas tugas ke model dan tingkat tertentu, yang membuat kebijakan per kelas seperti contoh di atas menjadi konfigurasi, bukan perubahan kode, dan failover otomatis berarti tingkat yang masih Anda evaluasi tidak akan pernah menjadi satu-satunya jalur ke produksi.

Satu batasan yang jujur: katalog kami saat ini mencakup google/gemini-4-carbon dan google/gemini-4-argon, dan belum mencakup Gemini 4 Neon atau Gemini 4 Hydrogen. Jadi ini bukan rekomendasi untuk menjalankan Neon melalui kami hari ini. Itulah bentuk pengujian yang perlu dijalankan saat sudah tersedia, dan alasan perbandingan per tingkat lebih penting daripada perbandingan per model: kebijakan yang menetapkan model dan mengabaikan tingkatnya membuat sebagian besar tagihan tidak terkelola.

OrcaRouter model page for google/gemini-4-carbon, showing the model listed as a Google multimodal model with vision, audio and tool support, dated 2026-11-10, with a playground panel.

Apa yang akan mengubah pembacaan ini

Tiga hal, semuanya dapat diperiksa. Yang pertama adalah biaya per tugas yang dipublikasikan untuk Neon pada high, bukan xhigh; pelacak saat ini hanya memberikan $6.44 untuk xhigh, dan satu baris itu akan menentukan apakah klaim Google bahwa biayanya 32% lebih murah per tugas bertahan dalam pengukuran independen. Yang kedua adalah apakah ada orang yang menjalankan pelican pada xhigh, karena satu-satunya pengaturan dengan mode kegagalan yang terdokumentasi pada prompt pendek adalah yang tidak ada dalam grid. Yang ketiga adalah 1 Desember, yang mengubah aritmetika setiap perbandingan dalam tulisan ini tanpa kedua model berubah sama sekali.

Pertanyaan yang terus ditimbulkan oleh angka-angka

Apakah tingkat upaya yang lebih tinggi lebih mahal per token?

Tidak. Tarif per token tetap per model: $3 dan $15 untuk Neon, $2 dan $10 untuk Carbon saat ini, $1,50 dan $7,50 untuk Hydrogen. Yang berubah adalah jumlah token output yang dihasilkan model sebelum berhenti, itulah sebabnya prompt 40 token yang sama menghasilkan sembilan tagihan antara 2,25 dan 20,31 sen.

Apakah tingkat termurah selalu menjadi jawaban termurah?

Belum tentu, karena tingkat yang kurang berpikir dalam tugas sulit menghasilkan jawaban yang Anda buang lalu jalankan ulang. Pada pelican, setiap tingkat menghasilkan sesuatu yang bisa dipakai; pada Intelligence Index, selisih antara rendah dan tinggi adalah enam belas poin, jadi jawaban tingkat rendah untuk tugas sulit adalah produk yang berbeda, bukan produk yang lebih murah.

Manakah yang lebih murah, Neon atau Carbon?

Tergantung pada tingkatannya dan tanggalnya. Saat ini Neon lebih murah pada tingkat rendah dan tinggi, serta lebih mahal pada tingkat menengah; mulai 1 Desember, Neon lebih murah pada setiap tingkatan dalam prompt ini, karena tarif output Carbon menjadi dua kali lipat sementara Neon tidak.