Scheda del titolo hero con scritto Gemini 4 Neon, in diretta il 18 novembre 2026, con un sottotitolo che riporta cinque modifiche a livello di richiesta e una riga a piè di pagina che indica prezzi e livelli di pensiero secondo la documentazione dell'API Gemini di Google, verificata il 20 novembre 2026
Engineering & Research

Gemini 4 Neon è disponibile: cinque modifiche alle API da pianificare

Autore

Gideon Frost

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

G​emini 4 Neon è passato alla disponibilità generale il 18 novembre 2026, e il documento interessante non è il post di lancio. È la checklist di migrazione che G​oogle pubblica sotto di esso, ed è lì che scopri che spostare il traffico di produzione su G​emini 4 Neon da Gemini 3.8 Flash, o da Gemini 4 Carbon o G​emini 4 Hydrogen, cambia più di una stringa del modello. Cinque comportamenti a livello di richiesta cambiano, uno dei quali in modo silenzioso, uno con un errore 400 e uno per un fattore che noterai solo in fattura. La sintesi che G​oogle dà del modello stesso è sobria: intelligenza di livello frontier con completamento rapido delle attività end-to-end in ingegneria del software complessa, lavoro basato sulla conoscenza e scienza, collocandosi tra G​emini 4 Hydrogen e Gemini 4 Carbon per attività complesse ad alta frequenza. Quello che segue è la parte del rollout che costa tempo di ingegneria anziché token.

Cosa è stato effettivamente rilasciato il 18 novembre

Il listino prezzi è fisso e non cambia: $3,00 per milione di token di input, $15,00 per milione di token di output, $0,15 per milione di token di input in cache, solo livello a pagamento, nessuna quota gratuita da nessuna parte. Il contesto è un'unica finestra unificata da 1.048.576 token condivisa tra input, ragionamento e output, con un limite di output sincrono di 65.536 token e un percorso di decodifica lunga che arriva fino a un milione. Ci sono quattro livelli di ragionamento — low, medium, high e xhigh — e quello predefinito è high, non medium. Il modello è disponibile sull'API Gemini a pagamento sia in generateContent sia nell'API Interactions, in AI Studio per gli abbonati ad AI Pro e Ultra, e all'interno dell'agente Antigravity in Gemini Managed Agents.

Due numeri esterni a G​oogle vale la pena portarli nella decisione di migrazione. Artificial Analysis assegna a G​emini 4 Neon 61,4 sul suo Intelligence Index a xhigh, che il tracker riporta come 61 e colloca al sesto posto su 95 modelli, e misura 110 token di output al secondo contro i 51 di Gemini 4 Carbon. Lo stesso pannello registra anche $6.44 per attività dell'Intelligence Index a xhigh e 283 milioni di token di output sull'intero set di valutazione, che è il dettaglio che conta qui: questo è un modello che raggiunge i suoi punteggi emettendo molti token, e ognuno di essi viene fatturato.

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

Parametri di campionamento: ignorati, oppure un 400

Le note di migrazione di Google ti dicono di rimuovere temperature, top_p e top_k dalle richieste. Il comportamento esatto è la parte su cui impostare la progettazione: i valori personalizzati compresi nell'intervallo vengono accettati e poi ignorati dal server, mentre i valori fuori intervallo restituiscono un errore di validazione 400. Quindi un servizio che per diciotto mesi ha passato silenziosamente temperature 1.3 non fallisce in ingresso — inizia a restituire la stessa distribuzione che avrebbe restituito con qualsiasi altra impostazione, e l'unico sintomo è che i tuoi output sembrano più deterministici in alcuni punti e meno in altri, senza alcun errore da correlare.

La soluzione pratica non è limitare i valori. È eliminarli e spostare ciò per cui li stavi usando in un punto in cui il modello lo rispetti davvero: output strutturati per la forma, una suite di valutazione per la variabilità e modifiche a livello di prompt per lo stile. Chiunque faccia affidamento sulla temperatura come manopola della creatività ora non ha più alcuna manopola.

La cache esplicita non c'è più, quella implicita è automatica

G​emini 4 Neon non supporta la memorizzazione esplicita nella cache del contesto. La risorsa cachedContents e caches.create non sono disponibili su di esso, e le richieste che contengono un campo cached_content devono rimuoverlo. A sostituirla è la memorizzazione implicita nella cache, che è attiva per impostazione predefinita sui prompt di almeno 4.096 token e applica uno sconto del 95% sull'input memorizzato nella cache — 0,15 $ per milione invece di 3,00 $ — senza alcun handle per creare, far scadere o pagare l'archiviazione.

Per la maggior parte dei team si tratta di una semplificazione e di una piccola riduzione della fattura. Per alcuni è una regressione, e la forma della regressione è prevedibile: se i tuoi hit della cache dipendevano dalla registrazione una tantum di un grande prefisso fisso e dal suo riutilizzo attraverso molte richieste formulate in modo diverso, la cache implicita aiuta solo quando il prefisso corrisponde effettivamente, quindi la mossa vincente è rendere il prefisso condiviso identico byte per byte e mettere tutto ciò che è variabile dopo di esso. Se il tuo prefisso in cache è inferiore a 4.096 token, non hai più alcuna cache.

minimal viene rifiutato e high è il valore predefinito

Il default di thinking è il cambiamento più silenzioso dell'elenco. Gemini 4 Carbon e Gemini 4 Argon hanno medium come default e si fermano a high. Gemini 4 Neon ha high come default e aggiunge xhigh sopra di esso, e rifiuta minimal con un errore — il livello che Gemini 3.6 Flash e i modelli Flash-Lite accettano ancora. Il codice che non imposta mai thinking_level ottiene quindi su Neon una risposta più profonda, più lenta e più costosa di quella che otteneva su Carbon con lo stesso corpo della richiesta.

G​oogle stessa consiglia di valutare a tutti e quattro i livelli con un max_output_tokens elevato, in modo che il limite non tronchi la risposta, per poi eseguire al livello più basso che supera la soglia. Su un modello il cui punteggio indipendente pubblicato copre 17 punti indice dal gradino più economico a quello più profondo, non si tratta di frasi di rito. L'impostazione predefinita che erediti è quella corretta più costosa, non quella più economica.

Stato, firme e un nuovo ID interazione

Le sessioni multi-turno e con chiamata di strumenti passano da "reinviare la trascrizione" a due meccanismi specifici. Nell'API Interactions si mantiene lo stato tramite previous_interaction_id invece di ricostruire la cronologia. Nelle cronologie generateContent gestite dal client, a ogni turno si restituiscono invariati i turni precedenti del modello e le relative thought signature, e non si deve copiare una signature tra parti functionCall parallele: la signature è vincolata alla chiamata da cui proviene.

Esiste anche una modalità di errore che vale la pena conoscere prima che si manifesti in produzione: chiedere al modello, tramite istruzioni di sistema, di emettere chiamate a strumenti in JSON come testo non elaborato, senza dichiarare alcuno strumento in modo nativo, può restituire MALFORMED_FUNCTION_CALL. Dichiarare gli strumenti tramite function calling oppure vincolare la risposta con output strutturati. Questa è facile da trascurare perché non è una modifica allo schema — è un pattern di prompt che funzionava in passato.

Le output lunghe richiedono un'esecuzione in background

Le risposte sincrone si fermano a 65,536 token, con o senza streaming. Per andare oltre, imposti max_output_tokens sopra 65,536 e imposti background su true, e il server continua a passi di 64K finché la finestra non è esaurita. Se imposti background senza aumentare max_output_tokens, il job si ferma comunque a 65,536, che è esattamente l'errore che la documentazione segnala in una nota.

La seconda metà di questa modifica è nel tuo client HTTP, non nel tuo prompt. G​oogle ti dice di aumentare i timeout ad almeno quindici minuti, perché i prompt difficili su questo modello possono richiedere diversi minuti prima del primo token di risposta. La misurazione indipendente concorda con la direzione: Artificial Analysis registra 56,5 secondi al primo token di risposta e 21,5 minuti per attività dell'Intelligence Index per Neon, contro 45,96 secondi e 28,4 minuti per Gemini 4 Argon. Complessivamente più veloce, ma più lento all'avvio.

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

Quanto costa la migrazione prima di generare qualsiasi risparmio

La fatturazione tiene conto di ogni token elaborato dal modello, inclusi i token di ragionamento e, quando usi il grounding, le istruzioni di sistema interne e le dichiarazioni di funzione. È lo standard per la famiglia, ma interagisce male con due specificità di Neon: il default alto consuma più token di ragionamento rispetto al default medio su cui è stato scritto il tuo codice Carbon, e il profilo di token del modello stesso è pesante. Il tracker ha contato 283 milioni di token di output per Neon sull'Intelligence Index, contro 205 milioni per Carbon — il 38% in più, in un momento in cui il prezzo per token è anche superiore alla tariffa introduttiva di Carbon.

Niente di tutto ciò è un argomento contro il passaggio. È un argomento contro il passaggio fatto cambiando una singola stringa e guardando le dashboard. La sequenza onesta è: fissare il vecchio modello, duplicare una fetta di traffico su gemini-4-neon a medium e a high, e confrontare il costo per attività completata invece del costo per token. Il costo per token su questo modello è il numero meno informativo del foglio.

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

Dove un router si ripaga in questa migrazione

Questo è un canary rollout da manuale, ed è il motivo per cui uno strato di routing è utile anche per una migrazione da un singolo fornitore. Una chiave API copre oltre 200 modelli, quindi il percorso vecchio e quello nuovo restano dietro lo stesso endpoint mentre sposti una percentuale di traffico; il failover automatico significa che un 400 causato da un parametro fuori intervallo o un timeout su un'attività di lunga durata passa al modello che funzionava ieri invece di allertare qualcuno. I prezzi vengono applicati al prezzo di listino del fornitore senza maggiorazioni, quindi i $3,00 e i $15,00 di Neon sono gli stessi numeri sulla tua fattura come sulla pagina di G​oogle, e qualsiasi modifica che G​oogle vi apporta arriva da noi lo stesso giorno.

Una cosa da chiarire esplicitamente: G​emini 4 Neon non è ancora nel nostro catalogo. Gemini 4 Carbon e Gemini 4 Argon sì, e lo stesso vale per gemini-3.1-pro-preview, e non intendiamo descrivere un tariffario come un endpoint. Quello che il router ti offre oggi è un punto stabile in cui mantenere la catena di fallback mentre valuti Neon sull'API di G​oogle, e la stessa struttura della richiesta quando arriverà.

Chi dovrebbe muoversi ora?

Passa ora se il tuo carico di lavoro è debugging a livello di repository, refactoring multi-file o una lunga sessione agente con molte chiamate agli strumenti — le cose per cui G​oogle ha creato Neon, e le cose che le misurazioni wall-clock indipendenti favoriscono. Aspetta se dipendi dal caching esplicito, se non puoi aumentare i timeout del client, o se la tua pipeline è di tipo estrazione: la documentazione di G​oogle avverte che xhigh "può causare overthinking o esaurire max_output_tokens su prompt più semplici come l'estrazione di testo o JSON", e con high come impostazione predefinita sei già un gradino sopra rispetto a dove si trovava una pipeline di tipo Carbon.

La cosa verificabile da tenere d'occhio non è l'ennesimo post di lancio. È se il 61 regge a high — dove il tracker lo valuta 59,6, dietro il 60,0 di Carbon al tetto di Carbon stesso — e se Google aggiunge una cache esplicita al modello. Entrambi sono comportamenti documentati, entrambi sono visibili dall'esterno, ed entrambi cambiano la risposta a «è questo il default per la nostra flotta di agenti?» più di qualsiasi demo.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno