Gemini 4のエフォートレベルに関する記事のタイトルカードで、3つのモデル列、3つのエフォート行、および40トークンのプロンプトで高エフォートのGemini 4 Neonの14.55セントという見出し数値を示している。
Guides & Insights

Gemini 4 Neonのエフォートレベル:低・中・高の実際のコスト

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

1つのプロンプト、40入力トークン、そして9件の請求額。Simon Willisonはペリカンが自転車に乗るテストをGemini 4 Carbon、Gemini 4 Neon、Gemini 4 Hydrogenで低・中・高のエフォート設定で実行し、返ってきたトークン数、ドルコスト、実時間を公開した——2026年11月18日付のブログ記事と、翌朝のX上の比較グリッドで。この9つの結果は、Gemini 4の思考レベル設定が請求額に実際に何をもたらすかについて、これまでで最も具体的な公開測定であり、ローンチ資料が言っていないことを示している。短く簡単なプロンプトでは、エフォートの段階を上げる方がモデルの選択よりもコストを大きく動かし、段階を変えると2つのモデル間の順位が逆転しうる。

出力に対する彼の判定は、意図的に数値化されていない。Neonのペリカンたちは「Hydrogenより良く、Carbonより悪い」ように見え、ディテールと洗練度は、ファミリーを下るにつれて、またそれほど急ではないが階層を下るにつれて低下し、9枚の画像はいずれも今なお自転車に乗ったペリカンだと認識できる。それは採点できない。しかし、そのコストは数えられる。

40トークンのプロンプト1つに9枚の札

プロンプトは9回の実行すべてで同一で、入力はどの場合も40トークンであり、変わるのはモデルとthinking設定だけです。以下の数値はすべて、Googleが公開しているトークン単価に基づくWillison自身の実行によるもので、コストは推定値ではなく同氏の実測値です。

• Gemini 4 Hydrogen、低 — 出力トークン 2,996、2.25 セント、10 秒。

• Gemini 4 Hydrogen、medium — 出力トークン 3,964、2.98 セント、17 秒。

• Gemini 4 Hydrogen(high)— 出力トークン数 5,311、3.99セント、19秒。

• Gemini 4 Neon、low — 出力4,974トークン、7.47セント、43秒。

• Gemini 4 Neon、medium — 出力トークン7,846、11.78セント、54秒。

• Gemini 4 Neon、high — 出力トークン 9,691、14.55 セント、1 分 11 秒。

• Gemini 4 Carbon、低 — 出力9,153トークン、9.16セント、1分34秒

• Gemini 4 Carbon、ミディアム — 11,020出力トークン、11.03セント、1分53秒。

• Gemini 4 Carbon、high — 出力トークン数 20,305、20.31セント、4分11秒。

それらの請求額の背後にある算術は、これ以降のすべてを説明するものなので、明言しておく価値がある。入力トークンが40個の場合、入力料金はおよそ1セントの100分の1で無視できるため、請求額はほぼ正確に出力トークン数に出力料率を掛けたものになる。つまり、Carbonは出力トークン100万個あたり10ドル、Neonは15ドル、Hydrogenは7.50ドルだ。エフォート設定は価格を一切変えない。変わるのは、モデルが停止するまでに出力するトークン数であり、このプロンプトではその倍率は1.77倍から2.22倍の範囲になる。

その段はモデルよりも請求書を大きく動かす

最も高価なファミリーの最安ランクを取る。低ランクのHydrogenは2.25セントかかる。高ランクのNeonは14.55かかる。これは1つのファミリーと1つのプロンプトにまたがる6.5倍の差であり、そのうち3.3倍はモデルに由来し、残りの1.95倍はランクに由来する。単一モデル内での同じ比較も同様に大きい。Neonの低から高は1.95倍、Carbonの低から高は2.22倍、Hydrogenの低から高は1.77倍である。

2つの効果を並べて見れば、実用的な結論はすぐに導ける。このプロンプトでCarbonをhighからmediumに下げると9.28セント節約でき、これは同じbirdを同じ段でNeonにかかるコストの64%に相当する。デフォルトが「最も深い段の最大モデル」なら、そのデフォルトを1段変えるだけで、モデルを丸ごと切り替えるより金額にして価値がある。

クロスモデル比較の方向も、価格表が示唆しているものとは違う。Neonの$3と$15は、Carbonの現在の$2と$10より50%高い——これはCarbonとArgonが11月30日まで適用する導入価格で、その後は両方とも2倍の$4と$20になる。しかしこのプロンプトでは、Neonのhighの方が2つのうち安く、その差は28%だ。Carbonが同じ鳥を描くのに2.1倍多くの出力トークンを出すからである。比較すべきはトークン単価ではない。請求書に反映されるのは、回答あたりのトークン数だ。

NeonとCarbonが入れ替わる場所

そのペアははしご全体にわたって一貫した順序をなしておらず、それが破綻するのは中段においてです。

• 低負荷時 — Neon は 7.47 セント、Carbon は 9.16 セントなので、Neon の方が 18% 安い。

• 中位では — Neon は 11.78 セント、Carbon は 11.03 セントなので、Neon は 6.8% 割高です。

• 高負荷時 — Neon は 14.55 セント、Carbon は 20.31 セントなので、Neon の方が 28% 安い。

Carbonのトークン数が理由だ。それは低から中へ急激に増え(9,153から11,020)、その後ほぼ倍増して高になる(20,305)。一方、Neonはより均等に増える(4,974、7,846、9,691)。中では両者のトークン数が十分に近いため、Neonの1.5倍という価格の高さが請求額を決める。高では、Carbonの冗長さが価格差を圧倒する。一つの段階で一度だけ比較して一般化した人は、他の二つについては逆の答えを得ただろう。

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.

難しい評価でラダーがもたらすもの

コストはトレードオフの半分にすぎず、描画プロンプトは残りの半分を測るには不適切な手段です。なぜなら、正解のペリカンなど存在しないからです。Artificial Analysisは欠けていた軸を提供しています。それはIntelligence Index v5.0.1上でGemini 4 Neonを4つの設定それぞれで個別に採点しており、そのばらつきは価格ラダーが示すどの差よりもはるかに大きいのです。

• 指数スコア — 2026年11月19日にトラッカーのページで確認したところ、低は44、中は55、高は60、xhighは61。

• 最初の回答トークンまでの時間 — 低: 13.9秒、中: 20.1秒、高: 40.6秒、xhigh: 56.5秒。

• Intelligence Indexのタスクあたりの所要時間 — lowで3.7分、mediumで8.3分、highで14.8分、xhighで21.5分。

• 出力速度 — 毎秒97〜110トークン。段が上がるにつれてわずかに増加するが、これはラダーがほぼ平坦となる唯一の軸である。

Neonの最も安価な設定と最も深い設定の間にある17インデックスポイントは、同じインデックスで公表されているGemini 4 Hydrogenの54とxhighのNeonとの間の差よりも大きい。これがラダーを支持する最強の論拠だ。正解のあるタスクでは、その段は仕上げの設定ではなく、能力の設定である。同じトラッカーは、xhighバリアントについてのみタスクあたりコストの数値6.44ドルを公表しており、この単一のポイントこそが文脈から切り離して引用されやすい。それはモデルの最も高価な構成に属するものであり、モデル自体に属するものではない。

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.

なぜ鳥がはしごの段の公正なテストになるのか

pelican プロンプトには、この問いに対して並外れて適している性質が1つと、別の問いに対しては使い物にならなくする性質が1つある。オープンエンドなので、どの段階でも何かしらを生成し、どれも完全に失敗しない——つまり、コスト曲線はリトライに妨げられることなく読め、品質曲線は合格率ではなく勾配として読める。またスコアリングされないので、低エフォートではより単純な自転車が描かれたことは教えられても、それがあなたのワークロードにとって重要かどうかは教えられない。

Google自身のドキュメントは、階段の最上段におけるリスクについて、デモ用グリッドよりも直接的に述べている。xhighは「より単純なプロンプト、たとえばテキストやJSONの抽出において、考えすぎを引き起こしたりmax_output_tokensを使い果たしたりする可能性がある」と警告し、すべてのレベルで評価し、品質基準を満たす最も低いレベルに落ち着くことを推奨している。WillisonはペリカンについてNeonをlow、medium、highでテストし、代わりにThree.jsアニメーションのプロンプトではAntigravityの別個の追加設定を使用したため、この比較にxhighの鳥はいない。彼自身の注記ではArgonがグリッドから外れた。これは、これが一人の実践者による選択であり、公開された評価セットではないことを思い起こさせる。

二つを合わせて読むと、実用的なルールが得られる。簡単で自由形式の生成では、その段階は必要とは限らない洗練をもたらす代わりに、トークン数を1.8〜2.2倍請求する。難しい推論では、同じ段階が15ポイントの向上をもたらし、タスクあたりの時間が5.8倍になるのは、優柔不断のコストではなく、その能力の代価である。

モデルではなく段を選ぶ

断つ価値のある習慣は、Gemini 4 Carbon、Gemini 4 Neon、Gemini 4 Hydrogen の中から選ぶことです。3つとも同じリクエストパラメータを受け取るため、実際の判断はペアになります。どのモデルを、どの段階で、どの種類の作業に使うかです。上記の数値から3つのルールが導かれます。

段階はプロジェクト単位ではなく、タスククラス単位で設定する。テキスト抽出、フォーマット整形、短い分類、JSON修復は、Googleが考えすぎのリスクとして名指ししたケースであり、低い段階や中程度の段階でもトークン数の5分の1から3分の1で遜色のない回答が得られたケースでもある。深い多段階のコーディング、ツールを使う長時間のセッション、そしてインデックスの15ポイントが現れるあらゆる場面こそ、高コストな段階がその対価を回収できるところだ。

比較するときは、秒ではなくトークンで測りましょう。ここでは時間のラダーとコストのラダーは同じ方向に進みますが、傾きは同じではありません。Neonの高設定は、低設定と比べて最初のトークンまでほぼ3倍遅く、インデックスタスクを完了するまで4倍遅い一方で、請求額の変化は1.95倍です。レイテンシ予算とコスト予算は、あなたを異なる段へと引っ張りますが、そのうち請求書に現れるのは片方だけです。

2026年12月1日以降に比較を再実行してください。その日、CarbonとArgonは100万トークンあたり$4と$20に倍増する一方、Neonは$3と$15のままです。また、pelicanの数値は出力レートに比例して線形にスケールします。そうなると、high設定のCarbonは同じ鳥で40.6セントかかり、Neonの14.55セントに対して、28%ではなく2.8倍の差になります。medium設定のCarbonは22.0セントで、Neonの11.78セントです。今週の料金表から導かれるすべての結論の有効期間は12日間です。

モデルだけでなく、ラングをルーティングする

エフォート設定は個別のデプロイではなくリクエストパラメータであるため、ラダー全体に1つの統合から到達でき、ルーティングの判断を低コストで変更できます。OrcaRouterは次を公開しています:単一のキーで、プロバイダーの定価のままマークアップなしで200以上のモデル。したがって、ベンダーの価格改定はGoogle側で有効になった当日に当社側でも有効になります。12月1日のCarbonとArgonの倍額化も含まれ、再交渉は一切不要です。ルーティングDSLはタスククラスを特定のモデルと段に送ることができ、これにより上記のようなクラスごとのポリシーはコード変更ではなく設定になります。また、自動フェイルオーバーにより、まだ評価中の段が本番への唯一の経路になることはありません。

正直なところ、1つ制約があります。現在のカタログに含まれているのはgoogle/gemini-4-carbonとgoogle/gemini-4-argonのみで、Gemini 4 NeonやGemini 4 Hydrogenはまだ含まれていません。したがって、これは今日Neonを当社経由で実行することを勧めるものではありません。これは、それが利用可能になったときに実行すべきテストの形であり、モデルごとの比較よりも段階ごとの比較が重要である理由でもあります。モデルを固定して段階を無視するポリシーでは、請求額の大部分が管理されないままになります。

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.

何がこの解釈を変えるでしょうか

3つのこと、いずれも検証可能だ。1つ目は、xhighではなくhighでのNeonの公開されたタスクあたりコストである。トラッカーは現在xhighのみについて$6.44を提示しており、その1行だけで、Googleの「タスクあたり32%安い」という主張が独立した測定に耐えるかどうかが決着する。2つ目は、誰かがpelicanをxhighで実行しているかどうかだ。短いプロンプトにおける失敗モードが記録されている唯一の設定が、グリッドに欠けている設定だからである。3つ目は12月1日で、どちらのモデルも一切変わらないまま、この記事のすべての比較の計算を変える。

数字が招き続ける問い

より高いエフォートレベルは、トークンあたりのコストが高くなりますか?

いいえ。トークンあたりの料金はモデルごとに固定です。Neon は $3 と $15、Carbon は現在 $2 と $10、Hydrogen は $1.50 と $7.50 です。変わるのは、モデルが停止するまでに出力するトークン数であり、だからこそ同じ40トークンのプロンプトで2.25セントから20.31セントの9件の請求が生じたのです。

最も安い段階が常に最も安い答えになるのでしょうか?

必ずしもそうとは限らない。難しいタスクに対して思考が不足する段階では、捨てて再実行することになる回答が生成されるからだ。pelicanではどの段階でも使えるものが生成されたが、Intelligence Indexでは低い段階と高い段階の差は16ポイントなので、難しいタスクに対する低い段階の回答は、より安価なものではなく別の製品だ。

NeonとCarbonのどちらが安いですか?

段階と日付によって異なります。今日はNeonが低と高で安く、中では高くなります。12月1日以降は、このプロンプトのすべての段階で安くなります。なぜならCarbonの出力レートは2倍になりますが、Neonの出力レートはそうならないからです。