
Gemini 4 Neon is live: vijf API-wijzigingen om rekening mee te houden
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 185 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 826 tok/s
- AlibabaNIEUWQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1 mln tokens · 407 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 120 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Gemini 4 Neon werd op 18 november 2026 algemeen beschikbaar, en het interessante document is niet het lanceringsbericht. Het is de migratiechecklist die Google eronder publiceert, en daar kom je erachter dat het verplaatsen van productieverkeer naar Gemini 4 Neon vanaf Gemini 3.8 Flash, of vanaf Gemini 4 Carbon of Gemini 4 Hydrogen, meer verandert dan alleen een modelstring. Vijf gedragingen op aanvraagniveau veranderen: één ervan stilzwijgend, één ervan met een 400-fout, en één ervan met een factor die je pas op de factuur zult merken. De samenvatting die Google van het model zelf geeft, is bescheiden: intelligentie op frontier-niveau met snelle end-to-end taakafronding voor complexe software-engineering, kenniswerk en wetenschap, gepositioneerd tussen Gemini 4 Hydrogen en Gemini 4 Carbon voor hoogfrequente complexe taken. Wat volgt is het deel van de uitrol dat engineeringtijd kost in plaats van tokens.
Wat er op 18 november daadwerkelijk is uitgebracht
De tariefkaart is vast en verandert niet: $3.00 per miljoen invoertokens, $15.00 per miljoen uitvoertokens, $0.15 per miljoen gecachte invoer, alleen betaald niveau, nergens een gratis quotum. De context is één uniform venster van 1,048,576 tokens dat wordt gedeeld door invoer, denken en uitvoer, met een synchrone uitvoerlimiet van 65,536 tokens en een lang decodeerpad terug tot een miljoen. Er zijn vier denkniveaus — laag, middel, hoog en xhigh — en de standaard is hoog, niet middel. Het model is beschikbaar op de betaalde Gemini API, zowel via generateContent als via de Interactions API, in AI Studio voor abonnees van AI Pro en Ultra, en binnen de Antigravity-agent in Gemini Managed Agents.
Twee cijfers van buiten Google zijn het waard om mee te nemen in de migratiebeslissing. Artificial Analysis geeft Gemini 4 Neon een score van 61,4 op zijn Intelligence Index bij xhigh, wat de tracker als 61 weergeeft en waarmee het zesde van 95 modellen staat, en het meet 110 outputtokens per seconde tegenover de 51 van Gemini 4 Carbon. Hetzelfde paneel registreert ook $6,44 per Intelligence Index-taak bij xhigh en 283 miljoen outputtokens over de evaluatieset, en dat is het detail dat hier telt: dit is een model dat zijn scores haalt door veel tokens te produceren, en elke daarvan wordt gefactureerd.

Samplingparameters: genegeerd, of een 400
De migratienotities van Google zeggen dat je temperature, top_p en top_k uit requests moet verwijderen. Het exacte gedrag is het punt waar je omheen moet ontwerpen: aangepaste waarden binnen het bereik worden geaccepteerd en vervolgens door de server genegeerd, terwijl waarden buiten het bereik een 400-validatiefout opleveren. Een service die achttien maanden lang stilletjes temperature 1.3 heeft doorgegeven, faalt dus niet bij binnenkomst — hij begint dezelfde distributie te retourneren die hij bij elke andere instelling zou hebben geretourneerd, en het enige symptoom is dat je uitvoer op sommige plekken deterministischer lijkt en op andere minder, zonder een fout waarmee je dat kunt correleren.
De praktische oplossing is niet om de waarden af te kappen. Het is om ze te verwijderen en alles waarvoor je ze gebruikte, onder te brengen op een plek waar het model er daadwerkelijk gehoor aan geeft: gestructureerde outputs voor vorm, een evaluatiesuite voor variantie en wijzigingen op promptniveau voor stijl. Iedereen die op temperatuur vertrouwde als een creativiteitsknop, heeft nu geen knop meer.
Expliciete caching is verdwenen, impliciete is automatisch.
Gemini 4 Neon ondersteunt geen expliciete contextcaching. De resource cachedContents en caches.create zijn er niet beschikbaar, en aanvragen met een veld cached_content moeten dat laten vallen. Wat daarvoor in de plaats komt, is impliciete caching, die standaard actief is bij prompts van ten minste 4.096 tokens en 95% korting geeft op gecachte invoer — $0,15 per miljoen in plaats van $3,00 — zonder dat je iets hebt om aan te maken, te laten verlopen of opslag voor te betalen.
Voor de meeste teams is dit een vereenvoudiging en een kleine kostenbesparing. Voor enkelen is het een regressie, en de vorm van die regressie is voorspelbaar: als je cache-hits afhingen van een grote vaste prefix die één keer werd geregistreerd en hergebruikt over veel verschillend geformuleerde verzoeken, dan helpt impliciete caching alleen wanneer de prefix daadwerkelijk overeenkomt, dus de winnende zet is om de gedeelde prefix byte-identiek te maken en alles wat variabel is erna te zetten. Als je gecachte prefix minder dan 4.096 tokens is, heb je helemaal geen caching meer.
minimaal wordt afgewezen en hoog is de standaard
De standaardinstelling voor thinking is de minst opvallende wijziging in de lijst. Gemini 4 Carbon en Gemini 4 Argon staan standaard op medium en stoppen bij high. Gemini 4 Neon staat standaard op high en voegt xhigh daarboven toe, en het weigert minimal met een fout — het niveau dat Gemini 3.6 Flash en de Flash-Lite-modellen nog steeds accepteren. Code die thinking_level nooit instelt, krijgt daarom op Neon een dieper, langzamer en duurder antwoord dan op Carbon met dezelfde request body.
Googles eigen richtlijn is om op alle vier de niveaus te evalueren met een hoge max_output_tokens, zodat de limiet het antwoord niet afkapt, en daarna te draaien op het laagste niveau dat de lat haalt. Bij een model waarvan de gepubliceerde onafhankelijke score 17 indexpunten uiteenloopt van de goedkoopste trede tot de diepste, is dat geen standaardpraatje. De standaardinstelling die je erft, is de duurste correcte instelling, niet de goedkoopste.
Status, handtekeningen en een nieuwe interactie-ID
Meerbeurtige sessies en tool-calling-sessies stappen over van "het transcript opnieuw verzenden" naar twee specifieke mechanismen. In de Interactions API draag je de status mee met previous_interaction_id in plaats van de geschiedenis opnieuw op te bouwen. In door de client beheerde generateContent-geschiedenissen retourneer je bij elke beurt de eerdere modelbeurten en hun thought signatures ongewijzigd, en je mag een signature niet kopiëren naar parallelle functionCall-onderdelen — de signature is gebonden aan de aanroep waaruit hij afkomstig is.
Er is ook een faalmodus die het kennen waard is voordat hij in productie opduikt: het model via systeeminstructies vragen om JSON-toolaanroepen als onbewerkte tekst uit te voeren, zonder dat er native tools zijn gedeclareerd, kan MALFORMED_FUNCTION_CALL opleveren. Declareer tools met function calling, of beperk het antwoord met structured outputs. Deze is makkelijk te missen omdat het geen schemawijziging is — het is een promptpatroon dat vroeger werkte.
Lange uitvoer vereist uitvoering op de achtergrond.
Synchrone antwoorden stoppen bij 65.536 tokens, met of zonder streaming. Om daar voorbij te gaan, stel je max_output_tokens in op meer dan 65.536 en zet je background op true; de server gaat dan in stappen van 64K verder totdat het venster uitgeput is. Als je background instelt zonder max_output_tokens te verhogen, stopt de taak nog steeds bij 65.536 — precies de fout die de documentatie in een noot benoemt.
De tweede helft van deze wijziging zit in je HTTP-client, niet in je prompt. Google adviseert je time-outs te verhogen naar ten minste vijftien minuten, omdat moeilijke prompts op dit model meerdere minuten kunnen duren voordat het eerste antwoordtoken verschijnt. De onafhankelijke meting bevestigt de richting: Artificial Analysis registreert 56,5 seconden tot het eerste antwoordtoken en 21,5 minuten per Intelligence Index-taak voor Neon, tegenover 45,96 seconden en 28,4 minuten voor Gemini 4 Argon. Over het geheel sneller, maar langzamer op gang.

Wat de migratie kost voordat er iets wordt bespaard
Facturering volgt elke token die het model verwerkt, inclusief thinking-tokens en, wanneer je grounding gebruikt, de interne systeeminstructies en functiedeclaraties. Dat is standaard voor de familie, maar het pakt slecht uit in combinatie met twee Neon-specifieke punten: de hoge standaardwaarde verbruikt meer thinking-tokens dan de medium standaardwaarde waarop je Carbon-code is geschreven, en het tokenprofiel van het model zelf is zwaar. De tracker telde 283 miljoen output-tokens voor Neon in de Intelligence Index tegenover 205 miljoen voor Carbon — 38% meer, in een tijd waarin de prijs per token ook hoger is dan Carbon's introductietarief.
Niets daarvan pleit tegen een overstap. Het pleit tegen overstappen door één string te wijzigen en naar de dashboards te kijken. De eerlijke volgorde is: zet het oude model vast, dupliceer een deel van het verkeer naar gemini-4-neon op medium en op high, en vergelijk de kosten per voltooide taak in plaats van de kosten per token. De kosten per token zijn bij dit model het minst informatieve getal in het overzicht.

Waar een router zijn waarde bewijst in deze migratie
Dit is een schoolvoorbeeld van een canary-uitrol, en het is de reden waarom een routeringslaag nuttig is, zelfs voor een migratie bij één leverancier. Eén API-sleutel dekt 200+ modellen, dus het oude en het nieuwe pad zitten achter hetzelfde endpoint terwijl je een percentage van het verkeer verplaatst; automatische failover betekent dat een 400 door een parameter buiten bereik of een timeout bij een langdurige taak terugvalt op het model dat gisteren nog werkte, in plaats van iemand te alarmeren. Prijzen worden doorgegeven tegen de lijstprijs van de provider, zonder opslag, dus de $3.00 en $15.00 van Neon staan op je factuur als dezelfde getallen als op Google's pagina, en elke wijziging die Google daarin aanbrengt, komt dezelfde dag nog aan onze kant door.
Voor alle duidelijkheid: Gemini 4 Neon staat nog niet in onze catalogus. Gemini 4 Carbon en Gemini 4 Argon wel, en gemini-3.1-pro-preview ook, en we gaan een tariefkaart niet als endpoint omschrijven. Wat de router je vandaag biedt, is een stabiele plek om de fallbackketen te bewaren terwijl je Neon op de eigen API van Google evalueert, en dezelfde requestvorm wanneer die beschikbaar komt.
Wie moet er nu zetten?
Stap nu over als je werklast debugging op repositoryniveau, refactoring van meerdere bestanden of een lange agentsessie met veel tool calls is — de dingen waarvoor Google Neon heeft gebouwd, en de dingen waar de onafhankelijke wall-clockcijfers voor pleiten. Wacht als je afhankelijk bent van expliciete caching, als je clienttime-outs niet kunt verhogen, of als je pipeline extractie-achtig is: de eigen documentatie van Google waarschuwt dat xhigh "overthinking kan veroorzaken of max_output_tokens kan uitputten bij eenvoudigere prompts zoals tekst- of JSON-extractie," en bij high-by-default sta je al een trede boven waar een Carbon-vormige pipeline vroeger stond.
Het controleerbare punt om in de gaten te houden is niet nog een lanceringsbericht. Het is of de 61 standhoudt bij high — waar de tracker hem 59,6 scoort, achter Carbon's 60,0 op Carbon's eigen plafond — en of Google expliciete caching aan het model toevoegt. Beide zijn gedocumenteerde gedragingen, beide zijn van buitenaf zichtbaar, en beide veranderen het antwoord op "is dit de standaard voor onze agentvloot" meer dan welke demo dan ook.
Vergeleken in dit artikel1
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
