
Gemini 4 Neon jest już dostępny: pięć zmian w API, na które warto się przygotować
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 185 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 826 tok/s
- AlibabaNOWOŚĆQwen: Qwen4 Max2026-11-16$1.50 / $4.50 za 1 mln tokenów · 407 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 120 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Gemini 4 Neon wszedł do ogólnej dostępności 18 listopada 2026 r., a interesującym dokumentem nie jest wpis o premierze. To lista kontrolna migracji, którą Google publikuje pod nim, i to tam dowiesz się, że przenoszenie ruchu produkcyjnego na Gemini 4 Neon z Gemini 3.8 Flash lub z Gemini 4 Carbon lub Gemini 4 Hydrogen zmienia więcej niż ciąg znaków modelu. Zmienia się pięć zachowań na poziomie żądania: jedno po cichu, jedno z błędem 400, a jedno o czynnik, który zauważysz dopiero na rachunku. Podsumowanie samego modelu przygotowane przez Google jest skromne: inteligencja na poziomie czołówki z szybkim wykonywaniem zadań od początku do końca w złożonej inżynierii oprogramowania, pracy opartej na wiedzy i nauce, plasująca się między Gemini 4 Hydrogen a Gemini 4 Carbon w przypadku złożonych zadań o wysokiej częstotliwości. To, co następuje, to ta część wdrożenia, która kosztuje czas inżynierów, a nie tokeny.
Co faktycznie zostało wydane 18 listopada
Cennik jest stały i nie zmienia się: 3,00 USD za milion tokenów wejściowych, 15,00 USD za milion tokenów wyjściowych, 0,15 USD za milion tokenów wejściowych z pamięci podręcznej, wyłącznie w płatnym planie, nigdzie żadnego darmowego limitu. Kontekst to jedno wspólne okno 1 048 576 tokenów współdzielone przez dane wejściowe, myślenie i dane wyjściowe, z synchronicznym limitem danych wyjściowych wynoszącym 65 536 tokenów oraz ścieżką długiego dekodowania do miliona. Dostępne są cztery poziomy myślenia — niski, średni, wysoki i xhigh — a domyślny to wysoki, nie średni. Model jest dostępny w płatnym API Gemini zarówno w generateContent, jak i w Interactions API, w AI Studio dla subskrybentów AI Pro i Ultra oraz w agencie Antigravity w Gemini Managed Agents.
Dwie liczby spoza Google warto uwzględnić w decyzji o migracji. Artificial Analysis ocenia Gemini 4 Neon na 61,4 w swoim Intelligence Index przy xhigh, co tracker pokazuje jako 61 i plasuje na szóstym miejscu wśród 95 modeli, oraz mierzy 110 tokenów wyjściowych na sekundę wobec 51 w Gemini 4 Carbon. Ten sam panel odnotowuje również 6,44 USD na zadanie Intelligence Index przy xhigh i 283 miliony tokenów wyjściowych w całym zestawie ewaluacyjnym, i to jest tutaj istotny szczegół: to model, który osiąga swoje wyniki dzięki emitowaniu dużej liczby tokenów, a każdy z nich jest rozliczany.

Parametry próbkowania: ignorowane lub 400
Notatki migracyjne Google'a mówią, aby usunąć temperature, top_p i top_k z żądań. Dokładne zachowanie to element, wokół którego trzeba zaprojektować rozwiązanie: niestandardowe wartości z dozwolonego zakresu są akceptowane, a następnie ignorowane przez serwer, natomiast wartości spoza zakresu zwracają błąd walidacji 400. Usługa, która od osiemnastu miesięcy po cichu przekazuje temperature 1.3, nie zgłasza więc błędu przy przyjmowaniu żądania — zaczyna zwracać ten sam rozkład, który zwróciłaby przy dowolnym innym ustawieniu, a jedynym objawem jest to, że Twoje wyniki w niektórych miejscach wyglądają na bardziej deterministyczne, a w innych na mniej, bez żadnego błędu, z którym można by to skorelować.
Praktycznym rozwiązaniem nie jest przycinanie tych wartości. Trzeba je usunąć i przenieść to, do czego były używane, tam, gdzie model faktycznie to respektuje: ustrukturyzowane wyjścia dla kształtu, zestaw ewaluacyjny dla wariancji i zmiany na poziomie promptu dla stylu. Każdy, kto traktował temperaturę jako pokrętło kreatywności, nie ma teraz żadnego pokrętła.
Jawne buforowanie zniknęło, niejawne jest automatyczne.
Gemini 4 Neon nie obsługuje jawnego buforowania kontekstu. Zasób cachedContents i caches.create nie są w nim dostępne, a żądania zawierające pole cached_content muszą się go pozbyć. Zastępuje to niejawne buforowanie, które domyślnie działa dla promptów o długości co najmniej 4096 tokenów i obniża koszt buforowanych danych wejściowych o 95% — 0,15 USD za milion zamiast 3,00 USD — bez uchwytu do tworzenia, wygaszania ani płacenia za przechowywanie.
Dla większości zespołów to uproszczenie i niewielkie obniżenie rachunku. Dla nielicznych to regresja, a kształt tej regresji jest przewidywalny: jeśli trafienia w pamięć podręczną zależały od zarejestrowania raz dużego stałego prefiksu i ponownego używania go w wielu różnie sformułowanych żądaniach, niejawne buforowanie pomaga tylko wtedy, gdy prefiks faktycznie się zgadza, więc zwycięskim posunięciem jest uczynienie współdzielonego prefiksu bajtowo identycznym i umieszczenie wszystkiego zmiennego po nim. Jeśli buforowany prefiks ma mniej niż 4,096 tokenów, nie masz już w ogóle buforowania.
Minimalny jest odrzucany, a wysoki jest domyślny.
Domyślne ustawienie trybu myślenia to najdyskretniejsza zmiana na liście. Gemini 4 Carbon i Gemini 4 Argon domyślnie ustawiają medium i zatrzymują się na high. Gemini 4 Neon domyślnie ustawia high i dodaje nad nim xhigh, a minimal odrzuca z błędem — poziom, który Gemini 3.6 Flash i modele Flash-Lite nadal akceptują. Kod, który nigdy nie ustawia thinking_level, otrzymuje zatem w przypadku Neon głębszą, wolniejszą i droższą odpowiedź niż w przypadku Carbon przy tej samej treści żądania.
Wskazówki samego Google’a mówią, aby oceniać na wszystkich czterech poziomach z wysokim max_output_tokens, tak by limit nie obcinał odpowiedzi, a następnie uruchamiać na najniższym poziomie, który spełnia próg. W przypadku modelu, którego publikowany niezależny wynik obejmuje 17 punktów indeksu od najtańszego szczebla do najgłębszego, nie jest to szablonowa formułka. Domyślne ustawienie, które dziedziczysz, to najdroższe poprawne ustawienie, a nie najtańsze.
Stan, podpisy i nowy identyfikator interakcji
Sesje wieloturowe i sesje wywoływania narzędzi przechodzą z „ponownego wysyłania transkryptu” na dwa konkretne mechanizmy. W Interactions API stan przenosisz za pomocą previous_interaction_id, zamiast odtwarzać historię. W zarządzanych po stronie klienta historiach generateContent zwracasz wcześniejsze tury modelu i ich sygnatury myśli bez zmian w każdej turze, a nie wolno kopiować sygnatury między równoległymi częściami functionCall — sygnatura jest powiązana z wywołaniem, z którego pochodzi.
Istnieje również tryb awarii, który warto znać, zanim pojawi się w produkcji: skłanianie modelu przez instrukcje systemowe do emitowania wywołań narzędzi w formacie JSON jako zwykłego tekstu, przy zeru natywnie zadeklarowanych narzędzi, może zwrócić MALFORMED_FUNCTION_CALL. Deklaruj narzędzia za pomocą function calling albo ogranicz odpowiedź za pomocą structured outputs. Ten łatwo przeoczyć, ponieważ nie jest to zmiana schematu — to wzorzec promptu, który kiedyś działał.
Długie dane wyjściowe wymagają wykonywania w tle
Odpowiedzi synchroniczne zatrzymują się na 65,536 tokenów, niezależnie od tego, czy są strumieniowane, czy nie. Aby to przekroczyć, ustawiasz max_output_tokens powyżej 65,536 i ustawiasz background na true, a serwer kontynuuje w skokach po 64K, aż okno zostanie wyczerpane. Ustaw background bez podnoszenia max_output_tokens, a zadanie nadal zatrzyma się na 65,536 — dokładnie ten błąd dokumentacja wyróżnia w nocie.
Druga połowa tej zmiany znajduje się w Twoim kliencie HTTP, a nie w Twoim prompcie. Google każe podnieść limity czasu do co najmniej piętnastu minut, ponieważ trudne prompty w tym modelu mogą wykonywać się przez kilka minut, zanim pojawi się pierwszy token odpowiedzi. Niezależny pomiar potwierdza ten kierunek: Artificial Analysis odnotowuje 56,5 sekundy do pierwszego tokenu odpowiedzi i 21,5 minuty na zadanie Intelligence Index dla Neon, wobec 45,96 sekundy i 28,4 minuty dla Gemini 4 Argon. Ogólnie szybciej, wolniej na starcie.

Ile kosztuje migracja, zanim cokolwiek zaoszczędzi
Rozliczanie obejmuje każdy token przetwarzany przez model, w tym tokeny myślenia oraz — gdy używasz ugruntowania — wewnętrzne instrukcje systemowe i deklaracje funkcji. To standard w tej rodzinie modeli, ale źle współgra z dwiema specyfikami Neon: wysokie ustawienie domyślne zużywa więcej tokenów myślenia niż średnie ustawienie domyślne, pod które pisano Twój kod Carbon, a sam profil tokenowy modelu jest ciężki. Tracker naliczył 283 miliony tokenów wyjściowych dla Neon w ramach Intelligence Index wobec 205 milionów dla Carbon — o 38% więcej, w momencie gdy cena za token jest również wyższa niż wprowadzająca stawka Carbon.
Nic z tego nie przemawia przeciwko przeniesieniu. Przemawia przeciwko przenoszeniu poprzez zmianę jednego ciągu znaków i obserwowanie pulpitów. Uczciwa kolejność jest taka: przypiąć stary model, zduplikować wycinek ruchu na gemini-4-neon na poziomie średnim i wysokim oraz porównać koszt ukończonego zadania, a nie koszt tokenu. Koszt tokenu w tym modelu to najmniej informacyjna liczba w arkuszu.

Gdzie router naprawdę się sprawdza w tej migracji
To podręcznikowy przykład wdrożenia kanarkowego i właśnie dlatego warstwa routingu jest przydatna nawet przy migracji z jednym dostawcą. Jeden klucz API obejmuje ponad 200 modeli, więc stara i nowa ścieżka znajdują się za tym samym punktem końcowym, podczas gdy przenosisz określony procent ruchu; automatyczne przełączanie awaryjne oznacza, że błąd 400 wynikający z parametru poza zakresem albo przekroczenie limitu czasu w długotrwałym zadaniu powoduje przełączenie z powrotem na model, który działał wczoraj, zamiast wzywać kogoś przez pager. Ceny są przekazywane według ceny katalogowej dostawcy bez narzutu, więc 3,00 USD i 15,00 USD Neon to te same kwoty na Twojej fakturze co na stronie Google, a każda zmiana, którą Google w nich wprowadzi, znajdzie się po naszej stronie tego samego dnia.
Jedna rzecz wymaga wyraźnego podkreślenia: Gemini 4 Neon nie ma jeszcze w naszym katalogu. Gemini 4 Carbon i Gemini 4 Argon są, podobnie jak gemini-3.1-pro-preview, i nie będziemy opisywać karty stawek jako endpointu. To, co router daje dziś, to stabilne miejsce do utrzymywania łańcucha fallbacku, podczas gdy oceniasz Neon w API Google’a, oraz ten sam kształt żądania, gdy tylko się pojawi.
Kto powinien się teraz ruszyć?
Przechodź teraz, jeśli Twoje obciążenie pracą obejmuje debugowanie na poziomie repozytorium, refaktoryzację wielu plików lub długą sesję agenta z wieloma wywołaniami narzędzi — to rzeczy, dla których Google stworzył Neon, i te, którym sprzyjają niezależne pomiary czasu rzeczywistego. Poczekaj, jeśli polegasz na jawnym buforowaniu, jeśli nie możesz wydłużyć limitów czasu po stronie klienta lub jeśli Twój potok ma charakter ekstrakcyjny: dokumentacja Google ostrzega, że xhigh „może powodować nadmierne rozważanie lub wyczerpywać max_output_tokens w przypadku prostszych promptów, takich jak ekstrakcja tekstu lub JSON”, a przy domyślnie wysokim ustawieniu jesteś już o jeden szczebel wyżej niż miejsce, w którym kiedyś znajdował się potok typu Carbon.
Rzeczą do sprawdzenia, na którą warto patrzeć, nie jest kolejny post o premierze. Chodzi o to, czy 61 utrzymuje się przy wysokim ustawieniu — gdzie tracker ocenia je na 59,6, za 60,0 Carbon przy własnym pułapie Carbon — oraz czy Google dodaje do modelu jawne buforowanie. Jedno i drugie to udokumentowane zachowania, jedno i drugie widać z zewnątrz, i jedno i drugie zmienia odpowiedź na pytanie „czy to jest domyślne dla naszej floty agentów” bardziej niż jakiekolwiek demo.
Porównane w tym artykule1
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
