
Gemini 4 Neon já está disponível: cinco mudanças na API para planejar
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 185 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 826 tok/s
- AlibabaNOVOQwen: Qwen4 Max2026-11-16$1.50 / $4.50 por 1M de tokens · 407 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 87 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 120 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
O Gemini 4 Neon entrou em disponibilidade geral em 18 de novembro de 2026, e o documento interessante não é o post de lançamento. É a checklist de migração que o Google publica logo abaixo dele, que é onde você descobre que mover o tráfego de produção para o Gemini 4 Neon a partir do Gemini 3.8 Flash, ou do Gemini 4 Carbon ou do Gemini 4 Hydrogen, muda mais do que uma string de modelo. Cinco comportamentos no nível da requisição mudam, um deles silenciosamente, um deles com um erro 400 e um deles por um fator que você só vai notar na fatura. O resumo do próprio modelo feito pelo Google é modesto: inteligência de nível de fronteira com conclusão rápida de tarefas de ponta a ponta em engenharia de software complexa, trabalho do conhecimento e ciência, ficando entre o Gemini 4 Hydrogen e o Gemini 4 Carbon para tarefas complexas de alta frequência. O que segue é a parte da implementação que custa tempo de engenharia, e não tokens.
O que realmente foi lançado em 18 de novembro
A tabela de preços é fixa e não muda: $3,00 por milhão de tokens de entrada, $15,00 por milhão de tokens de saída, $0,15 por milhão de entrada em cache, somente no plano pago, sem cota gratuita em lugar algum. O contexto é uma única janela unificada de 1.048.576 tokens compartilhada por entrada, raciocínio e saída, com um limite de saída síncrona de 65.536 tokens e um caminho de decodificação longa que chega a até um milhão. Há quatro níveis de raciocínio — low, medium, high e xhigh — e o padrão é high, não medium. O modelo está na API paga do Gemini, tanto no generateContent quanto na API Interactions, no AI Studio para assinantes do AI Pro e do Ultra, e dentro do agente Antigravity no Gemini Managed Agents.
Dois números de fora do Google merecem ser levados em conta na decisão de migração. O Artificial Analysis atribui ao Gemini 4 Neon uma pontuação de 61,4 no seu Intelligence Index em xhigh, que o rastreador exibe como 61 e classifica como sexto entre 95 modelos, e mede 110 tokens de saída por segundo, contra 51 do Gemini 4 Carbon. O mesmo painel também registra US$ 6,44 por tarefa do Intelligence Index em xhigh e 283 milhões de tokens de saída em todo o conjunto de avaliação, que é o detalhe que importa aqui: este é um modelo que alcança suas pontuações emitindo muitos tokens, e cada um deles é cobrado.

Parâmetros de amostragem: ignorados ou um 400
As notas de migração do Google orientam remover temperature, top_p e top_k das requisições. O comportamento exato é o ponto em torno do qual é preciso projetar: valores personalizados dentro do intervalo são aceitos e depois ignorados pelo servidor, enquanto valores fora do intervalo retornam um erro de validação 400. Assim, um serviço que vem passando discretamente temperature 1.3 há dezoito meses não falha na entrada — ele começa a retornar a mesma distribuição que retornaria com qualquer outra configuração, e o único sintoma é que suas saídas parecem mais determinísticas em alguns pontos e menos em outros, sem nenhum erro ao qual correlacionar.
A correção prática não é limitar os valores. É excluí-los e transferir aquilo para que você os estava usando para algo que o modelo realmente respeita: saídas estruturadas para formato, uma suíte de avaliação para variância e mudanças no nível do prompt para estilo. Quem depende da temperatura como um botão de criatividade agora não tem botão.
O cache explícito acabou, o implícito é automático
O Gemini 4 Neon não oferece suporte a cache de contexto explícito. O recurso cachedContents e caches.create não estão disponíveis nele, e as solicitações que carregam um campo cached_content precisam perdê-lo. O que substitui isso é o cache implícito, que é executado por padrão em prompts de pelo menos 4.096 tokens e concede desconto de 95% na entrada em cache — US$ 0,15 por milhão em vez de US$ 3,00 — sem nenhum identificador para criar, expirar ou pagar pelo armazenamento.
Para a maioria das equipes, isso é uma simplificação e uma pequena redução na fatura. Para algumas, é uma regressão, e o formato da regressão é previsível: se seus acertos de cache dependiam de um grande prefixo fixo ser registrado uma vez e reutilizado em muitas solicitações com formulações diferentes, o cache implícito só ajuda quando o prefixo realmente corresponde; portanto, a jogada vencedora é tornar o prefixo compartilhado idêntico byte a byte e colocar tudo o que é variável depois dele. Se o prefixo em cache tiver menos de 4.096 tokens, você não terá mais cache algum.
mínimo é rejeitado e alto é o padrão
O padrão de pensamento é a mudança mais discreta da lista. Gemini 4 Carbon e Gemini 4 Argon usam medium por padrão e param em high. Gemini 4 Neon usa high por padrão e acrescenta xhigh acima disso, e rejeita minimal com um erro — o nível que Gemini 3.6 Flash e os modelos Flash-Lite ainda aceitam. Código que nunca define thinking_level, portanto, recebe uma resposta mais profunda, mais lenta e mais cara no Neon do que recebia no Carbon com o mesmo corpo de requisição.
A orientação do próprio Google é avaliar nos quatro níveis com um max_output_tokens alto, para que o limite não trunque a resposta, e então executar no nível mais baixo que atenda ao critério. Em um modelo cuja pontuação independente publicada abrange 17 pontos de índice do seu degrau mais barato ao mais profundo, isso não é fórmula pronta. O padrão que você herda é a configuração correta mais cara, não a mais barata.
Estado, assinaturas e um novo ID de interação
Sessões multiturno e de chamada de ferramentas deixam de se basear em "reenviar a transcrição" e passam a usar dois mecanismos específicos. Na API Interactions, você carrega o estado com previous_interaction_id em vez de reconstruir o histórico. Em históricos generateContent gerenciados pelo cliente, você retorna os turnos anteriores do modelo e suas assinaturas de pensamento inalterados a cada turno, e não deve copiar uma assinatura entre partes functionCall paralelas — a assinatura está vinculada à chamada de onde se originou.
Há também um modo de falha que vale a pena conhecer antes que apareça em produção: instruir o modelo, por meio de instruções de sistema, a emitir chamadas de ferramenta em JSON de texto bruto, sem nenhuma ferramenta declarada nativamente, pode retornar MALFORMED_FUNCTION_CALL. Declare ferramentas com function calling, ou restrinja a resposta com saídas estruturadas. Esse é fácil de passar despercebido porque não é uma mudança de schema — é um padrão de prompt que costumava funcionar.
Saídas longas precisam de execução em segundo plano
As respostas síncronas param em 65.536 tokens, com streaming ou não. Para ultrapassar esse limite, você define max_output_tokens acima de 65.536 e define background como true, e o servidor continua em saltos de 64K até a janela ser esgotada. Defina background sem aumentar max_output_tokens e a tarefa ainda para em 65.536, que é exatamente o erro que a documentação destaca em uma nota.
A segunda metade desta mudança está no seu cliente HTTP, não no seu prompt. O Google diz para aumentar os timeouts para pelo menos quinze minutos, porque prompts difíceis neste modelo podem levar vários minutos antes do primeiro token de resposta. A medição independente concorda com a direção: a Artificial Analysis registra 56,5 segundos até o primeiro token de resposta e 21,5 minutos por tarefa do Intelligence Index para o Neon, contra 45,96 segundos e 28,4 minutos para o Gemini 4 Argon. Mais rápido no geral, mais lento para começar.

O que a migração custa antes de economizar qualquer coisa
A cobrança acompanha cada token que o modelo processa, incluindo tokens de pensamento e, quando você usa grounding, as instruções internas do sistema e as declarações de função. Isso é padrão para a família, mas interage mal com duas particularidades do Neon: o padrão alto consome mais tokens de pensamento do que o padrão médio para o qual seu código Carbon foi escrito, e o próprio perfil de tokens do modelo é pesado. O rastreador contou 283 milhões de tokens de saída para o Neon no Intelligence Index, contra 205 milhões para o Carbon — 38% a mais, numa época em que o preço por token também é mais alto que a tarifa introdutória do Carbon.
Nada disso argumenta contra migrar. Argumenta contra migrar alterando uma única string e observando os dashboards. A sequência honesta é: fixar o modelo antigo, duplicar uma fração do tráfego para o gemini-4-neon em nível médio e em nível alto, e comparar o custo por tarefa concluída em vez do custo por token. O custo por token neste modelo é o número menos informativo da planilha.

Onde um roteador se justifica nesta migração
Este é um exemplo clássico de implantação canário, e é por isso que uma camada de roteamento é útil mesmo para uma migração de fornecedor único. Uma única chave de API cobre mais de 200 modelos, então o caminho antigo e o novo ficam atrás do mesmo endpoint enquanto você direciona uma porcentagem do tráfego; failover automático significa que um erro 400 de um parâmetro fora do intervalo ou um timeout em uma tarefa de longa duração recorre ao modelo que estava funcionando ontem em vez de acionar alguém. Os preços são repassados pelo preço de tabela do fornecedor, sem markup, então os US$ 3,00 e US$ 15,00 da Neon são os mesmos números na sua fatura e na página do Google, e qualquer alteração que o Google fizer neles chega ao nosso lado no mesmo dia.
Uma coisa que precisa ficar explícita: o Gemini 4 Neon ainda não está no nosso catálogo. O Gemini 4 Carbon e o Gemini 4 Argon estão, e o gemini-3.1-pro-preview também, e não vamos descrever uma tabela de preços como endpoint. O que o router oferece a você hoje é um lugar estável para manter a cadeia de fallback enquanto você avalia o Neon na própria API do Google, e o mesmo formato de requisição quando ele for lançado.
Quem deve se mover agora
Mude agora se sua carga de trabalho for depuração no nível do repositório, refatoração de vários arquivos ou uma sessão longa de agente com muitas chamadas de ferramentas — as coisas para as quais o Google criou o Neon, e as coisas que os números independentes de tempo real favorecem. Espere se você depende de cache explícito, se não consegue aumentar os tempos limite do cliente ou se seu pipeline tem formato de extração: a própria documentação do Google alerta que xhigh "pode causar raciocínio excessivo ou esgotar max_output_tokens em prompts mais simples, como extração de texto ou JSON", e, no alto por padrão, você já está um degrau acima de onde um pipeline no formato Carbon costumava ficar.
O que há para verificar não é mais um post de lançamento. É se o 61 se sustenta no nível alto — onde o tracker o pontua em 59,6, atrás do 60,0 do Carbon no próprio teto do Carbon — e se o Google adiciona cache explícito ao modelo. Ambos são comportamentos documentados, ambos são visíveis de fora, e ambos mudam a resposta a "isto é o padrão para a nossa frota de agentes" mais do que qualquer demo.
Comparados neste artigo1
Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente
