Титульная карточка Hero: Gemini 4 Neon — запуск 18 ноября 2026 года; подзаголовок: пять изменений на уровне запросов; нижняя строка: цены и уровни мышления согласно документации Google по API Gemini, проверено 20 ноября 2026 года.
Engineering & Research

Gemini 4 Neon уже доступен: пять изменений API, которые стоит учесть

Автор

Gideon Frost

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

G​emini 4 Neon стал общедоступным 18 ноября 2026 года, и интересный документ — не пост о запуске. Это контрольный список миграции, который G​oogle публикует под ним, и именно из него вы узнаёте, что перенос производственного трафика на G​emini 4 Neon с Gemini 3.8 Flash или с Gemini 4 Carbon или с G​emini 4 Hydrogen меняет больше, чем строку модели. На уровне запросов меняются пять аспектов поведения: один — незаметно, один — с ошибкой 400, а один — в разы, и это вы заметите только по счёту. Краткое описание самой модели у G​oogle скромное: интеллект фронтирного уровня с быстрым сквозным выполнением задач в сложной разработке ПО, интеллектуальной работе и науке, занимающий место между G​emini 4 Hydrogen и Gemini 4 Carbon для высокочастотных сложных задач. Далее — та часть развёртывания, которая стоит инженерного времени, а не токенов.

Что на самом деле вышло 18 ноября

Тарифная сетка единая и неизменная: $3.00 за миллион входных токенов, $15.00 за миллион выходных токенов, $0.15 за миллион кэшированных входных токенов, только на платном тарифе, бесплатной квоты нигде нет. Контекст — единое окно в 1 048 576 токенов, общее для ввода, рассуждений и вывода, с ограничением синхронного вывода в 65 536 токенов и длительным декодированием вплоть до миллиона. Есть четыре уровня рассуждений — низкий, средний, высокий и xhigh, — и по умолчанию используется высокий, а не средний. Модель доступна в платном Gemini API как через generateContent, так и через Interactions API, в AI Studio для подписчиков AI Pro и Ultra, а также внутри агента Antigravity в Gemini Managed Agents.

Два числа извне G​oogle стоит учесть при принятии решения о миграции. Artificial Analysis оценивает G​emini 4 Neon в 61,4 по своему Intelligence Index при xhigh, что трекер отображает как 61 и ставит на шестое место среди 95 моделей, а также измеряет 110 выходных токенов в секунду против 51 у Gemini 4 Carbon. Та же панель также фиксирует $6.44 за задачу Intelligence Index при xhigh и 283 млн выходных токенов по всему оценочному набору — и вот эта деталь здесь важна: это модель, которая достигает своих оценок за счёт генерации большого количества токенов, и каждый из них оплачивается.

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

Параметры сэмплирования: игнорируются или 400

В примечаниях G​oogle о миграции вам предлагается удалить temperature, top_p и top_k из запросов. Именно точное поведение и нужно учитывать при проектировании: пользовательские значения в допустимом диапазоне принимаются, а затем игнорируются сервером, тогда как значения вне диапазона возвращают ошибку валидации 400. Поэтому сервис, который в течение восемнадцати месяцев тихо передавал temperature 1.3, не падает на входе — он начинает возвращать то же распределение, которое вернул бы при любой другой настройке, и единственный симптом — ваши выходные данные в некоторых местах выглядят более детерминированными, а в других — менее, и нет ошибки, с которой это можно было бы сопоставить.

Практическое решение — не зажимать значения, а удалить их и перенести то, для чего вы их использовали, туда, где модель действительно это учитывает: структурированные выходы для формы, набор оценок для вариативности и изменения на уровне промпта для стиля. У всех, кто полагался на temperature как на регулятор креативности, теперь нет регулятора.

Явное кэширование убрано, неявное выполняется автоматически.

G​emini 4 Neon не поддерживает явное кэширование контекста. Ресурс cachedContents и caches.create на нём недоступны, а запросы с полем cached_content должны от него избавляться. Вместо этого используется неявное кэширование: оно по умолчанию работает для промптов объёмом не менее 4,096 токенов и даёт скидку 95% на кэшированный ввод — $0.15 за миллион вместо $3.00 — без объекта, который нужно создавать, срок действия которого нужно отслеживать или хранение которого нужно оплачивать.

Для большинства команд это упрощение и небольшое сокращение расходов. Для некоторых — регрессия, и её форма предсказуема: если ваши попадания в кэш зависели от большого фиксированного префикса, зарегистрированного один раз и повторно используемого во множестве запросов с разными формулировками, неявное кэширование помогает только тогда, когда префикс действительно совпадает, поэтому выигрышный ход — сделать общий префикс побайтово идентичным и разместить всё переменное после него. Если ваш кэшируемый префикс меньше 4096 токенов, кэширования у вас больше нет вообще.

минимальный отклоняется, а высокий используется по умолчанию

Значение по умолчанию для thinking — самое незаметное изменение в списке. Gemini 4 Carbon и Gemini 4 Argon по умолчанию используют medium и ограничиваются high. Gemini 4 Neon по умолчанию использует high и добавляет xhigh выше него, а minimal отклоняет с ошибкой — уровень, который Gemini 3.6 Flash и модели Flash-Lite всё ещё принимают. Поэтому код, который никогда не задаёт thinking_level, на Neon получает более глубокий, медленный и дорогой ответ, чем получал на Carbon с тем же телом запроса.

Собственная рекомендация Google — оценивать на всех четырёх уровнях с высоким значением max_output_tokens, чтобы ограничение не обрезало ответ, а затем запускать на самом низком уровне, который проходит порог. Для модели, чей опубликованный независимый показатель различается на 17 индексных пунктов между самой дешёвой ступенью и самой глубокой, это не шаблонная фраза. Настройка по умолчанию, которую вы наследуете, — самая дорогая корректная настройка, а не самая дешёвая.

Состояние, подписи и новый идентификатор взаимодействия

Многоходовые сессии и сессии с вызовом инструментов переходят от «повторной отправки транскрипта» к двум конкретным механизмам. В Interactions API вы переносите состояние с помощью previous_interaction_id, а не восстанавливаете историю заново. В историях generateContent, управляемых клиентом, возвращайте предыдущие ходы модели и их сигнатуры мыслей без изменений при каждом ходе, и не копируйте сигнатуру между параллельными частями functionCall — сигнатура привязана к вызову, из которого она получена.

Есть также режим отказа, о котором стоит знать до того, как он проявится в продакшене: если через системные инструкции просить модель выдавать вызовы инструментов в виде JSON в сыром тексте, когда нативно не объявлено ни одного инструмента, это может вернуть MALFORMED_FUNCTION_CALL. Объявляйте инструменты с помощью function calling или ограничивайте ответ структурированными выходами. Этот случай легко упустить, потому что это не изменение схемы — это шаблон промпта, который раньше работал.

Длительные выводы требуют выполнения в фоновом режиме

Синхронные ответы останавливаются на 65 536 токенах — независимо от того, используется потоковая передача или нет. Чтобы выйти за этот предел, нужно задать max_output_tokens выше 65 536 и установить background в true, и тогда сервер продолжит работу шагами по 64K, пока окно не будет исчерпано. Если установить background, не повышая max_output_tokens, задание всё равно остановится на 65 536 — именно эту ошибку документация отмечает в примечании.

Вторая половина этого изменения — в вашем HTTP-клиенте, а не в промпте. Google советует поднять таймауты как минимум до пятнадцати минут, потому что сложные промпты на этой модели могут выполняться несколько минут до первого токена ответа. Независимое измерение согласуется с этим направлением: Artificial Analysis фиксирует 56,5 секунды до первого токена ответа и 21,5 минуты на задачу Intelligence Index для Neon против 45,96 секунды и 28,4 минуты для Gemini 4 Argon. В целом быстрее, но медленнее на старте.

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

Во сколько обходится миграция, прежде чем она начнёт что-либо экономить

Оплата учитывает каждый токен, который обрабатывает модель, включая токены размышления, а при использовании граундинга — внутренние системные инструкции и объявления функций. Это стандартно для семейства, но плохо сочетается с двумя особенностями Neon: высокая настройка по умолчанию сжигает больше токенов размышления, чем средняя настройка по умолчанию, под которую писался ваш код для Carbon, а собственный токен-профиль модели очень объёмный. Трекер насчитал 283 млн выходных токенов для Neon по всему Intelligence Index против 205 млн для Carbon — на 38% больше, притом что цена за токен также выше вводной ставки Carbon.

Ничто из этого не говорит против переезда. Это говорит против переезда путём изменения одной строки и наблюдения за дашбордами. Честная последовательность такова: закрепить старую модель, продублировать часть трафика на gemini-4-neon на среднем и на высоком уровне и сравнить стоимость выполнения задачи, а не стоимость токена. Стоимость токена у этой модели — наименее информативный показатель в таблице.

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

Где маршрутизатор оправдывает себя в этой миграции

Это образцовое канареечное развёртывание, и именно поэтому слой маршрутизации полезен даже при миграции в рамках одного поставщика. Один ключ API охватывает более 200 моделей, поэтому старый и новый маршруты находятся за одной и той же конечной точкой, пока вы переводите часть трафика; автоматическое переключение при сбое означает, что в случае ошибки 400 из-за параметра вне диапазона или тайм-аута при длительной задаче выполняется откат к модели, которая работала вчера, вместо вызова дежурного. Цены передаются по прейскурантной цене поставщика без наценки, поэтому $3.00 и $15.00 от Neon — те же числа в вашем счёте, что и на странице G​oogle, и любые изменения, которые G​oogle в них вносит, отражаются у нас в тот же день.

Об одном стоит сказать прямо: Gemini 4 Neon пока нет в нашем каталоге. Gemini 4 Carbon и Gemini 4 Argon есть, как и gemini-3.1-pro-preview, и мы не собираемся описывать тарифную сетку как эндпоинт. Что маршрутизатор даёт вам сегодня — это стабильное место, где можно хранить цепочку резервных вариантов, пока вы оцениваете Neon в собственном API Google, и та же структура запроса, когда он появится.

Кто должен двигаться сейчас

Переходите сейчас, если ваша нагрузка — это отладка на уровне репозитория, многофайловый рефакторинг или длинная сессия агента с множеством вызовов инструментов: то, ради чего Google создавал Neon, и то, в пользу чего говорят независимые замеры реального времени. Подождите, если вы зависите от явного кеширования, если не можете увеличить клиентские тайм-ауты или если ваш пайплайн заточен под извлечение: собственная документация Google предупреждает, что xhigh «может вызывать чрезмерное обдумывание или исчерпывать max_output_tokens на более простых промптах, таких как извлечение текста или JSON», а при значении high по умолчанию вы уже на одну ступень выше того уровня, на котором раньше находился пайплайн в стиле Carbon.

Проверять стоит не очередной пост о запуске. Важно, выдерживает ли 61 на высоком уровне — где трекер оценивает его в 59.6, ниже, чем 60.0 у Carbon на собственном потолке Carbon, — и добавляет ли G​oogle явное кэширование в модель. И то и другое — задокументированное поведение, и то и другое видно снаружи, и оба фактора меняют ответ на вопрос «является ли это выбором по умолчанию для нашего парка агентов» сильнее, чем любая демонстрация.

Сравнение в этой статье1

Определено по этой статье · Бенчмарки: Artificial Analysis · обновляется ежедневно