Hero-titelkort med texten Gemini 4 Neon, live den 18 november 2026, med en underrubrik som lyder fem ändringar på förfrågningsnivå, och en sidfotsrad som lyder prissättning och tänknivåer enligt Googles Gemini API-dokumentation, kontrollerad 20 november 2026
Engineering & Research

Gemini 4 Neon är live: fem API-ändringar att planera för

Författare

Gideon Frost

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

G​emini 4 Neon blev allmänt tillgänglig den 18 november 2026, och det intressanta dokumentet är inte lanseringsinlägget. Det är migreringschecklistan som G​oogle publicerar under det, och det är där du får veta att flytta produktionstrafik till G​emini 4 Neon från Gemini 3.8 Flash, eller från Gemini 4 Carbon eller G​emini 4 Hydrogen, förändrar mer än en modellsträng. Fem beteenden på förfrågningsnivå förändras, ett av dem i tysthet, ett av dem med ett 400-fel, och ett av dem med en faktor som du bara märker på fakturan. G​oogles sammanfattning av själva modellen är anspråkslös: intelligens på frontier-nivå med snabb uppgiftslösning från början till slut inom komplex mjukvaruutveckling, kunskapsarbete och vetenskap, med placering mellan G​emini 4 Hydrogen och Gemini 4 Carbon för komplexa uppgifter med hög frekvens. Det som följer är den del av utrullningen som kostar ingenjörstid snarare än tokens.

Vad levererades faktiskt den 18 november?

Prislistan är fast och ändras inte: $3.00 per miljon indatatoken, $15.00 per miljon utdatatoken, $0.15 per miljon cachade indata, endast betald nivå, ingen gratis kvot någonstans. Kontexten är ett enhetligt fönster på 1,048,576 token som delas av indata, tänkande och utdata, med en synkron utdatagräns på 65,536 token och en lång avkodningsväg tillbaka upp till en miljon. Det finns fyra tankenivåer – låg, medel, hög och xhigh – och standard är hög, inte medel. Modellen är tillgänglig via det betalda Gem​ini API:et för både generateContent och Interactions API, i AI Studio för AI Pro- och Ultra-prenumeranter, och i Antigravity-agenten i Gem​ini Managed Agents.

Två siffror från utanför G​oogle är värda att ta med in i migreringsbeslutet. Artificial Analysis ger G​emini 4 Neon 61,4 på sitt Intelligence Index vid xhigh, vilket trackern anger som 61 och placerar på sjätte plats bland 95 modeller, och den mäter 110 output-token per sekund jämfört med G​emini 4 Carbons 51. Samma panel registrerar också 6,44 dollar per Intelligence Index-uppgift vid xhigh och 283 miljoner output-token över utvärderingssetet, vilket är detaljen som spelar roll här: detta är en modell som når sina poäng genom att skicka ut väldigt många tokens, och varje enskild token faktureras.

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

Samplingsparametrar: ignoreras, eller ett 400

Googles migreringsanteckningar säger att du ska ta bort temperature, top_p och top_k från förfrågningar. Det är det exakta beteendet du måste ta hänsyn till: anpassade värden inom intervallet accepteras och ignoreras sedan av servern, medan värden utanför intervallet returnerar ett valideringsfel med status 400. Så en tjänst som i tysthet har skickat temperature 1.3 i arton månader misslyckas inte vid inmatningen — den börjar returnera samma fördelning som den skulle ha returnerat vid vilken annan inställning som helst, och det enda symptomet är att dina utdata ser mer deterministiska ut på vissa ställen och mindre på andra, utan något fel att korrelera mot.

Den praktiska lösningen är inte att begränsa värdena. Det är att ta bort dem och flytta det du använde dem till till en plats där modellen faktiskt respekterar det: strukturerade utdata för form, en utvärderingssvit för varians och ändringar på promptnivå för stil. Den som förlitar sig på temperature som en kreativitetsratt har nu ingen ratt.

Explicit cachelagring är borta, implicit är automatisk.

Gemini 4 Neon stöder inte explicit kontextcachning. Resursen cachedContents och caches.create är inte tillgängliga för den, och förfrågningar som innehåller ett cached_content-fält måste ta bort det. Det som ersätter detta är implicit cachning, som körs som standard för promptar på minst 4 096 token och ger 95 % rabatt på cachad indata – 0,15 USD per miljon i stället för 3,00 USD – utan någon hanterare att skapa, låta löpa ut eller betala lagring för.

För de flesta team är detta en förenkling och en liten minskning av kostnaden. För några är det en regression, och regressionens form är förutsägbar: om dina cacheträffar berodde på att ett stort fast prefix registrerades en gång och återanvändes över många olika formulerade förfrågningar, hjälper implicit cachning bara när prefixet faktiskt matchar, så det vinnande draget är att göra det delade prefixet byte-identiskt och lägga allt variabelt efter det. Om ditt cachade prefix är under 4 096 token har du inte längre någon cachning alls.

minimal avvisas och hög är standard

Standardinställningen för tänkande är den tystaste förändringen i listan. Gemini 4 Carbon och Gemini 4 Argon har medium som standard och stannar vid high. Gemini 4 Neon har high som standard och lägger till xhigh ovanför det, och det avvisar minimal med ett fel – den nivå som Gemini 3.6 Flash och Flash-Lite-modellerna fortfarande accepterar. Kod som aldrig anger thinking_level får därför ett djupare, långsammare och dyrare svar på Neon än den fick på Carbon med samma request body.

Googles egen vägledning är att utvärdera på alla fyra nivåer med en hög max_output_tokens så att taket inte trunkerar svaret, och sedan köra på den lägsta nivå som klarar ribban. På en modell vars publicerade oberoende poäng spänner över 17 indexpunkter från dess billigaste steg till dess djupaste är det inte tomma ord. Den standardinställning du ärver är den dyraste korrekta inställningen, inte den billigaste.

Tillstånd, signaturer och ett nytt interaktions-ID

Fleromgångs- och verktygsanropssessioner går från "skicka om transkriptet" till två specifika mekanismer. I Interactions API bär du tillstånd med previous_interaction_id i stället för att bygga upp historiken igen. I klienthanterade generateContent-historiker returnerar du tidigare modellomgångar och deras tankesignaturer oförändrade vid varje omgång, och du får inte kopiera en signatur mellan parallella functionCall-delar – signaturen är bunden till anropet den kom från.

Det finns också ett fel läge värt att känna till innan det dyker upp i produktion: att via systeminstruktioner uppmana modellen att skicka verktygsanrop som råtext-JSON, utan några inbyggt deklarerade verktyg, kan returnera MALFORMED_FUNCTION_CALL. Deklarera verktyg med function calling, eller begränsa svaret med strukturerade utdata. Det här är lätt att missa eftersom det inte är en schemaändring – det är ett promptmönster som tidigare fungerade.

Långa utdata kräver bakgrundskörning

Synkrona svar stannar vid 65 536 tokens, oavsett om de streamas eller inte. För att komma förbi den gränsen ställer du in max_output_tokens på över 65 536 och sätter background till true, och servern fortsätter i steg om 64K tills fönstret är uttömt. Om du sätter background utan att höja max_output_tokens stannar jobbet fortfarande vid 65 536, vilket är precis det misstag som dokumentationen påpekar i en anmärkning.

Andra halvan av den här ändringen finns i din HTTP-klient, inte i din prompt. G​oogle säger att du ska höja tidsgränserna till minst femton minuter, eftersom svåra promptar på den här modellen kan köra i flera minuter innan den första svarstoken. Den oberoende mätningen instämmer i riktningen: Artificial Analysis registrerar 56,5 sekunder till första svarstoken och 21,5 minuter per Intelligence Index-uppgift för Neon, jämfört med 45,96 sekunder och 28,4 minuter för Gemini 4 Argon. Snabbare totalt, långsammare att starta.

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

Vad migreringen kostar innan den sparar något

Debiteringen följer varje token som modellen bearbetar, inklusive tanketokens och, när du använder grounding, de interna systeminstruktionerna och funktionsdeklarationerna. Det är standard för familjen, men det samverkar dåligt med två Neon-specifika omständigheter: standardinställningen high förbrukar fler tanketokens än den medium-standard som din Carbon-kod skrevs mot, och modellens egen tokenprofil är tung. Trackern räknade 283 miljoner utdatatokens för Neon i Intelligence Index jämfört med 205 miljoner för Carbon – 38 % fler, samtidigt som priset per token också är högre än Carbons introduktionspris.

Inget av detta talar emot att migrera. Det talar emot att migrera genom att ändra en enda sträng och titta på instrumentpanelerna. Den ärliga sekvensen är: lås den gamla modellen, duplicera en del av trafiken till gemini-4-neon på medel- och högnivå och jämför kostnad per slutförd uppgift i stället för kostnad per token. Kostnaden per token för den här modellen är det minst informativa talet i kalkylarket.

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

Där en router förtjänar sin plats i den här migreringen

Det här är ett skolexempel på kanarieutrullning, och det är anledningen till att ett routinglager är användbart även vid migrering från en enda leverantör. En API-nyckel täcker 200+ modeller, så den gamla och den nya vägen ligger bakom samma slutpunkt medan du flyttar en procentandel av trafiken; automatisk failover innebär att ett 400 från en parameter utanför tillåtet intervall eller en timeout för en långkörande uppgift faller tillbaka till modellen som fungerade i går i stället för att larma någon. Priserna förs vidare till leverantörens listpris utan påslag, så Neons $3,00 och $15,00 är samma siffror på din faktura som på G​oogles sida, och eventuella ändringar som G​oogle gör av dem slår igenom hos oss samma dag.

En sak att vara tydlig med: Gemini 4 Neon finns ännu inte i vår katalog. Gemini 4 Carbon och Gemini 4 Argon gör det, och det gör även gemini-3.1-pro-preview, och vi kommer inte att beskriva en prislista som en slutpunkt. Det routern ger dig idag är en stabil plats att hålla fallback-kedjan på medan du utvärderar Neon mot Googles eget API, och samma förfrågningsform när det lanseras.

Vem ska flytta nu?

Agera nu om din arbetsbelastning är felsökning på repositorienivå, refaktorering över flera filer eller en lång agentsession med många verktygsanrop – det som G​oogle byggde Neon för, och det som de oberoende väggklockssiffrorna talar för. Vänta om du är beroende av explicit cachelagring, om du inte kan höja klienttidsgränserna, eller om din pipeline är extraktionsformad: G​oogles egen dokumentation varnar för att xhigh "kan orsaka övertänkande eller tömma max_output_tokens på enklare promptar som text- eller JSON-extrahering", och med hög som standard ligger du redan ett steg ovanför där en Carbon-formad pipeline brukade ligga.

Det kontrollerbara att hålla ögonen på är inte ännu ett lanseringsinlägg. Det är huruvida 61 håller måttet på high – där trackern ger det 59,6, bakom Carbons 60,0 vid Carbons egen takhöjd – och huruvida G​oogle lägger till explicit caching i modellen. Båda är dokumenterade beteenden, båda är synliga utifrån, och båda förändrar svaret på "är detta standard för vår agentflotta" mer än någon demo gör.

Jämförda i den här artikeln1

Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen