การ์ดหัวเรื่องหลักระบุว่า Gemini 4 Neon เปิดให้ใช้งาน 18 พฤศจิกายน 2026 พร้อมคำบรรยายย่อยระบุว่า การเปลี่ยนแปลงระดับคำขอห้ารายการ และบรรทัดส่วนท้ายระบุว่า ราคาและระดับการคิดตามเอกสารประกอบ API ของ Gemini จาก Google ตรวจสอบเมื่อ 20 พฤศจิกายน 2026
Engineering & Research

Gemini 4 Neon เปิดตัวแล้ว: การเปลี่ยนแปลง API 5 ประการที่ต้องวางแผนรับมือ

ผู้เขียน

Gideon Frost

วันที่เผยแพร่

โมเดลล่าสุด · 20ดูโมเดลทั้งหมด →
เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
กลับไปยังโพสต์ทั้งหมด

Gemini 4 Neon เปิดให้ใช้งานทั่วไปเมื่อวันที่ 18 พฤศจิกายน 2026 และเอกสารที่น่าสนใจไม่ใช่โพสต์เปิดตัว แต่เป็นเช็กลิสต์การย้ายระบบที่ Google เผยแพร่ไว้ใต้โพสต์นั้น ซึ่งเป็นที่ที่คุณจะพบว่าการย้ายทราฟฟิกโปรดักชันไปยัง Gemini 4 Neon จาก Gemini 3.8 Flash หรือจาก Gemini 4 Carbon หรือ Gemini 4 Hydrogen นั้นเปลี่ยนมากกว่าสตริงของโมเดล พฤติกรรมระดับคำขอห้าอย่างเปลี่ยนไป หนึ่งในนั้นเปลี่ยนแบบเงียบ ๆ หนึ่งในนั้นเปลี่ยนพร้อม 400 และอีกหนึ่งเปลี่ยนด้วยปัจจัยที่คุณจะสังเกตเห็นได้เฉพาะในบิล คำสรุปของ Google เกี่ยวกับตัวโมเดลเองนั้นไม่โอ้อวด: ความฉลาดระดับแนวหน้า พร้อมการทำงานแบบครบวงจรที่รวดเร็วในงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อน งานความรู้ และวิทยาศาสตร์ โดยอยู่ระหว่าง Gemini 4 Hydrogen และ Gemini 4 Carbon สำหรับงานซับซ้อนที่มีความถี่สูง สิ่งที่ตามมาคือส่วนของการเปิดตัวที่ต้องแลกด้วยเวลาทางวิศวกรรมมากกว่าโทเคน

มีอะไรออกจำหน่ายจริงในวันที่ 18 พฤศจิกายน

อัตราค่าบริการคงที่และไม่เปลี่ยนแปลง: 3.00 ดอลลาร์ต่อล้านโทเค็นอินพุต, 15.00 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต, 0.15 ดอลลาร์ต่อล้านโทเค็นอินพุตที่แคชไว้, เฉพาะแพ็กเกจแบบชำระเงินเท่านั้น ไม่มีโควตาฟรีในที่ใดเลย บริบทเป็นหน้าต่าง 1,048,576 โทเค็นแบบรวมเป็นหนึ่งเดียวที่ใช้ร่วมกันโดยอินพุต การคิด และเอาต์พุต โดยมีเพดานเอาต์พุตแบบซิงโครนัสที่ 65,536 โทเค็น และเส้นทางการถอดรหัสแบบยาวที่กลับไปได้ถึงหนึ่งล้านโทเค็น มีระดับการคิดสี่ระดับ — low, medium, high และ xhigh — และค่าเริ่มต้นคือ high ไม่ใช่ medium โมเดลนี้ใช้งานบน Gem​ini API แบบชำระเงินทั้งใน generateContent และ Interactions API ใน AI Studio สำหรับผู้สมัครสมาชิก AI Pro และ Ultra และภายในเอเจนต์ Antigravity ใน Gem​ini Managed Agents

ตัวเลขสองตัวจากภายนอก G​oogle ที่ควรนำมาพิจารณาในการตัดสินใจย้ายระบบ Artificial Analysis ให้คะแนน G​emini 4 Neon ที่ 61.4 บน Intelligence Index ที่ระดับ xhigh ซึ่งตัวติดตามรายงานเป็น 61 และจัดอันดับที่หกจาก 95 โมเดล และวัดได้ 110 โทเค็นเอาต์พุตต่อวินาที เทียบกับ 51 ของ Gemini 4 Carbon แผงเดียวกันยังบันทึกไว้ที่ $6.44 ต่องาน Intelligence Index ที่ xhigh และ 283 ล้านโทเค็นเอาต์พุตทั่วชุดการประเมิน ซึ่งเป็นรายละเอียดที่สำคัญตรงนี้: นี่คือโมเดลที่ไปถึงคะแนนของตนโดยการปล่อยโทเค็นจำนวนมาก และทุกโทเค็นมีการคิดเงิน

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

พารามิเตอร์การสุ่มตัวอย่าง: ถูกเพิกเฉย หรือส่งกลับ 400

บันทึกการย้ายระบบของ Google บอกให้คุณลบ temperature, top_p และ top_k ออกจากคำขอ พฤติกรรมที่แน่นอนคือส่วนที่ต้องออกแบบให้รับมือ: ค่าที่กำหนดเองซึ่งอยู่ในช่วงจะถูกยอมรับแล้วเซิร์ฟเวอร์จะเพิกเฉย ขณะที่ค่าที่อยู่นอกช่วงจะคืนข้อผิดพลาดการตรวจสอบความถูกต้อง 400 ดังนั้นบริการที่ส่งค่า temperature 1.3 ไปอย่างเงียบ ๆ มาเป็นเวลาสิบแปดเดือนจะไม่ล้มเหลวตอนขาเข้า — มันจะเริ่มคืนการกระจายตัวแบบเดียวกับที่จะคืนให้ไม่ว่าตั้งค่าเป็นอะไรก็ตาม และอาการเดียวที่เห็นคือเอาต์พุตของคุณดูมีความแน่นอนมากขึ้นในบางจุดและน้อยลงในบางจุด โดยไม่มีข้อผิดพลาดให้เทียบเคียง

วิธีแก้ที่ปฏิบัติได้จริงไม่ใช่การจำกัดค่าเหล่านั้น แต่คือการลบค่าเหล่านั้นทิ้ง แล้วย้ายสิ่งที่คุณใช้ค่าเหล่านั้นทำไปไว้ในที่ที่โมเดลทำตามจริง ๆ ได้แก่ structured outputs สำหรับรูปแบบ ชุดการประเมินสำหรับความแปรปรวน และการปรับเปลี่ยนระดับพรอมต์สำหรับสไตล์ ใครก็ตามที่พึ่งพา temperature เป็นปุ่มปรับความคิดสร้างสรรค์ ตอนนี้ไม่มีปุ่มให้หมุนแล้ว

แคชแบบ explicit หายไปแล้ว ส่วนแบบ implicit เป็นอัตโนมัติ

Gemini 4 Neon ไม่รองรับการแคชบริบทแบบระบุชัดเจน (explicit context caching) resource cachedContents และ caches.create ไม่พร้อมใช้งานบนโมเดลนี้ และคำขอที่มีฟิลด์ cached_content ต้องตัดฟิลด์นั้นออก สิ่งที่มาแทนคือการแคชโดยนัย (implicit caching) ซึ่งทำงานตามค่าเริ่มต้นกับพรอมต์ที่มีอย่างน้อย {{1}}4,096{{/1}} โทเค็น และให้ส่วนลดกับอินพุตที่แคชไว้ {{2}}95%{{/2}} — {{3}}$0.15{{/3}} ต่อล้านโทเค็น แทนที่จะเป็น {{4}}$3.00{{/4}} — โดยไม่มีแฮนเดิลให้สร้าง ทำให้หมดอายุ หรือจ่ายค่าจัดเก็บ

สำหรับทีมส่วนใหญ่ นี่คือการทำให้ง่ายขึ้นและการลดค่าใช้จ่ายลงเล็กน้อย สำหรับบางทีม นี่คือการถอยหลัง และรูปร่างของการถอยหลังนั้นคาดเดาได้: หากแคชฮิตของคุณ depended on การลงทะเบียนคำนำหน้าคงที่ขนาดใหญ่เพียงครั้งเดียวและนำกลับมาใช้ซ้ำในคำขอที่ใช้ถ้อยคำแตกต่างกันมากมาย การแคชแบบโดยนัยจะช่วยได้ก็ต่อเมื่อคำนำหน้านั้นตรงกันจริง ๆ ดังนั้นกลยุทธ์ที่ชนะคือทำให้คำนำหน้าที่ใช้ร่วมกันเหมือนกันทุกไบต์ และวางทุกอย่างที่แปรผันไว้หลังจากนั้น หากคำนำหน้าที่แคชไว้ของคุณมีน้อยกว่า 4,096 โทเคน คุณจะไม่มีการแคชเลยอีกต่อไป

minimal ถูกปฏิเสธ และ high เป็นค่าเริ่มต้น

ค่าเริ่มต้นของ thinking คือการเปลี่ยนแปลงที่เงียบที่สุดในรายการ Gemini 4 Carbon และ Gemini 4 Argon ใช้ค่าเริ่มต้นเป็น medium และหยุดที่ high ส่วน G​emini 4 Neon ใช้ค่าเริ่มต้นเป็น high และเพิ่ม xhigh ไว้เหนือระดับนั้น อีกทั้งยังปฏิเสธ minimal ด้วยข้อผิดพลาด — ซึ่งเป็นระดับที่ Gemini 3.6 Flash และโมเดล Flash-Lite ยังคงยอมรับ ดังนั้นโค้ดที่ไม่เคยตั้งค่า thinking_level จะได้คำตอบที่ลึกกว่า ช้ากว่า และแพงกว่าบน Neon เมื่อเทียบกับที่เคยได้บน Carbon ด้วย request body เดียวกัน

คำแนะนำจาก Google เองคือให้ประเมินทั้งสี่ระดับโดยตั้งค่า max_output_tokens ให้สูงไว้ เพื่อให้เพดานไม่ตัดคำตอบให้ขาด จากนั้นจึงรันที่ระดับต่ำสุดที่ผ่านเกณฑ์ ในโมเดลที่คะแนนอิสระที่เผยแพร่มีช่วงห่าง 17 คะแนนดัชนี จากขั้นที่ถูกที่สุดไปจนถึงขั้นที่ลึกที่สุด นี่ไม่ใช่ถ้อยคำสำเร็จรูปทั่วไป ค่าเริ่มต้นที่คุณได้รับสืบทอดมาคือการตั้งค่าที่ถูกต้องซึ่งแพงที่สุด ไม่ใช่การตั้งค่าที่ถูกที่สุด

สถานะ ลายเซ็น และ ID การโต้ตอบใหม่

เซสชันแบบหลายรอบและการเรียกใช้เครื่องมือเปลี่ยนจาก "ส่งบทสนทนาทั้งหมดซ้ำ" ไปเป็นกลไกเฉพาะสองอย่าง ใน Interactions API คุณส่งต่อสถานะด้วย previous_interaction_id แทนการสร้างประวัติขึ้นใหม่ ในประวัติ generateContent ที่ไคลเอนต์จัดการเอง คุณต้องส่งคืนรอบการตอบของโมเดลก่อนหน้าและ thought signature ของรอบเหล่านั้นโดยไม่เปลี่ยนแปลงในทุก ๆ รอบ และต้องไม่คัดลอก signature ไปยังส่วน functionCall ที่ทำงานขนานกัน — signature นั้นผูกกับ call ที่มันมาจาก

ยังมีโหมดความล้มเหลวอีกรูปแบบหนึ่งที่ควรรู้ก่อนจะเกิดขึ้นในโปรดักชัน: การพรอมต์โมเดลผ่านคำสั่งระบบให้ส่ง tool call แบบ JSON เป็นข้อความดิบ โดยไม่ได้ประกาศ tool ใด ๆ แบบเนทีฟ อาจทำให้ได้ MALFORMED_FUNCTION_CALL กลับมา ให้ประกาศ tool ด้วย function calling หรือจำกัดรูปแบบการตอบกลับด้วย structured outputs กรณีนี้ง่ายที่จะมองข้าม เพราะไม่ใช่การเปลี่ยนแปลงสคีมา — แต่เป็นรูปแบบการพรอมต์ที่เคยได้ผล

เอาต์พุตยาวต้องรันเบื้องหลัง

การตอบกลับแบบซิงโครนัสจะหยุดที่ 65,536 โทเค็น ไม่ว่าจะสตรีมหรือไม่ก็ตาม หากต้องการให้เกินกว่านั้น คุณต้องตั้งค่า max_output_tokens ให้สูงกว่า 65,536 และตั้งค่า background เป็น true แล้วเซิร์ฟเวอร์จะทำงานต่อไปเป็นช่วงละ 64K จนกว่าหน้าต่างจะหมด หากตั้งค่า background โดยไม่เพิ่ม max_output_tokens งานก็ยังคงหยุดที่ 65,536 ซึ่งเป็นข้อผิดพลาดที่เอกสารระบุไว้ในหมายเหตุ

ครึ่งหลังของการเปลี่ยนแปลงนี้อยู่ที่ HTTP client ของคุณ ไม่ใช่พรอมต์ของคุณ G​oogle บอกให้คุณเพิ่ม timeout เป็นอย่างน้อยสิบห้านาที เพราะพรอมต์ที่ยากบนโมเดลนี้สามารถใช้เวลาหลายนาทีก่อนจะถึงโทเค็นคำตอบแรก ผลการวัดที่เป็นอิสระเห็นพ้องกับทิศทางนี้: Artificial Analysis บันทึก 56.5 วินาทีถึงโทเค็นคำตอบแรก และ 21.5 นาทีต่อหนึ่งงาน Intelligence Index สำหรับ Neon เทียบกับ 45.96 วินาทีและ 28.4 นาทีสำหรับ Gemini 4 Argon เร็วโดยรวมกว่า แต่เริ่มช้ากว่า

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

ต้นทุนของการย้ายระบบก่อนที่จะประหยัดอะไรได้เลย

การเรียกเก็บเงินจะเป็นไปตามทุกโทเค็นที่โมเดลประมวลผล รวมถึงโทเค็นการคิด และเมื่อคุณใช้กราวด์ดิ้ง ก็รวมคำสั่งระบบภายในและคำประกาศฟังก์ชันด้วย ซึ่งเป็นมาตรฐานสำหรับตระกูลนี้ แต่กลับเข้ากันได้ไม่ดีกับลักษณะเฉพาะสองประการของ Neon ได้แก่ ค่าเริ่มต้นระดับสูงใช้โทเค็นการคิดมากกว่าค่าเริ่มต้นระดับกลางที่โค้ด Carbon ของคุณเขียนขึ้นมาเพื่อรองรับ และโปรไฟล์โทเค็นของโมเดลเองก็หนัก ตัวติดตามนับโทเค็นเอาต์พุตได้ 283 ล้านโทเค็นสำหรับ Neon ตลอด Intelligence Index เทียบกับ 205 ล้านโทเค็นสำหรับ Carbon — มากกว่า 38% ในช่วงที่ราคาต่อโทเค็นก็สูงกว่าอัตราเริ่มต้นของ Carbon ด้วย

ไม่มีส่วนไหนในนั้นโต้แย้งการย้ายเลย มันโต้แย้งการย้ายด้วยการเปลี่ยนสตริงเดียวแล้วดูแดชบอร์ดต่างหาก ลำดับที่ซื่อตรงคือ: ปักหมุดโมเดลเดิมไว้ ทำสำเนาทราฟฟิกส่วนหนึ่งไปยัง gemini-4-neon ที่ระดับ medium และที่ระดับ high แล้วเปรียบเทียบต้นทุนต่องานที่ทำเสร็จ แทนที่จะเป็นต้นทุนต่อโทเคน ต้นทุนต่อโทเคนของโมเดลนี้เป็นตัวเลขที่ให้ข้อมูลน้อยที่สุดในชีต

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

จุดที่เราเตอร์พิสูจน์คุณค่าของตัวเองในการโยกย้ายครั้งนี้

นี่คือตัวอย่างการทำ canary rollout แบบตำราเรียน และเป็นเหตุผลว่าทำไม routing layer จึงมีประโยชน์แม้ในกรณีที่ย้ายจากผู้ให้บริการรายเดียว API key เพียงตัวเดียวครอบคลุมโมเดลกว่า 200+ โมเดล ดังนั้นเส้นทางเดิมและเส้นทางใหม่จึงอยู่หลัง endpoint เดียวกันในขณะที่คุณทยอยย้ายทราฟฟิกเป็นเปอร์เซ็นต์; การ failover อัตโนมัติหมายความว่า 400 ที่เกิดจากพารามิเตอร์ที่อยู่นอกช่วง หรือ timeout ในงานที่ใช้เวลานาน จะ fallback ไปยังโมเดลที่ยังใช้งานได้เมื่อวาน แทนที่จะต้องปลุกใครสักคนขึ้นมา ราคาจะถูกส่งต่อในราคาตามรายการของผู้ให้บริการโดยไม่มีการบวกเพิ่ม ดังนั้น $3.00 และ $15.00 ของ Neon จึงเป็นตัวเลขเดียวกันบนใบแจ้งหนี้ของคุณกับที่อยู่บนหน้าเว็บของ Google และการเปลี่ยนแปลงใด ๆ ที่ Google ทำกับราคาเหล่านี้จะส่งผลถึงฝั่งเราในวันเดียวกัน

มีเรื่องหนึ่งที่ต้องระบุให้ชัดเจน: G​emini 4 Neon ยังไม่อยู่ในแคตตาล็อกของเรา ส่วน Gemini 4 Carbon และ Gemini 4 Argon มีอยู่แล้ว และ gemini-3.1-pro-preview ก็มีเช่นกัน และเราจะไม่เรียกตารางราคาว่าเป็น endpoint สิ่งที่ router ให้คุณในวันนี้คือจุดที่มั่นคงสำหรับเก็บ fallback chain ไว้ระหว่างที่คุณประเมิน Neon บน API ของ G​oogle เอง และรูปแบบคำขอเดียวกันเมื่อมันเปิดให้ใช้จริง

ใครควรย้ายตอนนี้

ย้ายมาเลยตอนนี้หากงานของคุณคือการดีบักระดับรีโพซิทอรี การรีแฟกเตอร์หลายไฟล์ หรือเซสชันเอเจนต์ยาวนานที่มีการเรียกเครื่องมือจำนวนมาก — สิ่งที่ G​oogle สร้าง Neon ขึ้นมาเพื่อรองรับ และเป็นสิ่งที่ตัวเลขเวลาจริงจากการวัดแบบอิสระสนับสนุน รอก่อนหากคุณต้องพึ่งพา explicit caching หากคุณไม่สามารถเพิ่ม timeout ของไคลเอนต์ได้ หรือหากไปป์ไลน์ของคุณมีรูปแบบเป็นการสกัดข้อมูล: เอกสารของ G​oogle เองเตือนว่า xhigh “อาจทำให้คิดมากเกินไปหรือใช้ max_output_tokens จนหมดกับพรอมป์ต์ที่ง่ายกว่า เช่น การสกัดข้อความหรือ JSON” และเมื่อใช้ค่า high เป็นค่าเริ่มต้น คุณก็อยู่สูงกว่าจุดที่ไปป์ไลน์แบบ Carbon เคยอยู่ไปแล้วหนึ่งขั้น

สิ่งที่ตรวจสอบได้ที่ต้องจับตาไม่ใช่โพสต์เปิดตัวอีกอัน แต่คือว่า 61 จะยังคงทำได้ดีในโหมด high หรือไม่ — ซึ่ง tracker ให้คะแนนไว้ที่ 59.6 ตามหลัง 60.0 ของ Carbon ที่เพดานของ Carbon เอง — และว่า G​oogle จะเพิ่มแคชแบบ explicit ให้กับโมเดลหรือไม่ ทั้งสองเป็นพฤติกรรมที่มีการบันทึกไว้ ทั้งสองมองเห็นได้จากภายนอก และทั้งสองเปลี่ยนคำตอบของคำถามที่ว่า "นี่คือค่าเริ่มต้นสำหรับฟลีตเอเจนต์ของเราหรือไม่" มากกว่าการเดโมใด ๆ

การเปรียบเทียบในบทความนี้1

ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน

© 2026 OrcaRouter

สำหรับผู้ให้บริการ

ให้บริการแพลตฟอร์มการอนุมานอยู่หรือไม่ นำโมเดลของคุณขึ้น OrcaRouter

[email protected]

เข้าร่วมคอมมูนิตี้ของเรา

Discord[email protected]XLinkedInGitHubYouTube