Thẻ tiêu đề hero ghi Gemini 4 Neon, phát trực tiếp ngày 18 tháng 11 năm 2026, với phụ đề ghi năm thay đổi ở cấp yêu cầu và dòng chân trang ghi giá và các mức suy nghĩ theo tài liệu API Gemini của Google, đã kiểm tra ngày 20 tháng 11 năm 2026
Engineering & Research

Gemini 4 Neon đã chính thức ra mắt: Năm thay đổi API cần lên kế hoạch

Tác giả

Gideon Frost

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Gemini 4 Neon đã chính thức phát hành rộng rãi vào ngày 18 tháng 11 năm 2026, và tài liệu thú vị không phải là bài đăng ra mắt. Đó là danh sách kiểm tra di chuyển mà Google công bố bên dưới nó, nơi bạn phát hiện ra rằng việc chuyển lưu lượng production sang Gemini 4 Neon từ Gemini 3.8 Flash, hoặc từ Gemini 4 Carbon hoặc Gemini 4 Hydrogen, thay đổi nhiều hơn chỉ một chuỗi mô hình. Năm hành vi ở cấp yêu cầu thay đổi: một hành vi thay đổi âm thầm, một hành vi gắn với lỗi 400, và một hành vi thay đổi theo một hệ số mà bạn chỉ nhận ra trên hóa đơn. Bản tóm tắt của Google về chính mô hình khá khiêm tốn: trí tuệ ở mức tiên phong với khả năng hoàn thành nhiệm vụ nhanh chóng từ đầu đến cuối trên kỹ thuật phần mềm phức tạp, công việc tri thức và khoa học, nằm giữa Gemini 4 Hydrogen và Gemini 4 Carbon cho các nhiệm vụ phức tạp có tần suất cao. Phần tiếp theo là phần của đợt triển khai tiêu tốn thời gian kỹ thuật thay vì token.

Những gì thực sự đã được phát hành vào ngày 18 tháng 11

Bảng giá cố định và không thay đổi: 3,00 USD mỗi triệu token đầu vào, 15,00 USD mỗi triệu token đầu ra, 0,15 USD mỗi triệu token đầu vào được lưu trong bộ nhớ đệm, chỉ ở gói trả phí, không có hạn mức miễn phí ở bất kỳ đâu. Ngữ cảnh là một cửa sổ thống nhất 1.048.576 token được chia sẻ cho đầu vào, suy luận và đầu ra, với giới hạn đầu ra đồng bộ 65.536 token và đường giải mã dài trở lại tối đa một triệu. Có bốn mức suy luận — low, medium, high và xhigh — và mặc định là high, không phải medium. Mô hình có trên Gem​ini API trả phí ở cả generateContent và Interactions API, trong AI Studio dành cho người đăng ký AI Pro và Ultra, và bên trong tác nhân Antigravity trong Gem​ini Managed Agents.

Có hai con số từ bên ngoài Google đáng được đưa vào quyết định chuyển đổi. Artificial Analysis chấm Gemini 4 Neon 61,4 điểm trên Intelligence Index ở mức xhigh, mà công cụ theo dõi hiển thị là 61 và xếp thứ sáu trong 95 mô hình, đồng thời đo được 110 token đầu ra mỗi giây so với 51 của Gemini 4 Carbon. Cùng bảng đó cũng ghi nhận 6,44 USD cho mỗi tác vụ Intelligence Index ở xhigh và 283 triệu token đầu ra trên toàn bộ bộ đánh giá, đây là chi tiết quan trọng ở đây: đây là mô hình đạt điểm số bằng cách phát ra rất nhiều token, và mỗi token đều bị tính phí.

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

Tham số lấy mẫu: bị bỏ qua, hoặc lỗi 400

Ghi chú di chuyển của Google bảo bạn xóa temperature, top_p và top_k khỏi các yêu cầu. Hành vi chính xác là phần cần thiết kế xoay quanh: các giá trị tùy chỉnh trong phạm vi được chấp nhận rồi bị máy chủ bỏ qua, trong khi các giá trị ngoài phạm vi trả về lỗi xác thực 400. Vì vậy, một dịch vụ đã âm thầm truyền temperature 1.3 trong mười tám tháng sẽ không thất bại ở đầu vào — nó bắt đầu trả về cùng phân phối mà nó sẽ trả về với bất kỳ thiết lập nào khác, và triệu chứng duy nhất là đầu ra của bạn trông có vẻ tất định hơn ở một số chỗ và ít tất định hơn ở những chỗ khác, không có lỗi nào để đối chiếu.

Cách khắc phục thực tế không phải là giới hạn các giá trị đó. Mà là xóa chúng đi và chuyển thứ bạn đang dùng chúng để làm sang nơi mô hình thực sự tuân thủ: đầu ra có cấu trúc cho hình dạng, một bộ đánh giá cho phương sai, và các thay đổi ở cấp độ prompt cho phong cách. Bất kỳ ai đang dựa vào temperature như một núm xoay sáng tạo giờ đây không còn núm nào nữa.

Cache tường minh đã không còn, cache ngầm là tự động.

Gemini 4 Neon không hỗ trợ bộ nhớ đệm ngữ cảnh tường minh. Tài nguyên cachedContents và caches.create không khả dụng trên đó, và các yêu cầu mang trường cached_content phải bỏ trường này đi. Thay thế cho điều đó là bộ nhớ đệm ngầm định, vốn chạy theo mặc định với các lời nhắc có ít nhất 4.096 token và giảm giá 95% cho đầu vào được lưu trong bộ nhớ đệm — 0,15 USD mỗi triệu thay vì 3,00 USD — mà không có handle nào để tạo, hết hạn hoặc trả phí lưu trữ.

Với hầu hết các nhóm, đây là một sự đơn giản hóa và một khoản giảm hóa đơn nhỏ. Với một số ít, đó là một sự thoái lui, và kiểu thoái lui này có thể dự đoán được: nếu các lần trúng bộ nhớ đệm của bạn phụ thuộc vào một tiền tố cố định lớn được đăng ký một lần và tái sử dụng qua nhiều yêu cầu có cách diễn đạt khác nhau, thì bộ nhớ đệm ngầm chỉ hữu ích khi tiền tố thực sự khớp, vì vậy nước đi thắng là làm cho tiền tố dùng chung giống hệt nhau từng byte và đặt mọi thứ có thể thay đổi sau nó. Nếu tiền tố được lưu trong bộ nhớ đệm của bạn dưới 4,096 token, bạn không còn bộ nhớ đệm nữa.

Mức tối thiểu bị từ chối và mức cao là mặc định.

Mặc định thinking là thay đổi kín đáo nhất trong danh sách. Gemini 4 Carbon và Gemini 4 Argon mặc định ở mức medium và dừng ở high. Gemini 4 Neon mặc định ở high và thêm xhigh cao hơn, đồng thời từ chối minimal bằng một lỗi — mức mà Gemini 3.6 Flash và các mô hình Flash-Lite vẫn chấp nhận. Do đó, mã không bao giờ đặt thinking_level sẽ nhận được câu trả lời sâu hơn, chậm hơn và tốn kém hơn trên Neon so với khi nhận được trên Carbon với cùng một nội dung yêu cầu.

Hướng dẫn của chính Google là đánh giá ở cả bốn cấp độ với max_output_tokens cao để giới hạn không cắt cụt câu trả lời, rồi chạy ở cấp độ thấp nhất đáp ứng ngưỡng. Với một mô hình có điểm độc lập đã công bố trải dài 17 điểm chỉ số từ bậc rẻ nhất đến bậc sâu nhất, đó không phải là câu chữ rập khuôn. Mặc định bạn kế thừa là thiết lập đúng đắt nhất, không phải thiết lập rẻ nhất.

Trạng thái, chữ ký và ID tương tác mới

Các phiên nhiều lượt và gọi công cụ chuyển từ "gửi lại bản ghi" sang hai cơ chế cụ thể. Trong API Interactions, bạn mang trạng thái bằng previous_interaction_id thay vì dựng lại lịch sử. Trong lịch sử generateContent do máy khách quản lý, bạn trả lại nguyên trạng các lượt của mô hình trước đó và chữ ký suy nghĩ của chúng ở mọi lượt, và bạn không được sao chép chữ ký sang các phần functionCall song song — chữ ký gắn với lệnh gọi mà nó đến từ đó.

Cũng có một kiểu lỗi đáng biết trước khi nó xuất hiện trong môi trường production: việc nhắc mô hình thông qua chỉ dẫn hệ thống để phát ra các lời gọi công cụ JSON dạng văn bản thô, trong khi không khai báo công cụ nào theo cách gốc, có thể trả về MALFORMED_FUNCTION_CALL. Hãy khai báo công cụ bằng function calling, hoặc ràng buộc phản hồi bằng structured outputs. Điều này dễ bị bỏ sót vì nó không phải là thay đổi schema — đó là một mẫu prompt từng hoạt động.

Các đầu ra dài cần được thực thi trong nền

Phản hồi đồng bộ dừng ở 65,536 token, dù có streaming hay không. Để vượt qua mức đó, bạn đặt max_output_tokens cao hơn 65,536 và đặt background thành true, và máy chủ sẽ tiếp tục theo từng chặng 64K cho đến khi cửa sổ bị cạn kiệt. Đặt background mà không tăng max_output_tokens thì tác vụ vẫn dừng ở 65,536, đây chính là lỗi mà tài liệu nêu rõ trong một ghi chú.

Nửa còn lại của thay đổi này nằm ở HTTP client của bạn, không phải ở prompt. Google khuyên bạn nên tăng thời gian chờ lên ít nhất mười lăm phút, vì những prompt khó trên mô hình này có thể chạy vài phút trước token trả lời đầu tiên. Phép đo độc lập cũng đồng tình với hướng này: Artificial Analysis ghi nhận 56,5 giây đến token trả lời đầu tiên và 21,5 phút cho mỗi tác vụ Intelligence Index đối với Neon, so với 45,96 giây và 28,4 phút đối với Gemini 4 Argon. Tổng thể nhanh hơn, nhưng chậm hơn khi khởi động.

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

Chi phí di chuyển trước khi nó tiết kiệm được bất cứ điều gì

Việc tính phí tính theo mọi token mà mô hình xử lý, bao gồm cả token suy nghĩ và, khi bạn dùng grounding, cả các chỉ dẫn hệ thống nội bộ và khai báo hàm. Đó là chuẩn của dòng mô hình này nhưng nó tương tác không tốt với hai đặc thù của Neon: mức mặc định cao đốt nhiều token suy nghĩ hơn mức mặc định trung bình mà mã Carbon của bạn được viết dựa trên, và hồ sơ token của bản thân mô hình rất nặng. Công cụ theo dõi đã đếm được 283 triệu token đầu ra cho Neon trên Intelligence Index, so với 205 triệu cho Carbon — nhiều hơn 38%, vào thời điểm giá mỗi token cũng cao hơn mức giá giới thiệu của Carbon.

Không có điều nào trong số đó lập luận chống lại việc chuyển sang. Nó lập luận chống lại việc chuyển sang chỉ bằng cách thay một chuỗi và theo dõi các bảng điều khiển. Trình tự trung thực là: ghim mô hình cũ, sao chép một phần lưu lượng sang gemini-4-neon ở mức trung bình và cao, rồi so sánh chi phí trên mỗi tác vụ hoàn thành thay vì chi phí trên mỗi token. Chi phí trên mỗi token trên mô hình này là con số ít thông tin nhất trong bảng.

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

Nơi router chứng tỏ được giá trị của mình trong đợt di chuyển này

Đây là một đợt triển khai canary mẫu mực, và đó là lý do một lớp định tuyến hữu ích ngay cả với một cuộc di chuyển từ một nhà cung cấp duy nhất. Một khóa API bao phủ hơn 200 mô hình, nên đường dẫn cũ và đường dẫn mới nằm sau cùng một điểm cuối trong khi bạn chuyển một tỷ lệ lưu lượng; chuyển đổi dự phòng tự động nghĩa là lỗi 400 do tham số ngoài phạm vi hoặc hết thời gian chờ trên tác vụ chạy lâu sẽ tự động chuyển về mô hình đã hoạt động hôm qua thay vì gọi ai đó trực. Giá được chuyển tiếp theo giá niêm yết của nhà cung cấp mà không có phụ phí, nên $3.00 và $15.00 của Neon là cùng những con số trên hóa đơn của bạn như trên trang của Google, và bất kỳ thay đổi nào Google thực hiện đối với chúng đều đến phía chúng tôi trong cùng ngày.

Một điều cần nói rõ: G​emini 4 Neon vẫn chưa có trong danh mục của chúng tôi. Gemini 4 Carbon và Gemini 4 Argon thì có, gemini-3.1-pro-preview cũng vậy, và chúng tôi sẽ không mô tả bảng giá như một endpoint. Thứ mà router cung cấp cho bạn hôm nay là một nơi ổn định để duy trì chuỗi dự phòng trong khi bạn đánh giá Neon trên API của chính G​oogle, cùng với cấu trúc yêu cầu tương tự khi nó ra mắt.

Ai nên di chuyển bây giờ?

Hãy chuyển ngay nếu khối lượng công việc của bạn là gỡ lỗi cấp kho lưu trữ, tái cấu trúc nhiều tệp hay một phiên tác tử dài với nhiều lệnh gọi công cụ — những việc mà Google xây dựng Neon để làm, và những việc mà các số đo thời gian thực độc lập nghiêng về. Hãy chờ nếu bạn phụ thuộc vào bộ nhớ đệm tường minh, nếu bạn không thể tăng timeout của client, hoặc nếu pipeline của bạn có dạng trích xuất: tài liệu của chính Google cảnh báo rằng xhigh "có thể gây suy nghĩ quá mức hoặc làm cạn max_output_tokens trên các lời nhắc đơn giản hơn như trích xuất văn bản hoặc JSON," và ở mức high mặc định, bạn đã cao hơn một nấc so với nơi một pipeline kiểu Carbon từng nằm.

Điều có thể kiểm chứng đáng để theo dõi không phải là một bài đăng ra mắt khác. Mà là liệu bản 61 có trụ vững ở mức high hay không — nơi trình theo dõi chấm nó 59,6 điểm, xếp sau mức 60,0 của Carbon ở chính mức trần của Carbon — và liệu G​oogle có bổ sung cơ chế cache tường minh cho mô hình hay không. Cả hai đều là những hành vi đã được ghi nhận, cả hai đều có thể thấy từ bên ngoài, và cả hai đều thay đổi câu trả lời cho câu hỏi “liệu đây có phải là mặc định cho đội tác nhân của chúng ta hay không” nhiều hơn bất kỳ bản demo nào.

So sánh trong bài viết này1

Phát hiện từ bài viết này · Benchmark: Artificial Analysis · cập nhật hằng ngày