主标题卡显示“Gemini 4 Neon,2026年11月18日上线”,副标题显示“五项请求级变更”,页脚一行显示“定价和思考级别依据 Google 的 Gemini API 文档,核查于2026年11月20日”
Engineering & Research

Gemini 4 Neon 已上线:需要提前规划的五项 API 变更

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

G​emini 4 Neon 于 2026 年 11 月 18 日全面可用,而真正值得关注的文件并不是发布博文。它是 G​oogle 在其下方发布的迁移检查清单;正是在这里你会发现,将生产流量迁移到 G​emini 4 Neon 上——无论从 Gemini 3.8 Flash 迁移,还是从 Gemini 4 Carbon 或 G​emini 4 Hydrogen 迁移——改变的不只是一个模型字符串。五项请求级行为会发生变化:其中一项悄无声息,一项会以 400 错误显现,还有一项的变化倍数只有在账单上才会注意到。G​oogle 对模型本身的概述很克制:具备前沿级智能,能在复杂软件工程、知识工作和科学任务中快速完成端到端任务;对于高频复杂任务,其定位介于 G​emini 4 Hydrogen 和 Gemini 4 Carbon 之间。接下来要讲的,是这次发布中耗费工程时间而非 token 的那部分。

11月18日实际上发布了什么

价目表固定不变:每百万输入 token 3.00 美元,每百万输出 token 15.00 美元,每百万缓存输入 0.15 美元,仅限付费层级,任何地方都没有免费配额。上下文是一个统一的 1,048,576 token 窗口,由输入、思考和输出共享,同步输出上限为 65,536 token,并且长解码路径可回升至一百万。共有四个思考级别——低、中、高和 xhigh——默认是高,而不是中。该模型可在付费 Gem​ini API 上使用,涵盖 generateContent 和 Interactions API,在 AI Studio 中面向 AI Pro 和 Ultra 订阅者提供,并在 Gem​ini Managed Agents 中的 Antigravity 智能体内置。

有两个来自 G​oogle 之外的数字值得纳入迁移决策。Artificial Analysis 在 xhigh 下给 G​emini 4 Neon 的 Intelligence Index 打出 61.4 分,该追踪器显示为 61,并在 95 个模型中排名第六;它还测得每秒输出 110 个 token,而 G​emini 4 Carbon 为 51。同一面板还记录到,在 xhigh 下每个 Intelligence Index 任务为 $6.44,整个评估集共输出 2.83 亿个 token,而这正是这里的关键细节:这个模型是通过输出大量 token 来达到其分数的,而每一个 token 都要计费。

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

采样参数:被忽略,或返回 400

Google 的迁移说明要求你从请求中移除 temperature、top_p 和 top_k。真正需要围绕其设计的是确切行为:范围内的自定义值会被接受,然后被服务器忽略;而超出范围的值会返回 400 验证错误。因此,一个已经悄悄传了 temperature 1.3 长达十八个月的服务,并不会在入口处失败——它开始返回与任何其他设置下本应返回的相同分布,而唯一的症状是:你的输出在某些地方看起来更确定,在另一些地方则更不确定,并且没有错误可供关联。

实际做法不是去钳制这些值,而是把它们删掉,并把原本用它们来做的事移到模型真正遵守的地方:用结构化输出控制形态,用评估套件处理方差,用提示词层面的改动控制风格。任何依赖 temperature 作为创造力旋钮的人,现在都没有旋钮了。

显式缓存已移除,隐式缓存是自动的

G​emini 4 Neon 不支持显式上下文缓存。cachedContents 资源和 caches.create 在该模型上不可用,携带 cached_content 字段的请求必须去掉该字段。取而代之的是隐式缓存,它在长度至少为 4,096 个 token 的提示上默认启用,并将缓存输入的费用降低 95%——每百万 token 0.15 美元,而非 3.00 美元——且无需创建、使其过期或为其支付存储费用的句柄。

对大多数团队来说,这是一种简化,也能小幅降低账单。对少数团队来说,这是一次性能倒退,而且这种倒退的形态是可预测的:如果你的缓存命中依赖于一个很大的固定前缀被注册一次、并在许多措辞不同的请求之间复用,那么隐式缓存只有在该前缀实际匹配时才有帮助,所以制胜之举是让共享前缀逐字节完全一致,并把所有可变内容放在它之后。如果你缓存的前缀不足 4,096 个 token,那你就根本没有缓存了。

minimal 被拒绝,high 是默认值

思考默认值是这份清单中最不起眼的变化。Gemini 4 Carbon 和 Gemini 4 Argon 默认使用 medium,最高到 high。Gemini 4 Neon 默认使用 high,并在其之上增加 xhigh,而且遇到 minimal 会报错拒绝——而 Gemini 3.6 Flash 和 Flash-Lite 模型仍然接受该级别。因此,从不设置 thinking_level 的代码,在 Neon 上使用相同请求体时会得到比在 Carbon 上更深、更慢、更昂贵的回答。

Google 自己的指导是:在全部四个层级上进行评估,并将 max_output_tokens 设得足够高,以免上限截断回答,然后运行能够过线的最低层级。对于一个已公布的独立得分从最便宜档位到最深档位跨越 17 个指数点的模型来说,这并不是套话。你继承到的默认值是最昂贵的正确设置,而不是最便宜的那个。

状态、签名和新的交互 ID

多轮和工具调用会话正从“重新发送对话记录”转向两种具体机制。在 Interactions API 中,你使用 previous_interaction_id 携带状态,而不是重建历史记录。在客户端管理的 generateContent 历史记录中,你需要在每一轮都原样返回先前的模型轮次及其 thought signatures,并且不得将签名复制到并行的 functionCall 部分——签名绑定于它来源的那个调用。

还有一种失败模式值得在生产环境中出现之前了解:通过系统指令提示模型发出原始文本 JSON 工具调用,同时未原生声明任何工具,可能会返回 MALFORMED_FUNCTION_CALL。使用函数调用声明工具,或用结构化输出约束响应。这一项很容易被忽略,因为这不是 schema 变更——而是一种曾经有效的提示模式。

长输出需要后台执行

同步响应会在 65,536 个 token 处停止,无论是否使用流式传输。要超过这个限制,需将 `max_output_tokens` 设置为高于 65,536,并将 `background` 设为 `true`,随后服务器会以 64K 为步长继续,直到窗口耗尽。若只设置 `background` 而不提高 `max_output_tokens`,任务仍会在 65,536 处停止,这正是文档在一则说明中明确指出的那个错误。

这项改动的后半部分在你的 HTTP 客户端里,而不在你的提示词里。Google 建议将超时时间提高到至少十五分钟,因为在这个模型上,高难度提示词可能要运行数分钟才会产生首个答案 token。独立测量也支持这一方向:Artificial Analysis 记录到,Neon 的首个答案 token 用时 56.5 秒,每个 Intelligence Index 任务耗时 21.5 分钟;相比之下,Gemini 4 Argon 为 45.96 秒和 28.4 分钟。总体更快,但启动更慢。

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

在节省任何成本之前,迁移需要花费多少

计费按模型处理的每个 token 计算,包括思考 token;当你使用 grounding 时,还包括内部系统指令和函数声明。这对该系列来说属于标准做法,但它会与 Neon 的两个具体特性产生严重冲突:high 默认配置消耗的思考 token 比你的 Carbon 代码编写时所针对的 medium 默认配置更多,而且模型自身的 token 用量特征也偏重。跟踪器在 Intelligence Index 上统计到 Neon 的输出 token 为 2.83 亿,而 Carbon 为 2.05 亿——多出 38%,而此时每 token 价格也高于 Carbon 的初始优惠价。

这些都不构成反对迁移的理由。它们反对的是靠改一个字符串、盯着仪表盘就迁移。诚实的顺序是:固定旧模型,将一部分流量分别以 medium 和 high 复制到 gemini-4-neon,比较每完成一项任务的成本,而不是每 token 成本。这个模型上的每 token 成本是表格里信息量最小的数字。

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

在这次迁移中,路由器在哪些环节真正发挥作用

这是一次教科书式的金丝雀发布,也正是即便只是单一供应商迁移,路由层依然有用的原因。一个 API 密钥即可覆盖 200+ 个模型,因此在你逐步切换一定比例流量时,旧路径和新路径位于同一端点之后;自动故障转移意味着,因参数超出范围而返回的 400,或长时间运行任务上的超时,都会回退到昨天还正常工作的模型,而不是去呼叫值班人员。价格按提供商标价原样传递,不加价,因此 Neon 的 $3.00 和 $15.00 在你的发票上与 G​oogle 页面上是同样的数字,并且 G​oogle 对这些价格的任何变更都会当天同步到我们这边。

有一点需要明确:G​emini 4 Neon 尚未列入我们的目录。Gemini 4 Carbon 和 Gemini 4 Argon 已在目录中,gemini-3.1-pro-preview 也是;我们不会把费率卡说成端点。路由器目前为你提供的,是在你通过 G​oogle 自有 API 评估 Neon 期间,一个可以稳定放置回退链的位置;等 Neon 上线后,请求形态也保持一致。

现在谁应该行动?

如果你的工作负载是仓库级调试、多文件重构,或包含大量工具调用的长时间 agent 会话,那就现在就迁移——这些正是 Google 构建 Neon 的用途所在,也是独立的墙钟数据更看好的场景。如果你依赖显式缓存、无法提高客户端超时时间,或者你的流水线属于抽取型任务,那就再等等:Google 自己的文档警告称,xhigh“可能会在文本或 JSON 抽取等更简单的提示上导致过度思考,或耗尽 max_output_tokens”,而在默认即为 high 的情况下,你已经比 Carbon 型流水线过去所处的位置高出一档。

值得关注的可核查点并不是又一篇发布文章,而是 61 在 high 档下是否依然站得住——跟踪器给它评分为 59.6,落后于 Carbon 在其自身上限下的 60.0——以及 Google 是否会为模型加入显式缓存。这两点都是有记录的行为,都能从外部观察到,而且它们比任何演示都更能改变“这是否是我们智能体集群的默认选择”的答案。

本文中的对比1

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新