主視覺標題卡寫著「Gemini 4 Neon,2026 年 11 月 18 日上線」,副標題寫著「五項請求層級的變更」,頁尾一行寫著「定價與思考層級依 Google 的 Gemini API 文件,查核於 2026 年 11 月 20 日」。
Engineering & Research

Gemini 4 Neon 正式上線:五項 API 變更,你需要提前規劃

作者

Gideon Frost

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Gemini 4 Neon 於 2026 年 11 月 18 日正式全面推出,而真正值得一看的文件並不是發布貼文,而是 Google 在其下方公布的遷移檢查清單;你正是從這份清單中發現,將正式環境流量從 Gemini 3.8 Flash,或從 Gemini 4 Carbon或 Gemini 4 Hydrogen 遷移到 Gemini 4 Neon,所改變的不只是模型字串。有五項請求層級的行為會改變:其中一項無聲無息地變了,一項會回傳 400,還有一項的變化幅度只有等到帳單來時才會發現。Google 對這個模型本身的說明相當低調:具備前沿等級的智慧,能在複雜的軟體工程、知識工作與科學領域中快速完成端到端任務,並在高頻複雜任務上介於 Gemini 4 Hydrogen 與 Gemini 4 Carbon 之間。接下來要談的,是這波推出中耗費工程時間、而非 token 的那個部分。

11 月 18 日實際上線了什麼?

價目表是固定的,不會變動:每百萬輸入 token 為 3.00 美元,每百萬輸出 token 為 15.00 美元,每百萬快取輸入為 0.15 美元,僅限付費層級,各處均無免費額度。上下文是單一統一的 1,048,576 token 視窗,由輸入、思考與輸出共用,同步輸出上限為 65,536 token,且長解碼路徑最高可回到一百萬。共有四種思考層級:low、medium、high 與 xhigh,預設為 high,而非 medium。此模型已於付費的 Gem​ini API 上提供,涵蓋 generateContent 與 Interactions API,也在 AI Studio 中提供給 AI Pro 與 Ultra 訂閱者,並內建於 Gem​ini Managed Agents 的 Antigravity 代理中。

有兩個來自 G​oogle 以外的數字,值得納入遷移決策。Artificial Analysis 在 xhigh 下給 G​emini 4 Neon 的 Intelligence Index 評分為 61.4,追蹤器顯示為 61,並在 95 個模型中排名第六;它測得每秒 110 個輸出 token,而 Gemini 4 Carbon 為 51。同一份評測面板也記錄到,在 xhigh 下每項 Intelligence Index 任務為 $6.44,且整個評估集共使用 2.83 億個輸出 token;這正是這裡關鍵的細節:這個模型是靠輸出大量 token 來達到其分數,而每一個 token 都會計費。

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

取樣參數:被忽略,或傳回 400

Google 的遷移說明會告訴你從請求中移除 temperature、top_p 和 top_k。真正需要據以設計的是其確切行為:範圍內的自訂值會被接受,然後被伺服器忽略;而超出範圍的值會傳回 400 驗證錯誤。因此,一個已經默默傳送 temperature 1.3 長達十八個月的服務,不會在輸入時失敗——它會開始傳回與在任何其他設定下會傳回的相同分佈,而唯一的症狀是:你的輸出在某些地方看起來更具確定性,在另一些地方則更不確定,且沒有錯誤可供對照。

實際的修正方式不是限制這些數值,而是刪掉它們,並把你原本用它們來做的事,移到模型真正會遵守的地方:用結構化輸出控制形式,用評估套件處理變異,並在提示詞層級調整風格。任何把溫度當成創意旋鈕來依賴的人,現在已經沒有旋鈕可轉了。

顯式快取已經沒了,隱式快取則是自動的

G​emini 4 Neon 不支援顯式上下文快取。cachedContents 資源與 caches.create 無法在其上使用,而帶有 cached_content 欄位的請求必須移除該欄位。取而代之的是隱式快取:它預設會在至少 4,096 個 token 的提示上運作,並將快取輸入折扣 95%——每百萬 token 為 $0.15,而非 $3.00——而且沒有需要建立、設定到期或支付儲存費用的控制代碼。

對多數團隊而言,這是簡化,也是小幅降低帳單。對少數團隊而言,這是退步,而且退步的形態可預測:如果你的快取命中仰賴一個大型固定前綴只註冊一次,並在許多措辭不同的請求之間重複使用,那麼隱式快取只有在該前綴實際相符時才有幫助,因此致勝做法是讓共用前綴位元組完全相同,並把所有可變內容放在它之後。如果你快取的前綴不到 4,096 個 token,你就完全不再有快取了。

「minimal」會被拒絕,「high」則是預設值。

thinking 預設值是清單中最不顯眼的變更。Gemini 4 Carbon 與 Gemini 4 Argon 預設為 medium,且最高只到 high。Gemini 4 Neon 預設為 high,並在其上新增 xhigh,而且會以錯誤拒絕 minimal——這個等級仍是 Gemini 3.6 Flash 與 Flash-Lite 模型所接受的。因此,從未設定 thinking_level 的程式碼,在 Neon 上以相同請求主體取得的回答,會比在 Carbon 上更深、更慢、成本更高。

Google 自己的指引是:在全部四個層級上進行評估,並把 max_output_tokens 設得夠高,以免上限截斷答案,然後在能達到門檻的最低層級上執行。對一個已公布的獨立分數從其最便宜層級到最深層級跨越 17 個指數點的模型而言,這可不是制式樣板話。你繼承而來的預設值,是最昂貴的正確設定,而不是最便宜的設定。

狀態、簽章,以及新的互動 ID

多輪與工具呼叫工作階段從「重新傳送逐字稿」轉向兩個特定機制。在 Interactions API 中,你透過 previous_interaction_id 攜帶狀態,而不是重建歷史記錄。在由用戶端管理的 generateContent 歷史記錄中,你會在每一輪原樣回傳先前的模型輪次及其 thought 簽章,且不得將簽章複製到平行的 functionCall 部分——簽章會繫結至其來源呼叫。

還有一種失敗模式值得在它於正式環境出現前先了解:透過系統指令提示模型輸出純文字 JSON 工具呼叫,且原生未宣告任何工具時,可能會回傳 MALFORMED_FUNCTION_CALL。請用函式呼叫來宣告工具,或用結構化輸出約束回應。這個問題很容易被忽略,因為它不是結構描述變更——而是一種過去可行的提示模式。

長時間的輸出需要在背景下執行

同步回應無論是否串流,都會在 65,536 個 token 停止。若要超過此上限,請將 max_output_tokens 設為高於 65,536,並將 background 設為 true,伺服器便會以 64K 為單位繼續,直到視窗用盡。若只設定 background 而未提高 max_output_tokens,工作仍會停在 65,536,這正是文件在註記中指出的錯誤。

這項變更的後半部分在你的 HTTP 用戶端,而不是你的提示詞。G​oogle 告訴你要把逾時提高到至少十五分鐘,因為此模型上的困難提示詞在產生第一個回答 token 前可能執行數分鐘。獨立測量也同意這個方向:Artificial Analysis 記錄到 Neon 的第一個回答 token 需 56.5 秒、每個 Intelligence Index 任務需 21.5 分鐘,而 Gemini 4 Argon 則為 45.96 秒與 28.4 分鐘。整體更快,但起步更慢。

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

遷移在節省任何成本之前,要付出多少代價

計費涵蓋模型處理的每一個 token,包括思考 token,以及使用 grounding 時的內部系統指令與函式宣告。這對該系列而言是標準做法,但會與 Neon 的兩個特性嚴重衝突:高預設值會比你的 Carbon 程式碼所依據的中預設值消耗更多思考 token,而且模型本身的 token 用量結構偏重。追蹤器在 Intelligence Index 中統計到 Neon 的輸出 token 為 2.83 億,而 Carbon 為 2.05 億——多出 38%,而且此時每 token 價格也高於 Carbon 的初期優惠費率。

那些話都無法反對遷移。它反對的是只改一個字串、然後盯著儀表板來遷移。誠實的順序是:固定舊模型,把一小部分流量分別複製到 gemini-4-neon 的中等與高等設定上,並比較每完成一項任務的成本,而不是每個 token 的成本。這個模型每個 token 的成本是整張表裡最沒有參考價值的數字。

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

在這一次遷移中,路由器在哪些環節真正證明了自己的價值

這是教科書級的金絲雀發布,也是為什麼即使只是單一供應商遷移,路由層仍然有用的原因。一組 API 金鑰涵蓋 200+ 個模型,因此當你轉移一定比例的流量時,舊路徑與新路徑會位於同一個端點後方;自動容錯移轉表示因參數超出範圍而出現的 400,或長時間執行任務逾時,會退回昨天還正常運作的模型,而不是呼叫值班人員。價格按供應商牌價原樣傳遞,不加價,因此 Neon 的 $3.00 與 $15.00 在你帳單上的數字,和 Google 頁面上的一樣,而 Google 對這些價格所做的任何變更,當天就會反映在我們這邊。

有一點必須說清楚:G​emini 4 Neon 目前尚未收錄在我們的目錄中。G​emini 4 Carbon 和 G​emini 4 Argon 已經收錄,gemini-3.1-pro-preview 也是;而我們不會把費率表描述成一個端點。路由器目前提供給你的,是一個穩定的位置,讓你在 G​oogle 自家 API 上評估 Neon 時可以保留備援鏈;等 Neon 正式推出時,也會提供相同的請求形式。

現在誰應該行動?

現在就採用,如果你的工作負載是儲存庫層級除錯、多檔案重構,或是有大量工具呼叫的長時間代理工作階段——這正是 G​oogle 打造 Neon 的用途,也是獨立實際耗時數據所支持的情況。先等等,如果你依賴明確快取、無法提高用戶端逾時,或你的管線屬於擷取型:G​oogle 自家文件警告,xhigh「可能導致過度思考,或在文字或 JSON 擷取等較簡單提示上耗盡 max_output_tokens」,而在預設為 high 的情況下,你已經比 Carbon 型管線過去所在的位置高一級。

值得觀察且可查證的重點,不是又一篇發布文章,而是 61 在高設定下是否站得住腳——追蹤器給它 59.6 分,落後於 Carbon 在自身上限所測得的 60.0 分——以及 {{1}}G​oogle{{/1}} 是否為模型加入顯式快取。兩者都是有文件記載的行為,兩者都能從外部觀察到,而且兩者都比任何示範更能改變「這是否該成為我們代理機群的預設」這個問題的答案。

本文中的比較1

根據本文內容識別 · 基準測試:Artificial Analysis · 每日更新