谷歌发布 Gemini 4 Neon,支持 100万 token 上下文和四种思考级别

关键要点

  • 谷歌在付费 Gemini API 套餐中推出了 Gemini 4 Neon,提供统一的 100 万代币上下文窗口和四种可配置的思考级别。
  • Gemini 4 Neon 的定价为每 100 万个输入代币 3.00 美元、每 100 万个输出代币 15.00 美元;隐式缓存可享受 95% 的折扣,将价格降至每 100 万个缓存代币 0.15 美元。
  • 该模型支持每轮最多 65,536 个代币的同步响应;对于复杂的软件工程和科学工作流,后台执行可将代币上限扩展至 100 万。

谷歌已发布 Gemini 4 Neon (gemini-4-neon),这是一款前沿级 AI 模型,定位介于 Gemini 4 Hydrogen 和 Gemini 4 Carbon 之间,目前可通过 Gemini API 的付费层级,以及 Google AI Studio 中的 Google AI Pro 和 Ultra 套餐使用。该模型提供统一的 100 万代币上下文窗口能力,并支持四种可配置的思考级别(low、medium、默认的 high 和 xhigh),专为复杂软件工程、知识工作和科学工作流设计。与更高端的替代方案相比,Gemini 4 Neon 能更快地端到端完成任务,并减少代币用量,满足企业对高频复杂任务的需求。

定价与可用性

Gemini 4 Neon 仅在 Gemini API 的付费层级提供,并支持 generateContent 和 Interactions API 端点。该模型在整个 100 万上下文窗口范围内采用统一定价:输入代币费用为每 100 万代币 3.00 美元;通过隐式缓存,缓存输入代币可享受折扣,费用降至每 100 万代币 0.15 美元(缓存命中时折扣 95%)。输出代币(包括思考代币)的费用为每 100 万代币 15.00 美元。对于至少包含 4,096 个代币的提示,系统默认自动启用隐式缓存。所有代币用量——包括思考代币、内部 grounding 系统指令和函数声明——都会由服务计数并计费。

核心能力与思考级别

Gemini 4 Neon 支持四种不同的思考级别,用户可针对每种工作负载调整推理深度、延迟和代币开销。low 思考级别使用的代币最少、延迟最低,适合快速聊天和高吞吐处理等对成本和延迟敏感的工作负载。medium 级别的代币用量较少、响应较快,适合交互式编程、实时 UI 原型设计、响应迅速的聊天以及对延迟敏感的工具调用。high 思考级别(默认设置)兼顾智能水平和速度,建议作为大多数任务的默认选项,包括复杂编程、智能体执行、工具调用和多模态知识工作。xhigh 级别使用的代币最多,推理深度最高,适用于 high 级别难以应对的高难度多步骤工程、分析和科学问题,可用更高延迟和代币用量换取更深入的推理。

该模型提供统一的 1,048,576 代币上下文窗口,输入、思考和输出代币共用单一额度。借助后台执行或客户端续传,响应长度可超过 64K 代币,最高达到 100 万代币。在流式和非流式调用中,同步响应每轮最多支持 65,536 个代币。对于超过 64K 代币的输出,开发者可将 background 设为 true,并将 max_output_tokens 设为高于 65,536 的值(最高可达 1,048,576 减去输入代币数),以便服务器以每轮 64K 代币的方式继续处理。

专项使用场景与架构

Gemini 4 Neon 专为代码库级调试和多文件重构而设计,能够以更少的步骤完成复杂软件任务,并生成整洁的修改。在包含大量工具调用的长会话中,该模型能减少重复读取文件,可靠地处理上下文压缩,并尽量减少虚构内容和任务捷径。在知识工作中,该模型可在其 100 万代币上下文中综合密集文档、电子表格、图表和多步骤工具输出,生成结构化成果,并在法律、金融、科学和定量任务中表现出色。在网络安全工作流中,Gemini 4 Neon 编写的代码安全漏洞更少,能够改进漏洞根因修复,并减少多步骤工作流中的智能体越权和服务不足问题。防御者可通过 Fairwind Program 使用其双重用途的网络攻防能力。该模型也受到 Managed Agents 支持,其中 Gemini Managed Agents 中的 Antigravity 智能体可单独运行 gemini-4-neon,也可在多模型工作流中与 Hydrogen 搭配使用。

迁移指南

从 Gemini 4 Carbon、Argon 或 Hydrogen 迁移时,只需将模型 ID 更新为 gemini-4-neon,无需更改请求架构。开发者应确认默认思考级别 high 以及对 xhigh 的支持符合其工作负载需求,并注意 Carbon 和 Argon 的默认级别为 medium,且最高仅支持 high。Neon 仅在付费层级提供,不支持免费层级。

从 Gemini 3 及更早期模型迁移则需要进行更多改动。模型 ID 必须改为 gemini-4-neon。开发者应注意统一的 100 万上下文窗口:Gemini 3.8 Flash 将 100 万输入代币和 64K 输出代币额度分开,而 Neon 的输入、思考和输出代币共用一个 1,048,576 代币窗口。应移除较低的硬编码 max_output_tokens 上限,或将其提高至 65,536。开发者必须显式配置 thinking_level,因为 Neon 的默认值为 high,而非 medium;Neon 还新增了 xhigh,并会对 minimal 返回错误。Gemini 4 Neon 不支持显式缓存(cachedContents 和 caches.create),因此必须从请求中移除 cached_content 字段;系统会默认启用隐式缓存。必须移除自定义采样参数(temperature、top_p 和 top_k):服务器会忽略范围内的值,并对超出范围的值返回 400 验证错误。原生工具或结构化输出架构必须通过函数调用以原生方式声明,不能再通过系统指令提示模型输出自定义的纯文本 JSON 工具调用。在多轮和工具调用会话中,必须通过 Interactions API 中的 previous_interaction_id 保留对话状态和思考签名;或者在由客户端管理的 generateContent 历史记录中,不做改动地返回先前的模型轮次和思考签名。对于超过 64K 代币的输出,应启用后台执行,将 background 设为 true,并将 max_output_tokens 设为高于 65,536 的值。HTTP 客户端超时时间应延长至至少 15 分钟,因为复杂提示可能需要几分钟才能处理完毕。

模型选择与定位

Gemini 4 Neon 在产品阵容中的定位介于 Gemini 4 Hydrogen 和 Gemini 4 Carbon 之间。对于需要前沿级智能和快速端到端任务完成能力的复杂软件工程、知识工作和科学工作流,用户应选择 Neon。Carbon 应留给最困难的架构、调试、科学和安全问题。Hydrogen 仍是日常编程和智能体工作流的默认选择,而 Gemini 3.5 Flash-Lite 则适用于高吞吐、低延迟任务。

关键事实

  • Gemini 4 Neon 的模型 ID 为 gemini-4-neon,在 Gemini API 付费层级的定价为每 100 万输入代币 3.00 美元、每 100 万输出代币 15.00 美元。
  • 该模型支持四种思考级别:low、medium、high(默认)和 xhigh,可用于调整推理深度、延迟和代币开销。
  • 统一的 100 万代币上下文窗口(1,048,576 个代币),输入、思考和输出代币共用单一额度。
  • 同步响应每轮最多支持 65,536 个代币;借助后台执行或客户端续传,长文本解码可扩展至 100 万代币。
  • 对于至少包含 4,096 个代币的提示,隐式缓存可在缓存命中时将缓存输入代币费用降低 95%,降至每 100 万代币 0.15 美元。
  • 仅在付费层级提供,支持 generateContent 和 Interactions API 端点;也可通过 Google AI Studio 中的 Google AI Pro 和 Ultra 套餐使用。
  • 不支持显式缓存(cachedContents 和 caches.create);系统默认启用隐式缓存。
  • 支持 Gemini Managed Agents,其中的 Antigravity 智能体可单独运行 gemini-4-neon,也可在多模型工作流中与 Hydrogen 搭配使用。
  • 模型处理的所有代币都会计数并计费,包括思考代币、内部 grounding 系统指令和函数声明。
  • 从 Gemini 3 及更早期版本迁移需要更改架构:改用统一上下文窗口(Gemini 3.8 Flash 将 100 万输入代币和 64K 输出代币额度分开)、配置思考级别、移除采样参数、原生声明工具,并将 HTTP 客户端超时时间延长至至少 15 分钟。

常见问题

Gemini 4 Neon 的思考级别有哪些?分别适用于什么场景?

Gemini 4 Neon 支持四种思考级别。low 级别使用的代币最少、延迟最低,建议用于快速聊天和高吞吐处理等对成本和延迟敏感的工作负载,不过它在智能体任务中仍具备一定能力。medium 级别的代币用量较少、响应较快,适合交互式编程、实时 UI 原型设计、响应迅速的聊天以及对延迟敏感的工具调用。high 思考级别是默认选项,兼顾智能水平和速度,建议作为大多数任务的默认级别,包括复杂编程、智能体执行、工具调用和多模态知识工作。xhigh 级别使用的代币最多,推理深度最高,适用于 high 级别难以应对的高难度多步骤工程、分析和科学问题;开发者可用更高的延迟和代币用量换取更深入的推理。对于大多数复杂任务,Google 建议从 high 开始;只有在 high 级别难以应对的高难度多步骤问题中才使用 xhigh。

Gemini 4 Neon 的上下文窗口和输出代币上限如何运作?

Gemini 4 Neon 提供统一的 1,048,576 代币上下文窗口,输入、思考和输出代币共用单一额度。在流式和非流式请求中,同步响应每轮最多支持 65,536 个代币。若要生成超过 65,536 个代币的输出,开发者可将 max_output_tokens 设为高于 65,536 的值(最高为 1,048,576 减去输入代币数),并将 background 设为 true,使服务器以每轮 64K 代币的方式继续处理;也可在最新版 Google GenAI SDK 中使用客户端续传。max_output_tokens 字段会限制单个响应中思考代币和输出代币的总数。对于标准任务,可保留 65,536 的默认值,或省略 max_output_tokens。对于长输出和多步骤任务,应将 background 设为 true,并将 max_output_tokens 设为 131,072 或 262,144,最高可达 1,048,576 减去输入代币数。

从 Gemini 3 模型迁移到 Gemini 4 Neon 时有哪些关键差异?

从 Gemini 3 及更早期模型迁移需要进行几项改动。Neon 的统一 100 万上下文窗口不同于 Gemini 3.8 Flash 的设计,后者将 100 万输入代币和 64K 输出代币额度分开;Neon 将所有类型的代币共用一个 1,048,576 代币窗口,同时保留 65,536 的单次请求默认上限。必须移除较低的硬编码 max_output_tokens 上限,或将其提高至 65,536。Gemini 4 Neon 的默认思考级别为 high,而非 medium;它新增了对 xhigh 的支持,并会对 minimal 返回错误。不支持通过 cachedContents 和 caches.create 进行显式缓存;系统会默认启用隐式缓存。必须从请求中移除自定义采样参数(temperature、top_p 和 top_k)。原生工具和结构化输出架构必须通过函数调用以原生方式声明,而不能通过系统指令提示来声明。在 Interactions API 中通过 previous_interaction_id 保留对话状态和思考签名,或在由客户端管理的历史记录中不做改动地返回先前的模型轮次。HTTP 客户端超时时间应延长至至少 15 分钟,因为复杂提示可能需要几分钟才能处理完毕。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论