Google empfiehlt Gemini 4 Neon als Upgrade-Ziel für Gemini 3.1 Pro, für allgemeine Programmieraufgaben auf Gemini 4 Argon und für komplexe Programmier- oder wissenschaftliche Aufgaben auf Gemini 3.8 Flash. Den Modell-String in gemini-4-neon zu ändern, ist der einfache Teil. Alles Weitere lässt sich in vier Gruppen einteilen.
- Unauffällig: Das Thinking-Level ist jetzt standardmäßig
high. Bei Argon und 3.8 Flash war standardmäßigmediumeingestellt. Wenn du kein Level festlegst, denkt jede Anfrage länger nach als beimedium. Für Nutzer von 3.8 Flash bedeutet das höhere Kosten; für Argon-Nutzer sinken die Kosten pro Aufgabe trotzdem (siehe unten). - Deutlich: Neon gibt bei mehreren Feldern, die älterer Code weiterhin sendet, HTTP 400 zurück:
thinking_budget, das native LevelMINIMAL, die beiden Penalty-Parameter, mehr als einen Kandidaten und fehlerhafte Thought-Signaturen bei Tool-Aufrufen. - Unauffällig:
temperature,top_pundtop_kwerden ignoriert, und ein niedriges Ausgabelimit kann das Modell stoppen, während es noch nachdenkt. Explizites Kontext-Caching und vorausgefüllte Assistant-Turns werden nicht unterstützt; Google sagt nicht, wie diese fehlschlagen. - Bei AIHubMix: Plane mit 65,536 Ausgabe-Token pro Anfrage. Googles Long Decode mit 1M Token ist über den OpenAI-kompatiblen Endpunkt von AIHubMix nicht verfügbar, und der native Pfad wurde für diesen Beitrag nicht getestet.
Der Wechsel von Gemini 4 Carbon ist einfacher: Laut Google ändert sich das Anfrage-Schema nicht; der Hauptunterschied ist das Standard-Level. Der Beitrag Neon im Vergleich zu Carbon behandelt diesen Wechsel.
Was sich je nach Ausgangsmodell ändert
| Änderung | Von 3.1 Pro | Von Argon | Von 3.8 Flash |
|---|---|---|---|
| Standardmäßiges Thinking-Level | jetzt high | medium auf high | medium auf high |
| xhigh-Level | neu | neu | neu |
| Token-Limits | vereinheitlicht auf 1M | bereits vereinheitlicht | vereinheitlicht auf 1M |
| Explizites Caching | entfernt | bereits nicht mehr vorhanden | entfernt |
| Preis, Input / Output | $2 / $12 auf $3 / $15 | $2 / $10 auf $3 / $15 | $0.75 / $3.75 auf $3 / $15 |
Googles offizielle Preise in USD pro Million Token. Die Preise von Gemini 3.1 Pro in Höhe von $2/$12 gelten für Prompts mit bis zu 200K Token ($4/$18 darüber); Neon hat einen einheitlichen Tarif für das gesamte 1M-Kontextfenster. Argons Preis von $2/$10 ist ein Einführungspreis, der am December 1, 2026 auf $4/$20 steigt; der Preis von 3.8 Flash in Höhe von $0.75/$3.75 gilt bis December 31, 2026. Laut Google ist high bei 3.1 Pro und Argon jeweils das höchste Level; das Standard-Level von 3.1 Pro wird nicht angegeben.
Die Angaben im restlichen Beitrag stammen, sofern nicht anders angegeben, aus Googles Neon-Entwicklerleitfaden auf Google Cloud und der Migrations-Checkliste in AI Studio.
Zu den Ausgangsmodellen: Googles Upgrade-Tabelle in AI Studio empfiehlt Nutzern von 3.8 Flash den Wechsel zu Gemini 4 Hydrogen. Der Google-Cloud-Leitfaden verweist dagegen für komplexe Programmier- und wissenschaftliche Aufgaben mit 3.8 Flash auf Neon. Google hat für 3.1 Pro Preview, 3.8 Flash oder ein Gemini-4-Modell kein Abschaltdatum angekündigt.
Die unauffällige Änderung: high ist jetzt das Standard-Level
Google formuliert es eindeutig: „Der Standardwert für thinking_level ist HIGH (bei gemini-4-argon und gemini-3.8-flash von MEDIUM geändert), und XHIGH wird für Aufgaben mit tiefgehender Schlussfolgerung unterstützt …“ Auch die Abhilfe ist eindeutig: „Wenn dein Workload bei gemini-4-argon oder gemini-3.8-flash auf MEDIUM als Standardwert beruhte, lege thinking_level="MEDIUM" explizit fest, um eine vergleichbare Latenz beim Schlussfolgern beizubehalten.“
Was das höhere Level kostet, basierend auf den Messungen von Artificial Analysis zur Google API (erneut geprüft am 2026-11-19, 13:27 UTC; Drittanbieterwerte, die sich ändern, wenn AA die Modelle erneut ausführt):
| Neon-Einstellung | AA Index | $/Aufgabe | Min./Aufgabe | Erste Antwort (s) |
|---|---|---|---|---|
| Medium | 54.9 | 1.90 | 8.3 | 20.1 |
| High (Standard) | 59.6 | 3.74 | 14.8 | 40.6 |
| Xhigh | 61.4 | 6.44 | 21.5 | 56.5 |
AA-Durchschnittswerte pro Intelligence-Index-Aufgabe, berechnet mit Neons Preis von $3/$15. „Erste Antwort“ bezeichnet die Zeit bis zum ersten Antwort-Token.
Der Wechsel von medium zu high bringt 4.8 Punkte im Index, kostet pro Aufgabe aber fast doppelt so viel, dauert 1.8-mal so lange und verdoppelt die Wartezeit bis zum ersten Antwort-Token. Der Wechsel zu xhigh bringt weitere 1.8 Punkte bei 72% Mehrkosten. Für anspruchsvolle Aufgaben mit mehreren Schritten ist das ein guter Tausch, für eine Chat-Antwort ein schlechter.
Für Argon-Nutzer gibt es in denselben Daten gute Nachrichten. Neon Medium erreicht 54.9 Punkte gegenüber 47.6 bei Argons standardmäßigem Medium-Level. Die Kosten liegen bei $1.90 statt $4.31 pro Aufgabe, die Dauer bei 8.3 statt 28.9 Minuten. Der Wechsel von Argon zu Neon Medium verbessert die Qualität und senkt die Kosten pro Aufgabe – noch bevor sich Argons Preis verdoppelt. Selbst Neons Standard-Level High kostet bei den AA-Aufgaben pro Aufgabe weniger als Argon Medium ($3.74 und 14.8 Minuten). Wenn du kein Level festlegst, verzichtest du auf die günstigere Medium-Option.
Das höhere Standard-Level hat außerdem folgende Auswirkungen:
- Thinking wird auf das Ausgabelimit angerechnet. Google: „Bei HIGH (Standard) und XHIGH generierte Reasoning-Token zählen zu max_output_tokens und sammeln sich im Multi-Turn-Kontext an, wenn Thought-Signaturen über Turns hinweg beibehalten werden.“
- Der Kontext füllt sich schneller. Bei mehrstufigen Coding-Agenten summieren sich diese Thinking-Token. Google warnt vor „übermäßig niedrigen Schwellenwerten für die Kontextkomprimierung“ und empfiehlt bei Tool-Turns mit hohen Latenzanforderungen
medium.
Wie sich das Level festlegen lässt, hängt vom Protokoll ab:
| Protokoll | Feld | Werte für Neon |
|---|---|---|
| Native Gemini | thinkingConfig.thinkingLevel | LOW bis XHIGH |
| Chat Completions | reasoning_effort | low bis xhigh |
| Responses | reasoning.effort | low bis xhigh |
| Anthropic Messages | output_config.effort | low bis xhigh |
Die nativen Werte werden bei GenerateContent großgeschrieben. Die Werte für die drei anderen Protokolle stammen aus dem Parameterschema von AIHubMix für gemini-4-neon, das bei jedem Protokoll high als Standardwert angibt.
Googles OpenAI-Kompatibilitätsschicht ordnet reasoning_effort dem Thinking-Level zu; minimal wird dabei auf low abgebildet. Außerdem heißt es, dass sich die beiden „funktional überschneiden und daher nicht gleichzeitig verwendet werden können“: Sende nur eines von beiden.
Die 400-Fehler
Google dokumentiert jeden dieser Fälle für Neon. In den eigenen Fehlerhinweisen von AIHubMix heißt es, 400-Fehler seien Parameterfehler und „werden meist vom vorgelagerten Anbieter durchgereicht“. Für diesen Beitrag wurden keine Live-Tests durchgeführt; der genaue Wortlaut der Fehlermeldung über das Gateway kann daher abweichen.
thinking_budget und MINIMAL
Was du siehst: HTTP 400 bei Anfragen, die mit Gemini-3-Modellen funktioniert haben.
Warum: Neon akzeptiert nur die vier benannten Level. Auf Googles Modellseite heißt es: „Wenn thinking_budget oder thinking_level="MINIMAL" festgelegt wird, gibt die Validierung einen HTTP-400-Fehler zurück.“ Auch Googles eigenes Code-Diff markiert das alte Feld: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.
Abhilfe: Entferne thinking_budget. Ersetze MINIMAL durch LOW. Beim OpenAI-kompatiblen Pfad ordnet Google reasoning_effort="minimal" dem Wert low zu. Wenn du selbst low sendest, gibt es jedoch keinen Interpretationsspielraum.
frequency_penalty, presence_penalty und zusätzliche Kandidaten
Was du siehst: HTTP 400 bei einer Anfrage, die einen Penalty-Parameter festlegt oder mehrere Kandidaten anfordert.
Warum: „Das Übergeben von frequency_penalty, presence_penalty oder candidate_count größer als 1 (candidateCount ist fest auf 1 eingestellt) führt zu einem HTTP-400-Fehler.“
Abhilfe: Entferne beide Penalty-Parameter. Belasse candidate_count bei 1 oder lass das Feld weg. Sende bei Chat Completions auch kein n größer als 1: Google gibt nicht an, wie die Kompatibilitätsschicht damit umgeht, und das Schema von AIHubMix kennzeichnet es als Feld, das nicht gesendet werden soll.
max_output_tokens über 1,048,576
Was du siehst: HTTP 400.
Warum: Input und Output teilen sich ein gemeinsames Fenster von 1,048,576 Token, daher ist ein höheres Ausgabebudget ungültig.
Abhilfe: Sende bei AIHubMix höchstens 65,536 (siehe Abschnitt zum Ausgabelimit). Die Obergrenze ist nur für Long Decode über Googles eigene API relevant.
Fehlende oder falsch platzierte Thought-Signaturen
Was du siehst: HTTP 400 beim zweiten oder einem späteren Schritt eines Tool-Aufruf-Turns.
Warum: Neon validiert die Thought-Signatur, die im aktuellen Turn an Funktionsaufrufe angehängt ist. „Wenn thought_signature im ersten functionCall-Teil des aktiven Turns fehlt, wird ein HTTP-400-Fehler zurückgegeben. Wird die Signatur auf benachbarte functionCall-Teile dupliziert oder werden Turns verschachtelt, wird ebenfalls ein HTTP-400-Fehler zurückgegeben.“
Googles Leitfaden zu Thought-Signaturen zeigt das Nachrichtenformat für Gemini-3-Modelle: „Bei Funktionsaufruf <Function Call> im Inhaltsblock <index of contents array> fehlt thought_signature.“ Neons Leitfaden nennt den 400-Fehler, aber nicht seinen Wortlaut.
Abhilfe: Sende die Turns des Modells exakt so zurück, wie du sie erhalten hast. Bei parallelen Aufrufen trägt nur der erste Aufruf eine Signatur. Lass alle Aufrufe im selben Modell-Turn und alle Ergebnisse im selben Nutzer-Turn, jeweils in derselben Reihenfolge. Googles eigenes Beispiel: Gibt das Modell „FC1 + signature, FC2“ zurück, muss die nächste Anfrage „FC1 + signature, FC2, FR1, FR2“ enthalten. Eine Verschachtelung in der Form „FC1 + signature, FR1, FC2, FR2“ führt zu einem 400-Fehler.
Sampling-Werte außerhalb des zulässigen Bereichs
Was du siehst: HTTP 400, wenn temperature oder top_p außerhalb des zulässigen Bereichs liegt.
Warum: Google ignoriert Werte innerhalb des zulässigen Bereichs, validiert sie aber trotzdem: „Werte außerhalb des zulässigen Bereichs führen zu einem Validierungsfehler 400.“
Abhilfe: Entferne die Sampling-Parameter vollständig (siehe nächsten Abschnitt).
Die Anfrageformate
Eine korrekte Anfrage über AIHubMix mit der Einrichtung aus dem Schnellstart:
curl -s https://aihubmix.com/v1/chat/completions \
-H "Authorization: Bearer $AIHUBMIX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-neon",
"reasoning_effort": "medium",
"max_completion_tokens": 65536,
"messages": [{"role": "user", "content": "Reply with OK."}]
}'
Eine Anfrage, die laut Googles Dokumentation bei Neon einen 400-Fehler verursacht:
curl -s https://aihubmix.com/v1/chat/completions \
-H "Authorization: Bearer $AIHUBMIX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-neon",
"frequency_penalty": 0.5,
"messages": [{"role": "user", "content": "Reply with OK."}]
}'
Dieselbe Prüfung am nativen Gemini-Endpunkt mit dem alten Feld thinkingBudget. Der Pfad folgt dem Muster, das AIHubMix für andere Gemini-Modelle dokumentiert; der eigene Eintrag für Neon zeigt nur das Beispiel für Chat Completions.
curl -s "https://aihubmix.com/gemini/v1beta/models/gemini-4-neon:generateContent" \
-H "x-goog-api-key: $AIHUBMIX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{"role": "user", "parts": [{"text": "Reply with OK."}]}],
"generationConfig": {"thinkingConfig": {"thinkingBudget": 16384}}
}'
Das sind Anfrageformate, keine aufgezeichneten Antworten: Keine davon wurde für diesen Beitrag ausgeführt.
Weitere Änderungen, die du einplanen solltest
Sampling-Parameter haben keine Wirkung
Google legt Neons Sampling-Werte fest: temperature auf 1.0, topP auf 0.95 und topK auf 64. Benutzerdefinierte Werte werden ignoriert. Ein temperature: 0, das wiederholbare Ausgaben gewährleisten soll, hat keine Wirkung, und es gibt keinen Fehler, der dich darauf hinweist. Googles Empfehlung: „Steuere die Tiefe des Schlussfolgerns mit thinking_level und das Ausgabeformat mit response_schema.“ Verwende strukturierte Ausgabe, wenn du ein festes Format benötigst.
Explizites Caching gibt es nicht mehr
cachedContents, caches.create und cached_content werden nicht unterstützt. Google sagt nicht, ob eine Anfrage, die diese Felder weiterhin sendet, fehlschlägt oder ignoriert wird. Entfernen Sie sie also lieber, statt es darauf ankommen zu lassen. Caching ist bei Neon ausschließlich implizit. Es wird automatisch auf einen gemeinsamen Prompt-Präfix von mindestens 4,096 Tokens angewendet (bei 3.8 Flash waren 6,144 nötig), und gecachte Eingaben kosten $0.15 statt $3.00 pro Million Tokens. Damit das funktioniert, muss der statische Teil des Prompts zuerst kommen: Systemanweisungen, Tool-Definitionen, Referenzdokumente. Entfernen Sie den Code für explizites Caching; bei Neon gibt es dafür kein Äquivalent.
Niedrige Ausgabelimits kürzen das Denken
Eine auf ein älteres Modell abgestimmte Anwendung sendet oft einen Wert von höchstens 8,192 für max_tokens. Bei Neon teilen sich Denkprozess und Antwort dieses Budget. Ein niedriges Limit kann die Antwort daher beenden, bevor sie überhaupt beginnt. Google empfiehlt: „Entfernen Sie fest codierte niedrige Limits (wie 8,192) oder erhöhen Sie max_output_tokens auf 65,536. Um weniger Tokens zu verwenden, senken Sie stattdessen den Reasoning-Aufwand.“
Zu kurze Timeouts
Google: „Schwierige Prompts können mehrere Minuten dauern. Verwenden Sie die Hintergrundausführung oder setzen Sie die HTTP-Client-Timeouts auf mindestens 15 Minuten.“ Bei den Durchschnittswerten von AA wartet Neon High 40.6 Sekunden auf das erste Antwort-Token, Xhigh 56.5. Manche Anfragen dauern deutlich länger als der Durchschnitt.
Vorab ausgefüllte Assistant-Turns
Die Verlaufsregeln von Neon: „Verlaufs-Payloads dürfen nicht mit einem Model-Turn enden.“ „Vorab ausgefüllte Model-Turns werden nicht unterstützt.“ Code, der die Assistant-Antwort vorgibt, um das Format zu steuern – ein gängiger Trick mit der Anthropic-API –, muss damit aufhören. Google führt diese Punkte unter der Chat-Validierung auf, ohne die Antwort darauf anzugeben. Laut den Schemahinweisen von AIHubMix führt ein abschließender Model-Turn zu einem Fehler. Testen Sie es, wenn Ihr Code auf Prefill angewiesen ist.
Als Text formulierte Tool-Aufrufe
Wenn der System-Prompt das Modell auffordert, JSON-Tool-Aufrufe als einfachen Text zu schreiben, ohne Tools zu deklarieren, kann Neon laut Google „MALFORMED_FUNCTION_CALL zurückgeben“. Deklarieren Sie Tools nativ oder verwenden Sie strukturierte Ausgabe.
Das Ausgabelimit bei AIHubMix: 65,536 Tokens
Über Googles eigene API ist die einzelne Antwort von Neon auf 65,536 Ausgabetokens begrenzt – mit oder ohne Streaming. Längere Antworten nutzen Long Decode: Die Generierung wird in 64K-Segmenten bis zu 1,048,576 Tokens abzüglich der Eingabe fortgesetzt, über die Interactions API oder GenerateContent v1beta1. Ab diesen Versionen können Googles SDKs die Fortsetzungstokens automatisch verarbeiten: Python google-genai 2.34.0 und JavaScript @google/genai 2.32.0 für die Interactions API.
Google sagt außerdem: „Frühere SDK-Versionen und die OpenAI-Kompatibilitätsschicht können lange Abschlüsse nicht mithilfe von Fortsetzungstokens abrufen.“
Das Parameterschema von AIHubMix für gemini-4-neon begrenzt die Ausgabe über alle unterstützten Protokolle hinweg auf 65,536 Tokens: Chat Completions, Responses, Anthropic Messages und natives Gemini. Im Schema ist auch Googles Feld continuationToken für das native Gemini-Protokoll aufgeführt. Außerdem dokumentiert AIHubMix allgemein Googles natives SDK und die Interactions API. Long Decode für Neon über diesen Pfad wurde für diesen Beitrag nicht getestet. Bis Sie sich vergewissert haben, dass es funktioniert, sollten Sie eine einzelne Antwort mit höchstens 65,536 Tokens einschließlich Denkprozess einplanen. Wenn Sie mehr benötigen, teilen Sie die Aufgabe selbst auf, zum Beispiel eine Datei oder einen Abschnitt pro Anfrage.
Abrechnungsregeln, die leicht zu übersehen sind
Denktokens zählen als Ausgabe. Die $15 pro Million Ausgabetokens bei Neon umfassen auch Denktokens. Bei high kann der Denkprozess den Großteil der Ausgabe einer schwierigen Anfrage ausmachen.
Grounding wird doppelt berechnet. Google zählt „interne Tool-Systemanweisungen und Funktionsdeklarationen bei Verwendung von Grounding“ als abrechenbare Tokens und berechnet jede Suchanfrage separat. Googles eigenes Kontingent umfasst 5,000 kostenlose Suchanfragen pro Monat, gemeinsam für Gemini 3 und neuere Modelle; danach kostet es $14 pro 1,000. AIHubMix berechnet Websuche pro Anfrage; den Preis finden Sie auf der Neon-Modellseite.
Fürs Caching muss der Prompt richtig aufgebaut sein. Der Cache-Rabatt von 95% gilt nur für einen stabilen Präfix von mindestens 4,096 Tokens. Ein Zeitstempel oder Benutzername am Anfang des System-Prompts verhindert das bei jeder Anfrage.
Bei Long Decode wird die Eingabe erneut berechnet (nur Googles API). „Jedes Fortsetzungssegment berechnet den Prompt plus die zuvor dekodierten Tokens erneut vor“, sodass die Eingabe von Segment zu Segment wächst. „Abgeschlossene Segmente werden am Ende jedes Segments abgerechnet, selbst wenn ein späteres Segment fehlschlägt oder abgebrochen wird.“ Bei AIHubMix tritt das wegen des Limits von 65,536 Tokens nicht auf.
Günstigere Tarife sind Googles Preise. Google bietet Neon Batch und Flex für $1.50/$7.50 sowie Priority für $5.40/$27 an. Das Schema von AIHubMix akzeptiert für Neon einen service_tier mit dem Wert flex oder priority, veröffentlicht aber keine Preise für diese Tarife; Batch ist nicht aufgeführt. Kalkulieren Sie mit dem Standardpreis von $3/$15.
So senken Sie die Kosten:
- Legen Sie
reasoning_effortje nach Aufruftyp fest:mediumfür interaktive Schritte und Tool-Turns,highfür Planung undxhighnur dort, wo Ihre eigenen Evaluierungen einen Nutzen zeigen. - Stellen Sie den statischen Prompt-Präfix an den Anfang und sorgen Sie dafür, dass er länger als 4,096 Tokens ist.
- Verwenden Sie Websuche nur in Turns, die sie benötigen.
- Behalten Sie
completion_tokensin der Nutzungsübersicht im Blick. Dieser Wert umfasst den Denkprozess, nicht nur die sichtbare Antwort.
Agenten mit echten Berechtigungen
Die Regeln für Tool-Aufrufe bei Neon sind streng. Besonders wichtig sind sie, wenn der Agent Dateien schreiben oder Befehle ausführen kann:
- Aufrufe und Ergebnisse müssen übereinstimmen. „Jede FunctionResponse muss mit ID, Name und Reihenfolge des vorausgehenden FunctionCall übereinstimmen.“
- Behalten Sie den vollständigen Verlauf bei, einschließlich der Signaturen. Google: „Geben Sie jedes thought_signature in seinem ursprünglichen Part über alle vorherigen Turns hinweg zurück …“ Das Entfernen alter Signaturen oder die Verwendung von Platzhaltern wie
skip_thought_signature_validator„verwirft den Reasoning-Kontext und kann MALFORMED_FUNCTION_CALL auslösen“. - Geben Sie bei Chat Completions Assistant-Nachrichten unverändert zurück. Behalten Sie jede Assistant-Nachricht mitsamt ihren Tool-Aufrufen genau so bei, wie die API sie zurückgegeben hat. Bauen Sie den Verlauf nicht aus Ihren eigenen Protokollen neu auf. Google dokumentiert die Unterstützung von Thought-Signaturen bei Gemini-3-Modellen in den OpenAI-kompatiblen Chat Completions. Prüfen Sie, ob Ihr Client sie für Neon beibehält.
- Achten Sie auf einen unbemerkten Abbruch. Ein fehlerhafter Funktionsaufruf beendet den Turn, ohne eine brauchbare Antwort zu liefern. Open-Source-Proxys haben berichtet, dass dieser Fall OpenAI-kompatible Clients als gewöhnliches
stopoder als Serverfehler erreicht: LiteLLM-Pull-Request 52745 und Divyam-Issue 60 auf GitHub, beide im November 2026 eröffnet. Wenn Ihr Agent einen leeren Turn ohne Tool-Aufruf erhält, werten Sie das als Fehler und versuchen Sie es erneut, statt die Aufgabe als abgeschlossen zu betrachten.
Laut Google verhält sich Neon in diesen Schleifen zuverlässiger als seine Vorgänger. Es „reduziert redundante Datei-Lesevorgänge, bewältigt die Kontextkomprimierung zuverlässig und minimiert erfundene Behauptungen und Abkürzungen bei Aufgaben“ und verringert „agentische Grenzüberschreitungen und unzureichende Ausführung“. Das sind Behauptungen von Google, die auf eigenen Evaluierungen beruhen. Sie senken das Risiko, ersetzen aber weder Berechtigungsbeschränkungen noch die Prüfung von Schreibvorgängen.
Coding-Tools: Claude Code und Codex
Das Parameterschema von AIHubMix führt für gemini-4-neon vier Protokolle auf, darunter die beiden, die Coding-Agenten benötigen: Anthropic Messages für Claude Code und die Responses API für Codex. Die Einrichtung ist wie bei jedem AIHubMix-Modell; der Beitrag zu den Claude-Code-Einstellungen und der Beitrag zur Codex-Datei config.toml erklären die Schritte. Was bei Neon besonders ist:
| Einstellung | Claude Code | Codex |
|---|---|---|
| Protokoll | Anthropic Messages | Responses API |
| Modell-ID | gemini-4-neon | gemini-4-neon |
| Effort-Werte | low bis xhigh | low bis xhigh |
| Kontextfenster | 1,048,576 | 1,048,576 |
| Ausgabe pro Anfrage | 65,536 | 65,536 |
Effort-Werte und Limits stammen aus dem Parameterschema von AIHubMix; der Standardwert für Effort ist bei beiden Protokollen high.
Claude Code. Setzen Sie ANTHROPIC_MODEL auf gemini-4-neon. Erhöhen Sie API_TIMEOUT_MS: Der Standardwert beträgt 10 Minuten, Google empfiehlt für schwierige Prompts mindestens 15. Fügen Sie benutzerdefinierten Anfragen über denselben Endpunkt kein Assistant-Prefill hinzu; Neon unterstützt dies nicht.
Codex. Behalten Sie wire_api = "responses" und die base_url von AIHubMix bei, setzen Sie model = "gemini-4-neon" und wählen Sie für model_reasoning_effort eine der Neon-Stufen. Beginnen Sie mit medium; Codex führt viele kurze Tool-Turns aus, bei denen high vor allem die Wartezeit verlängert.
Auf diese bekannten Probleme sollten Sie sich einstellen:
- Lange Wartezeit bis zum ersten Token bei
highundxhigh. - Antworten, die bei langen Denkprozessen am Limit von 65,536 Tokens enden.
- Leere Turns, wenn ein Tool-Aufruf fehlschlägt, wie oben beschrieben.
- Wissensstand von März 2026; Bibliotheksversionen, die danach erschienen sind, müssen daher im Kontext enthalten sein.
Ein 10–15-minütiger Smoke-Test
- Wählen Sie ein kleines Repository mit einem fehlschlagenden Unit-Test und einem Testbefehl, der in weniger als einer Minute durchläuft.
- Richten Sie das Tool auf
gemini-4-neonaus, setzen Sie den Effort aufmediumund das Client-Timeout auf mindestens 15 Minuten. - Bitten Sie um die kleinstmögliche Änderung, mit der der Test besteht. Führen Sie den Test anschließend aus und prüfen Sie den Diff.
- Bestanden: ein minimaler Diff, der Test ist erfolgreich, alles innerhalb von 15 Minuten. Nicht bestanden: Notieren Sie, ob ein 400-Fehler, ein leerer Turn, ein Timeout oder eine fehlerhafte Änderung auftrat. Für jeden Fall gibt es oben eine Lösung.
- Wiederholen Sie den Test mit
high. Bleiben Sie bei der niedrigeren Stufe, sofernhighnicht etwas behebt, das mitmediumfalsch lief.
Checkliste
- Modell-ID auf
gemini-4-neongesetzt. - Denkstufe je nach Aufruftyp ausdrücklich festgelegt;
medium, falls Sie sich auf den Standardwert von Argon oder 3.8 Flash verlassen haben. - Kein
thinking_budget;MINIMALwurde durchLOWersetzt. - Pro Anfrage nur entweder
reasoning_effortoder die native Denkstufe verwenden. - Kein
frequency_penaltyund keinpresence_penalty;candidate_countundnauf 1 gesetzt oder weggelassen. - Kein
temperature,top_podertop_k; strukturierte Ausgabe verwenden, wenn das Format wichtig ist. - Code für explizites Caching entfernt; statischer Prompt-Präfix an erster Stelle und länger als 4,096 Tokens.
- Ausgabelimit bei AIHubMix auf höchstens 65,536 gesetzt; keine niedrigen Limits älterer Modelle übrig.
- Client-Timeouts auf mindestens 15 Minuten gesetzt.
- Der Verlauf endet nie mit einem Assistant-Turn; kein Prefill.
- Assistant-Turns und Tool-Aufrufe exakt wie empfangen zurückgegeben; parallele Aufrufe und Ergebnisse in der ursprünglichen Reihenfolge gruppiert.
- Leere Turns ohne Tool-Aufruf als Fehler behandelt und erneut versucht.
- Das Budget berücksichtigt Denktokens und Websuchanfragen.
- Coding-Tool mit
mediumundhighgetestet.
Häufig gestellte Fragen
Muss ich mein Anfrageformat ändern, um zu Gemini 4 Neon zu wechseln?
Von einem anderen Gemini-4-Modell aus: nein. Google zufolge ist das Schema identisch. Ändern Sie also die Modell-ID und prüfen Sie den Denkmodus. Wechseln Sie von Gemini 3.1 Pro oder 3.8 Flash, entfernen Sie thinking_budget, MINIMAL, die Penalty-Parameter und das explizite Caching.
Warum kosten meine Anfragen nach dem Wechsel von 3.8 Flash mehr?
Neon kostet viermal so viel wie 3.8 Flash und verwendet standardmäßig hohes Reasoning effort, während bei 3.8 Flash standardmäßig mittleres Reasoning effort eingestellt war. Laut den Messungen von Artificial Analysis kostet Neon High pro Aufgabe etwa doppelt so viel wie Neon Medium. Legen Sie die Stufe explizit fest. Bei Argon sinken die Kosten pro Aufgabe laut AA selbst bei hohem Reasoning effort.
Warum gibt Neon bei thinking_budget einen 400-Fehler zurück?
Neon akzeptiert nur die benannten Reasoning-Stufen low, medium, high und xhigh. Google weist thinking_budget und MINIMAL mit HTTP 400 zurück, statt sie umzusetzen.
Funktioniert temperature weiterhin?
Nein. Neon ignoriert temperature, top_p und top_k; Werte außerhalb des zulässigen Bereichs führen zu einem 400-Fehler. Verwenden Sie stattdessen die Reasoning-Stufe und strukturierte Ausgabe.
Kann Neon über AIHubMix mehr als 65,536 Token zurückgeben?
AIHubMix dokumentiert für Neon eine Ausgabebegrenzung von 65,536 Token pro Anfrage, einschließlich des Denkens. Googles lange Decodierung mit bis zu etwa 1M Token funktioniert über Googles eigene API. Über AIHubMix ist sie am OpenAI-kompatiblen Endpunkt nicht verfügbar; der native Pfad wurde hier nicht getestet.
Kann ich Gemini 4 Neon in Claude Code oder Codex verwenden?
Ja. AIHubMix führt das Anthropic-Messages-Protokoll auf, das Claude Code verwendet, sowie die Responses API, die Codex nutzt. Legen Sie das Modell auf gemini-4-neon fest, erhöhen Sie das Timeout und führen Sie zuerst einen kurzen Smoke-Test durch.
Wird Gemini 3.1 Pro eingestellt?
Google hat kein Einstellungsdatum für Gemini 3.1 Pro Preview, Gemini 3.8 Flash oder ein Gemini-4-Modell angekündigt. Als Upgrade für 3.1 Pro empfiehlt Google Neon.
Weiterlesen: die Gemini-4-Neon-Reihe
- Wenn Sie von Carbon wechseln oder entscheiden möchten, ob Neon für Ihre anspruchsvollsten Aufgaben ausreicht, vergleicht dieser Artikel die beiden Modelle hinsichtlich Qualität, Zeit und Kosten pro Aufgabe: Gemini 4 Neon vs Carbon: Ist das schnellere Modell gut genug?.
- Wenn Sie sich nach der Migration fragen, ob Neon überhaupt das richtige Gemini-4-Modell ist, vergleicht dieser Artikel es mit Hydrogen, Carbon und Argon: Gemini 4 Hydrogen vs Neon vs Carbon vs Argon: Welches Modell sollten Sie verwenden?.
Quellen
- Google Cloud, Entwicklerleitfaden zu Gemini 4 Neon
- Google AI Studio, Neuigkeiten zu Gemini 4 Neon
- Google AI Studio, Thought-Signaturen
- Artificial Analysis, LLM-Bestenliste (abgerufen am 2026-11-19, 13:27 UTC)
- AIHubMix, Gemini 4 Neon


