Migración a Gemini 4 Neon: modo de pensamiento alto por defecto, errores 400 y el límite de 65K

AIHubMix14 min de lectura

Google señala Gemini 4 Neon como el modelo al que actualizar desde Gemini 3.1 Pro, para tareas generales de programación con Gemini 4 Argon y para tareas complejas de programación o ciencia con Gemini 3.8 Flash. Cambiar la cadena del modelo a gemini-4-neon es la parte fácil. El resto se divide en cuatro grupos.

  • Silencioso: el nivel de pensamiento predeterminado ahora es high. Argon y 3.8 Flash tenían medium por defecto. Si no estableces un nivel, cada solicitud piensa más de lo que pensaría con medium. Para quienes usan 3.8 Flash, eso significa facturas más altas; para quienes usan Argon, el costo por tarea sigue bajando (ver más abajo).
  • Explícito: Neon devuelve HTTP 400 para varios campos que el código anterior todavía envía: thinking_budget, el nivel nativo MINIMAL, los dos parámetros de penalización, más de una opción de respuesta y firmas de pensamiento incorrectas en llamadas a herramientas.
  • Discreto: temperature, top_p y top_k se ignoran, y un límite de salida bajo puede detener el modelo mientras todavía está pensando. No se admiten el almacenamiento en caché explícito ni los turnos del asistente precompletados, y Google no dice qué ocurre cuando se usan.
  • En AIHubMix: cuenta con 65,536 tokens de salida por solicitud. La decodificación larga de 1M tokens de Google no está disponible a través del endpoint compatible con OpenAI de AIHubMix, y la ruta nativa no se probó para esta publicación.

Si vienes de Gemini 4 Carbon, la migración es más sencilla: Google dice que el esquema de solicitud no cambia y que la diferencia principal es el nivel predeterminado. La publicación sobre Neon frente a Carbon explica esa migración.

Qué cambia según el modelo del que partes

Cambio Desde 3.1 Pro Desde Argon Desde 3.8 Flash
Nivel de pensamiento predeterminado ahora high de medium a high de medium a high
nivel xhigh nuevo nuevo nuevo
Límites de tokens unificado en 1M ya unificados unificado en 1M
Almacenamiento en caché explícito eliminado ya eliminado eliminado
Precio, entrada / salida $2 / $12 a $3 / $15 $2 / $10 a $3 / $15 $0.75 / $3.75 a $3 / $15

Precios oficiales de Google, en USD por millón de tokens. El precio de Gemini 3.1 Pro de $2/$12 se aplica a prompts de hasta 200K tokens ($4/$18 por encima de ese límite); Neon tiene una única tarifa para toda la ventana de 1M. El precio introductorio de Argon, $2/$10, pasa a ser $4/$20 el 1 de diciembre de 2026; el precio de 3.8 Flash, $0.75/$3.75, se mantiene hasta el 31 de diciembre de 2026. Google dice que tanto 3.1 Pro como Argon tienen un límite de high; no especifica el valor predeterminado de 3.1 Pro.

Las reglas del resto de esta publicación provienen de la guía para desarrolladores de Neon de Google Cloud y de la lista de verificación de migración de AI Studio, salvo que se indique lo contrario.

Sobre los modelos de partida: la tabla de actualización de AI Studio de Google dirige a quienes usan 3.8 Flash a Gemini 4 Hydrogen. La guía de Google Cloud es la que recomienda Neon para tareas complejas de programación y ciencia con 3.8 Flash. Google no ha anunciado una fecha de cierre para 3.1 Pro Preview, 3.8 Flash ni ningún modelo Gemini 4.

El cambio silencioso: high es el nuevo valor predeterminado

Google lo dice directamente: «El valor predeterminado de thinking_level es HIGH (cambió de MEDIUM en gemini-4-argon y gemini-3.8-flash), y se admite XHIGH para tareas de razonamiento profundo…». La solución que propone es igual de directa: «Si tu carga de trabajo dependía de MEDIUM como valor predeterminado en gemini-4-argon o gemini-3.8-flash, establece explícitamente thinking_level="MEDIUM" para mantener una latencia de razonamiento equivalente».

Lo que cuesta el nivel adicional, según las mediciones de Artificial Analysis de la API de Google (verificadas de nuevo el 2026-11-19, 13:27 UTC; son de terceros y cambian cuando AA vuelve a ejecutar los modelos):

Configuración de Neon Índice AA $/tarea Min/tarea Primera respuesta (s)
Medium 54.9 1.90 8.3 20.1
High (predeterminado) 59.6 3.74 14.8 40.6
Xhigh 61.4 6.44 21.5 56.5

Promedios de AA por tarea del Intelligence Index, con las tarifas de Neon de $3/$15. «Primera respuesta» es el tiempo hasta el primer token de respuesta.

Pasar de medium a high suma 4.8 puntos al índice, pero casi duplica el costo por tarea, multiplica por 1.8 el tiempo por tarea y duplica la espera hasta el primer token de respuesta. Pasar a xhigh suma 1.8 puntos más, con un costo adicional del 72%. Es una buena compensación para tareas complejas de varios pasos y una mala para una respuesta de chat.

Para quienes usan Argon, los mismos datos traen buenas noticias. Neon Medium obtiene 54.9 frente a los 47.6 de Argon con su valor predeterminado Medium, por $1.90 por tarea frente a $4.31, y tarda 8.3 minutos frente a 28.9. Pasar de Argon a Neon Medium mejora la calidad y reduce el costo por tarea, incluso antes de que se duplique el precio de Argon. Hasta el valor predeterminado High de Neon ($3.74, 14.8 minutos) cuesta menos por tarea que Argon Medium en las tareas de AA. Si no estableces un nivel, renuncias a la opción Medium, más barata.

El valor predeterminado más alto también tiene estos efectos:

  • El razonamiento cuenta para el límite de salida. Google: «Los tokens de razonamiento generados con HIGH (predeterminado) y XHIGH cuentan para max_output_tokens y se acumulan en el contexto de varios turnos cuando se conservan las firmas de pensamiento entre turnos».
  • El contexto se llena más rápido. En los agentes de programación de varios turnos, esos tokens de pensamiento se acumulan. Google advierte contra los «umbrales de compactación del contexto demasiado bajos» y sugiere usar medium en los turnos con herramientas sensibles a la latencia.

La forma de establecer el nivel depende del protocolo:

Protocolo Campo Valores para Neon
Gemini nativo thinkingConfig.thinkingLevel LOW a XHIGH
Chat Completions reasoning_effort low a xhigh
Responses reasoning.effort low a xhigh
Anthropic Messages output_config.effort low a xhigh

Los valores nativos van en mayúsculas en GenerateContent. Los valores de los otros tres protocolos provienen del esquema de parámetros de AIHubMix para gemini-4-neon, que indica high como valor predeterminado en todos los protocolos.

La capa de compatibilidad con OpenAI de Google asigna reasoning_effort al nivel de pensamiento y convierte minimal en low. También indica que los dos «se solapan en funcionalidad, por lo que no se pueden usar al mismo tiempo»: envía uno u otro.

Los errores 400

Google documenta cada uno de estos casos para Neon. Las notas de errores de AIHubMix indican que los errores 400 son errores de parámetros y que «la mayoría se transmiten desde el proveedor upstream». No se realizó ninguna prueba en vivo para esta publicación, así que el texto exacto que recibas a través de la pasarela puede variar.

thinking_budget y MINIMAL

Qué verás: HTTP 400 en solicitudes que funcionaban con los modelos Gemini 3.

Por qué: Neon solo acepta los cuatro niveles indicados. La página del modelo de Google dice: «Establecer thinking_budget o thinking_level="MINIMAL" devuelve un error de validación HTTP 400». El propio diff de código señala el campo anterior: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.

Solución: elimina thinking_budget. Sustituye MINIMAL por LOW. En la ruta compatible con OpenAI, Google asigna reasoning_effort="minimal" a low, pero enviar low directamente evita cualquier duda.

frequency_penalty, presence_penalty y candidatos adicionales

Qué verás: HTTP 400 en una solicitud que establezca una penalización o pida varias opciones de respuesta.

Por qué: «Enviar frequency_penalty, presence_penalty o candidate_count superior a 1 (candidateCount está fijado en 1) devuelve un error HTTP 400».

Solución: elimina ambas penalizaciones. Deja candidate_count en 1 u omítelo. En Chat Completions, tampoco envíes n con un valor superior a 1: Google no especifica qué hace la capa de compatibilidad con ese parámetro y el esquema de AIHubMix lo marca como un campo que no se debe enviar.

max_output_tokens por encima de 1,048,576

Qué verás: HTTP 400.

Por qué: la entrada y la salida comparten una ventana de 1,048,576 tokens, por lo que un presupuesto de salida mayor no es válido.

Solución: en AIHubMix, envía como máximo 65,536 (consulta la sección sobre el límite de salida). El límite solo importa para la decodificación larga en la propia API de Google.

Firmas de pensamiento ausentes o mal ubicadas

Qué verás: HTTP 400 en el segundo paso o en los siguientes de un turno con llamadas a herramientas.

Por qué: Neon valida la firma de pensamiento asociada a las llamadas a funciones del turno actual. «Omitir thought_signature en la primera parte functionCall del turno activo devuelve un error HTTP 400. Duplicar la firma en partes functionCall hermanas o intercalar turnos también devuelve un error HTTP 400».

La guía de Google sobre firmas de pensamiento muestra el formato del mensaje para los modelos Gemini 3: «A la llamada a función <Function Call> en el bloque de contenido <index of contents array> le falta un thought_signature». La guía de Neon indica que se produce un error 400, pero no especifica su texto.

Solución: vuelve a enviar los turnos del modelo exactamente como los recibiste. Con llamadas paralelas, solo la primera lleva una firma. Mantén todas las llamadas en un mismo turno del modelo y todos los resultados en un mismo turno del usuario, en el mismo orden. El ejemplo de Google: si el modelo devuelve «FC1 + firma, FC2», la siguiente solicitud debe contener «FC1 + firma, FC2, FR1, FR2». Intercalarlas como «FC1 + firma, FR1, FC2, FR2» devuelve un error 400.

Valores de muestreo fuera de rango

Qué verás: HTTP 400 si temperature o top_p está fuera de su rango válido.

Por qué: Google ignora los valores que están dentro del rango, pero aun así los valida: «Los valores fuera de rango devuelven un error de validación 400».

Solución: elimina por completo los parámetros de muestreo (consulta la siguiente sección).

Estructuras de las solicitudes

Una solicitud correcta a través de AIHubMix, con la configuración de inicio rápido:

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."}]
  }'

Una solicitud que Google documenta como causante de un error 400 en Neon:

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."}]
  }'

La misma comprobación en el endpoint nativo de Gemini, con el campo antiguo thinkingBudget. La ruta sigue el patrón que AIHubMix documenta para otros modelos Gemini; la ficha de Neon solo muestra el ejemplo de 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}}
  }'

Estas son estructuras de solicitudes, no respuestas registradas: ninguna se ejecutó para esta publicación.

Otros cambios que conviene tener en cuenta

Los parámetros de muestreo no hacen nada

Google fija el muestreo de Neon en temperature 1.0, topP 0.95 y topK 64, e ignora los valores personalizados. Un temperature: 0 pensado para que la salida sea repetible no tiene efecto, y no se muestra ningún error que te lo indique. El consejo de Google: «Controla la profundidad del razonamiento con thinking_level y el formato de salida con response_schema». Usa la salida estructurada cuando necesites un formato fijo.

El almacenamiento en caché explícito ya no está disponible

cachedContents, caches.create y cached_content no son compatibles. Google no especifica si una solicitud que aún los envíe falla o si se ignoran, así que elimínalos en lugar de averiguarlo por las malas. En Neon, el almacenamiento en caché es únicamente implícito. Se aplica automáticamente a un prefijo compartido del prompt de al menos 4,096 tokens (3.8 Flash requería 6,144), y la entrada almacenada en caché cuesta $0.15 por millón de tokens en lugar de $3.00. Para aprovecharlo, coloca primero la parte estática del prompt: las instrucciones del sistema, las definiciones de herramientas y los documentos de referencia. Elimina el código de caché explícita; no tiene equivalente en Neon.

Los límites bajos de salida recortan el pensamiento

Una aplicación configurada para un modelo anterior suele enviar un max_tokens de 8,192 o menos. En Neon, el pensamiento y la respuesta comparten ese presupuesto, así que un límite bajo puede terminar la respuesta antes de que empiece. La recomendación de Google es «eliminar los límites bajos codificados (como 8,192) o aumentar max_output_tokens a 65,536. Para usar menos tokens, reduce el nivel de pensamiento».

Tiempos de espera demasiado cortos

Google: «Los prompts difíciles pueden tardar varios minutos. Usa la ejecución en segundo plano o configura los tiempos de espera del cliente HTTP en al menos 15 minutos». Según los promedios de AA, Neon High tarda 40.6 segundos en generar el primer token de respuesta, y Xhigh, 56.5. Algunas solicitudes tardarán mucho más que el promedio.

Turnos del asistente precargados

Reglas de historial de Neon: «Las cargas útiles del historial no pueden terminar con un turno del modelo». «Los turnos del modelo precargados no son compatibles». El código que inicia la respuesta del asistente para orientar el formato, un truco común con la API de Anthropic, debe dejar de hacerlo. Google los incluye en la validación del chat, pero no especifica cuál es la respuesta; el esquema de AIHubMix indica que un turno final del modelo genera un error. Pruébalo si tu código depende de la precarga.

Llamadas a herramientas escritas como texto

Si el prompt del sistema pide al modelo que escriba llamadas JSON a herramientas como texto sin formato, sin declarar herramientas, Google dice que Neon «puede devolver MALFORMED_FUNCTION_CALL». Declara las herramientas de forma nativa o usa una salida estructurada.

El límite de salida en AIHubMix: 65,536 tokens

En la API propia de Google, cada respuesta de Neon tiene un límite de 65,536 tokens de salida, con o sin streaming. Para respuestas más largas se usa long decode: la generación continúa en segmentos de 64K hasta alcanzar 1,048,576 tokens menos la entrada, a través de la API Interactions o de GenerateContent v1beta1. Los SDK de Google pueden gestionar automáticamente los tokens de continuación a partir de estas versiones: Python google-genai 2.34.0 y JavaScript @google/genai 2.32.0 para la API Interactions.

Google también dice que «las versiones anteriores de los SDK y la capa de compatibilidad con OpenAI no pueden recuperar completados largos mediante tokens de continuación».

El esquema de parámetros de AIHubMix para gemini-4-neon limita la salida a 65,536 tokens en todos los protocolos que ofrece: Chat Completions, Responses, Anthropic Messages y Gemini nativo. El esquema también incluye el campo de Google continuationToken en el protocolo Gemini nativo, y AIHubMix documenta el SDK nativo de Google y la API Interactions en general. No se probó long decode para Neon a través de esa vía al preparar este artículo. Hasta confirmar que funciona, diseña para una respuesta de como máximo 65,536 tokens, incluido el pensamiento. Si necesitas más, divide tú mismo la tarea; por ejemplo, procesa un archivo o una sección por solicitud.

Reglas de facturación que es fácil pasar por alto

El pensamiento cuenta como salida. Los $15 por millón de tokens de salida de Neon incluyen los tokens de pensamiento. En high, la mayor parte de la salida de una solicitud difícil puede ser pensamiento.

La fundamentación se cobra dos veces. Google cuenta «las instrucciones internas del sistema de herramientas y las declaraciones de funciones al usar grounding» como tokens facturables, y cobra por separado cada consulta de búsqueda. La cuota propia de Google incluye 5,000 búsquedas gratuitas al mes, compartidas entre Gemini 3 y las versiones posteriores; después, cuesta $14 por cada 1,000. AIHubMix cobra la búsqueda web por solicitud; la página del modelo Neon indica la tarifa.

El almacenamiento en caché requiere el orden correcto del prompt. El descuento del 95% por caché solo se aplica a un prefijo estable de al menos 4,096 tokens. Una marca de tiempo o un nombre de usuario al principio del prompt del sistema lo invalida en cada solicitud.

Long decode vuelve a facturar la entrada (solo en la API de Google). «Cada segmento de continuación vuelve a precargar el prompt más los tokens decodificados anteriormente», por lo que la cantidad de tokens de entrada aumenta de un segmento a otro. «Los segmentos completados se facturan al final de cada segmento, aunque uno posterior falle o se cancele». Esto no ocurre a través del límite de 65,536 tokens de AIHubMix.

Los niveles más baratos corresponden a los precios de Google. Google ofrece Neon Batch y Flex a $1.50/$7.50, y Priority a $5.40/$27. El esquema de AIHubMix acepta un service_tier de flex o priority para Neon, pero no publica precios para esos niveles, y Batch no aparece en la lista. Calcula el presupuesto con las tarifas estándar de $3/$15.

Pasos para reducir el costo:

  • Configura reasoning_effort según el tipo de llamada: medium para interacciones y turnos con herramientas, high para planificación y xhigh solo cuando tus propias evaluaciones demuestren que vale la pena.
  • Coloca primero el prefijo estático del prompt y asegúrate de que supere los 4,096 tokens.
  • Usa la búsqueda web solo en los turnos que la necesiten.
  • Controla completion_tokens en el uso: incluye el pensamiento, no solo la respuesta visible.

Agentes con permisos reales

Las reglas de llamadas a herramientas de Neon son estrictas y cobran especial importancia cuando el agente puede escribir archivos o ejecutar comandos:

  • Haz coincidir las llamadas y los resultados. «Cada FunctionResponse debe coincidir con el id, el name y el orden del FunctionCall precedente».
  • Conserva todo el historial, incluidas las firmas. Google: «Devuelve cada thought_signature dentro de su Part original en todos los turnos anteriores…». Eliminar firmas anteriores o usar marcadores de posición como skip_thought_signature_validator «elimina el contexto de razonamiento y puede provocar MALFORMED_FUNCTION_CALL».
  • En Chat Completions, devuelve los mensajes del asistente sin modificarlos. Conserva cada mensaje del asistente, con sus llamadas a herramientas, exactamente como lo devolvió la API. No reconstruyas el historial a partir de tus propios registros. Google documenta la compatibilidad con thought-signature en su Chat Completions compatible con OpenAI para los modelos Gemini 3; comprueba que tu cliente las conserve para Neon.
  • Presta atención a las detenciones silenciosas. Una llamada a función mal formada termina el turno sin una respuesta utilizable. Proxies de código abierto han informado de casos en que los clientes de estilo OpenAI reciben esto como un stop normal o como un error del servidor: la solicitud de incorporación de cambios 52745 de LiteLLM y el issue 60 de Divyam en GitHub, ambos abiertos en noviembre de 2026. Si tu agente devuelve un turno vacío sin llamada a herramienta, considéralo un fallo y vuelve a intentarlo; no lo tomes como el final de la tarea.

Google afirma que Neon se comporta mejor que sus predecesores en estos ciclos. «Reduce las lecturas redundantes de archivos, gestiona de forma fiable la compactación del contexto y minimiza las afirmaciones inventadas y los atajos en las tareas», además de reducir «el exceso de iniciativa y la prestación insuficiente del agente». Son afirmaciones de Google, basadas en sus propias evaluaciones. Reducen el riesgo, pero no sustituyen los límites de permisos ni la revisión de las escrituras.

Herramientas de programación: Claude Code y Codex

El esquema de parámetros de AIHubMix enumera cuatro protocolos para gemini-4-neon, incluidos los dos que necesitan los agentes de programación: Anthropic Messages para Claude Code y la API Responses para Codex. La configuración es la misma que para cualquier modelo de AIHubMix; puedes consultar la publicación sobre la configuración de Claude Code y la publicación sobre Codex config.toml. Esto es lo específico de Neon:

Configuración Claude Code Codex
Protocolo Anthropic Messages API Responses
ID del modelo gemini-4-neon gemini-4-neon
Valores de esfuerzo de low a xhigh de low a xhigh
Ventana de contexto 1,048,576 1,048,576
Salida por solicitud 65,536 65,536

Los valores y límites de esfuerzo provienen del esquema de parámetros de AIHubMix; el esfuerzo predeterminado es high en ambos protocolos.

Claude Code. Configura ANTHROPIC_MODEL como gemini-4-neon. Aumenta API_TIMEOUT_MS: su valor predeterminado es 10 minutos y Google recomienda al menos 15 para los prompts difíciles. No agregues precarga del asistente a las solicitudes personalizadas que hagas a través del mismo endpoint; Neon no la admite.

Codex. Mantén wire_api = "responses" y el base_url de AIHubMix, configura model = "gemini-4-neon" y elige model_reasoning_effort entre los niveles de Neon. Empieza con medium; Codex ejecuta muchos turnos breves con herramientas, en los que high principalmente aumenta el tiempo de espera.

Problemas conocidos que cabe esperar:

  • Primeros tokens lentos con high y xhigh.
  • Respuestas que se detienen al alcanzar el límite de 65,536 tokens cuando el pensamiento se prolonga.
  • Turnos vacíos cuando falla una llamada a herramienta, como se explicó antes.
  • Fecha de corte del conocimiento en marzo de 2026; por tanto, las versiones de bibliotecas posteriores a esa fecha deben incluirse en el contexto.

Una prueba rápida de 10–15 minutos

  1. Elige un repositorio pequeño con una prueba unitaria fallida y un comando de prueba que se ejecute en menos de un minuto.
  2. Configura la herramienta para usar gemini-4-neon, establece el esfuerzo en medium y el tiempo de espera del cliente en al menos 15 minutos.
  3. Pide el cambio mínimo para que la prueba pase. Luego ejecuta la prueba y revisa el diff.
  4. Aprobado: un diff mínimo y la prueba superada en menos de 15 minutos. Fallido: anota si obtuviste un error 400, un turno vacío, un tiempo de espera agotado o una modificación incorrecta. Cada caso tiene una solución indicada arriba.
  5. Repite con high. Mantén el nivel más bajo, a menos que high corrija algo que medium haya hecho mal.

Lista de verificación

  • El ID del modelo está configurado como gemini-4-neon.
  • El nivel de pensamiento está configurado explícitamente según el tipo de llamada; usa medium si dependías del valor predeterminado de Argon o 3.8 Flash.
  • No se usa thinking_budget; MINIMAL se sustituyó por LOW.
  • En cada solicitud se usa solo uno entre reasoning_effort y el nivel de pensamiento nativo.
  • No se usan frequency_penalty ni presence_penalty; candidate_count y n se establecen en 1 o se omiten.
  • No se usan temperature, top_p ni top_k; se usa salida estructurada cuando el formato es importante.
  • Se eliminó el código de caché explícita; el prefijo estático del prompt va primero y supera los 4,096 tokens.
  • El límite de salida en AIHubMix es de 65,536 tokens o menos, y no quedan límites bajos heredados de modelos anteriores.
  • Los tiempos de espera del cliente están configurados en 15 minutos o más.
  • El historial nunca termina con un turno del asistente; no se usa precarga.
  • Los turnos del asistente y las llamadas a herramientas se devuelven exactamente como se recibieron; las llamadas paralelas y sus resultados se agrupan en orden.
  • Los turnos vacíos sin llamada a herramienta se consideran fallos y se vuelven a intentar.
  • El presupuesto incluye los tokens de pensamiento y las solicitudes de búsqueda web.
  • La herramienta de programación se probó rápidamente con medium y high.

Preguntas frecuentes

¿Tengo que cambiar el formato de mis solicitudes para migrar a Gemini 4 Neon?
Si vienes de otro modelo Gemini 4, no: Google dice que el esquema es el mismo, así que cambia el ID del modelo y comprueba el nivel de pensamiento. Si vienes de Gemini 3.1 Pro o 3.8 Flash, elimina thinking_budget, MINIMAL, los parámetros de penalización y el almacenamiento en caché explícito.

¿Por qué cuestan más mis solicitudes después de cambiar desde 3.8 Flash?
Neon cuesta cuatro veces más que 3.8 Flash y viene configurado de forma predeterminada con pensamiento alto, mientras que el valor predeterminado de 3.8 Flash era medio. Según las mediciones de Artificial Analysis, Neon High cuesta aproximadamente el doble por tarea que Neon Medium. Establece el nivel de forma explícita. Si vienes de Argon, el costo por tarea de AA baja incluso con el nivel alto.

¿Por qué Neon devuelve un error 400 para thinking_budget?
Neon solo acepta los niveles de pensamiento con nombre: low, medium, high y xhigh. Google rechaza thinking_budget y MINIMAL con HTTP 400 en lugar de asignarles un equivalente.

¿Sigue funcionando temperature?
No. Neon ignora temperature, top_p y top_k, y los valores fuera de rango devuelven un error 400. En su lugar, usa el nivel de pensamiento y la salida estructurada.

¿Puede Neon devolver más de 65,536 tokens a través de AIHubMix?
AIHubMix documenta para Neon un límite de salida de 65,536 tokens por solicitud, incluido el pensamiento. La decodificación larga de Google, de hasta aproximadamente 1M tokens, funciona en la propia API de Google; a través de AIHubMix no está disponible en el endpoint compatible con OpenAI, y aquí no se ha probado la vía nativa.

¿Puedo usar Gemini 4 Neon en Claude Code o Codex?
Sí. AIHubMix ofrece el protocolo Anthropic Messages que usa Claude Code y la API Responses que usa Codex. Establece el modelo en gemini-4-neon, aumenta el tiempo de espera y ejecuta primero una prueba breve.

¿Se va a retirar Gemini 3.1 Pro?
Google no ha anunciado una fecha de retirada para Gemini 3.1 Pro Preview, Gemini 3.8 Flash ni ningún modelo Gemini 4. Recomienda Neon como actualización para 3.1 Pro.

Sigue leyendo: la serie Gemini 4 Neon

Fuentes

Un solo gateway para varios proveedores de IA. Diseñado para producción.

Visitar AIHubMix