Google présente Gemini 4 Neon comme la cible de migration pour Gemini 3.1 Pro, pour les tâches générales de programmation sur Gemini 4 Argon et pour les tâches complexes de programmation ou de science sur Gemini 3.8 Flash. Remplacer le nom du modèle par gemini-4-neon est la partie facile. Le reste se répartit en quatre catégories.
- Discret : le niveau de réflexion par défaut est désormais
high. Argon et 3.8 Flash utilisaientmediumpar défaut. Si vous ne définissez pas de niveau, chaque requête réfléchit davantage qu'avecmedium. Pour les utilisateurs de 3.8 Flash, cela signifie des factures plus élevées ; pour ceux d'Argon, le coût par tâche baisse malgré tout (voir ci-dessous). - Visible : Neon renvoie une erreur HTTP 400 pour plusieurs champs que l'ancien code envoie encore :
thinking_budget, le niveau natifMINIMAL, les deux paramètres de pénalité, plusieurs candidats et les signatures de réflexion incorrectes dans les appels d'outil. - Insidieux :
temperature,top_pettop_ksont ignorés, et un plafond de sortie trop bas peut interrompre le modèle alors qu'il est encore en train de réfléchir. La mise en cache explicite du contexte et les tours assistant préremplis ne sont pas pris en charge, et Google n'indique pas comment ces cas échouent. - Sur AIHubMix : prévoyez 65,536 tokens de sortie par requête. Le décodage long de 1M tokens de Google n'est pas disponible via l'endpoint compatible avec OpenAI d'AIHubMix, et le chemin natif n'a pas été testé pour cet article.
Depuis Gemini 4 Carbon, la migration est plus simple : Google indique que le schéma des requêtes ne change pas, et que la principale différence concerne le niveau par défaut. L'article Neon contre Carbon traite de cette migration.
Ce qui change selon votre point de départ
| Changement | Depuis 3.1 Pro | Depuis Argon | Depuis 3.8 Flash |
|---|---|---|---|
| Niveau de réflexion par défaut | désormais élevé | de moyen à élevé | de moyen à élevé |
| niveau xhigh | nouveau | nouveau | nouveau |
| Limites de tokens | 1M unifié | déjà unifiées | 1M unifié |
| Mise en cache explicite | supprimée | déjà supprimée | supprimée |
| Prix, entrée / sortie | $2 / $12 à $3 / $15 | $2 / $10 à $3 / $15 | $0.75 / $3.75 à $3 / $15 |
Prix officiels de Google, en USD par million de tokens. Le tarif de Gemini 3.1 Pro, à $2/$12, s'applique aux prompts jusqu'à 200K tokens ($4/$18 au-delà) ; Neon applique un tarif unique sur toute la fenêtre de 1M. Le tarif d'Argon, à $2/$10, est un prix de lancement qui passera à $4/$20 le 1 décembre 2026 ; celui de 3.8 Flash, à $0.75/$3.75, reste en vigueur jusqu'au 31 décembre 2026. Google indique que 3.1 Pro et Argon sont tous deux plafonnés à high ; le niveau par défaut de 3.1 Pro n'est pas précisé.
Les règles exposées dans la suite de cet article proviennent du guide développeur de Neon de Google Cloud et de la liste de contrôle de migration d'AI Studio, sauf indication contraire.
À propos des points de départ : le tableau de mise à niveau d'AI Studio de Google oriente les utilisateurs de 3.8 Flash vers Gemini 4 Hydrogen. C'est le guide Google Cloud qui recommande Neon pour les tâches complexes de programmation et de science sur 3.8 Flash. Google n'a annoncé aucune date de fin pour 3.1 Pro Preview, 3.8 Flash ni aucun modèle Gemini 4.
Le changement discret : élevé est le nouveau niveau par défaut
Google le dit clairement : « Le thinking_level par défaut est HIGH (il passe de MEDIUM sur gemini-4-argon et gemini-3.8-flash), et XHIGH est pris en charge pour les tâches de raisonnement approfondi… » La solution est tout aussi explicite : « Si votre charge de travail reposait sur MEDIUM par défaut avec gemini-4-argon ou gemini-3.8-flash, définissez explicitement thinking_level="MEDIUM" pour conserver une latence de raisonnement équivalente. »
Coût du niveau supérieur, d'après les mesures d'Artificial Analysis sur l'API de Google (vérifiées à nouveau le 2026-11-19, 13:27 UTC ; données tierces susceptibles d'évoluer à chaque nouvelle exécution des modèles par AA) :
| Réglage Neon | Indice AA | $/tâche | Min/tâche | Première réponse (s) |
|---|---|---|---|---|
| Medium | 54.9 | 1.90 | 8.3 | 20.1 |
| High (par défaut) | 59.6 | 3.74 | 14.8 | 40.6 |
| Xhigh | 61.4 | 6.44 | 21.5 | 56.5 |
Moyennes d'AA par tâche de l'Intelligence Index, au tarif de Neon de $3/$15. « Première réponse » désigne le délai avant le premier token de réponse.
Passer de medium à high rapporte 4.8 points sur l'indice, pour un coût par tâche presque doublé, une durée par tâche multipliée par 1.8 et une attente jusqu'au premier token de réponse deux fois plus longue. Passer ensuite à xhigh ajoute 1.8 point pour un surcoût de 72%. C'est un bon compromis pour les tâches difficiles en plusieurs étapes, mais un mauvais choix pour une réponse de chat.
Les utilisateurs d'Argon trouveront une bonne nouvelle dans ces mêmes données. Neon Medium obtient un score de 54.9, contre 47.6 pour le niveau Medium par défaut d'Argon, pour $1.90 par tâche contre $4.31, en 8.3 minutes contre 28.9. Passer d'Argon à Neon Medium améliore la qualité tout en réduisant le coût par tâche, même avant le doublement du tarif d'Argon. Même le niveau High par défaut de Neon ($3.74, 14.8 minutes) coûte moins par tâche que Argon Medium sur les tâches d'AA. En ne définissant pas de niveau, vous renoncez à l'option Medium moins chère.
Le niveau par défaut plus élevé a également les effets suivants :
- La réflexion compte dans le plafond de sortie. Google : « Les tokens de raisonnement générés en HIGH (par défaut) et en XHIGH sont comptabilisés dans max_output_tokens et s'accumulent dans le contexte multi-tour lorsque vous conservez les signatures de réflexion d'un tour à l'autre. »
- Le contexte se remplit plus vite. Dans les agents de programmation multi-tours, ces tokens de réflexion s'accumulent. Google déconseille les « seuils de compaction du contexte trop bas » et suggère
mediumpour les tours d'appel d'outil sensibles à la latence.
La façon de définir le niveau dépend du protocole :
| Protocole | Champ | Valeurs pour Neon |
|---|---|---|
| Gemini natif | thinkingConfig.thinkingLevel | LOW à XHIGH |
| Chat Completions | reasoning_effort | low à xhigh |
| Responses | reasoning.effort | low à xhigh |
| Anthropic Messages | output_config.effort | low à xhigh |
Les valeurs natives sont en majuscules dans GenerateContent. Les valeurs des trois autres protocoles proviennent du schéma des paramètres d'AIHubMix pour gemini-4-neon, qui indique high comme valeur par défaut pour chacun d'eux.
La couche de compatibilité OpenAI de Google associe reasoning_effort au niveau de réflexion, en ramenant minimal à low. Elle précise également que les deux « se recoupent en partie, et ne peuvent donc pas être utilisés simultanément » : envoyez l'un ou l'autre.
Les erreurs 400
Google documente chacun de ces cas pour Neon. Les notes d'erreur d'AIHubMix indiquent que les erreurs 400 sont des erreurs de paramètres et que « la plupart sont transmises par le fournisseur en amont ». Aucun test en direct n'a été effectué pour cet article ; le texte exact renvoyé par la passerelle peut donc différer.
thinking_budget et MINIMAL
Ce que vous verrez : une erreur HTTP 400 pour des requêtes qui fonctionnaient avec les modèles Gemini 3.
Pourquoi : Neon n'accepte que les quatre niveaux nommés. Page du modèle de Google : « Définir thinking_budget ou thinking_level="MINIMAL" renvoie une erreur de validation HTTP 400. » Le diff de code de Google signale lui aussi l'ancien champ : thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.
Solution : supprimez thinking_budget. Remplacez MINIMAL par LOW. Sur le chemin compatible avec OpenAI, Google associe reasoning_effort="minimal" à low, mais envoyer directement low écarte toute ambiguïté.
frequency_penalty, presence_penalty et candidats supplémentaires
Ce que vous verrez : une erreur HTTP 400 si la requête définit une pénalité ou demande plusieurs candidats.
Pourquoi : « Transmettre frequency_penalty, presence_penalty ou une valeur de candidate_count supérieure à 1 (candidateCount est fixé à 1) renvoie une erreur HTTP 400. »
Solution : supprimez les deux pénalités. Gardez candidate_count à 1 ou omettez-le. Pour Chat Completions, n'envoyez pas non plus n avec une valeur supérieure à 1 : Google ne précise pas ce que la couche de compatibilité en fait, et le schéma d'AIHubMix indique qu'il ne faut pas envoyer ce champ.
max_output_tokens supérieur à 1,048,576
Ce que vous verrez : une erreur HTTP 400.
Pourquoi : l'entrée et la sortie partagent une fenêtre unique de 1,048,576 tokens ; un budget de sortie supérieur n'est donc pas valide.
Solution : sur AIHubMix, envoyez au maximum 65,536 (voir la section sur le plafond de sortie). Cette limite ne compte que pour le décodage long sur l'API de Google elle-même.
Signatures de réflexion absentes ou mal placées
Ce que vous verrez : une erreur HTTP 400 à la deuxième étape ou à une étape ultérieure d'un tour avec appel d'outil.
Pourquoi : Neon valide la signature de réflexion associée aux appels de fonction du tour en cours. « Omettre thought_signature de la première partie functionCall du tour actif renvoie une erreur HTTP 400. Dupliquer la signature sur des parties functionCall voisines ou entrelacer les tours renvoie également une erreur HTTP 400. »
Le guide de Google sur les signatures de réflexion présente la forme du message pour les modèles Gemini 3 : « L'appel de fonction <Function Call> dans le bloc de contenu <index of contents array> ne comporte pas de thought_signature. » Le guide de Neon indique qu'une erreur 400 est renvoyée, mais ne précise pas son libellé.
Solution : renvoyez les tours du modèle exactement tels que vous les avez reçus. Avec des appels parallèles, seul le premier porte une signature. Gardez tous les appels dans un même tour du modèle et tous les résultats dans un même tour utilisateur, dans le même ordre. Exemple de Google : lorsque le modèle renvoie « FC1 + signature, FC2 », la requête suivante attendue contient « FC1 + signature, FC2, FR1, FR2 ». Les entrelacer ainsi : « FC1 + signature, FR1, FC2, FR2 » renvoie une erreur 400.
Valeurs d'échantillonnage hors plage
Ce que vous verrez : une erreur HTTP 400 si temperature ou top_p est en dehors de la plage autorisée.
Pourquoi : Google ignore les valeurs dans la plage autorisée, mais les valide quand même : « Les valeurs hors plage renvoient une erreur de validation 400. »
Solution : supprimez complètement les paramètres d'échantillonnage (voir la section suivante).
Formes des requêtes
Une requête correcte via AIHubMix, avec la configuration du démarrage rapide :
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."}]
}'
Une requête que Google documente comme générant une erreur 400 avec 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 même vérification sur l'endpoint Gemini natif, avec l'ancien champ thinkingBudget. Le chemin suit le modèle documenté par AIHubMix pour les autres modèles Gemini ; la page de Neon ne présente que l'exemple 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}}
}'
Il s'agit de formes de requêtes, pas de réponses enregistrées : aucune n'a été exécutée pour cet article.
Autres changements à prévoir
Les paramètres d'échantillonnage ne font rien
Google fixe pour Neon temperature à 1.0, topP à 0.95 et topK à 64, et ignore les valeurs personnalisées. Un réglage temperature: 0 censé rendre les sorties répétables n'a aucun effet, sans qu'aucune erreur ne vous le signale. Conseil de Google : « Contrôlez la profondeur du raisonnement avec thinking_level et le format de sortie avec response_schema. » Utilisez une sortie structurée lorsque vous avez besoin d'un format fixe.
La mise en cache explicite a disparu
cachedContents, caches.create et cached_content ne sont pas pris en charge. Google ne précise pas si une requête qui les envoie encore échoue ou si ces éléments sont ignorés : supprimez-les plutôt que de prendre le risque. La mise en cache sur Neon est uniquement implicite. Elle s’applique automatiquement à un préfixe de prompt partagé d’au moins 4,096 tokens (3.8 Flash en demandait 6,144), et les tokens d’entrée mis en cache coûtent $0.15 par million au lieu de $3.00. Pour en profiter, placez d’abord la partie statique du prompt : instructions système, définitions des outils et documents de référence. Supprimez le code de cache explicite : Neon n’a pas d’équivalent.
Des plafonds de sortie bas interrompent la réflexion
Une application réglée pour un ancien modèle envoie souvent un max_tokens de 8,192 ou moins. Avec Neon, la réflexion et la réponse partagent ce budget : un plafond bas peut donc interrompre la génération avant même le début de la réponse. Google conseille de « supprimer les plafonds bas codés en dur (comme 8,192) ou de porter max_output_tokens à 65,536. Pour utiliser moins de tokens, réduisez plutôt le niveau de réflexion. »
Délais d’expiration trop courts
Google : « Les prompts complexes peuvent prendre plusieurs minutes. Utilisez une exécution en arrière-plan ou définissez des délais d’expiration d’au moins 15 minutes pour le client HTTP. » D’après les moyennes d’AA, Neon High attend 40.6 secondes avant son premier token de réponse, et Xhigh, 56.5. Certaines requêtes prendront bien plus longtemps que la moyenne.
Tours assistant préremplis
Règles de Neon concernant l’historique : « Les données de l’historique ne peuvent pas se terminer par un tour du modèle. » « Les tours du modèle préremplis ne sont pas pris en charge. » Le code qui amorce la réponse de l’assistant pour en orienter le format, une astuce courante avec l’API d’Anthropic, doit cesser de le faire. Google répertorie ces cas dans la validation du chat sans préciser la réponse, et les notes de schéma d’AIHubMix indiquent qu’un tour final du modèle renvoie une erreur. Faites un test si votre code dépend du préremplissage.
Appels d’outils rédigés en texte
Si le prompt système demande au modèle de rédiger des appels d’outils JSON en texte brut, sans déclarer d’outils, Google indique que Neon « peut renvoyer MALFORMED_FUNCTION_CALL ». Déclarez les outils de façon native ou utilisez une sortie structurée.
Plafond de sortie sur AIHubMix : 65,536 tokens
Sur l’API de Google, une réponse unique de Neon est plafonnée à 65,536 tokens de sortie, avec ou sans streaming. Les réponses plus longues utilisent le décodage long : la génération se poursuit par segments de 64K, jusqu’à 1,048,576 tokens moins l’entrée, via l’API Interactions ou GenerateContent v1beta1. À partir des versions suivantes, les SDK de Google peuvent gérer automatiquement les tokens de continuation : Python google-genai 2.34.0 et JavaScript @google/genai 2.32.0 pour l’API Interactions.
Google précise également que « les versions antérieures des SDK et la couche de compatibilité OpenAI ne peuvent pas récupérer les complétions longues à l’aide de tokens de continuation ».
Le schéma de paramètres d’AIHubMix pour gemini-4-neon plafonne la sortie à 65,536 tokens sur tous les protocoles proposés : Chat Completions, Responses, Anthropic Messages et Gemini natif. Le schéma répertorie également le champ Google continuationToken pour le protocole Gemini natif, et AIHubMix documente le SDK natif de Google et l’API Interactions en général. Le décodage long de Neon par cette voie n’a pas été testé pour cet article. Tant que vous n’avez pas confirmé son bon fonctionnement, prévoyez une réponse unique d’au plus 65,536 tokens, réflexion comprise. Si vous avez besoin de davantage, répartissez vous-même la tâche, par exemple un fichier ou une section par requête.
Règles de facturation faciles à manquer
La réflexion compte comme de la sortie. Les $15 par million de tokens de sortie de Neon incluent les tokens de réflexion. Avec high, la réflexion peut représenter la majeure partie de la sortie d’une requête complexe.
Le grounding est facturé deux fois. Google compte « les instructions du système d’outils internes et les déclarations de fonctions lors de l’utilisation du grounding » parmi les tokens facturables, et facture séparément chaque requête de recherche. L’offre de quota de Google comprend 5,000 recherches gratuites par mois, partagées entre Gemini 3 et les versions ultérieures, puis le tarif est de $14 pour 1,000 recherches. AIHubMix facture la recherche web à la requête ; la page du modèle Neon indique le tarif.
La mise en cache exige de bien ordonner le prompt. La remise de 95% sur le cache ne s’applique qu’à un préfixe stable d’au moins 4,096 tokens. Un horodatage ou un nom d’utilisateur au début du prompt système la rompt à chaque requête.
Le décodage long refacture l’entrée (API de Google uniquement). « Chaque segment de continuation préremplit à nouveau le prompt et les tokens déjà décodés » : le nombre de tokens d’entrée augmente donc d’un segment à l’autre. « Les segments terminés sont facturés à la fin de chacun, même si un segment ultérieur échoue ou est annulé. » Avec le plafond de 65,536 tokens d’AIHubMix, ce cas ne se présente pas.
Les tarifs des offres moins chères sont ceux de Google. Google propose Neon Batch et Flex à $1.50/$7.50, et Priority à $5.40/$27. Le schéma d’AIHubMix accepte un service_tier de flex ou priority pour Neon, mais ne publie aucun tarif pour ces offres ; Batch n’est pas répertorié. Prévoyez un budget basé sur le tarif standard de $3/$15.
Mesures pour réduire la facture :
- Définissez
reasoning_effortselon le type d’appel :mediumpour les interactions et les tours avec outils,highpour la planification, etxhighuniquement lorsque vos propres évaluations montrent que cela en vaut la peine. - Placez le préfixe statique du prompt en premier et faites-le dépasser 4,096 tokens.
- N’utilisez la recherche web que dans les tours qui en ont besoin.
- Surveillez
completion_tokensdans les données d’utilisation : ce champ inclut la réflexion, pas seulement la réponse visible.
Des agents dotés de véritables permissions
Les règles d’appel d’outils de Neon sont strictes ; elles sont particulièrement importantes lorsque l’agent peut écrire des fichiers ou exécuter des commandes :
- Faites correspondre les appels et les résultats. « Chaque FunctionResponse doit correspondre à l’id, au nom et à l’ordre du FunctionCall précédent. »
- Conservez l’historique complet, signatures comprises. Google : « Renvoyez chaque thought_signature dans sa Part d’origine au fil de tous les tours précédents… » Supprimer d’anciennes signatures ou utiliser des valeurs de remplacement telles que
skip_thought_signature_validator« fait perdre le contexte de raisonnement et peut déclencher MALFORMED_FUNCTION_CALL ». - Avec Chat Completions, renvoyez les messages de l’assistant sans les modifier. Conservez chaque message de l’assistant, avec ses appels d’outils, exactement comme l’API l’a renvoyé. Ne reconstituez pas l’historique à partir de vos propres journaux. Google documente la prise en charge des signatures de réflexion dans les complétions de chat compatibles avec OpenAI pour les modèles Gemini 3 ; vérifiez que votre client les conserve pour Neon.
- Surveillez les arrêts silencieux. Un appel de fonction mal formé met fin au tour sans réponse exploitable. Des proxys open source ont signalé que ce cas peut parvenir aux clients de type OpenAI sous la forme d’un
stopordinaire ou d’une erreur serveur : la pull request 52745 de LiteLLM et le problème 60 de Divyam sur GitHub, tous deux ouverts en novembre 2026. Si votre agent reçoit un tour vide sans appel d’outil, traitez-le comme un échec et réessayez au lieu de considérer la tâche comme terminée.
Selon Google, Neon gère mieux ces boucles que ses prédécesseurs. Il « réduit les lectures de fichiers redondantes, gère de manière fiable la compaction du contexte et limite les affirmations inventées et les raccourcis dans les tâches », et réduit les « excès d’initiative et le service insuffisant des agents ». Ce sont des affirmations de Google, tirées de ses propres évaluations. Elles réduisent les risques, mais ne remplacent ni les limites de permissions ni la vérification des écritures.
Outils de codage : Claude Code et Codex
Le schéma de paramètres d’AIHubMix répertorie quatre protocoles pour gemini-4-neon, dont les deux nécessaires aux agents de codage : Anthropic Messages pour Claude Code et l’API Responses pour Codex. La configuration est la même que pour n’importe quel modèle AIHubMix ; les articles sur les paramètres de Claude Code et le fichier config.toml de Codex l’expliquent. Voici ce qui est propre à Neon :
| Paramètre | Claude Code | Codex |
|---|---|---|
| Protocole | Anthropic Messages | API Responses |
| ID du modèle | gemini-4-neon | gemini-4-neon |
| Valeurs de l’effort | low à xhigh | low à xhigh |
| Fenêtre de contexte | 1,048,576 | 1,048,576 |
| Sortie par requête | 65,536 | 65,536 |
Les valeurs et les limites de l’effort proviennent du schéma de paramètres d’AIHubMix ; l’effort est réglé par défaut sur high pour les deux protocoles.
Claude Code. Définissez ANTHROPIC_MODEL sur gemini-4-neon. Augmentez API_TIMEOUT_MS : sa valeur par défaut est de 10 minutes, et Google recommande au moins 15 minutes pour les prompts complexes. N’ajoutez pas de préremplissage de l’assistant aux requêtes personnalisées envoyées au même endpoint : Neon ne le prend pas en charge.
Codex. Conservez wire_api = "responses" et le base_url d’AIHubMix, définissez model = "gemini-4-neon", puis choisissez model_reasoning_effort parmi les niveaux de Neon. Commencez par medium : Codex effectue de nombreux tours courts avec des outils, pour lesquels high ne fait souvent qu’ajouter du temps d’attente.
Problèmes connus à prévoir :
- Premiers tokens longs avec
highetxhigh. - Réponses interrompues au plafond de 65,536 tokens lorsque la réflexion se prolonge.
- Tours vides lorsqu’un appel d’outil échoue, comme indiqué plus haut.
- Une date limite de connaissances en mars 2026 : les versions de bibliothèques plus récentes doivent donc être fournies dans le contexte.
Un test rapide de 10–15 minutes
- Choisissez un petit dépôt avec un test unitaire en échec et une commande de test qui s’exécute en moins d’une minute.
- Configurez l’outil pour utiliser
gemini-4-neon, réglez l’effort surmediumet définissez un délai d’expiration d’au moins 15 minutes pour le client. - Demandez la modification la plus limitée qui fait réussir le test. Exécutez ensuite le test et examinez le diff.
- Réussite : diff minimal, test réussi, le tout en moins de 15 minutes. Échec : notez si vous avez obtenu une erreur 400, un tour vide, un délai d’expiration ou une mauvaise modification. Chacun de ces cas a une solution indiquée plus haut.
- Refaites le test avec
high. Conservez le niveau inférieur, sauf sihighcorrige une erreur demedium.
Liste de contrôle
- ID du modèle défini sur
gemini-4-neon. - Niveau de réflexion défini explicitement pour chaque type d’appel ;
mediumsi vous vous reposiez sur la valeur par défaut d’Argon ou de 3.8 Flash. - Pas de
thinking_budget;MINIMALremplacé parLOW. - Un seul des deux paramètres suivants par requête :
reasoning_effortet le niveau de réflexion natif. - Pas de
frequency_penaltyni depresence_penalty;candidate_countetnréglés sur 1 ou omis. - Pas de
temperature,top_poutop_k; utilisez une sortie structurée lorsque le format est important. - Code de cache explicite supprimé ; préfixe statique du prompt placé en premier et dépassant 4,096 tokens.
- Plafond de sortie fixé à 65,536 tokens ou moins sur AIHubMix, sans ancien plafond bas hérité de modèles précédents.
- Délais d’expiration du client d’au moins 15 minutes.
- L’historique ne se termine jamais par un tour de l’assistant ; aucun préremplissage.
- Tours de l’assistant et appels d’outils renvoyés exactement tels qu’ils ont été reçus ; appels parallèles et résultats regroupés dans l’ordre.
- Tours vides sans appel d’outil traités comme des échecs et relancés.
- Le budget inclut les tokens de réflexion et les requêtes de recherche web.
- Outil de codage testé rapidement avec
mediumethigh.
FAQ
Dois-je modifier le format de mes requêtes pour passer à Gemini 4 Neon ?
Depuis un autre modèle Gemini 4, non : Google indique que le schéma est identique. Il suffit donc de changer l’ID du modèle et de vérifier le niveau de réflexion. Depuis Gemini 3.1 Pro ou 3.8 Flash, supprimez thinking_budget, MINIMAL, les paramètres de pénalité et la mise en cache explicite.
Pourquoi mes requêtes coûtent-elles plus cher après le passage depuis 3.8 Flash ?
Neon coûte quatre fois plus cher que 3.8 Flash et utilise par défaut un niveau de réflexion élevé, alors que le niveau par défaut de 3.8 Flash était moyen. Selon les mesures d’Artificial Analysis, Neon High coûte environ deux fois plus par tâche que Neon Medium. Définissez explicitement le niveau. Depuis Argon, le coût par tâche selon AA diminue, même avec le niveau élevé.
Pourquoi Neon renvoie-t-il une erreur 400 pour thinking_budget ?
Neon n’accepte que les niveaux de réflexion nommés : low, medium, high et xhigh. Google rejette thinking_budget et MINIMAL avec une erreur HTTP 400 au lieu de les convertir.
Le paramètre temperature fonctionne-t-il toujours ?
Non. Neon ignore temperature, top_p et top_k, et les valeurs hors limites renvoient une erreur 400. Utilisez plutôt le niveau de réflexion et la sortie structurée.
Neon peut-il renvoyer plus de 65,536 tokens via AIHubMix ?
AIHubMix indique une limite de sortie de 65,536 tokens par requête pour Neon, réflexion comprise. Le décodage long de Google, jusqu’à environ 1M tokens, fonctionne sur l’API de Google ; via AIHubMix, il n’est pas disponible sur l’endpoint compatible avec OpenAI, et le parcours natif n’a pas été testé ici.
Puis-je utiliser Gemini 4 Neon dans Claude Code ou Codex ?
Oui. AIHubMix répertorie le protocole Anthropic Messages utilisé par Claude Code ainsi que l’API Responses utilisée par Codex. Définissez le modèle sur gemini-4-neon, augmentez le délai d’expiration et lancez d’abord un court test de vérification.
Gemini 3.1 Pro va-t-il être retiré ?
Google n’a annoncé aucune date de retrait pour Gemini 3.1 Pro Preview, Gemini 3.8 Flash ni aucun modèle Gemini 4. Google recommande Neon comme mise à niveau pour 3.1 Pro.
À lire ensuite : la série Gemini 4 Neon
- Si vous quittez Carbon ou cherchez à savoir si Neon suffit pour vos tâches les plus exigeantes, cette comparaison évalue les deux modèles selon la qualité, le temps et le coût par tâche : Gemini 4 Neon vs Carbon : le modèle le plus rapide est-il assez performant ?.
- Si cette migration vous a amené à vous demander si Neon est vraiment le bon modèle Gemini 4, cette comparaison le met en regard de Hydrogen, Carbon et Argon : Gemini 4 Hydrogen vs Neon vs Carbon vs Argon : lequel choisir ?.
Sources
- Google Cloud, Guide du développeur pour Gemini 4 Neon
- Google AI Studio, Nouveautés de Gemini 4 Neon
- Google AI Studio, Signatures de réflexion
- Artificial Analysis, Classement des LLM (consulté le 2026-11-19 à 13:27 UTC)
- AIHubMix, Gemini 4 Neon


