Google indica Gemini 4 Neon come modello a cui passare da Gemini 3.1 Pro, per il lavoro di programmazione generico da Gemini 4 Argon e per attività complesse di programmazione o scientifiche da Gemini 3.8 Flash. Cambiare la stringa del modello in gemini-4-neon è la parte facile. Il resto si divide in quattro gruppi.
- Silenzioso: il livello di ragionamento predefinito ora è
high. Argon e 3.8 Flash avevanomediumcome valore predefinito. Se non imposti un livello, ogni richiesta ragiona più a lungo rispetto amedium. Per chi usa 3.8 Flash significa costi più elevati; per chi usa Argon il costo per attività diminuisce comunque (vedi sotto). - Evidente: Neon restituisce HTTP 400 per diversi campi che il vecchio codice continua a inviare:
thinking_budget, il livello nativoMINIMAL, i due parametri di penalità, più di un candidato e firme di ragionamento non valide nelle chiamate agli strumenti. - Subdolo:
temperature,top_petop_kvengono ignorati, mentre un limite di output basso può arrestare il modello mentre sta ancora ragionando. La memorizzazione esplicita nella cache e i turni dell'assistente precompilati non sono supportati, e Google non specifica cosa succede in caso di errore. - Su AIHubMix: considera un massimo di 65,536 token di output per richiesta. La decodifica lunga da 1M di token di Google non è disponibile tramite l'endpoint compatibile con OpenAI di AIHubMix, e per questo articolo non è stato testato il percorso nativo.
Il passaggio da Gemini 4 Carbon è più semplice: Google dichiara che lo schema della richiesta non cambia e che la differenza principale è il livello predefinito. Il post sul confronto tra Neon e Carbon illustra questo passaggio.
Cosa cambia a seconda del modello di partenza
| Modifica | Da 3.1 Pro | Da Argon | Da 3.8 Flash |
|---|---|---|---|
| Livello di ragionamento predefinito | ora high | da medium a high | da medium a high |
| livello xhigh | nuovo | nuovo | nuovo |
| Limiti dei token | unificati a 1M | già unificati | unificati a 1M |
| Memorizzazione esplicita nella cache | rimossa | già rimossa | rimossa |
| Prezzo, input / output | $2 / $12 a $3 / $15 | $2 / $10 a $3 / $15 | $0.75 / $3.75 a $3 / $15 |
Prezzi ufficiali di Google, in USD per milione di token. Il prezzo di Gemini 3.1 Pro di $2/$12 si applica ai prompt fino a 200K token ($4/$18 oltre tale soglia); Neon applica un'unica tariffa per l'intera finestra da 1M. Il prezzo di Argon, $2/$10, è promozionale e diventa $4/$20 il 1 dicembre 2026; quello di 3.8 Flash, $0.75/$3.75, resta in vigore fino al 31 dicembre 2026. Google dichiara che 3.1 Pro e Argon hanno entrambi un limite massimo di high; non indica il livello predefinito di 3.1 Pro.
Le regole descritte nel resto dell'articolo provengono dalla guida per sviluppatori di Neon di Google Cloud e dalla checklist di migrazione in AI Studio, salvo diversa indicazione.
Una nota sui modelli di partenza: la tabella di aggiornamento di Google AI Studio indirizza chi usa 3.8 Flash a Gemini 4 Hydrogen. È invece la guida di Google Cloud a indicare Neon per attività complesse di programmazione e scientifiche su 3.8 Flash. Google non ha annunciato date di dismissione per 3.1 Pro Preview, 3.8 Flash o alcun modello Gemini 4.
La modifica silenziosa: high è il nuovo valore predefinito
Google è esplicita: «Il valore predefinito di thinking_level è HIGH (modificato da MEDIUM su gemini-4-argon e gemini-3.8-flash), ed è supportato XHIGH per le attività di ragionamento approfondito …» Anche la soluzione indicata è altrettanto diretta: «Se il tuo carico di lavoro si basava su MEDIUM come valore predefinito su gemini-4-argon o gemini-3.8-flash, imposta esplicitamente thinking_level="MEDIUM" per mantenere una latenza di ragionamento equivalente.»
Quanto costa il livello aggiuntivo, secondo le misurazioni di Artificial Analysis sull'API di Google (ricontrollate il 2026-11-19, 13:27 UTC; dati di terze parti che cambiano quando AA esegue nuovamente i test sui modelli):
| Impostazione Neon | Indice AA | $/attività | Min/attività | Prima risposta (s) |
|---|---|---|---|---|
| Medium | 54.9 | 1.90 | 8.3 | 20.1 |
| High (predefinito) | 59.6 | 3.74 | 14.8 | 40.6 |
| Xhigh | 61.4 | 6.44 | 21.5 | 56.5 |
Medie di AA per attività dell'Intelligence Index, al prezzo di Neon di $3/$15. «Prima risposta» indica il tempo necessario per generare il primo token di risposta.
Passare da medium a high fa guadagnare 4.8 punti nell'indice, ma quasi raddoppia il costo per attività, moltiplica per 1.8 il tempo per attività e raddoppia l'attesa per il primo token di risposta. Passare a xhigh aggiunge 1.8 punti con un ulteriore aumento dei costi del 72%. È un buon compromesso per attività complesse con più passaggi, ma non per una risposta in chat.
Per chi usa Argon, gli stessi dati riservano una buona notizia. Neon Medium ottiene 54.9 punti contro i 47.6 del valore predefinito Medium di Argon, costa $1.90 per attività contro $4.31 e richiede 8.3 minuti contro 28.9. Passare da Argon a Neon Medium migliora la qualità e riduce il costo per attività, anche prima che il prezzo di Argon raddoppi. Persino il valore predefinito High di Neon ($3.74, 14.8 minuti) costa meno per attività rispetto ad Argon Medium nei test di AA. Se non imposti un livello, rinunci all'opzione Medium più economica.
Il valore predefinito più elevato ha anche questi effetti:
- Il ragionamento rientra nel limite di output. Google: «I token di ragionamento generati con HIGH (predefinito) e XHIGH rientrano in max_output_tokens e si accumulano nel contesto multi-turno quando si conservano le firme di ragionamento tra i turni.»
- Il contesto si riempie più velocemente. Negli agenti di programmazione multi-turno, questi token di ragionamento si accumulano. Google mette in guardia dalle «soglie di compattazione del contesto eccessivamente basse» e suggerisce
mediumnei turni con chiamate agli strumenti sensibili alla latenza.
Il modo di impostare il livello dipende dal protocollo:
| Protocollo | Campo | Valori per Neon |
|---|---|---|
| Gemini nativo | thinkingConfig.thinkingLevel | da LOW a XHIGH |
| Chat Completions | reasoning_effort | da low a xhigh |
| Responses | reasoning.effort | da low a xhigh |
| Anthropic Messages | output_config.effort | da low a xhigh |
I valori nativi sono in maiuscolo in GenerateContent. I valori degli altri tre protocolli provengono dallo schema dei parametri di AIHubMix per gemini-4-neon, che indica high come valore predefinito per ogni protocollo.
Il livello di compatibilità OpenAI di Google associa reasoning_effort al livello di ragionamento e accorpa minimal a low. Inoltre, specifica che le due opzioni «si sovrappongono, quindi non possono essere usate contemporaneamente»: inviane una sola.
Gli errori 400
Google documenta ciascuno di questi casi per Neon. Le note sugli errori di AIHubMix indicano che gli errori 400 sono errori di parametri e che «la maggior parte viene inoltrata dal fornitore upstream». Per questo articolo non sono stati eseguiti test in tempo reale, quindi il testo esatto restituito tramite il gateway potrebbe essere diverso.
thinking_budget e MINIMAL
Cosa vedrai: HTTP 400 per richieste che funzionavano con i modelli Gemini 3.
Perché: Neon accetta solo i quattro livelli specificati. Nella pagina del modello, Google afferma: «L'impostazione di thinking_budget o thinking_level="MINIMAL" restituisce un errore di convalida HTTP 400.» Anche il diff del codice di Google segnala il vecchio campo: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.
Soluzione: elimina thinking_budget. Sostituisci MINIMAL con LOW. Nel percorso compatibile con OpenAI, Google associa reasoning_effort="minimal" a low, ma inviare direttamente low elimina ogni dubbio.
frequency_penalty, presence_penalty e candidati aggiuntivi
Cosa vedrai: HTTP 400 per una richiesta che imposta una penalità o chiede più candidati.
Perché: «L'invio di frequency_penalty, presence_penalty o di candidate_count maggiore di 1 (candidateCount è fissato a 1) restituisce un errore HTTP 400.»
Soluzione: rimuovi entrambe le penalità. Lascia candidate_count impostato su 1 oppure omettilo. Con Chat Completions, non inviare neanche un valore di n superiore a 1: Google non specifica cosa faccia il livello di compatibilità con questo campo e lo schema di AIHubMix lo contrassegna come campo da non inviare.
max_output_tokens superiore a 1,048,576
Cosa vedrai: HTTP 400.
Perché: input e output condividono un'unica finestra di 1,048,576 token, quindi un budget di output superiore non è valido.
Soluzione: su AIHubMix, invia al massimo 65,536 (vedi la sezione sul limite di output). Il limite massimo è rilevante solo per la decodifica lunga sull'API di Google.
Firme di ragionamento mancanti o posizionate in modo errato
Cosa vedrai: HTTP 400 al secondo passaggio o a uno successivo di un turno con chiamate agli strumenti.
Perché: Neon convalida la firma di ragionamento associata alle chiamate di funzione nel turno corrente. «L'omissione di thought_signature dalla prima parte functionCall del turno attivo restituisce un errore HTTP 400. Anche la duplicazione della firma nelle parti functionCall successive o l'intercalazione dei turni restituisce un errore HTTP 400.»
La guida di Google sulle firme di ragionamento mostra la forma del messaggio per i modelli Gemini 3: «Alla chiamata di funzione <Function Call> nel blocco di contenuto <index of contents array> manca un thought_signature.» La guida di Neon specifica l'errore 400, ma non il testo restituito.
Soluzione: invia di nuovo i turni del modello esattamente come li hai ricevuti. Con chiamate parallele, solo la prima include una firma. Mantieni tutte le chiamate in un unico turno del modello e tutti i risultati in un unico turno dell'utente, nello stesso ordine. L'esempio di Google: quando il modello restituisce «FC1 + firma, FC2», la richiesta successiva attesa contiene «FC1 + firma, FC2, FR1, FR2». Intercalarle come «FC1 + firma, FR1, FC2, FR2» restituisce un errore 400.
Valori di campionamento fuori intervallo
Cosa vedrai: HTTP 400 se temperature o top_p è al di fuori dell'intervallo valido.
Perché: Google ignora i valori nell'intervallo valido, ma li convalida comunque: «I valori fuori intervallo restituiscono un errore di convalida 400.»
Soluzione: rimuovi del tutto i parametri di campionamento (vedi la sezione successiva).
Esempi di richieste
Una richiesta corretta tramite AIHubMix, con la configurazione della guida rapida:
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 richiesta che Google documenta come causa di un errore 400 con 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 stessa verifica sull'endpoint Gemini nativo, con il vecchio campo thinkingBudget. Il percorso segue lo schema documentato da AIHubMix per altri modelli Gemini; nella scheda di Neon Google mostra solo l'esempio con 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}}
}'
Sono esempi di richieste, non risposte registrate: nessuna di queste è stata eseguita per questo articolo.
Altre modifiche da considerare
I parametri di campionamento non hanno effetto
Google fissa i parametri di campionamento di Neon a temperature 1.0, topP 0.95 e topK 64 e ignora i valori personalizzati. Un valore temperature: 0 impostato per rendere ripetibile l'output non ha effetto, senza che venga restituito alcun errore. Il consiglio di Google è: «Controlla la profondità del ragionamento con thinking_level e il formato dell'output con response_schema.» Usa l'output strutturato quando ti serve un formato fisso.
La memorizzazione esplicita nella cache non è più disponibile
cachedContents, caches.create e cached_content non sono supportati. Google non specifica se una richiesta che li invia comunque fallisce o se vengono ignorati, quindi rimuovili senza aspettare di scoprirlo. Su Neon, la cache è solo implicita. Si applica automaticamente a un prefisso condiviso del prompt di almeno 4,096 token (3.8 Flash richiedeva 6,144) e l'input memorizzato nella cache costa $0.15 per milione di token invece di $3.00. Per ottenerla, metti per primi gli elementi statici del prompt: istruzioni di sistema, definizioni degli strumenti, documenti di riferimento. Elimina il codice per la cache esplicita: Neon non ha un equivalente.
Limiti di output bassi riducono il thinking
Un'app ottimizzata per un modello precedente spesso invia un valore max_tokens di 8,192 o inferiore. Su Neon, thinking e risposta condividono lo stesso budget, quindi un limite basso può interrompere la generazione prima che inizi la risposta. Le indicazioni di Google sono di «rimuovere i limiti bassi codificati, ad esempio 8,192, oppure aumentare max_output_tokens a 65,536. Per usare meno token, abbassare il livello di thinking».
Timeout brevi
Google: «I prompt complessi possono richiedere diversi minuti. Usa l'esecuzione in background oppure imposta i timeout del client HTTP ad almeno 15 minuti». In base alle medie di AA, con Neon High si attendono 40.6 secondi per il primo token della risposta e con Xhigh 56.5. Alcune richieste impiegheranno molto più della media.
Turni dell'assistente precompilati
Le regole di Neon per la cronologia: «I payload della cronologia non possono terminare con un turno del modello». «I turni del modello precompilati non sono supportati». Il codice che preimposta la risposta dell'assistente per indirizzarne il formato, un trucco comune con l'API di Anthropic, deve smettere di farlo. Google li elenca tra i controlli di validazione della chat senza specificare la risposta, mentre le note sullo schema di AIHubMix indicano che un turno finale del modello restituisce un errore. Verifica il comportamento se il tuo codice si affida alla precompilazione.
Chiamate agli strumenti scritte come testo
Se il prompt di sistema chiede al modello di scrivere le chiamate agli strumenti in JSON come testo semplice, senza dichiarare strumenti, Google avverte che Neon «può restituire MALFORMED_FUNCTION_CALL». Dichiara gli strumenti in modo nativo oppure usa l'output strutturato.
Il limite di output su AIHubMix: 65,536 token
Sull'API di Google, la singola risposta di Neon è limitata a 65,536 token di output, con o senza streaming. Per risposte più lunghe si usa la decodifica estesa: la generazione prosegue in segmenti da 64K fino a 1,048,576 token meno l'input, tramite l'API Interactions o GenerateContent v1beta1. A partire da queste versioni, gli SDK di Google possono gestire automaticamente i token di continuazione: Python google-genai 2.34.0 e JavaScript @google/genai 2.32.0 per l'API Interactions.
Google aggiunge che «le versioni precedenti degli SDK e il livello di compatibilità con OpenAI non possono recuperare completamenti lunghi usando i token di continuazione».
Lo schema dei parametri di AIHubMix per gemini-4-neon limita l'output a 65,536 token su tutti i protocolli disponibili: Chat Completions, Responses, Anthropic Messages e Gemini nativo. Lo schema include anche il campo Google continuationToken per il protocollo Gemini nativo; inoltre, AIHubMix documenta l'SDK nativo di Google e l'API Interactions in generale. Per questo articolo non è stata testata la decodifica estesa di Neon tramite quel percorso. Finché non ne avrai verificato il funzionamento, progetta tenendo conto di una singola risposta di al massimo 65,536 token, thinking incluso. Se te ne servono di più, suddividi l'attività autonomamente, ad esempio un file o una sezione per richiesta.
Regole di fatturazione facili da non notare
Il thinking è output. I $15 per milione di token di output di Neon includono i token di thinking. Con high, la maggior parte dell'output di una richiesta complessa può essere thinking.
Il grounding viene addebitato due volte. Google conteggia «le istruzioni del sistema degli strumenti interni e le dichiarazioni delle funzioni quando si usa il grounding» come token a pagamento e addebita separatamente ogni ricerca. Google offre 5,000 ricerche gratuite al mese, condivise tra Gemini 3 e le versioni successive, poi applica un costo di $14 per 1,000. AIHubMix addebita la ricerca web per richiesta; la pagina del modello Neon indica la tariffa.
La cache richiede l'ordine corretto del prompt. Lo sconto del 95% sulla cache si applica solo a un prefisso stabile di almeno 4,096 token. Un timestamp o un nome utente all'inizio del prompt di sistema lo modifica a ogni richiesta, impedendo l'applicazione dello sconto.
La decodifica estesa addebita di nuovo l'input (solo API di Google). «Ogni segmento di continuazione precompila nuovamente il prompt e i token decodificati in precedenza», quindi il conteggio dell'input aumenta da un segmento all'altro. «I segmenti completati vengono addebitati al termine di ciascun segmento, anche se un segmento successivo fallisce o viene annullato». Con il limite di 65,536 token di AIHubMix questo non accade.
Le tariffe più basse sono quelle di Google. Google offre Neon Batch e Flex a $1.50/$7.50 e Priority a $5.40/$27. Lo schema di AIHubMix accetta service_tier con valore flex o priority per Neon, ma non pubblica i prezzi di questi livelli e non include Batch. Calcola il budget usando le tariffe standard di $3/$15.
Passaggi per ridurre i costi:
- Imposta
reasoning_effortin base al tipo di chiamata:mediumper i turni interattivi e quelli con strumenti,highper la pianificazione exhighsolo quando le tue valutazioni dimostrano che conviene. - Mantieni il prefisso statico del prompt all'inizio e più lungo di 4,096 token.
- Usa la ricerca web solo nei turni che ne hanno bisogno.
- Controlla
completion_tokensnell'utilizzo: include il thinking, non solo la risposta visibile.
Agenti con autorizzazioni effettive
Le regole di Neon per le chiamate agli strumenti sono rigide e sono particolarmente importanti quando l'agente può scrivere file o eseguire comandi:
- Fai corrispondere chiamate e risultati. «Ogni FunctionResponse deve corrispondere a id, name e ordine della FunctionCall precedente».
- Conserva tutta la cronologia, incluse le firme. Google: «Rimanda ogni thought_signature nella sua Part originale in tutti i turni precedenti …». Rimuovere le firme precedenti o usare segnaposto come
skip_thought_signature_validator«elimina il contesto di ragionamento e può attivare MALFORMED_FUNCTION_CALL». - Con Chat Completions, restituisci inalterati i messaggi dell'assistente. Mantieni ogni messaggio dell'assistente, comprese le chiamate agli strumenti, esattamente come restituito dall'API. Non ricostruire la cronologia dai tuoi log. Google documenta il supporto per le thought signature nelle Chat Completions compatibili con OpenAI per i modelli Gemini 3; verifica che il tuo client le conservi anche per Neon.
- Fai attenzione alle interruzioni silenziose. Una chiamata a una funzione non valida termina il turno senza produrre una risposta utilizzabile. Proxy open source hanno segnalato che questo caso arriva ai client in stile OpenAI come un normale
stopoppure come un errore del server: la pull request 52745 di LiteLLM e la segnalazione 60 di Divyam su GitHub, entrambe aperte a novembre 2026. Se l'agente restituisce un turno vuoto senza chiamate agli strumenti, trattalo come un errore e riprova: non considerarlo la fine dell'attività.
Google afferma che Neon gestisce meglio dei predecessori questi cicli. «Riduce le letture di file ridondanti, gestisce in modo affidabile la compattazione del contesto e riduce al minimo le affermazioni inventate e le scorciatoie nell'esecuzione delle attività», limitando inoltre «l'eccesso d'iniziativa e l'assistenza insufficiente degli agenti». Sono affermazioni di Google, basate sulle sue valutazioni. Riducono il rischio, ma non sostituiscono i limiti alle autorizzazioni e la revisione delle scritture.
Strumenti di programmazione: Claude Code e Codex
Lo schema dei parametri di AIHubMix elenca quattro protocolli per gemini-4-neon, compresi i due necessari agli agenti di programmazione: Anthropic Messages per Claude Code e l'API Responses per Codex. La configurazione è la stessa prevista per qualsiasi modello AIHubMix; trovi i dettagli negli articoli sulle impostazioni di Claude Code e sul file config.toml di Codex. Ecco cosa cambia con Neon:
| Impostazione | Claude Code | Codex |
|---|---|---|
| Protocollo | Anthropic Messages | API Responses |
| ID del modello | gemini-4-neon | gemini-4-neon |
| Valori di effort | da low a xhigh | da low a xhigh |
| Finestra di contesto | 1,048,576 | 1,048,576 |
| Output per richiesta | 65,536 | 65,536 |
I valori di effort e i limiti provengono dallo schema dei parametri di AIHubMix; il valore predefinito di effort è high per entrambi i protocolli.
Claude Code. Imposta ANTHROPIC_MODEL su gemini-4-neon. Aumenta API_TIMEOUT_MS: il valore predefinito è 10 minuti e Google consiglia almeno 15 minuti per i prompt complessi. Non aggiungere una precompilazione dell'assistente alle richieste personalizzate inviate allo stesso endpoint: Neon non la supporta.
Codex. Mantieni wire_api = "responses" e il valore base_url di AIHubMix, imposta model = "gemini-4-neon" e scegli model_reasoning_effort tra i livelli di Neon. Inizia con medium: Codex esegue molti turni brevi con strumenti, nei quali high aggiunge soprattutto tempo di attesa.
Problemi noti da aspettarsi:
- Primo token in ritardo con
highexhigh. - Risposte che si interrompono al limite di 65,536 token se il thinking si prolunga.
- Turni vuoti dovuti a chiamate agli strumenti non riuscite, come descritto sopra.
- Conoscenze aggiornate a marzo 2026: le versioni delle librerie successive a quella data devono essere incluse nel contesto.
Un test rapido di 10–15 minuti
- Scegli un piccolo repository con un test unitario non superato e un comando di test che richieda meno di un minuto.
- Imposta lo strumento su
gemini-4-neon, seleziona effortmediume imposta il timeout del client ad almeno 15 minuti. - Chiedi la modifica più piccola che permette di superare il test. Poi esegui il test e controlla il diff.
- Superato: diff minimo, test superato, entro 15 minuti. Non superato: annota se hai ricevuto un 400, un turno vuoto, un timeout o una modifica errata. Ognuno di questi problemi ha una soluzione descritta sopra.
- Ripeti con
high. Mantieni il livello inferiore, a meno chehighnon corregga un errore commesso conmedium.
Lista di controllo
- ID del modello impostato su
gemini-4-neon. - Livello di thinking impostato esplicitamente in base al tipo di chiamata; usa
mediumse ti affidavi al valore predefinito di Argon o 3.8 Flash. - Nessun
thinking_budget;MINIMALsostituito conLOW. - Per ogni richiesta, usa
reasoning_effortoppure il livello di thinking nativo, mai entrambi. - Nessun
frequency_penaltyopresence_penalty;candidate_countenimpostati su 1 o omessi. - Nessun
temperature,top_potop_k; usa l'output strutturato quando il formato è importante. - Codice per la cache esplicita rimosso; prefisso statico del prompt all'inizio e superiore a 4,096 token.
- Limite di output su AIHubMix impostato a 65,536 o meno; nessun limite basso ereditato dai modelli precedenti.
- Timeout del client di almeno 15 minuti.
- La cronologia non termina mai con un turno dell'assistente; nessuna precompilazione.
- Turni dell'assistente e chiamate agli strumenti restituiti esattamente come ricevuti; chiamate parallele e relativi risultati raggruppati nell'ordine corretto.
- Turni vuoti senza chiamate agli strumenti trattati come errori e ritentati.
- Il budget include i token di thinking e le richieste di ricerca web.
- Strumento di programmazione testato rapidamente con
mediumehigh.
Domande frequenti
Devo modificare il formato delle richieste per passare a Gemini 4 Neon?
Se provieni da un altro modello Gemini 4, no: Google dichiara che lo schema è lo stesso, quindi basta cambiare l'ID del modello e controllare il livello di thinking. Se provieni da Gemini 3.1 Pro o 3.8 Flash, rimuovi thinking_budget, MINIMAL, i parametri di penalità e la cache esplicita.
Perché le mie richieste costano di più dopo il passaggio da 3.8 Flash?
Neon costa quattro volte 3.8 Flash e, per impostazione predefinita, usa il livello di thinking alto, mentre 3.8 Flash usava quello medio. Secondo le misurazioni di Artificial Analysis, Neon High costa circa il doppio per attività rispetto a Neon Medium. Imposta esplicitamente il livello. Con Argon, il costo per attività misurato da AA diminuisce anche con il livello alto.
Perché Neon restituisce un errore 400 per thinking_budget?
Neon accetta solo i livelli di thinking denominati low, medium, high e xhigh. Google rifiuta thinking_budget e MINIMAL con HTTP 400 invece di convertirli.
temperature funziona ancora?
No. Neon ignora temperature, top_p e top_k; i valori fuori intervallo restituiscono un errore 400. Usa invece il livello di thinking e l'output strutturato.
Neon può restituire più di 65,536 token tramite AIHubMix?
AIHubMix documenta un limite di output di 65,536 token per richiesta per Neon, incluso il thinking. La decodifica estesa di Google, fino a circa 1M di token, funziona con l'API di Google; tramite AIHubMix non è disponibile sull'endpoint compatibile con OpenAI e qui il percorso nativo non è stato testato.
Posso usare Gemini 4 Neon in Claude Code o Codex?
Sì. AIHubMix elenca il protocollo Anthropic Messages usato da Claude Code e la Responses API usata da Codex. Imposta il modello su gemini-4-neon, aumenta il timeout ed esegui prima un breve test di verifica.
Gemini 3.1 Pro verrà dismesso?
Google non ha annunciato una data di dismissione per Gemini 3.1 Pro Preview, Gemini 3.8 Flash o alcun modello Gemini 4. Consiglia Neon come aggiornamento per 3.1 Pro.
Continua a leggere: la serie Gemini 4 Neon
- Se stai abbandonando Carbon o vuoi capire se Neon è sufficiente per i tuoi compiti più impegnativi, il confronto valuta i due modelli in termini di qualità, tempo e costo per attività: Gemini 4 Neon vs Carbon: il modello più veloce è abbastanza valido?.
- Se la migrazione ti ha fatto chiedere se Neon sia davvero il modello Gemini 4 giusto, il confronto tra i modelli della famiglia lo mette a confronto con Hydrogen, Carbon e Argon: Gemini 4 Hydrogen vs Neon vs Carbon vs Argon: quale dovresti usare?.
Fonti
- Google Cloud, Guida per gli sviluppatori a Gemini 4 Neon
- Google AI Studio, Novità di Gemini 4 Neon
- Google AI Studio, Firme di pensiero
- Artificial Analysis, Classifica degli LLM (consultata il 2026-11-19, 13:27 UTC)
- AIHubMix, Gemini 4 Neon


