Gemini 4 Neonへの移行:デフォルトのthinkingはhigh、400エラー、65Kの上限

AIHubMix約 14 分で読めます

Googleは、Gemini 3.1 Proからのアップグレード先としてGemini 4 Neonを挙げています。また、Gemini 4 Argonでの一般的なコーディング作業や、Gemini 3.8 Flashでの複雑なコーディングや科学分野の作業にもNeonを推奨しています。モデル文字列をgemini-4-neonに変更するのは簡単です。それ以外の変更は4つのグループに分けられます。

  • 気づきにくい変更:デフォルトのthinkingレベルがhighになりました。Argonと3.8 Flashのデフォルトはmediumでした。レベルを指定しないと、各リクエストでmediumの場合より多くの思考が行われます。3.8 Flashのユーザーは料金が上がりますが、Argonのユーザーはタスクあたりのコストが下がります(詳細は後述)。
  • 表面化する変更:Neonでは、古いコードが送信し続ける複数のフィールドに対してHTTP 400が返されます。対象はthinking_budget、ネイティブのMINIMALレベル、2つのペナルティパラメーター、複数の候補の指定、ツール呼び出しにおける不正なthought signatureです。
  • 目立たない変更:temperature、top_p、top_kは無視されます。また、出力上限が低いと、モデルは思考中に停止することがあります。明示的なコンテキストキャッシュと、アシスタントのターンを事前入力する方法には対応しておらず、Googleはそれらがどのように失敗するかを説明していません。
  • AIHubMixの場合:1リクエストあたりの出力トークン数は65,536を上限として計画してください。Googleの1Mトークンの長時間デコードは、AIHubMixのOpenAI互換エンドポイントでは利用できません。ネイティブの経路はこの記事の執筆にあたってテストしていません。

Gemini 4 Carbonからの移行は、より簡単です。Googleによればリクエストスキーマに変更はなく、主な違いはデフォルトのレベルです。この移行についてはNeonとCarbonの比較記事をご覧ください。

移行元によって異なる点

変更点 3.1 Proから Argonから 3.8 Flashから
デフォルトのthinkingレベル highに変更 mediumからhighへ mediumからhighへ
xhighレベル 新規 新規 新規
トークン上限 1Mに統一 すでに統一済み 1Mに統一
明示的なキャッシュ 廃止 すでに廃止済み 廃止
料金、入力/出力 $2 / $12から$3 / $15へ $2 / $10から$3 / $15へ $0.75 / $3.75から$3 / $15へ

Google公式の料金。100万トークンあたりの米ドル建てです。Gemini 3.1 Proの$2/$12は、プロンプトが200Kトークン以下の場合に適用され(それを超える場合は$4/$18)、Neonは1Mのウィンドウ全体で一律料金です。Argonの$2/$10は導入価格で、2026年12月1日に$4/$20になります。3.8 Flashの$0.75/$3.75は2026年12月31日まで適用されます。Googleによると、3.1 ProとArgonはいずれも上限がhighですが、3.1 Proのデフォルトについては記載がありません。

この記事の以降の説明は、特に断りがない限り、Google Cloud上のGoogleのNeon開発者ガイドと、AI Studioの移行チェックリストに基づいています。

移行元について補足します。GoogleのAI Studioアップグレード表では、3.8 FlashユーザーにGemini 4 Hydrogenを案内しています。一方、3.8 Flashでの複雑なコーディングや科学分野の作業にNeonを推奨しているのは、Google Cloudのガイドです。Googleは3.1 Pro Preview、3.8 Flash、Gemini 4のいずれのモデルについても、終了日を発表していません。

目立たない変更:デフォルトがhighに

Googleは明確に説明しています。「デフォルトのthinking_levelはHIGHです(gemini-4-argonおよびgemini-3.8-flashのMEDIUMから変更)。また、深い推論タスク向けにXHIGHがサポートされています……」。推奨する対処法も同様に明快です。「gemini-4-argonまたはgemini-3.8-flashでMEDIUMがデフォルトであることを前提にしたワークロードでは、同等の推論レイテンシを保つため、thinking_level="MEDIUM"を明示的に設定してください。」

レベルを上げることでかかるコストを、Artificial AnalysisによるGoogle APIの測定値で確認します(2026-11-19 13:27 UTCに再確認。第三者による測定で、AAがモデルを再実行するたびに変わります)。

Neonの設定 AA Index $/タスク 分/タスク 最初の回答(秒)
Medium 54.9 1.90 8.3 20.1
High(デフォルト) 59.6 3.74 14.8 40.6
Xhigh 61.4 6.44 21.5 56.5

AAによるIntelligence Indexの各タスクの平均値。Neonの料金は$3/$15で計算しています。「最初の回答」は、最初の回答トークンが生成されるまでの時間です。

mediumからhighにすると、インデックスのスコアは4.8ポイント上がりますが、タスクあたりのコストはほぼ2倍、所要時間は1.8倍、最初の回答トークンまでの待ち時間は2倍になります。さらにxhighに上げると、コストが72%増える一方で、スコアは1.8ポイント上がります。複数段階にわたる難しい作業には有効な選択ですが、チャットへの返答には割に合いません。

Argonユーザーにとっては、同じデータに朗報もあります。Neon Mediumはスコアが54.9で、ArgonのデフォルトであるMediumの47.6を上回ります。タスクあたりのコストは$1.90で、Argonの$4.31より低く、所要時間も8.3分で、Argonの28.9分より短くなっています。ArgonからNeon Mediumに移行すれば、Argonの料金が2倍になる前から、品質が上がりタスクあたりのコストが下がります。NeonのデフォルトであるHigh($3.74、14.8分)でさえ、AAのタスクではArgon Mediumよりタスクあたりのコストが低くなります。レベルを設定しない場合に失うのは、より安価なMediumという選択肢です。

デフォルトレベルが上がることで、次のような影響もあります。

  • 思考トークンは出力上限に含まれます。Googleによると、「デフォルトのHIGHおよびXHIGHで生成された推論トークンはmax_output_tokensにカウントされ、ターン間でthought signatureを保持すると、複数ターンのコンテキストにも累積されます。」
  • コンテキストがより速く埋まります。複数ターンにわたるコーディングエージェントでは、思考トークンが蓄積します。Googleは「コンテキスト圧縮のしきい値を低く設定しすぎない」よう警告し、レイテンシに敏感なツール呼び出しのターンではmediumを推奨しています。

レベルの設定方法はプロトコルによって異なります。

プロトコル フィールド Neonでの値
ネイティブGemini thinkingConfig.thinkingLevel LOWからXHIGH
Chat Completions reasoning_effort lowからxhigh
Responses reasoning.effort lowからxhigh
Anthropic Messages output_config.effort lowからxhigh

ネイティブのGenerateContentでは値を大文字で指定します。それ以外の3つのプロトコルの値は、gemini-4-neonに関するAIHubMixのパラメータースキーマに基づいています。同スキーマでは、すべてのプロトコルでデフォルトがhighとされています。

GoogleのOpenAI互換レイヤーでは、reasoning_effortがthinkingレベルに対応付けられ、minimalはlowとして扱われます。また、この2つは「機能が重複するため、同時には使用できない」とされています。どちらか一方だけを送信してください。

400エラー

ここに挙げる各項目は、NeonについてGoogleが文書化しています。AIHubMixのエラーノートによると、400エラーはパラメーターエラーで、「ほとんどは上流プロバイダーからそのまま渡されます」。この記事では実際のテストを行っていないため、ゲートウェイ経由で表示される正確なエラーメッセージは異なる場合があります。

thinking_budgetとMINIMAL

表示されるエラー:Gemini 3モデルで動作していたリクエストに対して、HTTP 400が返されます。

原因:Neonが受け付けるのは、名前が定義された4つのレベルだけです。Googleのモデルページには、「thinking_budgetまたはthinking_level="MINIMAL"を設定すると、HTTP 400の検証エラーが返されます」とあります。Googleのコード差分でも、古いフィールドについて次のように示されています。thinking_budget=16384, # Returns HTTP 400 instead of mapping silently

対処法:thinking_budgetを削除します。MINIMALはLOWに置き換えます。OpenAI互換の経路ではGoogleがreasoning_effort="minimal"をlowに対応付けますが、最初からlowを指定すれば曖昧さを避けられます。

frequency_penalty、presence_penalty、複数候補の指定

表示されるエラー:ペナルティを設定するか、複数の候補を要求するリクエストに対してHTTP 400が返されます。

原因:「frequency_penalty、presence_penalty、または1を超えるcandidate_countを渡すと(candidateCountは1に固定されています)、HTTP 400エラーが返されます。」

対処法:2つのペナルティをどちらも削除します。candidate_countは1のままにするか、省略してください。Chat Completionsではnも1を超える値を送らないでください。Googleは互換レイヤーでの扱いを明記しておらず、AIHubMixのスキーマでも送信しないフィールドとされています。

1,048,576を超えるmax_output_tokens

表示されるエラー:HTTP 400。

原因:入力と出力は1,048,576トークンのウィンドウを共有しているため、それを超える出力予算は無効です。

対処法:AIHubMixでは最大65,536を送信してください(出力上限のセクションを参照)。この上限が問題になるのは、Google独自のAPIで長時間デコードを行う場合に限られます。

thought signatureの欠落または誤った配置

表示されるエラー:ツール呼び出しのターンで、2回目以降のステップに対してHTTP 400が返されます。

原因:Neonは、現在のターンにおける関数呼び出しに付与されたthought signatureを検証します。「進行中のターンで、最初のfunctionCallパートからthought_signatureが欠落しているとHTTP 400エラーが返されます。兄弟関係にある複数のfunctionCallパートに署名を重複して付けたり、ターンを交互に挟んだりした場合も、HTTP 400エラーが返されます。」

Googleのthought signatureガイドには、Gemini 3モデルのメッセージ形式として、次の例が示されています。「<Function Call>のコンテンツブロックにある関数呼び出し<index of contents array>に、thought_signatureがありません。」Neonのガイドには400エラーが発生することは記されていますが、エラーメッセージの文言は記載されていません。

対処法:モデルのターンは、受け取ったとおりにそのまま返送してください。並列呼び出しでは、最初の呼び出しだけに署名を付けます。すべての呼び出しを1つのモデルターンにまとめ、すべての結果を同じ順序で1つのユーザーターンにまとめてください。Googleの例では、モデルが「FC1 + signature, FC2」を返した場合、次のリクエストには「FC1 + signature, FC2, FR1, FR2」を含める必要があります。「FC1 + signature, FR1, FC2, FR2」のように交互に挟むと400エラーが返されます。

範囲外のサンプリング値

表示されるエラー:有効範囲外のtemperatureまたはtop_pに対してHTTP 400が返されます。

原因:Googleは有効範囲内の値を無視しますが、値の検証は行います。「範囲外の値を指定すると、400の検証エラーが返されます。」

対処法:サンプリングパラメーターをすべて削除してください(次のセクションを参照)。

リクエストの形式

クイックスタートの設定を使った、AIHubMix経由の正しいリクエスト:

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."}]
  }'

GoogleがNeonで400エラーになると説明しているリクエスト:

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."}]
  }'

古いthinkingBudgetフィールドを使った、ネイティブGeminiエンドポイントでの同じ確認です。パスは、AIHubMixが他のGeminiモデル向けに説明しているパターンに沿っています。Neonの掲載ページにあるのはChat Completionsの例のみです。

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}}
  }'

これらはリクエスト形式の例であり、実際のレスポンスを記録したものではありません。この記事では、いずれも実行していません。

そのほかに対応が必要な変更

サンプリングパラメーターは機能しない

GoogleはNeonのサンプリング設定をtemperature 1.0、topP 0.95、topK 64に固定しており、カスタム値は無視されます。出力を再現可能にするためのtemperature: 0も効果がなく、そのことを知らせるエラーもありません。Googleは「thinking_levelで推論の深さを、response_schemaで出力形式を制御してください」と勧めています。形式を固定したい場合は、構造化出力を使ってください。

明示的なキャッシュは廃止

cachedContents、caches.create、cached_contentはサポートされていません。Googleは、これらを送信し続けた場合にリクエストが失敗するのか無視されるのかを明らかにしていないため、実際に試すのではなく削除してください。Neonのキャッシュは暗黙的にのみ適用されます。4,096トークン以上の共有プロンプトプレフィックスに自動で適用され(3.8 Flashでは6,144トークンが必要でした)、キャッシュされた入力の料金は100万トークンあたり$3.00ではなく$0.15です。利用するには、プロンプトの先頭に静的な部分を配置します。システム指示、ツール定義、参考資料などです。明示的なキャッシュ用コードは削除してください。Neonには相当する機能がありません。

出力上限が低いと思考が途中で打ち切られる

古いモデル向けに調整されたアプリでは、max_tokensを8,192以下に設定していることがよくあります。Neonでは思考と回答が同じ予算を共有するため、上限が低いと回答が始まる前に応答が終了する場合があります。Googleは、「8,192などの低い上限をハードコードしている場合は削除するか、max_output_tokensを65,536に引き上げてください。使用するトークン数を減らすには、代わりに思考レベルを下げてください」と案内しています。

短いタイムアウト

Googleは、「難しいプロンプトでは数分かかることがあります。バックグラウンド実行を使うか、HTTPクライアントのタイムアウトを少なくとも15分に設定してください」と案内しています。AAの平均値では、NeonのHighは最初の回答トークンが返るまで40.6秒、Xhighでは56.5秒かかります。平均を大きく上回る時間がかかるリクエストもあります。

事前入力されたassistantターン

Neonの履歴に関するルールは、「履歴ペイロードの末尾をモデルロールのターンにすることはできません」「事前入力されたモデルターンはサポートされていません」です。AnthropicのAPIでよく使われる手法として、形式を誘導するためにassistantの回答の一部をあらかじめ入力するコードは、使わないようにする必要があります。Googleはこれらをチャットの検証ルールとして挙げていますが、どのような応答になるかは明記していません。AIHubMixのスキーマでは、最後がモデルターンの場合にエラーが返るとされています。事前入力に依存するコードがある場合は、テストしてください。

テキストとして記述されたツール呼び出し

システムプロンプトで、ツールを宣言せずにJSONのツール呼び出しをプレーンテキストで出力するようモデルに指示している場合、GoogleによるとNeonは「MALFORMED_FUNCTION_CALLを返すことがあります」。ツールをネイティブに宣言するか、構造化出力を使用してください。

AIHubMixでの出力上限:65,536トークン

Google独自のAPIでは、ストリーミングの有無にかかわらず、Neonの1回の応答における出力上限は65,536トークンです。これを超える回答ではlong decodeを使い、Interactions APIまたはGenerateContent v1beta1を通じて、入力分を差し引いた最大1,048,576トークンまで、64Kトークン単位で生成を続けます。次のバージョン以降のGoogle SDKでは、継続トークンを使った生成の続行を自動で処理できます。Interactions APIの場合、Pythonはgoogle-genai 2.34.0、JavaScriptは@google/genai 2.32.0です。

Googleはさらに、「それ以前のSDKバージョンとOpenAI互換レイヤーでは、継続トークンを使った長い補完の取得はできません」と述べています。

AIHubMixのgemini-4-neon向けパラメータスキーマでは、提供するすべてのプロトコル(Chat Completions、Responses、Anthropic Messages、ネイティブGemini)で、出力上限が65,536トークンに設定されています。ネイティブGeminiプロトコルのスキーマには、GoogleのcontinuationTokenフィールドも記載されており、AIHubMixはGoogleのネイティブSDKとInteractions API全般について説明しています。この記事では、その経路でNeonのlong decodeが機能するかテストしていません。動作を確認するまでは、思考を含めて1回の応答が最大65,536トークンとなるよう設計してください。それ以上必要な場合は、たとえばファイル単位またはセクション単位でリクエストを分けるなど、自分でタスクを分割してください。

見落としやすい課金ルール

思考も出力です。Neonの出力料金は100万トークンあたり$15で、思考トークンも含まれます。highでは、難しいリクエストの出力の大部分が思考になることがあります。

Groundingは二重に課金されます。Googleは、「groundingを使う場合、内部ツールのシステム指示と関数宣言も課金対象のトークンとして数える」としており、検索クエリごとに別途料金がかかります。Google独自のクォータでは、Gemini 3以降のモデルで共通の月5,000回まで検索が無料で、それ以降は1,000回あたり$14です。AIHubMixではウェブ検索はリクエストごとに課金されます。料金はNeonのモデルページに記載されています。

キャッシュを使うには、プロンプトの順序が重要です。95%のキャッシュ割引が適用されるのは、4,096トークン以上の安定したプレフィックスに限られます。システムプロンプトの先頭にタイムスタンプやユーザー名があると、リクエストのたびにキャッシュが無効になります。

long decodeでは入力が再課金されます(GoogleのAPIのみ)。「継続セグメントごとに、プロンプトと、それまでにデコードしたトークンを再度プリフィルする」ため、入力として数えられるトークンはセグメントごとに増加します。「後続のセグメントが失敗またはキャンセルされた場合でも、完了したセグメントは各セグメントの終了時に課金されます」。AIHubMixの65,536トークン上限では、この問題は発生しません。

低価格の各ティアはGoogleの料金です。GoogleではNeon BatchとFlexを$1.50/$7.50、Priorityを$5.40/$27で提供しています。AIHubMixのスキーマではNeonのservice_tierにflexまたはpriorityを指定できますが、これらのティアの料金は公開されておらず、Batchも掲載されていません。予算は標準料金の$3/$15を基準にしてください。

料金を抑える方法:

  • 呼び出しの種類に応じてreasoning_effortを設定します。対話やツールのターンではmedium、計画ではhigh、xhighは自社の評価で効果が確認できた場合に限ります。
  • 静的なプロンプトプレフィックスを先頭に置き、4,096トークンより長くしてください。
  • ウェブ検索は必要なターンでのみ使用してください。
  • 使用量のcompletion_tokensを確認してください。目に見える回答だけではなく、思考も含まれます。

実際の権限を持つエージェント

Neonのツール呼び出しルールは厳格で、エージェントがファイルへの書き込みやコマンドの実行を行える場合に特に重要です。

  • 呼び出しと結果を対応させる。「各FunctionResponseは、直前のFunctionCallのid、name、順序と一致していなければなりません。」
  • 署名を含め、履歴全体を保持する。Googleは、「過去のすべてのターンにわたって、各thought_signatureを元のPart内に含めたまま返してください……」としています。古い署名を削除したり、skip_thought_signature_validatorなどのプレースホルダーを使ったりすると、「推論コンテキストが失われ、MALFORMED_FUNCTION_CALLが発生することがあります」。
  • Chat Completionsでは、assistantメッセージを変更せずに返す。ツール呼び出しを含め、APIから返された各assistantメッセージをそのまま保持してください。独自のログから履歴を再構築してはいけません。Googleは、Gemini 3モデル向けのOpenAI互換Chat Completionsでthought signatureがサポートされると説明しています。Neonでもクライアントがそれらを保持するか確認してください。
  • 応答が通知なく終了する場合に注意する。不正な関数呼び出しがあると、利用可能な回答がないままターンが終了します。オープンソースのプロキシでは、このケースがOpenAI形式のクライアントに通常のstopまたはサーバーエラーとして届くことが報告されています。2026年11月に公開されたGitHub上のLiteLLMのプルリクエスト52745とDivyamのissue 60がその例です。エージェントがツール呼び出しのない空のターンを受け取った場合は、タスクの終了ではなく失敗として扱い、再試行してください。

Googleによると、Neonはこの種のループで前世代モデルより安定して動作します。「不要なファイルの読み取りを減らし、コンテキストの圧縮を安定して処理し、事実と異なる主張やタスクの手抜きを最小限に抑え」、さらに「エージェントの過剰な介入と不十分な対応を減らします」。これらはGoogle自身の評価に基づく主張です。リスクは下がりますが、書き込み時の権限制限やレビューに代わるものではありません。

コーディングツール:Claude CodeとCodex

AIHubMixのパラメータスキーマでは、gemini-4-neonに4つのプロトコルが用意されており、そのうち2つはコーディングエージェントで必要になります。Claude Code向けのAnthropic Messagesと、Codex向けのResponses APIです。セットアップはAIHubMixの他のモデルと同じです。Claude Codeの設定に関する記事とCodexのconfig.tomlに関する記事で解説しています。Neon固有の点は次のとおりです。

設定 Claude Code Codex
プロトコル Anthropic Messages Responses API
モデル ID gemini-4-neon gemini-4-neon
Effortの値 low~xhigh low~xhigh
コンテキストウィンドウ 1,048,576 1,048,576
リクエストあたりの出力 65,536 65,536

Effortの値と上限はAIHubMixのパラメータスキーマに基づきます。どちらのプロトコルでもデフォルトのeffortはhighです。

Claude Code。ANTHROPIC_MODELをgemini-4-neonに設定します。API_TIMEOUT_MSを引き上げてください。デフォルトは10分ですが、Googleは難しいプロンプトに対して少なくとも15分を推奨しています。同じエンドポイントへのカスタムリクエストにassistantの事前入力を追加しないでください。Neonはサポートしていません。

Codex。wire_api = "responses"とAIHubMixのbase_urlはそのままにし、model = "gemini-4-neon"を設定して、Neonのレベルからmodel_reasoning_effortを選びます。まずはmediumから始めてください。Codexは短いツールターンを何度も実行するため、highでは主に待ち時間が増えます。

想定される既知の問題:

  • highおよびxhighでは、最初のトークンが返るまで時間がかかります。
  • 思考に時間がかかると、65,536トークンの上限で応答が終了します。
  • 前述のように、ツール呼び出しに失敗すると空のターンになる場合があります。
  • 知識のカットオフは2026年3月のため、それ以降のライブラリバージョンはコンテキストに含める必要があります。

10~15分で行うスモークテスト

  1. 失敗するユニットテストが1つあり、テストコマンドが1分未満で実行できる小規模なリポジトリを選びます。
  2. ツールのモデルをgemini-4-neonに設定し、effortをmedium、クライアントのタイムアウトを少なくとも15分に設定します。
  3. テストに合格させる最小限の変更を依頼します。その後、テストを実行して差分を確認します。
  4. 合格の目安:差分が最小限で、テストが成功し、15分以内に完了すること。失敗した場合は、400エラー、空のターン、タイムアウト、不適切な編集のどれが発生したか記録します。それぞれ上記の対処法があります。
  5. highでも繰り返します。mediumで誤った結果になったものをhighが修正できる場合を除き、低いレベルを使い続けてください。

チェックリスト

  • モデル IDがgemini-4-neonに設定されている。
  • 呼び出しの種類ごとに思考レベルを明示的に設定する。Argonまたは3.8 Flashのデフォルトに頼っていた場合はmediumにする。
  • thinking_budgetを指定しない。MINIMALはLOWに置き換える。
  • 各リクエストでは、reasoning_effortとネイティブの思考レベルのどちらか一方だけを指定する。
  • frequency_penaltyとpresence_penaltyは指定しない。candidate_countとnは1に設定するか、省略する。
  • temperature、top_p、top_kは指定しない。形式が重要な場合は構造化出力を使う。
  • 明示的なキャッシュ用コードを削除し、静的なプロンプトプレフィックスを先頭に置いて4,096トークンより長くする。
  • AIHubMixでは出力上限を65,536以下に設定し、古いモデル向けの低い上限が残っていないことを確認する。
  • クライアントのタイムアウトを15分以上に設定する。
  • 履歴の末尾をassistantターンにしない。事前入力もしない。
  • assistantターンとツール呼び出しは受け取ったまま返す。並列呼び出しとその結果は、順序を保ってまとめる。
  • ツール呼び出しのない空のターンは失敗として扱い、再試行する。
  • 予算には思考トークンとウェブ検索リクエストも含める。
  • コーディングツールのスモークテストをmediumとhighで実施する。

よくある質問

Gemini 4 Neonに移行するには、リクエスト形式を変更する必要がありますか?
別のGemini 4モデルからの移行なら、必要ありません。Googleによるとスキーマは同じなので、モデル IDを変更して思考レベルを確認してください。Gemini 3.1 Proまたは3.8 Flashから移行する場合は、thinking_budget、MINIMAL、ペナルティパラメーター、明示的なキャッシュ設定を削除してください。

3.8 Flashから切り替えた後、リクエストの費用が増えるのはなぜですか?
Neonの価格は3.8 Flashの4倍で、3.8 Flashのデフォルトが中だったのに対し、Neonは高に設定されています。Artificial Analysisの測定によると、Neon Highのタスクあたりの費用はNeon Mediumの約2倍です。レベルを明示的に設定してください。Argonからの移行なら、AAのタスクあたりの費用は高に設定しても下がります。

Neonがthinking_budgetに対して400を返すのはなぜですか?
Neonが受け付けるのは、low、medium、high、xhighという名前付きの思考レベルのみです。Googleはthinking_budgetとMINIMALを別の値に置き換えず、HTTP 400で拒否します。

temperatureは引き続き機能しますか?
いいえ。Neonはtemperature、top_p、top_kを無視し、範囲外の値には400を返します。代わりに、思考レベルと構造化出力を使用してください。

AIHubMix経由でNeonは65,536トークンを超える出力を返せますか?
AIHubMixのドキュメントでは、Neonのリクエストごとの出力上限は思考分を含めて65,536トークンとされています。Google独自のAPIでは、最大約1Mトークンまでの長いデコードが可能ですが、AIHubMix経由ではOpenAI互換エンドポイントで利用できず、ネイティブ経路はここではテストされていません。

Claude CodeやCodexでGemini 4 Neonを使えますか?
はい。AIHubMixは、Claude Codeが使用するAnthropic Messagesプロトコルと、Codexが使用するResponses APIを掲載しています。モデルをgemini-4-neonに設定し、タイムアウトを延長して、まず短いスモークテストを実行してください。

Gemini 3.1 Proは廃止されるのでしょうか?
Googleは、Gemini 3.1 Pro Preview、Gemini 3.8 Flash、またはGemini 4の各モデルの廃止日を発表していません。3.1 Proのアップグレード先としてNeonを推奨しています。

続けて読む:Gemini 4 Neonシリーズ

出典

ひとつのゲートウェイで複数のAIプロバイダーへ。 本番運用のために設計。

AIHubMix公式サイトへ