Migracja Gemini 4 Neon: domyślny poziom high, błędy 400 i limit 65K

AIHubMix14 min czytania

Google wskazuje Gemini 4 Neon jako model docelowy przy migracji z Gemini 3.1 Pro, do ogólnych zadań programistycznych na Gemini 4 Argon oraz do złożonych zadań programistycznych lub naukowych na Gemini 3.8 Flash. Zmiana nazwy modelu na gemini-4-neon to łatwa część. Pozostałe kwestie dzielą się na cztery grupy.

  • Niepozorna: domyślny poziom rozumowania to teraz high. W Argon i 3.8 Flash domyślnie ustawiony był poziom medium. Jeśli nie ustawisz poziomu, każde zapytanie wymaga więcej rozumowania niż przy medium. Dla użytkowników 3.8 Flash oznacza to wyższe rachunki; w przypadku Argon koszt każdego zadania i tak spada (szczegóły poniżej).
  • Wyraźna: Neon zwraca HTTP 400 dla kilku pól, które nadal wysyła starszy kod: thinking_budget, natywnego poziomu MINIMAL, dwóch parametrów kar, więcej niż jednego kandydata oraz nieprawidłowych sygnatur myślowych w wywołaniach narzędzi.
  • Nieoczywista: parametry temperature, top_p i top_k są ignorowane, a niski limit wyjściowy może zatrzymać model, gdy ten nadal prowadzi rozumowanie. Jawne buforowanie kontekstu i wstępnie wypełnione tury asystenta nie są obsługiwane, a Google nie wyjaśnia, co się wtedy dzieje.
  • W AIHubMix: przyjmij limit 65,536 tokenów wyjściowych na zapytanie. Długie generowanie do 1M tokenów oferowane przez Google nie jest dostępne przez zgodny z OpenAI punkt końcowy AIHubMix, a natywna ścieżka nie została przetestowana na potrzeby tego wpisu.

Migracja z Gemini 4 Carbon jest prostsza: Google informuje, że schemat zapytania się nie zmienia, a główna różnica dotyczy domyślnego poziomu. Ten temat omawia wpis porównujący Neon i Carbon.

Co się zmienia w zależności od modelu wyjściowego

Zmiana Z 3.1 Pro Z Argon Z 3.8 Flash
Domyślny poziom rozumowania teraz high z medium na high z medium na high
poziom xhigh nowość nowość nowość
Limity tokenów ujednolicony limit 1M już ujednolicony ujednolicony limit 1M
Jawne buforowanie usunięte już niedostępne usunięte
Cena, wejście / wyjście $2 / $12 do $3 / $15 $2 / $10 do $3 / $15 $0.75 / $3.75 do $3 / $15

Oficjalne ceny Google w USD za milion tokenów. Cena Gemini 3.1 Pro wynosząca $2/$12 dotyczy promptów do 200K tokenów ($4/$18 powyżej tego limitu); Neon ma jedną stawkę w całym oknie 1M. Cena Argon wynosząca $2/$10 jest promocyjna i 1 grudnia 2026 wzrośnie do $4/$20; cena 3.8 Flash wynosząca $0.75/$3.75 obowiązuje do 31 grudnia 2026. Google informuje, że limity 3.1 Pro i Argon wynoszą high; nie podaje domyślnego poziomu dla 3.1 Pro.

Zasady opisane w dalszej części wpisu pochodzą z przewodnika dla deweloperów Neon w Google Cloud oraz z listy kontrolnej migracji w AI Studio, chyba że zaznaczono inaczej.

Informacje o modelach wyjściowych: tabela aktualizacji w Google AI Studio kieruje użytkowników 3.8 Flash do Gemini 4 Hydrogen. To przewodnik Google Cloud wskazuje Neon do złożonych zadań programistycznych i naukowych na 3.8 Flash. Google nie ogłosiło daty wyłączenia 3.1 Pro Preview, 3.8 Flash ani żadnego modelu Gemini 4.

Niepozorna zmiana: domyślny poziom to teraz high

Google wyraża się jasno: „Domyślny thinking_level to HIGH (zmieniony z MEDIUM w gemini-4-argon i gemini-3.8-flash), a XHIGH jest dostępny do zadań wymagających głębokiego rozumowania…” Równie jasno przedstawia rozwiązanie: „Jeśli Twoje zadanie korzystało z domyślnego MEDIUM w gemini-4-argon lub gemini-3.8-flash, jawnie ustaw thinking_level="MEDIUM", aby zachować porównywalne opóźnienie rozumowania.”

Koszt wyższego poziomu na podstawie pomiarów Artificial Analysis dla API Google (ponownie sprawdzono 2026-11-19, 13:27 UTC; dane pochodzą od firmy zewnętrznej i zmieniają się przy kolejnych testach modeli przez AA):

Ustawienie Neon Indeks AA $/zadanie Min/zadanie Pierwsza odpowiedź (s)
Medium 54.9 1.90 8.3 20.1
High (domyślnie) 59.6 3.74 14.8 40.6
Xhigh 61.4 6.44 21.5 56.5

Średnie wartości AA dla zadania Intelligence Index, przy cenie Neon wynoszącej $3/$15. „Pierwsza odpowiedź” oznacza czas do wygenerowania pierwszego tokenu odpowiedzi.

Przejście z medium na high podnosi wynik indeksu o 4.8 punktu, ale koszt zadania jest niemal dwukrotnie wyższy, czas jego wykonania 1.8 raza dłuższy, a oczekiwanie na pierwszy token odpowiedzi dwa razy dłuższe. Przejście na xhigh daje kolejne 1.8 punktu za dodatkowe 72% kosztu. To dobry kompromis przy trudnych, wieloetapowych zadaniach, ale zły przy odpowiedzi na czacie.

Dane te przynoszą też dobre wiadomości dla użytkowników Argon. Neon na poziomie Medium uzyskuje wynik 54.9 wobec 47.6 dla domyślnego poziomu Medium w Argon, kosztując $1.90 za zadanie zamiast $4.31 i wykonując je w 8.3 minuty zamiast 28.9. Przejście z Argon na Neon Medium poprawia jakość i obniża koszt zadania, jeszcze zanim cena Argon wzrośnie dwukrotnie. Nawet domyślny poziom High w Neon ($3.74, 14.8 minuty) kosztuje mniej za zadanie niż Argon Medium w testach AA. Nieustawienie poziomu oznacza utratę tańszej opcji Medium.

Wyższy poziom domyślny ma też następujące skutki:

  • Tokeny rozumowania wliczają się do limitu wyjściowego. Google: „Tokeny rozumowania wygenerowane na poziomie HIGH (domyślnym) i XHIGH wliczają się do max_output_tokens i gromadzą się w kontekście wieloturowym, gdy zachowujesz sygnatury myślowe między turami.”
  • Kontekst zapełnia się szybciej. W wieloturowych agentach programistycznych gromadzą się tokeny rozumowania. Google ostrzega przed „zbyt niskimi progami kompresji kontekstu” i sugeruje poziom medium w wywołaniach narzędzi, w których ważne jest niskie opóźnienie.

Sposób ustawienia poziomu zależy od protokołu:

Protokół Pole Wartości dla Neon
Natywny Gemini thinkingConfig.thinkingLevel LOW do XHIGH
Chat Completions reasoning_effort low do xhigh
Responses reasoning.effort low do xhigh
Anthropic Messages output_config.effort low do xhigh

W natywnym GenerateContent wartości zapisuje się wielkimi literami. Wartości dla pozostałych trzech protokołów pochodzą ze schematu parametrów AIHubMix dla gemini-4-neon, który we wszystkich protokołach wskazuje high jako wartość domyślną.

Warstwa zgodności Google z OpenAI mapuje reasoning_effort na poziom rozumowania, a minimal sprowadza do low. Informuje też, że te dwa parametry „pokrywają się funkcjonalnie, więc nie można używać ich jednocześnie”: wyślij jeden albo drugi.

Błędy 400

Google dokumentuje wszystkie te przypadki dla Neon. Własne informacje AIHubMix o błędach mówią, że błędy 400 wynikają z nieprawidłowych parametrów, a „większość z nich jest przekazywana od dostawcy źródłowego”. Na potrzeby tego wpisu nie przeprowadzono testów na żywo, więc dokładny tekst błędu zwracanego przez bramę może się różnić.

thinking_budget i MINIMAL

Co zobaczysz: HTTP 400 w przypadku zapytań, które działały w modelach Gemini 3.

Przyczyna: Neon akceptuje tylko cztery nazwane poziomy. Na stronie modelu Google czytamy: „Ustawienie thinking_budget lub thinking_level="MINIMAL" zwraca błąd walidacji HTTP 400”. Własny przykład różnicy w kodzie Google wskazuje stare pole: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.

Rozwiązanie: usuń thinking_budget. Zastąp MINIMAL przez LOW. W ścieżce zgodnej z OpenAI Google mapuje reasoning_effort="minimal" na low, ale jawne wysłanie low eliminuje niepewność.

frequency_penalty, presence_penalty i dodatkowi kandydaci

Co zobaczysz: HTTP 400 w odpowiedzi na zapytanie ustawiające parametr kary lub proszące o kilku kandydatów.

Przyczyna: „Przekazanie frequency_penalty, presence_penalty lub candidate_count większego niż 1 (candidateCount jest na stałe ustawione na 1) zwraca błąd HTTP 400.”

Rozwiązanie: usuń oba parametry kar. Ustaw candidate_count na 1 albo pomiń to pole. W Chat Completions nie wysyłaj też n większego niż 1: Google nie określa, jak warstwa zgodności obsługuje ten parametr, a schemat AIHubMix oznacza go jako pole, którego nie należy wysyłać.

max_output_tokens powyżej 1,048,576

Co zobaczysz: HTTP 400.

Przyczyna: wejście i wyjście współdzielą jedno okno o wielkości 1,048,576 tokenów, więc większy limit wyjściowy jest nieprawidłowy.

Rozwiązanie: w AIHubMix ustaw limit nieprzekraczający 65,536 (zob. sekcja o limicie wyjściowym). Ten limit ma znaczenie tylko przy długim generowaniu przez własne API Google.

Brakujące lub nieprawidłowo umieszczone sygnatury myślowe

Co zobaczysz: HTTP 400 przy drugim lub kolejnym kroku tury z wywołaniem narzędzia.

Przyczyna: Neon sprawdza sygnaturę myślową dołączoną do wywołań funkcji w bieżącej turze. „Pominięcie thought_signature w pierwszym elemencie functionCall aktywnej tury zwraca błąd HTTP 400. Skopiowanie sygnatury do pozostałych elementów functionCall lub przeplatanie tur również zwraca błąd HTTP 400.”

Przewodnik Google dotyczący sygnatur myślowych pokazuje postać komunikatu dla modeli Gemini 3: „W bloku treści <Function Call> na pozycji <index of contents array> brakuje pola thought_signature.” Przewodnik dotyczący Neon potwierdza błąd 400, ale nie podaje jego brzmienia.

Rozwiązanie: odsyłaj tury modelu dokładnie w takiej postaci, w jakiej je otrzymałeś. Przy wywołaniach równoległych sygnaturę zawiera tylko pierwsze wywołanie. Wszystkie wywołania umieść w jednej turze modelu, a wszystkie wyniki w jednej turze użytkownika, w tej samej kolejności. Przykład Google: gdy model zwraca „FC1 + sygnatura, FC2”, następne zapytanie powinno zawierać „FC1 + sygnatura, FC2, FR1, FR2”. Przeplatanie elementów w kolejności „FC1 + sygnatura, FR1, FC2, FR2” zwraca błąd 400.

Wartości parametrów próbkowania poza dozwolonym zakresem

Co zobaczysz: HTTP 400 w przypadku wartości temperature lub top_p spoza dozwolonego zakresu.

Przyczyna: Google ignoruje wartości mieszczące się w dozwolonym zakresie, ale nadal je weryfikuje: „Wartości spoza zakresu powodują błąd walidacji 400.”

Rozwiązanie: całkowicie usuń parametry próbkowania (zob. następna sekcja).

Postać zapytań

Prawidłowe zapytanie przez AIHubMix z konfiguracją z szybkiego startu:

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."}]
  }'

Zapytanie, które według dokumentacji Google powoduje błąd 400 w 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."}]
  }'

Ten sam test na natywnym punkcie końcowym Gemini, z użyciem starego pola thinkingBudget. Ścieżka jest zgodna ze wzorcem udokumentowanym przez AIHubMix dla innych modeli Gemini; własna dokumentacja Neon pokazuje jedynie przykład 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}}
  }'

To przykłady postaci zapytań, a nie zarejestrowanych odpowiedzi: żadne z nich nie zostało uruchomione na potrzeby tego wpisu.

Inne zmiany, które warto uwzględnić

Parametry próbkowania nie działają

Google ustawia parametry próbkowania Neon na temperature 1.0, topP 0.95 i topK 64 oraz ignoruje wartości niestandardowe. Ustawienie temperature: 0, które ma zapewnić powtarzalność wyników, nie przynosi efektu i nie pojawia się żaden błąd, który by o tym informował. Google radzi: „Kontroluj głębokość rozumowania za pomocą thinking_level, a format wyjściowy przez response_schema.” Jeśli potrzebujesz stałego formatu, użyj ustrukturyzowanego wyjścia.

Jawne buforowanie jest niedostępne

cachedContents, caches.create i cached_content nie są obsługiwane. Google nie informuje, czy żądanie, które nadal je wysyła, kończy się błędem, czy jest ignorowane, więc usuń je, zamiast się o tym przekonywać. W Neon buforowanie działa wyłącznie niejawnie. Stosuje się automatycznie do wspólnego prefiksu promptu o długości co najmniej 4,096 tokenów (w 3.8 Flash wymagane było 6,144), a koszt tokenów wejściowych z pamięci podręcznej wynosi $0.15 za milion zamiast $3.00. Aby z tego skorzystać, umieść statyczną część promptu na początku: instrukcje systemowe, definicje narzędzi i dokumenty referencyjne. Usuń kod jawnego buforowania — Neon nie ma jego odpowiednika.

Niskie limity wyjścia ograniczają rozumowanie

Aplikacja dostrojona do starszego modelu często wysyła max_tokens o wartości 8,192 lub mniejszej. W Neon rozumowanie i odpowiedź korzystają z tego samego limitu, więc niski limit może zakończyć generowanie, zanim rozpocznie się odpowiedź. Google zaleca: „Usuń zakodowane na stałe niskie limity (takie jak 8,192) lub zwiększ max_output_tokens do 65,536. Aby używać mniej tokenów, obniż poziom rozumowania”.

Krótkie limity czasu

Google: „Przetwarzanie trudnych promptów może trwać kilka minut. Używaj wykonywania w tle albo ustaw limit czasu klienta HTTP na co najmniej 15 minut”. Średnio w AA Neon High czeka 40.6 sekundy na pierwszy token odpowiedzi, a Xhigh — 56.5 sekundy. Niektóre żądania potrwają znacznie dłużej niż wynosi średnia.

Wstępnie wypełnione wypowiedzi asystenta

Zasady Neon dotyczące historii: „Ładunki historii nie mogą kończyć się wypowiedzią w roli modelu”. „Wstępnie wypełnione wypowiedzi modelu nie są obsługiwane”. Kod, który inicjuje odpowiedź asystenta, aby ukierunkować jej format — popularna sztuczka w API Anthropic — musi przestać to robić. Google wymienia te ograniczenia w sekcji walidacji czatu, nie określając, jaka odpowiedź zostanie zwrócona; dokumentacja schematu AIHubMix informuje, że końcowa wypowiedź modelu powoduje błąd. Przetestuj to, jeśli Twój kod polega na wstępnym wypełnianiu.

Wywołania narzędzi zapisane jako tekst

Jeśli prompt systemowy prosi model o zapisanie wywołań narzędzi w formacie JSON jako zwykłego tekstu, bez zadeklarowanych narzędzi, Google informuje, że Neon „może zwrócić MALFORMED_FUNCTION_CALL”. Zadeklaruj narzędzia natywnie albo użyj ustrukturyzowanego wyjścia.

Limit wyjścia w AIHubMix: 65,536 tokenów

W API Google pojedyncza odpowiedź Neon jest ograniczona do 65,536 tokenów wyjściowych, zarówno przy strumieniowaniu, jak i bez niego. Dłuższe odpowiedzi korzystają z długiego dekodowania: generowanie jest kontynuowane w segmentach po 64K, aż do 1,048,576 tokenów pomniejszonych o dane wejściowe, za pośrednictwem Interactions API lub GenerateContent v1beta1. W tych wersjach SDK Google mogą automatycznie obsługiwać tokeny kontynuacji: Python google-genai 2.34.0 oraz JavaScript @google/genai 2.32.0 dla Interactions API.

Google informuje również, że „starsze wersje SDK oraz warstwa zgodności z OpenAI nie mogą pobierać długich uzupełnień za pomocą tokenów kontynuacji”.

Schemat parametrów AIHubMix dla gemini-4-neon ogranicza wyjście do 65,536 tokenów we wszystkich obsługiwanych protokołach: Chat Completions, Responses, Anthropic Messages i natywnym Gemini. Schemat wymienia też pole Google continuationToken w natywnym protokole Gemini, a AIHubMix ogólnie dokumentuje natywne SDK Google i Interactions API. Długiego dekodowania Neon tą ścieżką nie testowano na potrzeby tego artykułu. Dopóki nie potwierdzisz, że działa, projektuj rozwiązanie z myślą o jednej odpowiedzi o długości maksymalnie 65,536 tokenów, łącznie z rozumowaniem. Jeśli potrzebujesz więcej, podziel zadanie samodzielnie, na przykład wysyłając osobne żądanie dla każdego pliku lub sekcji.

Zasady rozliczania, które łatwo przeoczyć

Rozumowanie jest częścią wyjścia. W Neon cena $15 za milion tokenów wyjściowych obejmuje tokeny rozumowania. Przy poziomie high większość wyjścia w przypadku trudnego żądania może stanowić rozumowanie.

Ugruntowanie jest naliczane podwójnie. Google uznaje „wewnętrzne instrukcje systemowe narzędzi i deklaracje funkcji używane przy ugruntowaniu” za tokeny podlegające rozliczeniu, a każde zapytanie wyszukiwania nalicza osobno. Własny limit Google obejmuje 5,000 bezpłatnych wyszukiwań miesięcznie, współdzielonych przez Gemini 3 i nowsze modele; po jego przekroczeniu cena wynosi $14 za 1,000 wyszukiwań. AIHubMix nalicza opłatę za wyszukiwanie w sieci przy każdym żądaniu; stawkę podano na stronie modelu Neon.

Skuteczność buforowania zależy od kolejności elementów promptu. 95% zniżka na pamięć podręczną dotyczy tylko stabilnego prefiksu o długości co najmniej 4,096 tokenów. Znacznik czasu lub nazwa użytkownika na początku promptu systemowego powoduje, że prefiks zmienia się przy każdym żądaniu.

Długie dekodowanie powoduje ponowne naliczenie opłaty za dane wejściowe (tylko w API Google). „W każdym segmencie kontynuacji ponownie przetwarzany jest prompt wraz z wcześniej zdekodowanymi tokenami”, więc liczba tokenów wejściowych rośnie z segmentu na segment. „Opłata za ukończone segmenty jest naliczana po zakończeniu każdego z nich, nawet jeśli późniejszy segment zakończy się niepowodzeniem lub zostanie anulowany”. Przy limicie 65,536 tokenów w AIHubMix ten problem nie występuje.

Tańsze warianty to ceny Google. Google oferuje Neon Batch i Flex w cenach $1.50/$7.50, a Priority — $5.40/$27. Schemat AIHubMix akceptuje parametr service_tier o wartości flex lub priority dla Neon, ale nie publikuje cen tych wariantów; Batch nie jest wymieniony. Planuj budżet według standardowych stawek $3/$15.

Jak obniżyć rachunek:

  • Ustawiaj reasoning_effort zależnie od rodzaju wywołania: medium dla interakcji i wywołań narzędzi, high do planowania, a xhigh tylko tam, gdzie własne ewaluacje pokazują, że się opłaca.
  • Umieszczaj statyczny prefiks promptu na początku i zadbaj, by przekraczał 4,096 tokenów.
  • Korzystaj z wyszukiwania w sieci tylko w tych turach, które go wymagają.
  • Monitoruj completion_tokens w danych o użyciu — obejmują one rozumowanie, a nie tylko widoczną odpowiedź.

Agenci z rzeczywistymi uprawnieniami

Zasady Neon dotyczące wywoływania narzędzi są rygorystyczne i mają największe znaczenie, gdy agent może zapisywać pliki lub uruchamiać polecenia:

  • Dopasuj wywołania do wyników. „Każdy FunctionResponse musi odpowiadać identyfikatorowi, nazwie i kolejności poprzedzającego go FunctionCall”.
  • Zachowaj całą historię, łącznie z sygnaturami. Google: „Przekazuj z powrotem każdą wartość thought_signature w jej oryginalnym Part ze wszystkich poprzednich tur …” Usuwanie starszych sygnatur lub używanie symboli zastępczych, takich jak skip_thought_signature_validator, „pozbawia model kontekstu rozumowania i może wywołać MALFORMED_FUNCTION_CALL”.
  • W Chat Completions zwracaj wiadomości asystenta bez zmian. Zachowuj każdą wiadomość asystenta wraz z wywołaniami narzędzi dokładnie w takiej postaci, w jakiej zwróciło ją API. Nie odtwarzaj historii na podstawie własnych logów. Google dokumentuje obsługę sygnatur myśli w zgodnym z OpenAI interfejsie chat completions dla modeli Gemini 3; sprawdź, czy Twój klient zachowuje je również dla Neon.
  • Uważaj na ciche zakończenie. Nieprawidłowe wywołanie funkcji kończy turę bez użytecznej odpowiedzi. Zgłaszano, że w otwartoźródłowych proxy taki przypadek dociera do klientów w stylu OpenAI jako zwykłe stop lub błąd serwera: pull request 52745 w LiteLLM oraz zgłoszenie 60 w Divyam na GitHubie, oba otwarte w listopadzie 2026. Jeśli agent zwraca pustą turę bez wywołania narzędzia, potraktuj to jako błąd i ponów próbę, zamiast uznawać zadanie za zakończone.

Google twierdzi, że Neon działa w tych pętlach sprawniej niż jego poprzednicy. „Ogranicza zbędne odczyty plików, niezawodnie obsługuje kompakcję kontekstu oraz minimalizuje zmyślone twierdzenia i skróty w realizacji zadań”, a także ogranicza „nadmierną samodzielność agentów i niedostateczną realizację zadań”. To twierdzenia Google, oparte na jego własnych ewaluacjach. Zmniejszają ryzyko, ale nie zastępują ograniczania uprawnień ani kontroli zapisów.

Narzędzia programistyczne: Claude Code i Codex

Schemat parametrów AIHubMix wymienia cztery protokoły dla gemini-4-neon, w tym dwa potrzebne agentom programistycznym: Anthropic Messages dla Claude Code i Responses API dla Codex. Konfiguracja wygląda tak samo jak w przypadku dowolnego modelu AIHubMix; opisują ją artykuły o ustawieniach Claude Code i o pliku config.toml Codex. Oto, co jest specyficzne dla Neon:

Ustawienie Claude Code Codex
Protokół Anthropic Messages Responses API
Identyfikator modelu gemini-4-neon gemini-4-neon
Wartości poziomu rozumowania low do xhigh low do xhigh
Okno kontekstu 1,048,576 1,048,576
Wyjście na żądanie 65,536 65,536

Wartości poziomu rozumowania i limity pochodzą ze schematu parametrów AIHubMix; w obu protokołach domyślny poziom rozumowania to high.

Claude Code. Ustaw ANTHROPIC_MODEL na gemini-4-neon. Zwiększ wartość API_TIMEOUT_MS: domyślnie wynosi 10 minut, a Google zaleca co najmniej 15 minut w przypadku trudnych promptów. Nie dodawaj wstępnie wypełnionych wypowiedzi asystenta do własnych żądań wysyłanych przez ten sam punkt końcowy — Neon ich nie obsługuje.

Codex. Pozostaw wire_api = "responses" i base_url AIHubMix, ustaw model = "gemini-4-neon" i wybierz jeden z poziomów Neon dla model_reasoning_effort. Zacznij od medium; Codex wykonuje wiele krótkich wywołań narzędzi, przy których high głównie wydłuża czas oczekiwania.

Znane problemy, na które warto się przygotować:

  • Długie oczekiwanie na pierwsze tokeny przy poziomach high i xhigh.
  • Odpowiedzi urywające się po osiągnięciu limitu 65,536 tokenów, gdy rozumowanie się przedłuża.
  • Puste tury, w których wywołanie narzędzia zakończyło się niepowodzeniem, jak opisano powyżej.
  • Granica wiedzy z marca 2026, dlatego nowsze wersje bibliotek należy umieścić w kontekście.

Test wstępny trwający 10–15 minut

  1. Wybierz małe repozytorium z jednym niezaliczonym testem jednostkowym i poleceniem testowym, którego wykonanie trwa krócej niż minutę.
  2. Skonfiguruj narzędzie tak, by używało gemini-4-neon, ustaw poziom rozumowania na medium i limit czasu klienta na co najmniej 15 minut.
  3. Poproś o najmniejszą zmianę, która pozwoli zaliczyć test. Następnie uruchom test i przejrzyj różnice.
  4. Zaliczenie: minimalne różnice, test zakończony powodzeniem i wszystko w ciągu 15 minut. Niepowodzenie: zanotuj, czy wystąpił błąd 400, pusta tura, przekroczenie limitu czasu czy błędna zmiana. Każdy z tych problemów ma opisane wyżej rozwiązanie.
  5. Powtórz test na poziomie high. Pozostań przy niższym poziomie, chyba że high naprawi coś, co medium zrobił źle.

Lista kontrolna

  • Identyfikator modelu ustawiony na gemini-4-neon.
  • Poziom rozumowania ustawiany jawnie, zależnie od rodzaju wywołania; medium, jeśli wcześniej używano domyślnego poziomu Argon lub 3.8 Flash.
  • Brak thinking_budget; MINIMAL zastąpiono przez LOW.
  • W każdym żądaniu używany jest tylko jeden z parametrów: reasoning_effort lub natywny poziom rozumowania.
  • Brak frequency_penalty i presence_penalty; candidate_count i n mają wartość 1 albo są pominięte.
  • Brak temperature, top_p i top_k; gdy format ma znaczenie, używane jest ustrukturyzowane wyjście.
  • Usunięto kod jawnego buforowania; statyczny prefiks promptu umieszczony na początku i dłuższy niż 4,096 tokenów.
  • Limit wyjścia w AIHubMix nieprzekraczający 65,536 tokenów; usunięto niskie limity pozostałe po starszych modelach.
  • Limity czasu klienta ustawione na co najmniej 15 minut.
  • Historia nigdy nie kończy się wypowiedzią asystenta; brak wstępnego wypełniania.
  • Wypowiedzi asystenta i wywołania narzędzi przekazywane dokładnie w otrzymanej postaci; równoległe wywołania i ich wyniki pogrupowane w odpowiedniej kolejności.
  • Puste tury bez wywołania narzędzia traktowane jako błędy i ponawiane.
  • Budżet uwzględnia tokeny rozumowania i żądania wyszukiwania w sieci.
  • Narzędzie programistyczne przetestowane wstępnie na poziomach medium i high.

FAQ

Czy muszę zmienić format żądania, aby przejść na Gemini 4 Neon?
Jeśli korzystasz z innego modelu Gemini 4 — nie: Google podaje, że schemat jest taki sam, więc zmień identyfikator modelu i sprawdź poziom rozumowania. W przypadku Gemini 3.1 Pro lub 3.8 Flash usuń thinking_budget, MINIMAL, parametry kar i jawne buforowanie.

Dlaczego po przejściu z 3.8 Flash moje żądania kosztują więcej?
Neon kosztuje cztery razy więcej niż 3.8 Flash, a jego domyślnym poziomem rozumowania jest wysoki, podczas gdy w 3.8 Flash domyślny był średni. Według pomiarów Artificial Analysis Neon High kosztuje około dwa razy więcej na zadanie niż Neon Medium. Ustaw poziom jawnie. W przypadku Argon koszt zadania według AA spada nawet przy wysokim poziomie.

Dlaczego Neon zwraca błąd 400 dla thinking_budget?
Neon akceptuje wyłącznie nazwane poziomy rozumowania: low, medium, high i xhigh. Google odrzuca thinking_budget i MINIMAL błędem HTTP 400, zamiast mapować je na inne wartości.

Czy temperatura nadal działa?
Nie. Neon ignoruje temperature, top_p i top_k, a wartości spoza zakresu powodują błąd 400. Zamiast tego używaj poziomu rozumowania i ustrukturyzowanego wyjścia.

Czy Neon może zwrócić ponad 65,536 tokenów za pośrednictwem AIHubMix?
AIHubMix dokumentuje limit wyjścia Neon wynoszący 65,536 tokenów na żądanie, obejmujący również tokeny rozumowania. Długie generowanie Google do około 1M tokenów działa we własnym API Google; za pośrednictwem AIHubMix nie jest dostępne w punkcie końcowym zgodnym z OpenAI, a natywna ścieżka nie została tu przetestowana.

Czy mogę używać Gemini 4 Neon w Claude Code lub Codex?
Tak. AIHubMix udostępnia protokół Anthropic Messages używany przez Claude Code oraz Responses API używane przez Codex. Ustaw model na gemini-4-neon, zwiększ limit czasu i najpierw przeprowadź krótki test dymny.

Czy Gemini 3.1 Pro zostanie wycofany?
Google nie ogłosiło daty wycofania Gemini 3.1 Pro Preview, Gemini 3.8 Flash ani żadnego modelu Gemini 4. Zaleca Neon jako następcę 3.1 Pro.

Czytaj dalej: seria Gemini 4 Neon

Źródła

Jedna brama do wielu dostawców AI. Stworzona z myślą o produkcji.

Odwiedź AIHubMix