Migração para Gemini 4 Neon: modo de pensamento alto por padrão, erros 400 e o limite de 65K

AIHubMix14 min de leitura

O Google indica Gemini 4 Neon como destino da migração para Gemini 3.1 Pro, para tarefas gerais de programação no Gemini 4 Argon e para tarefas complexas de programação ou ciência no Gemini 3.8 Flash. Alterar o nome do modelo para gemini-4-neon é a parte fácil. O resto se divide em quatro grupos.

  • Silenciosa: o nível de pensamento padrão agora é high. Argon e 3.8 Flash usavam medium por padrão. Se você não definir um nível, cada solicitação terá mais pensamento do que teria com medium. Para quem usa 3.8 Flash, isso significa contas mais altas; para quem usa Argon, o custo por tarefa ainda diminui (veja abaixo).
  • Explícita: Neon retorna HTTP 400 para vários campos que o código antigo ainda envia: thinking_budget, o nível nativo MINIMAL, os dois parâmetros de penalidade, mais de um candidato e assinaturas de pensamento inválidas em chamadas de ferramenta.
  • Discreta: temperature, top_p e top_k são ignorados, e um limite de saída baixo pode interromper o modelo enquanto ele ainda está pensando. O cache explícito de contexto e os turnos do assistente pré-preenchidos não são compatíveis, e o Google não informa como essas solicitações falham.
  • No AIHubMix: considere 65,536 tokens de saída por solicitação. A decodificação longa com 1M tokens do Google não está disponível pelo endpoint compatível com OpenAI do AIHubMix, e o caminho nativo não foi testado para este artigo.

A migração do Gemini 4 Carbon é mais simples: o Google diz que o esquema da solicitação não muda e que a principal diferença é o nível padrão. O artigo sobre Neon vs Carbon aborda essa migração.

O que muda dependendo do ponto de partida

Mudança De 3.1 Pro De Argon De 3.8 Flash
Nível de pensamento padrão agora high medium para high medium para high
nível xhigh novo novo novo
Limites de tokens unificado em 1M já unificado unificado em 1M
Cache explícito removido já removido removido
Preço, entrada / saída $2 / $12 para $3 / $15 $2 / $10 para $3 / $15 $0.75 / $3.75 para $3 / $15

Preços oficiais do Google, em USD por milhão de tokens. O preço de $2/$12 do Gemini 3.1 Pro vale para prompts de até 200K tokens ($4/$18 acima disso); Neon tem uma única tarifa para toda a janela de 1M. O preço de $2/$10 do Argon é promocional e passa a $4/$20 em December 1, 2026; o preço de $0.75/$3.75 do 3.8 Flash vale até December 31, 2026. O Google diz que 3.1 Pro e Argon têm limite de high; não informa o nível padrão do 3.1 Pro.

As regras no restante deste artigo vêm do guia para desenvolvedores do Neon do Google Cloud e da lista de verificação de migração do AI Studio, salvo indicação em contrário.

Sobre os pontos de partida: a tabela de atualização do Google AI Studio direciona quem usa 3.8 Flash para Gemini 4 Hydrogen. É o guia do Google Cloud que recomenda Neon para tarefas complexas de programação e ciência no 3.8 Flash. O Google não anunciou uma data de encerramento para 3.1 Pro Preview, 3.8 Flash nem qualquer modelo Gemini 4.

A mudança silenciosa: high é o novo padrão

O Google é direto: "O thinking_level padrão é HIGH (mudou de MEDIUM em gemini-4-argon e gemini-3.8-flash), e XHIGH é compatível com tarefas de raciocínio profundo …" A solução indicada também é direta: "Se sua carga de trabalho dependia de MEDIUM como padrão em gemini-4-argon ou gemini-3.8-flash, defina explicitamente thinking_level="MEDIUM" para manter uma latência de raciocínio equivalente."

Quanto custa o nível adicional, segundo as medições da Artificial Analysis da API do Google (verificadas novamente em 2026-11-19, 13:27 UTC; dados de terceiros, que mudam quando a AA executa os modelos novamente):

Configuração do Neon Índice AA $/tarefa Min/tarefa Primeira resposta (s)
Medium 54.9 1.90 8.3 20.1
High (padrão) 59.6 3.74 14.8 40.6
Xhigh 61.4 6.44 21.5 56.5

Médias da AA por tarefa do Intelligence Index, aos preços do Neon de $3/$15. "Primeira resposta" é o tempo até o primeiro token de resposta.

Passar de medium para high acrescenta 4.8 pontos ao índice, por quase o dobro do custo por tarefa, 1.8 vezes o tempo por tarefa e o dobro da espera pelo primeiro token de resposta. Passar para xhigh acrescenta 1.8 pontos, por mais 72% de custo. É uma boa troca para tarefas difíceis com várias etapas e uma má escolha para uma resposta de chat.

Os mesmos dados trazem boas notícias para quem usa Argon. Neon Medium marca 54.9, contra 47.6 do Medium padrão do Argon, a $1.90 por tarefa contra $4.31, em 8.3 minutos contra 28.9. Migrar de Argon para Neon Medium aumenta a qualidade e reduz o custo por tarefa, mesmo antes de o preço do Argon dobrar. Até o High padrão do Neon ($3.74, 14.8 minutos) custa menos por tarefa do que Argon Medium nas tarefas da AA. Ao não definir um nível, você abre mão da opção Medium, mais barata.

O nível padrão mais alto também tem estes efeitos:

  • O pensamento conta para o limite de saída. Google: "Os tokens de raciocínio gerados em HIGH (padrão) e XHIGH contam para max_output_tokens e se acumulam no contexto de várias interações quando você preserva assinaturas de pensamento entre turnos."
  • O contexto se preenche mais rápido. Em agentes de programação com várias interações, esses tokens de pensamento se acumulam. O Google alerta contra "limites de compactação de contexto excessivamente baixos" e sugere medium nos turnos de chamada de ferramenta sensíveis à latência.

Como definir o nível depende do protocolo:

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

Os valores nativos são escritos em maiúsculas em GenerateContent. Os valores dos outros três protocolos vêm do esquema de parâmetros do AIHubMix para gemini-4-neon, que lista high como padrão em todos os protocolos.

A camada de compatibilidade com OpenAI do Google mapeia reasoning_effort para o nível de pensamento, convertendo minimal em low. Ela também informa que as duas opções "têm funcionalidades sobrepostas, por isso não podem ser usadas ao mesmo tempo": envie uma ou outra.

Os erros 400

O Google documenta cada um destes casos para Neon. As notas de erro do próprio AIHubMix dizem que erros 400 são erros de parâmetros e que "a maioria é repassada pelo provedor upstream". Nenhum teste ao vivo foi realizado para este artigo; portanto, o texto exato que você recebe pelo gateway pode ser diferente.

thinking_budget e MINIMAL

O que você verá: HTTP 400 em solicitações que funcionavam nos modelos Gemini 3.

Por quê: Neon só aceita os quatro níveis especificados. Na página do modelo, o Google diz: "Definir thinking_budget ou thinking_level="MINIMAL" retorna um erro de validação HTTP 400." O exemplo de código do próprio Google destaca o campo antigo: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.

Solução: exclua thinking_budget. Substitua MINIMAL por LOW. No caminho compatível com OpenAI, o Google mapeia reasoning_effort="minimal" para low, mas enviar low diretamente elimina qualquer dúvida.

frequency_penalty, presence_penalty e candidatos adicionais

O que você verá: HTTP 400 em uma solicitação que define uma penalidade ou pede vários candidatos.

Por quê: "Enviar frequency_penalty, presence_penalty ou candidate_count maior que 1 (candidateCount é fixo em 1) retorna um erro HTTP 400."

Solução: remova as duas penalidades. Mantenha candidate_count em 1 ou omita-o. No Chat Completions, também não envie n maior que 1: o Google não especifica o que a camada de compatibilidade faz com esse parâmetro, e o esquema do AIHubMix o identifica como um campo que não deve ser enviado.

max_output_tokens acima de 1,048,576

O que você verá: HTTP 400.

Por quê: entrada e saída compartilham uma janela de 1,048,576 tokens, portanto um orçamento de saída maior é inválido.

Solução: no AIHubMix, envie no máximo 65,536 (veja a seção sobre o limite de saída). Esse teto só importa para decodificações longas na API do próprio Google.

Assinaturas de pensamento ausentes ou mal posicionadas

O que você verá: HTTP 400 na segunda etapa ou em etapas posteriores de um turno com chamadas de ferramenta.

Por quê: Neon valida a assinatura de pensamento anexada às chamadas de função no turno atual. "Omitir thought_signature da primeira parte functionCall no turno ativo retorna um erro HTTP 400. Duplicar a assinatura em partes functionCall irmãs ou intercalar turnos também retorna um erro HTTP 400."

O guia de assinaturas de pensamento do Google apresenta o formato da mensagem para modelos Gemini 3: "A chamada de função <Function Call> no bloco de conteúdo <index of contents array> não tem uma thought_signature." O guia do Neon confirma o erro 400, mas não informa o texto da mensagem.

Solução: envie de volta os turnos do modelo exatamente como os recebeu. Em chamadas paralelas, somente a primeira chamada leva uma assinatura. Mantenha todas as chamadas em um único turno do modelo e todos os resultados em um único turno do usuário, na mesma ordem. O exemplo do próprio Google: quando o modelo retorna "FC1 + signature, FC2", a solicitação seguinte deve conter "FC1 + signature, FC2, FR1, FR2". Intercalá-los como "FC1 + signature, FR1, FC2, FR2" retorna um erro 400.

Valores de amostragem fora do intervalo

O que você verá: HTTP 400 para um valor de temperature ou top_p fora do intervalo válido.

Por quê: o Google ignora valores dentro do intervalo, mas ainda os valida: "Valores fora do intervalo retornam um erro de validação 400."

Solução: remova totalmente os parâmetros de amostragem (veja a próxima seção).

Os formatos das solicitações

Uma solicitação válida pelo AIHubMix, usando a configuração de início rápido:

curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-4-neon",
    "reasoning_effort": "medium",
    "max_completion_tokens": 65536,
    "messages": [{"role": "user", "content": "Reply with OK."}]
  }'

Uma solicitação que o Google documenta como causadora de erro 400 no 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."}]
  }'

A mesma verificação no endpoint Gemini nativo, com o campo antigo thinkingBudget. O caminho segue o padrão que o AIHubMix documenta para outros modelos Gemini; a página do Neon mostra somente o exemplo de Chat Completions.

curl -s "https://aihubmix.com/gemini/v1beta/models/gemini-4-neon:generateContent" \
  -H "x-goog-api-key: $AIHUBMIX_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"role": "user", "parts": [{"text": "Reply with OK."}]}],
    "generationConfig": {"thinkingConfig": {"thinkingBudget": 16384}}
  }'

Estes são exemplos de formatos de solicitação, não respostas registradas: nenhum deles foi executado para este artigo.

Outras mudanças a considerar

Os parâmetros de amostragem não têm efeito

O Google fixa a amostragem do Neon em temperature 1.0, topP 0.95 e topK 64, e ignora valores personalizados. Um temperature: 0 definido para tornar a saída repetível não tem efeito, e nenhum erro avisará você disso. O conselho do Google: "Controle a profundidade do raciocínio com thinking_level e o formato da saída com response_schema." Use saída estruturada quando precisar de um formato fixo.

O cache explícito foi removido

cachedContents, caches.create e cached_content não são compatíveis. O Google não informa se uma solicitação que ainda os envia falha ou é ignorada, então remova-os em vez de descobrir na prática. No Neon, o cache é implícito. Ele é aplicado automaticamente a um prefixo compartilhado do prompt com pelo menos 4,096 tokens (o 3.8 Flash exigia 6,144), e a entrada em cache custa US$ 0.15 por milhão de tokens, em vez de US$ 3.00. Para aproveitar isso, coloque primeiro a parte estática do prompt: instruções do sistema, definições de ferramentas e documentos de referência. Remova o código de cache explícito; não há equivalente no Neon.

Limites baixos de saída reduzem o pensamento

Um app ajustado para um modelo mais antigo costuma enviar um max_tokens de 8,192 ou menos. No Neon, o pensamento e a resposta compartilham esse limite, então um limite baixo pode encerrar a resposta antes mesmo de ela começar. A orientação do Google é: “remova limites baixos codificados (como 8,192) ou aumente max_output_tokens para 65,536. Para usar menos tokens, reduza o nível de pensamento.”

Timeouts curtos

Google: “Prompts difíceis podem levar vários minutos. Use execução em segundo plano ou defina timeouts de pelo menos 15 minutos no cliente HTTP.” Pelas médias da AA, o Neon High leva 40.6 segundos para gerar o primeiro token da resposta, e o Xhigh, 56.5. Algumas solicitações levarão muito mais do que a média.

Turnos do assistente pré-preenchidos

Regras de histórico do Neon: “Os payloads de histórico não podem terminar com um turno de função do modelo.” “Turnos do modelo pré-preenchidos não são compatíveis.” O código que inicia a resposta do assistente para orientar o formato — um truque comum na API da Anthropic — precisa parar de fazer isso. O Google lista esses casos na validação do chat sem especificar a resposta, e as notas do esquema do AIHubMix indicam que um turno final do modelo gera um erro. Teste se seu código depende de pré-preenchimento.

Chamadas de ferramenta escritas como texto

Se o prompt do sistema pedir ao modelo para escrever chamadas de ferramenta em JSON como texto simples, sem declarar ferramentas, o Google diz que o Neon “pode retornar MALFORMED_FUNCTION_CALL”. Declare as ferramentas nativamente ou use saída estruturada.

O limite de saída no AIHubMix: 65,536 tokens

Na própria API do Google, uma resposta única do Neon tem um limite de 65,536 tokens de saída, com ou sem streaming. Respostas mais longas usam a decodificação longa: a geração continua em segmentos de 64K, até 1,048,576 tokens menos a entrada, pela API Interactions ou por GenerateContent v1beta1. Os SDKs do Google conseguem processar automaticamente os tokens de continuação a partir destas versões: Python google-genai 2.34.0 e JavaScript @google/genai 2.32.0 para a API Interactions.

O Google também diz que “as versões anteriores dos SDKs e a camada de compatibilidade com OpenAI não conseguem recuperar conclusões longas usando tokens de continuação”.

O esquema de parâmetros do AIHubMix para gemini-4-neon limita a saída a 65,536 tokens em todos os protocolos oferecidos: Chat Completions, Responses, Anthropic Messages e Gemini nativo. O esquema também lista o campo continuationToken do Google no protocolo Gemini nativo, e o AIHubMix documenta o SDK nativo do Google e a API Interactions de modo geral. A decodificação longa do Neon por essa via não foi testada para este artigo. Até confirmar que funciona, planeje uma única resposta de no máximo 65,536 tokens, incluindo o pensamento. Se precisar de mais, divida a tarefa por conta própria, por exemplo, um arquivo ou uma seção por solicitação.

Regras de cobrança que passam facilmente despercebidas

O pensamento conta como saída. Os US$ 15 por milhão de tokens de saída do Neon incluem os tokens de pensamento. No nível high, a maior parte da saída de uma solicitação difícil pode ser pensamento.

A fundamentação é cobrada duas vezes. O Google contabiliza “as instruções internas do sistema de ferramentas e as declarações de funções ao usar a fundamentação” como tokens faturáveis e cobra cada consulta de pesquisa separadamente. A cota própria do Google inclui 5,000 pesquisas gratuitas por mês, compartilhadas entre Gemini 3 e versões mais recentes; depois, cobra US$ 14 por 1,000. O AIHubMix cobra a pesquisa na web por solicitação; a página do modelo Neon informa a tarifa.

O cache exige a ordem certa no prompt. O desconto de 95% no cache aplica-se somente a um prefixo estável de pelo menos 4,096 tokens. Um carimbo de data e hora ou o nome de usuário no início do prompt do sistema o invalida a cada solicitação.

A decodificação longa cobra novamente pela entrada (somente na API do Google). “Cada segmento de continuação pré-carrega novamente o prompt e os tokens decodificados anteriormente”, portanto, a contagem de tokens de entrada cresce de um segmento para o seguinte. “Os segmentos concluídos são cobrados ao final de cada segmento, mesmo se um segmento posterior falhar ou for cancelado.” Com o limite de 65,536 tokens do AIHubMix, isso não acontece.

Os planos mais baratos são preços do Google. O Google oferece Neon Batch e Flex por US$ 1.50/US$ 7.50 e Priority por US$ 5.40/US$ 27. O esquema do AIHubMix aceita um service_tier de flex ou priority para o Neon, mas não publica preços para esses planos, e Batch não está listado. Faça o orçamento com os preços padrão de US$ 3/US$ 15.

Etapas para reduzir a conta:

  • Defina reasoning_effort por tipo de chamada: medium para interações e turnos com ferramentas, high para planejamento e xhigh somente quando suas próprias avaliações mostrarem que compensa.
  • Mantenha o prefixo estático do prompt no início e com mais de 4,096 tokens.
  • Use a pesquisa na web apenas nos turnos que precisarem dela.
  • Monitore completion_tokens no uso; ele inclui o pensamento, não apenas a resposta visível.

Agentes com permissões reais

As regras do Neon para chamadas de ferramenta são rigorosas e são mais importantes quando o agente pode gravar arquivos ou executar comandos:

  • Associe chamadas e resultados. “Cada FunctionResponse deve corresponder ao id, ao name e à ordem do FunctionCall anterior.”
  • Mantenha o histórico completo, incluindo as assinaturas. Google: “Envie de volta cada thought_signature na Part original, em todos os turnos anteriores …” Remover assinaturas antigas ou usar marcadores como skip_thought_signature_validator “elimina o contexto de raciocínio e pode acionar MALFORMED_FUNCTION_CALL”.
  • No Chat Completions, retorne as mensagens do assistente sem alterações. Mantenha cada mensagem do assistente, com suas chamadas de ferramenta, exatamente como a API a retornou. Não reconstrua o histórico a partir dos seus próprios registros. O Google documenta o suporte a thought signatures no chat completions compatível com OpenAI para os modelos Gemini 3; verifique se seu cliente as mantém para o Neon.
  • Fique atento a uma interrupção silenciosa. Uma chamada de função malformada encerra o turno sem uma resposta utilizável. Proxies de código aberto relataram que esse caso chega a clientes no estilo OpenAI como um stop comum ou como um erro do servidor: pull request 52745 do LiteLLM e issue 60 do Divyam no GitHub, ambos abertos em novembro de 2026. Se o agente receber um turno vazio sem chamada de ferramenta, trate-o como uma falha e tente novamente, em vez de considerá-lo o fim da tarefa.

O Google diz que o Neon se comporta melhor do que seus predecessores nesses ciclos. Ele “reduz leituras redundantes de arquivos, lida com a compactação do contexto de forma confiável e minimiza afirmações inventadas e atalhos nas tarefas”, além de reduzir “o excesso de iniciativa e o serviço insuficiente dos agentes”. Essas são afirmações do Google, baseadas em suas próprias avaliações. Elas reduzem o risco, mas não substituem limites de permissões e revisão das gravações.

Ferramentas de programação: Claude Code e Codex

O esquema de parâmetros do AIHubMix lista quatro protocolos para gemini-4-neon, incluindo os dois necessários para agentes de programação: Anthropic Messages para Claude Code e a API Responses para Codex. A configuração é igual à de qualquer modelo do AIHubMix; as publicações sobre configurações do Claude Code e Codex config.toml explicam como fazer. O que é específico do Neon:

Configuração Claude Code Codex
Protocolo Anthropic Messages API Responses
ID do modelo gemini-4-neon gemini-4-neon
Níveis de esforço low a xhigh low a xhigh
Janela de contexto 1,048,576 1,048,576
Saída por solicitação 65,536 65,536

Os níveis e limites de esforço são do esquema de parâmetros do AIHubMix; o esforço padrão é high nos dois protocolos.

Claude Code. Defina ANTHROPIC_MODEL como gemini-4-neon. Aumente API_TIMEOUT_MS: o padrão é 10 minutos, e o Google recomenda pelo menos 15 para prompts difíceis. Não inclua pré-preenchimento do assistente em solicitações personalizadas pelo mesmo endpoint; o Neon não oferece suporte a isso.

Codex. Mantenha wire_api = "responses" e o base_url do AIHubMix, defina model = "gemini-4-neon" e escolha model_reasoning_effort entre os níveis do Neon. Comece com medium; o Codex executa muitos turnos curtos com ferramentas, nos quais high geralmente só aumenta o tempo de espera.

Problemas conhecidos:

  • Primeiros tokens demorados em high e xhigh.
  • Respostas interrompidas ao atingir o limite de 65,536 tokens quando o pensamento demora.
  • Turnos vazios quando uma chamada de ferramenta falha, como explicado acima.
  • Data de corte do conhecimento em março de 2026; por isso, versões mais recentes de bibliotecas precisam ser incluídas no contexto.

Um teste rápido de 10–15 minutos

  1. Escolha um repositório pequeno com um teste de unidade que falha e um comando de teste que seja executado em menos de um minuto.
  2. Aponte a ferramenta para gemini-4-neon, defina o esforço como medium e o timeout do cliente como pelo menos 15 minutos.
  3. Peça a menor alteração que faça o teste passar. Em seguida, execute o teste e revise o diff.
  4. Aprovado: diff mínimo, teste aprovado, tudo em até 15 minutos. Reprovado: anote se houve um 400, um turno vazio, um timeout ou uma alteração incorreta. Há uma correção acima para cada caso.
  5. Repita com high. Mantenha o nível mais baixo, a menos que high corrija algo que medium tenha feito errado.

Lista de verificação

  • ID do modelo definido como gemini-4-neon.
  • Nível de pensamento definido explicitamente para cada tipo de chamada; use medium se você dependia do padrão do Argon ou do 3.8 Flash.
  • Sem thinking_budget; MINIMAL foi substituído por LOW.
  • Use apenas um destes por solicitação: reasoning_effort ou o nível de pensamento nativo.
  • Sem frequency_penalty ou presence_penalty; defina candidate_count e n como 1 ou omita-os.
  • Sem temperature, top_p ou top_k; use saída estruturada quando o formato for importante.
  • Código de cache explícito removido; prefixo estático do prompt no início e com mais de 4,096 tokens.
  • Limite de saída de 65,536 tokens ou menos no AIHubMix; nenhum limite baixo de modelos anteriores mantido.
  • Timeouts do cliente de pelo menos 15 minutos.
  • O histórico nunca termina em um turno do assistente; sem pré-preenchimento.
  • Turnos do assistente e chamadas de ferramenta retornados exatamente como recebidos; chamadas paralelas e resultados agrupados na ordem correta.
  • Turnos vazios sem chamada de ferramenta tratados como falhas e repetidos.
  • O orçamento inclui tokens de pensamento e solicitações de pesquisa na web.
  • Ferramenta de programação testada rapidamente com medium e high.

Perguntas frequentes

Preciso alterar o formato das minhas solicitações para migrar para o Gemini 4 Neon?
Se você vem de outro modelo Gemini 4, não: o Google diz que o esquema é o mesmo, então basta alterar o ID do modelo e verificar o nível de pensamento. Se você vem do Gemini 3.1 Pro ou do 3.8 Flash, remova thinking_budget, MINIMAL, os parâmetros de penalidade e o cache explícito.

Por que minhas solicitações custam mais depois que mudo do 3.8 Flash?
O preço do Neon é quatro vezes maior que o do 3.8 Flash, e ele vem configurado por padrão para alto esforço de raciocínio, enquanto o padrão do 3.8 Flash era médio. Nas medições da Artificial Analysis, o Neon High custa cerca do dobro por tarefa que o Neon Medium. Defina o nível explicitamente. Em comparação com o Argon, o custo por tarefa da AA cai mesmo no nível alto.

Por que o Neon retorna um erro 400 para thinking_budget?
O Neon aceita apenas os níveis de pensamento nomeados: low, medium, high e xhigh. O Google rejeita thinking_budget e MINIMAL com HTTP 400, em vez de mapeá-los.

A temperatura ainda funciona?
Não. O Neon ignora temperature, top_p e top_k, e valores fora do intervalo permitido retornam um erro 400. Use o nível de pensamento e a saída estruturada.

O Neon consegue retornar mais de 65,536 tokens pelo AIHubMix?
O AIHubMix documenta um limite de saída de 65,536 tokens por solicitação para o Neon, incluindo o pensamento. A decodificação longa do Google, de até cerca de 1M tokens, funciona na própria API do Google; pelo AIHubMix, ela não está disponível no endpoint compatível com OpenAI, e o caminho nativo não foi testado aqui.

Posso usar o Gemini 4 Neon no Claude Code ou no Codex?
Sim. O AIHubMix lista o protocolo Anthropic Messages usado pelo Claude Code e a Responses API usada pelo Codex. Defina o modelo como gemini-4-neon, aumente o tempo limite e faça primeiro um teste rápido.

O Gemini 3.1 Pro será desativado?
O Google não anunciou uma data de desativação para o Gemini 3.1 Pro Preview, o Gemini 3.8 Flash ou qualquer modelo Gemini 4. Ele recomenda o Neon como atualização para o 3.1 Pro.

Continue lendo: a série Gemini 4 Neon

Fontes

Um só gateway para vários provedores de IA. Feito para produção.

Acessar AIHubMix