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 usavammediumpor padrão. Se você não definir um nível, cada solicitação terá mais pensamento do que teria commedium. 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 nativoMINIMAL, os dois parâmetros de penalidade, mais de um candidato e assinaturas de pensamento inválidas em chamadas de ferramenta. - Discreta:
temperature,top_petop_ksão 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
mediumnos 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_effortpor tipo de chamada:mediumpara interações e turnos com ferramentas,highpara planejamento exhighsomente 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_tokensno 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
stopcomum 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
highexhigh. - 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
- Escolha um repositório pequeno com um teste de unidade que falha e um comando de teste que seja executado em menos de um minuto.
- Aponte a ferramenta para
gemini-4-neon, defina o esforço comomediume o timeout do cliente como pelo menos 15 minutos. - Peça a menor alteração que faça o teste passar. Em seguida, execute o teste e revise o diff.
- 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.
- Repita com
high. Mantenha o nível mais baixo, a menos quehighcorrija algo quemediumtenha feito errado.
Lista de verificação
- ID do modelo definido como
gemini-4-neon. - Nível de pensamento definido explicitamente para cada tipo de chamada; use
mediumse você dependia do padrão do Argon ou do 3.8 Flash. - Sem
thinking_budget;MINIMALfoi substituído porLOW. - Use apenas um destes por solicitação:
reasoning_effortou o nível de pensamento nativo. - Sem
frequency_penaltyoupresence_penalty; definacandidate_countencomo 1 ou omita-os. - Sem
temperature,top_poutop_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
mediumehigh.
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
- Se você está migrando do Carbon ou decidindo se o Neon dá conta das suas tarefas mais difíceis, esta comparação avalia os dois em qualidade, tempo e custo por tarefa: Gemini 4 Neon vs Carbon: o modelo mais rápido é bom o suficiente?.
- Se a migração fez você se perguntar se o Neon é mesmo o modelo Gemini 4 certo, a comparação da família coloca-o lado a lado com Hydrogen, Carbon e Argon: Gemini 4 Hydrogen vs Neon vs Carbon vs Argon: qual você deve usar?.
Fontes
- Google Cloud, Guia do desenvolvedor para o Gemini 4 Neon
- Google AI Studio, Novidades no Gemini 4 Neon
- Google AI Studio, Assinaturas de pensamento
- Artificial Analysis, Classificação de LLMs (acessado em 2026-11-19, 13:27 UTC)
- AIHubMix, Gemini 4 Neon


