Миграция на Gemini 4 Neon: высокий уровень thinking mode по умолчанию, ошибки 400 и лимит 65K

AIHubMix14 мин чтения

Google называет Gemini 4 Neon моделью для перехода с Gemini 3.1 Pro, для обычных задач по программированию на Gemini 4 Argon и для сложных задач по программированию или науке на Gemini 3.8 Flash. Заменить строку модели на gemini-4-neon — простая часть миграции. Всё остальное можно разделить на четыре группы.

  • Незаметное изменение: теперь по умолчанию используется уровень thinking mode high. В Argon и 3.8 Flash по умолчанию был medium. Если не задать уровень, каждый запрос будет тратить на обдумывание больше, чем при medium. Для пользователей 3.8 Flash это означает более высокие счета; для пользователей Argon стоимость задачи всё равно снижается (см. ниже).
  • Явное изменение: Neon возвращает HTTP 400 для нескольких параметров, которые старый код всё ещё отправляет: thinking_budget, нативного уровня MINIMAL, двух параметров штрафов, более чем одного варианта ответа и некорректных подписей мыслей в вызовах инструментов.
  • Скрытое изменение: параметры temperature, top_p и top_k игнорируются, а низкий лимит вывода может остановить модель, пока она ещё обдумывает ответ. Явное кэширование контекста и предварительно заполненные ходы assistant не поддерживаются, а Google не уточняет, что произойдёт при их использовании.
  • На AIHubMix: рассчитывайте на 65,536 выходных токенов на запрос. Декодирование на длинном контексте в 1M токенов от Google недоступно через совместимый с OpenAI эндпоинт AIHubMix, а нативный путь не тестировался для этой статьи.

Переход с Gemini 4 Carbon проще: Google сообщает, что схема запроса не меняется, а основное отличие — уровень по умолчанию. Переходу посвящена статья Neon и Carbon.

Что меняется в зависимости от исходной модели

Изменение С 3.1 Pro С Argon С 3.8 Flash
Уровень thinking mode по умолчанию теперь high с medium на high с medium на high
Уровень xhigh новый новый новый
Лимиты токенов единый лимит 1M уже единый единый лимит 1M
Явное кэширование удалено уже отсутствовало удалено
Цена, вход / выход $2 / $12 → $3 / $15 $2 / $10 → $3 / $15 $0.75 / $3.75 → $3 / $15

Официальные цены Google, в USD за миллион токенов. Цена Gemini 3.1 Pro в $2/$12 действует для промптов объёмом до 200K токенов (выше этого порога — $4/$18); у Neon единый тариф для всего окна в 1M. Вводная цена Argon в $2/$10 сменится на $4/$20 1 декабря 2026 года; цена 3.8 Flash в $0.75/$3.75 действует до 31 декабря 2026 года. Google сообщает, что и 3.1 Pro, и Argon ограничены уровнем high; уровень по умолчанию для 3.1 Pro не указан.

Правила, описанные в остальной части статьи, взяты из руководства разработчика Neon в Google Cloud и контрольного списка для миграции в AI Studio, если не указано иное.

Об исходных моделях: в таблице перехода AI Studio Google направляет пользователей 3.8 Flash на Gemini 4 Hydrogen. Именно руководство Google Cloud рекомендует Neon для сложных задач по программированию и науке на 3.8 Flash. Google не объявляла дату отключения 3.1 Pro Preview, 3.8 Flash или какой-либо модели Gemini 4.

Незаметное изменение: новый уровень по умолчанию — high

Google говорит прямо: «По умолчанию thinking_level установлен на HIGH (на gemini-4-argon и gemini-3.8-flash он был MEDIUM); для задач, требующих глубоких рассуждений, поддерживается XHIGH…» Исправление столь же простое: «Если ваша рабочая нагрузка полагалась на MEDIUM по умолчанию в gemini-4-argon или gemini-3.8-flash, явно задайте thinking_level="MEDIUM", чтобы сохранить сопоставимую задержку рассуждений».

Вот во что обходится дополнительный уровень, согласно замерам Artificial Analysis для API Google (повторная проверка 2026-11-19, 13:27 UTC; данные стороннего источника, меняются при повторных запусках моделей AA):

Настройка Neon Индекс AA $/задачу Мин./задачу Первый ответ (с)
Medium 54.9 1.90 8.3 20.1
High (по умолчанию) 59.6 3.74 14.8 40.6
Xhigh 61.4 6.44 21.5 56.5

Средние показатели AA на одну задачу Intelligence Index при тарифе Neon $3/$15. «Первый ответ» — время до первого выходного токена.

Переход с medium на high даёт 4.8 пункта индекса почти за двукратную стоимость задачи, в 1.8 раза больше времени на задачу и вдвое более долгого ожидания первого выходного токена. Переход на xhigh добавляет ещё 1.8 пункта, увеличивая стоимость на 72%. Это выгодный компромисс для сложных многоэтапных задач и невыгодный — для ответа в чате.

Для пользователей Argon в тех же данных есть хорошие новости. Neon Medium набирает 54.9 против 47.6 у Argon с уровнем Medium по умолчанию, обходится в $1.90 за задачу против $4.31 и занимает 8.3 минуты против 28.9. Переход с Argon на Neon Medium повышает качество и снижает стоимость задачи — ещё до того, как цена Argon удвоится. Даже Neon с уровнем High по умолчанию ($3.74, 14.8 минуты) обходится дешевле за задачу, чем Argon Medium на задачах AA. Если не задать уровень, вы лишаетесь более дешёвого варианта Medium.

У более высокого уровня по умолчанию есть и другие последствия:

  • Токены рассуждений учитываются в лимите вывода. Google: «Токены рассуждений, сгенерированные при HIGH (по умолчанию) и XHIGH, учитываются в max_output_tokens и накапливаются в контексте нескольких ходов, если сохранять подписи мыслей между ходами».
  • Контекст заполняется быстрее. В многоходовых агентах для программирования эти токены рассуждений накапливаются. Google предостерегает от «слишком низких порогов сжатия контекста» и советует использовать medium в вызовах инструментов, чувствительных к задержке.

Способ задать уровень зависит от протокола:

Протокол Поле Допустимые значения для Neon
Нативный Gemini thinkingConfig.thinkingLevel от LOW до XHIGH
Chat Completions reasoning_effort от low до xhigh
Responses reasoning.effort от low до xhigh
Anthropic Messages output_config.effort от low до xhigh

В GenerateContent нативные значения пишутся заглавными буквами. Значения для трёх остальных протоколов взяты из схемы параметров AIHubMix для gemini-4-neon, где high указан как значение по умолчанию для каждого протокола.

Слой совместимости Google с OpenAI преобразует reasoning_effort в уровень thinking mode, при этом значение minimal преобразуется в low. Также Google сообщает, что эти два параметра «перекрывают функциональность друг друга, поэтому их нельзя использовать одновременно»: отправляйте только один из них.

Ошибки 400

Все эти случаи документированы Google для Neon. В примечаниях AIHubMix об ошибках сказано, что ошибки 400 связаны с параметрами и «в большинстве случаев передаются от вышестоящего провайдера». Для этой статьи запросы не выполнялись, поэтому точный текст ошибки через шлюз может отличаться.

thinking_budget и MINIMAL

Что вы увидите: HTTP 400 на запросах, которые работали с моделями Gemini 3.

Причина: Neon принимает только четыре именованных уровня. На странице модели Google сказано: «Указание thinking_budget или thinking_level="MINIMAL" возвращает ошибку проверки HTTP 400». В примере кода Google также помечено старое поле: thinking_budget=16384, # Returns HTTP 400 instead of mapping silently.

Исправление: удалите thinking_budget. Замените MINIMAL на LOW. В совместимом с OpenAI варианте Google преобразует reasoning_effort="minimal" в low, но если самостоятельно отправить low, вопрос отпадёт.

frequency_penalty, presence_penalty и дополнительные варианты ответа

Что вы увидите: HTTP 400, если запрос задаёт штраф или запрашивает несколько вариантов ответа.

Причина: «Передача frequency_penalty, presence_penalty или candidate_count больше 1 (candidateCount фиксирован на 1) возвращает ошибку HTTP 400».

Исправление: удалите оба штрафа. Оставьте candidate_count равным 1 или не указывайте его. Для Chat Completions также не отправляйте n больше 1: Google не уточняет, что слой совместимости делает с этим параметром, а в схеме AIHubMix он помечен как поле, которое не следует отправлять.

max_output_tokens больше 1,048,576

Что вы увидите: HTTP 400.

Причина: входные и выходные токены используют общее окно в 1,048,576 токенов, поэтому более высокий бюджет вывода недопустим.

Исправление: на AIHubMix отправляйте не более 65,536 (см. раздел о лимите вывода). Этот верхний предел важен только для длительного декодирования через собственный API Google.

Отсутствующие или неверно расположенные подписи мыслей

Что вы увидите: HTTP 400 на втором или последующем шаге хода с вызовом инструмента.

Причина: Neon проверяет подпись мысли, прикреплённую к вызовам функций в текущем ходе. «Отсутствие thought_signature у первой части functionCall в активном ходе возвращает ошибку HTTP 400. Дублирование подписи у соседних частей functionCall или чередование ходов также возвращает ошибку HTTP 400».

В руководстве Google по подписям мыслей приведён формат сообщения для моделей Gemini 3: «В блоке содержимого <index of contents array> отсутствует thought_signature у вызова функции <Function Call>». В руководстве по Neon указана ошибка 400, но не её формулировка.

Исправление: отправляйте ходы модели без изменений, именно в том виде, в котором получили их. При параллельных вызовах подпись есть только у первого вызова. Оставляйте все вызовы в одном ходе модели, а все результаты — в одном ходе пользователя и в том же порядке. Пример Google: если модель возвращает «FC1 + подпись, FC2», следующий запрос должен содержать «FC1 + подпись, FC2, FR1, FR2». Чередование в порядке «FC1 + подпись, FR1, FC2, FR2» приводит к ошибке 400.

Значения параметров сэмплирования вне допустимого диапазона

Что вы увидите: HTTP 400, если значение temperature или top_p выходит за допустимый диапазон.

Причина: Google игнорирует значения в допустимом диапазоне, но всё равно проверяет их: «Значения вне допустимого диапазона возвращают ошибку проверки 400».

Исправление: полностью удалите параметры сэмплирования (см. следующий раздел).

Форматы запросов

Корректный запрос через AIHubMix с настройкой из краткого руководства:

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."}]
  }'

Запрос, который Google документирует как вызывающий ошибку 400 для 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."}]
  }'

Та же проверка на нативном эндпоинте Gemini, со старым полем thinkingBudget. Путь соответствует схеме, которую AIHubMix документирует для других моделей Gemini; в описании Neon приведён только пример для 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}}
  }'

Это примеры формата запросов, а не зафиксированные ответы: ни один из запросов не выполнялся для этой статьи.

Другие изменения, которые нужно учесть

Параметры сэмплирования не работают

Google фиксирует для Neon значения temperature 1.0, topP 0.95 и topK 64 и игнорирует пользовательские значения. Значение temperature: 0, заданное для получения повторяемого вывода, не окажет эффекта, и модель никак не сообщит об этом. Совет Google: «Контролируйте глубину рассуждений с помощью thinking_level, а формат вывода — с помощью response_schema». Если нужен фиксированный формат, используйте структурированный вывод.

Явное кэширование больше не поддерживается

cachedContents, caches.create и cached_content не поддерживаются. Google не уточняет, завершится ли ошибкой запрос, в котором они всё ещё передаются, или эти поля будут проигнорированы, поэтому удалите их, не дожидаясь проверки на практике. Кэширование в Neon работает только неявно. Оно применяется автоматически к общему префиксу промпта длиной не менее 4,096 токенов (для 3.8 Flash требовалось 6,144), а стоимость кэшированных входных данных составляет $0.15 за миллион токенов вместо $3.00. Чтобы воспользоваться этой возможностью, поместите статическую часть промпта в начало: системные инструкции, определения инструментов, справочные документы. Удалите код явного кэширования — в Neon ему нет аналога.

Низкий лимит вывода обрезает рассуждения

Приложение, настроенное для более старой модели, часто отправляет max_tokens со значением 8,192 или меньше. В Neon рассуждения и ответ используют общий лимит, поэтому низкое значение может оборвать генерацию ещё до начала ответа. Рекомендация Google: «удалите жёстко заданные низкие лимиты (например, 8,192) или увеличьте max_output_tokens до 65,536. Чтобы использовать меньше токенов, понизьте уровень thinking mode».

Слишком короткие тайм-ауты

Google: «Сложные промпты могут обрабатываться несколько минут. Используйте фоновое выполнение или установите тайм-ауты HTTP-клиента не менее 15 минут». По средним показателям AA, Neon High ждёт 40.6 секунды до первого токена ответа, а Xhigh — 56.5 секунды. Некоторые запросы будут выполняться гораздо дольше среднего.

Предварительно заполненные ходы ассистента

Правила истории в Neon: «История не может завершаться ходом с ролью модели». «Предварительно заполненные ходы модели не поддерживаются». Код, который задаёт начало ответа ассистента, чтобы направить форматирование, — распространённый приём в API Anthropic — должен перестать так делать. Google перечисляет эти ограничения в разделе проверки чата, но не указывает, какой именно будет ответ; в примечаниях к схеме AIHubMix сказано, что завершающий ход модели вызывает ошибку. Проверьте это, если ваш код использует предварительное заполнение.

Вызовы инструментов в виде текста

Если системный промпт просит модель записывать вызовы инструментов в формате JSON как обычный текст, не объявляя инструменты, Google предупреждает, что Neon «может вернуть MALFORMED_FUNCTION_CALL». Объявляйте инструменты нативно или используйте структурированный вывод.

Лимит вывода в AIHubMix: 65,536 токенов

В собственном API Google один ответ Neon ограничен 65,536 выходными токенами — независимо от того, используется потоковая передача или нет. Для более длинных ответов используется long decode: генерация продолжается сегментами по 64K, до 1,048,576 токенов за вычетом входных данных, через Interactions API или GenerateContent v1beta1. Начиная с указанных версий SDK Google автоматически обрабатывают токены продолжения: Python google-genai 2.34.0 и JavaScript @google/genai 2.32.0 для Interactions API.

Google также отмечает: «Предыдущие версии SDK и уровень совместимости с OpenAI не могут получать длинные завершения с помощью токенов продолжения».

Схема параметров AIHubMix для gemini-4-neon ограничивает вывод 65,536 токенами во всех поддерживаемых протоколах: Chat Completions, Responses, Anthropic Messages и нативном Gemini. В схеме также указано поле Google continuationToken для нативного протокола Gemini; кроме того, AIHubMix в целом описывает нативный SDK Google и Interactions API. В рамках подготовки этой статьи long decode для Neon через этот путь не проверялся. Пока вы не убедились, что он работает, рассчитывайте на один ответ объёмом не более 65,536 токенов, включая рассуждения. Если нужно больше, разбейте задачу самостоятельно — например, отправляйте по одному файлу или разделу за запрос.

Особенности тарификации, о которых легко забыть

Рассуждения учитываются как вывод. Стоимость выходных токенов Neon — $15 за миллион — включает токены рассуждений. При уровне high большая часть вывода для сложного запроса может приходиться на рассуждения.

За grounding взимается плата дважды. Google считает «внутренние системные инструкции инструментов и объявления функций при использовании grounding» оплачиваемыми токенами, а также отдельно взимает плату за каждый поисковый запрос. У Google доступно 5,000 бесплатных поисковых запросов в месяц — общий лимит для Gemini 3 и более новых моделей, — после чего стоимость составляет $14 за 1,000 запросов. AIHubMix взимает плату за веб-поиск за запрос; тариф указан на странице модели Neon.

Для кэширования важен порядок элементов промпта. Скидка 95% на кэширование действует только для стабильного префикса длиной не менее 4,096 токенов. Метка времени или имя пользователя в начале системного промпта нарушает это условие при каждом запросе.

При long decode входные данные тарифицируются повторно (только в API Google). «Для каждого сегмента продолжения промпт и уже декодированные токены снова проходят префилл», поэтому количество учитываемых входных токенов растёт от сегмента к сегменту. «Завершённые сегменты тарифицируются в конце каждого сегмента, даже если последующий сегмент завершается ошибкой или отменяется». При лимите AIHubMix в 65,536 токенов этого не происходит.

Тарифы для более дешёвых уровней — это цены Google. Google предлагает Neon Batch и Flex по ценам $1.50/$7.50, а Priority — за $5.40/$27. Схема AIHubMix принимает для Neon значение service_tier flex или priority, но цены для этих уровней не опубликованы, а Batch не указан. Рассчитывайте бюджет по стандартным тарифам $3/$15.

Как снизить расходы:

  • Задавайте reasoning_effort для каждого типа вызова: medium для интерактивных запросов и ходов с инструментами, high для планирования и xhigh только там, где собственные оценки показывают его пользу.
  • Размещайте статический префикс промпта в начале и делайте его длиннее 4,096 токенов.
  • Используйте веб-поиск только в тех ходах, где он необходим.
  • Следите за completion_tokens в данных об использовании: этот показатель включает рассуждения, а не только видимый ответ.

Агенты с реальными правами доступа

Правила вызова инструментов в Neon строгие; особенно важно соблюдать их, если агент может записывать файлы или выполнять команды:

  • Сопоставляйте вызовы и результаты. «Каждый FunctionResponse должен соответствовать id, name и порядку предшествующего FunctionCall».
  • Сохраняйте полную историю, включая сигнатуры. Google: «Передавайте обратно каждую thought_signature в исходном Part во всех предыдущих ходах…» Удаление старых сигнатур или использование заглушек, таких как skip_thought_signature_validator, «теряет контекст рассуждений и может привести к MALFORMED_FUNCTION_CALL».
  • В Chat Completions возвращайте сообщения ассистента без изменений. Сохраняйте каждое сообщение ассистента и связанные с ним вызовы инструментов в точности такими, какими их вернул API. Не собирайте историю заново по собственным логам. Google документирует поддержку thought-signature в совместимом с OpenAI Chat Completions для моделей Gemini 3; убедитесь, что ваш клиент сохраняет их и для Neon.
  • Следите за незаметной остановкой. Некорректный вызов функции завершает ход без пригодного ответа. В сообщениях об ошибках прокси с открытым исходным кодом указывалось, что такой случай может доходить до клиентов в стиле OpenAI как обычный stop или ошибка сервера: pull request 52745 в LiteLLM и issue 60 в Divyam на GitHub, оба открыты в ноябре 2026 года. Если агент получает пустой ход без вызова инструмента, считайте это сбоем и повторяйте запрос, а не завершайте задачу.

По словам Google, Neon надёжнее предшественников в таких циклах. Он «сокращает избыточное чтение файлов, надёжно обрабатывает уплотнение контекста и реже выдумывает утверждения и выбирает обходные пути», а также уменьшает «чрезмерную инициативность агента и недостаточное выполнение задач». Это заявления Google, основанные на собственных оценках компании. Они снижают риски, но не заменяют ограничения прав доступа и проверку операций записи.

Инструменты для программирования: Claude Code и Codex

В схеме параметров AIHubMix для gemini-4-neon указаны четыре протокола, включая два, необходимых агентам для программирования: Anthropic Messages для Claude Code и Responses API для Codex. Настройка такая же, как и для любой модели AIHubMix; инструкции есть в статье о настройке Claude Code и статье о файле config.toml для Codex. Особенности Neon:

Параметр Claude Code Codex
Протокол Anthropic Messages Responses API
ID модели gemini-4-neon gemini-4-neon
Значения effort от low до xhigh от low до xhigh
Контекстное окно 1,048,576 1,048,576
Вывод за запрос 65,536 65,536

Значения effort и ограничения взяты из схемы параметров AIHubMix; по умолчанию для обоих протоколов установлен уровень high.

Claude Code. Установите ANTHROPIC_MODEL в значение gemini-4-neon. Увеличьте API_TIMEOUT_MS: по умолчанию тайм-аут составляет 10 минут, а Google рекомендует не менее 15 минут для сложных промптов. Не добавляйте предварительно заполненный ход ассистента в пользовательские запросы к тому же эндпоинту: Neon это не поддерживает.

Codex. Оставьте wire_api = "responses" и base_url AIHubMix, задайте model = "gemini-4-neon" и выберите одно из значений уровней Neon для model_reasoning_effort. Начните с medium: Codex выполняет много коротких ходов с инструментами, где high в основном увеличивает время ожидания.

Ожидаемые известные проблемы:

  • Долгое ожидание первого токена при high и xhigh.
  • Ответ может оборваться на лимите в 65,536 токенов, если рассуждения затянутся.
  • Пустые ходы из-за сбоя вызова инструмента, как описано выше.
  • Дата среза знаний — март 2026 года, поэтому сведения о более новых версиях библиотек нужно передавать в контексте.

Дымовой тест на 10–15 минут

  1. Выберите небольшой репозиторий с одним не проходящим модульным тестом и командой для запуска тестов, которая выполняется менее чем за минуту.
  2. Укажите для инструмента gemini-4-neon, установите effort на medium и задайте тайм-аут клиента не менее 15 минут.
  3. Попросите внести минимальные изменения, необходимые для прохождения теста. Затем запустите тест и просмотрите diff.
  4. Успех: минимальный diff, тест пройден, всё выполнено за 15 минут. Сбой: отметьте, получили ли вы ошибку 400, пустой ход, тайм-аут или некорректное изменение. Для каждой проблемы выше указан способ исправления.
  5. Повторите тест с high. Оставьте более низкий уровень, если только high не исправит то, с чем medium не справился.

Контрольный список

  • В качестве ID модели задан gemini-4-neon.
  • Уровень thinking mode задан явно для каждого типа вызова; установите medium, если раньше вы полагались на уровень по умолчанию в Argon или 3.8 Flash.
  • Параметр thinking_budget не используется; MINIMAL заменён на LOW.
  • В каждом запросе используется только один параметр: reasoning_effort или нативный уровень thinking mode.
  • Параметры frequency_penalty и presence_penalty не используются; candidate_count и n равны 1 или не заданы.
  • Параметры temperature, top_p и top_k не используются; если формат важен, применяется структурированный вывод.
  • Код явного кэширования удалён; статический префикс промпта расположен первым и содержит более 4,096 токенов.
  • Лимит вывода в AIHubMix установлен на 65,536 токенов или меньше; низкие лимиты, оставшиеся от старых моделей, удалены.
  • Тайм-ауты клиента установлены на 15 минут или больше.
  • История никогда не заканчивается ходом ассистента; предварительное заполнение не используется.
  • Ходы ассистента и вызовы инструментов возвращаются в точности такими, какими были получены; параллельные вызовы и результаты сгруппированы в исходном порядке.
  • Пустые ходы без вызова инструмента считаются сбоем, и запрос повторяется.
  • Бюджет учитывает токены рассуждений и запросы веб-поиска.
  • Инструмент для программирования проверен дымовым тестом с уровнями medium и high.

Часто задаваемые вопросы

Нужно ли менять формат запроса, чтобы перейти на Gemini 4 Neon?
При переходе с другой модели Gemini 4 — нет: Google сообщает, что схема не изменилась, поэтому достаточно изменить ID модели и проверить уровень thinking. При переходе с Gemini 3.1 Pro или 3.8 Flash удалите thinking_budget, MINIMAL, параметры штрафов и явное кэширование.

Почему после перехода с 3.8 Flash запросы обходятся дороже?
Цена Neon в четыре раза выше, чем у 3.8 Flash, а по умолчанию Neon использует высокий уровень thinking, тогда как у 3.8 Flash по умолчанию был средний. По замерам Artificial Analysis, Neon High обходится примерно вдвое дороже Neon Medium за задачу. Задайте уровень явно. При переходе с Argon затраты AA на задачу снижаются даже при высоком уровне.

Почему Neon возвращает ошибку 400 для thinking_budget?
Neon принимает только именованные уровни thinking: low, medium, high и xhigh. Google отклоняет thinking_budget и MINIMAL с HTTP 400, а не преобразует их.

Параметр temperature по-прежнему работает?
Нет. Neon игнорирует temperature, top_p и top_k, а значения вне допустимого диапазона приводят к ошибке 400. Вместо них используйте уровень thinking и структурированный вывод.

Может ли Neon возвращать через AIHubMix более 65,536 токенов?
В документации AIHubMix для Neon указан лимит вывода 65,536 токенов на запрос, включая thinking. Декодирование длинных последовательностей до примерно 1M токенов работает в собственном API Google; через AIHubMix эта возможность недоступна в эндпоинте, совместимом с OpenAI, а нативный путь здесь не тестировался.

Можно ли использовать Gemini 4 Neon в Claude Code или Codex?
Да. В документации AIHubMix указаны протокол Anthropic Messages, используемый Claude Code, и Responses API, используемый Codex. Установите для модели значение gemini-4-neon, увеличьте тайм-аут и сначала выполните короткий тест.

Gemini 3.1 Pro выводят из эксплуатации?
Google не объявляла дату вывода из эксплуатации Gemini 3.1 Pro Preview, Gemini 3.8 Flash или какой-либо модели Gemini 4. В качестве обновления для 3.1 Pro компания рекомендует Neon.

Продолжайте читать: серия Gemini 4 Neon

Источники

Один шлюз ко многим провайдерам ИИ. Создан для продакшена.

Перейти на AIHubMix