模型 id 本身不决定思考深度,也不决定长输出怎么续。 2026 年 11 月 18 日,Google 开放了 Gemini 4 Neon。模型 id 是 gemini-4-neon。Interactions API 上,generation_config.thinking_level 取 low、medium、high 或 xhigh。默认是 high。thinking_budget 和 minimal 返回 HTTP 400。服务端托管的长输出把 background 和 store 都设为 true;答案要超过一段前台输出时,把 max_output_tokens 设到 65536 以上。
本文日期为 2026 年 11 月 19 日,依据是 11 月 18 日的发布文、最后更新于 2026 年 11 月 18 日 UTC 的开发者指南,以及 11 月 18 日至 19 日 Google AI 论坛上的 Antigravity 帖子。昨天的笔记写了 GPT-6.2 Astra 和 Sol。还按本站 Gemini 4 Carbon 那篇发请求的话,默认档要改,thinking_budget 也会变成直接 400。
11 月 18 日开放了什么
发布文给 Neon 的标价是每百万 token 输入 $3、缓存输入 $0.15、输出 $15。缓存价是输入价的 95% 折扣。API 窗口是输入和输出共用的 1,048,576 token。这份预算里的输出包含思考、函数调用和可见答案。Antigravity 的产品帖把该应用的窗口写成最多 512K token。窗口数字以你实际调用的那一面为准。
| 价格,每百万 token | 美元 |
|---|---|
| 输入 | $3 |
| 缓存输入 | $0.15 |
| 输出,含思考 token | $15 |
发布文开放的是 AI Studio 和 Android Studio 里的付费 Gemini API、Gemini for business,以及付费 Google AI Pro 和 Ultra 订阅者在 Antigravity 和 Gemini 应用里的 Neon。Cloud 指南补充了位置 global、us 和 eu,并把 Agent Platform 的访问写成面向部分区域的已验证企业客户。Antigravity 的方案表包含付费 Pro 和 Ultra 上的 Neon。Free 和 Google AI Plus 不在这张表的 Neon 一行里。Pro 试用限于符合条件的高端设备。企业通过 Gemini for business 使用 Neon。同一则说明里,企业一行没有 Orchestrator (Neon)。
Google 报告 xhigh 在 Artificial Analysis Intelligence Index 上为 61 分、总排第 3,默认 high 的单任务成本大约比 Carbon 低 32%。这些数字是 Google 自己的。迁移说明把日常代理循环留在 gemini-4-hydrogen,批量分类留在 gemini-3.5-flash-lite,Fairwind 的网络安全测试留在 gemini-4-carbon-cyber-permissive。面向该计划的 Neon 安全模型是另一条模型路径。gemini-4-neon 上的 thinking_level 仍然是 low、medium、high 或 xhigh。
thinking_level,以及 xhigh 的 400
Interactions 正文用小写档位。GenerateContent 的 REST 把同一控制写成 generationConfig.thinkingConfig.thinkingLevel,枚举用大写 LOW、MEDIUM、HIGH 或 XHIGH。下面这份 Interactions 正文是默认档。
{
"model": "gemini-4-neon",
"input": "Review the retry path and name the lock that can deadlock.",
"generation_config": {
"thinking_level": "high"
}
}
| thinking_level | Neon 指南把它用于 |
|---|---|
| xhigh / XHIGH | 证明、科学分析和最难的多文件工程 |
| high / HIGH | 默认。多步工具循环、代码、重构、密集的多模态任务 |
| medium / MEDIUM | 一般编码、工具、文档问答、视频,以及在意延迟的回合 |
| low / LOW | 分类、路由、摘要、结构化元数据 |
不写这个字段时,服务器用 high。Carbon、Argon 和 gemini-3.8-flash 的默认是 medium。迁移后仍想要那一档延迟,就显式发送 medium。thinking_budget 返回 HTTP 400。minimal 和 MINIMAL 返回 HTTP 400。max_output_tokens 大于 1,048,576 返回 HTTP 400。
Antigravity 的论坛帖用 CLI 参数 --model gemini-4-neon-xhigh 或 --effort xhigh 选档。这个模型字符串属于 Antigravity。Interactions 正文的 model 保持 gemini-4-neon,档位写在 thinking_level。同一论坛上的开发者报告,CLI 1.5.11 对 gemini-4-neon-xhigh 返回 INVALID_ARGUMENT 400,正文是 Thinking level is unsupported: THINKING_LEVEL_XHIGH,即使 agy models 列出了这个 id。日期为 11 月 18 日的 API 指南仍然列出 xhigh。某一面返回这个 400 时,改发文档中的默认值 high,并且每一段续写都保持同一档。
background、continuation_token 和 status
一段前台输出停在 65,536 个输出 token,流式和单次响应都是这个数。这个上限里的输出包含思考、函数调用和可见答案。省略 max_output_tokens 时,预算同样是 65,536。更长的一轮把 max_output_tokens 设到 65536 以上,最高为 1,048,576 减去输入 token。continuation_token 在 v1beta1 上。v1 路径没有续写令牌。
Interactions 上,status 为 requires_continuation 表示这一段在达到 max_output_tokens 之前先撞上 65,536,正文里带 continuation_token。incomplete 表示 max_output_tokens 的预算已经用完。用同一上限再送这个令牌会返回 HTTP 400,指南里的错误文本是 max_output_tokens has already been exhausted。下一请求要提高上限。completed 会清掉令牌。下面这份后台正文是服务端托管的循环,档位写成 xhigh。拒绝 xhigh 的那一面,在第一次请求和之后每一段续写里都改用 high。
{
"model": "gemini-4-neon",
"input": "Write a complete proof of the prime number theorem.",
"background": true,
"store": true,
"generation_config": {
"thinking_level": "xhigh",
"max_output_tokens": 262144
}
}
status 为 queued 或 in_progress 时继续轮询。指南的轮询列表还写了 completed、incomplete、failed 和 cancelled。background: true 要搭配 store: true。有存储的续写发送签发令牌的那一段的 previous_interaction_id 和 continuation_token,并省略 input。thinking_level 与签发令牌的那一段保持一致。
{
"model": "gemini-4-neon",
"store": true,
"previous_interaction_id": "SEGMENT_1_ID",
"continuation_token": "CONTINUATION_TOKEN",
"generation_config": {
"max_output_tokens": 262144,
"thinking_level": "xhigh"
}
}
无状态续写把 store 设为 false,重发原来的 input,带上 continuation_token,并省略 previous_interaction_id。循环可以从 store: true 改到 store: false。反方向没有可供 previous_interaction_id 使用的已存储父记录。新的用户回合指 previous_interaction_id 加上新的 input、且没有 continuation_token。段状态仍是 requires_continuation 或 incomplete 时,这样的请求返回 HTTP 400。先续到 completed,或从最近一次 completed 的 id 开始下一回合。续写段上更改 model、system_instruction 或 tools 会返回 HTTP 400。已知问题写明,循环中途修改 thinking_level 能通过校验;同一说明要求整个循环保持档位不变,也保持内置工具 google_search、code_execution 和 url_context 不变。
GenerateContent 用 finish_reason CONTINUATION,并在候选上给出 continuationToken。下一次调用重发原来的 contents,把 continuationToken 放在顶层。档位枚举用大写。
{
"contents": [
{
"role": "user",
"parts": [
{
"text": "Write a complete proof of the prime number theorem."
}
]
}
],
"continuationToken": "CONTINUATION_TOKEN",
"generationConfig": {
"maxOutputTokens": 131072,
"thinkingConfig": {
"thinkingLevel": "XHIGH"
}
}
}
每一段有 20 分钟限制。流式检查点从 65,536 个输出 token 开始,之后每 5,000 个 token 一次。Interactions 的自动续写需要 Python google-genai >= 2.34.0、JavaScript @google/genai >= 2.32.0、Go >= 1.77.0 或 Java >= 1.80.0。GenerateContent 的自动续写需要 Python >= 2.30.1。把 previous_interaction_id 交给 gemini-4-hydrogen 会跑一轮工作步骤。指南里的 Neon 示例在下一轮 Neon 上再次发送 thinking_level。这种交接时,服务器会丢掉前一个模型的签名。
请求里要拿掉的字段
temperature、top_p 和 top_k 会被忽略。frequency_penalty、presence_penalty,以及大于 1 的 candidate_count 返回 HTTP 400。candidateCount 固定为 1。删掉 cached_content。隐式缓存从 4,096 token 开始,持久缓存默认开启,所以静态前缀放在最前面。历史记录以用户回合结束。预填的模型回合会被拒绝。
Word、PowerPoint、Excel 和 OpenDocument 文件(docx、pptx、xlsx、odt、odp、ods,以及较旧的 doc、ppt、xls)可以内联,也可以用 gs:// URI,包括放在函数响应里面。上传的视频默认 media_processing 为 static。agentic 是打开时才用的值。
thoughtSignature 放在第一个 functionCall 上
并行工具回合里,签名放在第一个 functionCall 部分上。开发者指南把这个值叫作 thought_signature。GenerateContent 参考把 JSON 字段写成 thoughtSignature。同一模型回合里的第二个调用不带它。
{
"role": "model",
"parts": [
{
"functionCall": {
"name": "read_file",
"args": {}
},
"thoughtSignature": "SIG_FROM_MODEL"
},
{
"functionCall": {
"name": "list_dir",
"args": {}
}
}
]
}
当前回合第一个 functionCall 上缺少 thoughtSignature 会返回 HTTP 400。把它复制到同级 functionCall 上会返回 HTTP 400。把调用和响应拆进交替的回合也会返回 HTTP 400。更早的每个签名都留在原来的部分上,包括最终的文本部分。剥掉这些值可能以 MALFORMED_FUNCTION_CALL 结束。占位符 skip_thought_signature_validator 会丢掉推理上下文。每个函数响应要与调用的 id、name 和顺序对应。
按 $3、$0.15 和 $15 读 usage
把下面的 0 换成响应里的字段。这个形状是指南点名的 Interactions 对象。0 只是占位,等响应到达再替换。
{
"status": "completed",
"usage": {
"initial_input_tokens": 0,
"total_input_tokens": 0,
"total_cached_tokens": 0,
"total_output_tokens": 0,
"total_thought_tokens": 0,
"total_tokens": 0
}
}
未缓存输入是 total_input_tokens 减去 total_cached_tokens,每百万 $3。total_cached_tokens 每百万 $0.15。total_output_tokens 加 total_thought_tokens 每百万 $15。这个和里不要再加 total_tokens。已经求和的后台响应里,initial_input_tokens 是第一段提示,并且已经包含在 total_input_tokens 里。账单上不要再加一次。决定压缩上下文时用 initial_input_tokens。total_input_tokens 会随续写段变大,因为每一段都会重新填入提示和已经生成的 token。
自动续写和 background: true 已经把各段的 usage 加总。自定义循环,以及流式的 interaction.completed 事件,报告的是一段的增量,需要自己相加。GenerateContent SDK 会累加 usage_metadata,并保留 initial_prompt_token_count。自定义 REST 循环要把各段的 prompt_token_count、cached_content_token_count、candidates_token_count 和 thoughts_token_count 相加。每一段结束时就计费,后面的段失败或取消也一样。Grounding 查询另行计费,指南把工具说明和函数声明算进已处理 token。
上线前要核对的 JSON
- 正文有
gemini-4-neon。Interactions 的thinking_level是low、medium、high或xhigh。GenerateContent 用大写thinkingLevel。正文里没有thinking_budget、minimal、temperature、top_p、top_k、frequency_penalty、presence_penalty、candidate_count或cached_content。 - 超过 65,536 token 的调用把
max_output_tokens设到 65536 以上,并使用v1beta1。background: true与store: true一起出现。续写段保持model、system_instruction、tools和thinking_level。 gemini-4-neon-xhigh这类 Antigravity id 留在那个 CLI 里。API 的模型字段保持gemini-4-neon。正文写着THINKING_LEVEL_XHIGH的 400,在那一面改发high。- 并行工具部分只在第一个
functionCall上保留thoughtSignature。 - 账单使用未缓存输入、缓存输入、输出 token 和思考 token。不要把
total_tokens加进去,也不要把initial_input_tokens再加一次。
在本地用 JSON 校验、JSONPath($.usage.total_thought_tokens)和 JSON 对比 核对上一份请求。数据不会上传。
常见问题
默认还是 Carbon 那种 medium 吗?
Neon 的默认是 high。想要 Carbon、Argon 和 gemini-3.8-flash 原来的默认延迟时,发送 medium。
thinking_level 能写 xhigh 吗?
11 月 18 日的 API 指南在 Interactions 上列出 xhigh,在 GenerateContent 上列出 XHIGH。11 月 18 日至 19 日的 Antigravity CLI 报告对模型 id gemini-4-neon-xhigh 返回 HTTP 400,文本是 Thinking level is unsupported: THINKING_LEVEL_XHIGH。API 正文使用模型 gemini-4-neon 加上 thinking_level。返回这个 400 时改发 high。
background 能配 store false 吗?
指南要求 background 为 true 时 store 也为 true。前台无状态循环可以把 store 设为 false,重发原来的 input,并带上 continuation_token。
账单该把 total_tokens 加进去吗?
不要加 total_tokens。未缓存输入按每百万 $3,total_cached_tokens 按每百万 $0.15,total_output_tokens 加 total_thought_tokens 按每百万 $15。initial_input_tokens 已经在求和后的输入里。
并行签名放在哪?
只放在第一个 functionCall 部分的 thoughtSignature 字段。同一模型回合里的其他 functionCall 不带它。把签名复制到同级调用上会返回 HTTP 400。
Antigravity 的窗口是 1,048,576 token 吗?
API 指南的统一窗口是 1,048,576 token。Antigravity 11 月 18 日的帖子写该产品最多 512K token。
小结
11 月 18 日开放的 Neon,价格是 $3、$0.15 和 $15,思考默认是 high。 发送 gemini-4-neon,thinking_level 取 low、medium、high 或 xhigh。一段不够长时,把 background: true、store: true 和高于 65536 的 max_output_tokens 放在一起。并行调用时,thoughtSignature 只放在第一个 functionCall 上。Antigravity 对 THINKING_LEVEL_XHIGH 返回 400 时,那一面改发 high,API 的模型 id 保持不带后缀。