如果你想在自己的程序里调用 Google 最新的 Gemini 4 Neon,这篇适合你。读完你能用 Interactions API 发出第一个请求,知道四个 thinking level 该怎么选,会处理超过 64K 的长输出,并清楚从旧版 Gemini 迁移时要改哪些地方。
Gemini 4 Neon 是什么
Gemini 4 Neon 的模型 ID 是 gemini-4-neon,属于 Gemini 4 系列。Google 把它放在 Gemini 4 Hydrogen 和 Gemini 4 Carbon 之间,用来处理复杂的软件工程、知识工作和科学研究这类高频任务。Google 的描述是前沿水平的智能,同时端到端完成任务更快、消耗的 token 更少[1]。输入、思考和输出共用一个 1,048,576 token 的上下文窗口,放进去的材料、模型内部的推理和最终答案都算在这个窗口里[1]。
选型上,Google 的建议是:复杂的软件工程、知识工作和科学任务用 Neon;最难的架构、调试、科研和安全问题用 Carbon;日常编程和智能体工作仍以 Hydrogen 为默认[1]。想并排比较各模型,可以看 Google 的「选择模型」指南,里面有多模型的代码示例;模型卡列出了 token 上限、能力和完整参数[1]。
上手前要准备什么
Neon 只在 Gemini API 的付费层级提供,免费层级不能调用。想先试一试,可以在 Google AI Studio 里直接用,但需要 Google AI Pro 或 Ultra 套餐[1]。调用可以走 generateContent,也可以走 Interactions API[1]。本文的示例都用 Interactions API,它还支持用 previous_interaction_id 串起多轮对话,后面会讲到。
如果你的账号还在免费层级,要先开通付费层级,否则 Neon 的请求无法使用。价格是每百万输入 token 3.00 美元,每百万输出 token 15.00 美元,整个 1M 上下文窗口都是同一个价。思考 token 算在输出里,模型处理过的 token 全部计费[1]。默认开启的隐式缓存对不少于 4,096 token 的提示词生效,命中后输入享受 95% 的折扣,约合每百万 token 0.15 美元[1]。
第一个请求
用 Python SDK 发出第一个请求,只需要几行。不设置其他参数时,模型使用 high 思考档位和 64K 的同步输出上限[1]。
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-neon",
input="Build an interactive single-file HTML token bucket rate-limiter simulator with live sliders for burst size and request traffic."
)
print(interaction.output_text)如果你的应用是网页上的交互式聊天,延迟会直接影响用户的感受;如果是批量处理大量文档,单次请求的成本会被乘以很多次。两种场景下,合适的思考档位往往不同,所以下面的选择要结合自己的业务来看。
interaction.output_text 取出的就是回答文本。如果不用 SDK,可以直接发 POST 请求到 https://generativelanguage.googleapis.com/v1beta/interactions,把 API 密钥放在 x-goog-api-key 请求头里[1]。
四个思考档位怎么选
thinking_level 决定模型回答前做多少推理,是控制质量、延迟和 token 用量的主要开关。Neon 支持四档,默认是 high[1]:
low:token 最少,延迟最低,适合快速聊天和高吞吐的处理。medium:token 用量较低、回复更快,适合交互式编程、实时界面原型和对延迟敏感的工具调用。high:默认档位,也是 Google 推荐的大多数任务的起点,包括复杂编程、智能体执行、工具调用和多模态知识工作。xhigh:推理最深、消耗 token 最多,留给high解决不了的多步工程、分析和科研难题。它会增加延迟和 token 用量[1]。
Google 建议先用 high,只有在多步难题上 high 不够用时再换 xhigh[1]。评测的办法是:先用较高的 max_output_tokens 在四个档位上各跑一遍,再选满足质量要求的最低档位,这样既不会截断答案,也不浪费 token[1]。下面是把 thinking_level 设为 xhigh 的例子,场景是审查并发代码[1]:
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-neon",
input="Audit this payment retry queue for race conditions and rewrite the lock acquisition logic.",
generation_config={
"thinking_level": "xhigh"
}
)
print(interaction.output_text)长输出:超过 64K 怎么办
同步请求每次最多返回 65,536 个 token,流式和非流式都是这个上限。max_output_tokens 同时限制思考和输出的总和,所以设得太小,最终答案可能被截断[1]。
输出越长,单次请求等待的时间越久,所以生成几万甚至几十万 token 的内容时,后台模式比一直挂着一个 HTTP 连接更稳妥,客户端的超时时间也要相应设长[1]。要生成更长的内容,需要把 background 设为 true,同时把 max_output_tokens 设到 65,536 以上,最大可到 1,048,576 减去输入 token 数。服务端会按 64K 一段继续生成。只设 background 而不设 max_output_tokens,服务端会在 65,536 个 token 处停下[1]。下面的例子先创建后台任务,再轮询直到结束,最后拼接文本[1]:
import time
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-neon",
input="Generate a complete multi-module migration specification and test suite for this service.",
background=True,
generation_config={
"max_output_tokens": 262144,
"thinking_level": "high",
},
)
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
# Join text across all 64K continuation hops.
text = "".join(
content.text
for step in interaction.steps
if step.type == "model_output"
for content in step.content
if content.type == "text"
)
print(text)从旧版本迁移
从 Carbon、Argon 或 Hydrogen 迁移最简单:请求格式不用改,只要把模型 ID 换成 gemini-4-neon。但要留意默认档位,Neon 默认 high,而 Carbon 和 Argon 默认 medium 且最高到 high。如果你依赖旧的默认值,就显式设置 thinking_level[1]。
从 Gemini 3.8 Flash 或更早的 Gemini 3 迁移,改动更多[1]:
- 模型 ID 换成
gemini-4-neon。 - 删掉写死的低
max_output_tokens(比如 8,192),或者把它提到 65,536。 - 默认档位是
high,不再是medium;传入minimal会直接报错。 - 删掉请求里的
cached_content字段。Neon 不支持显式缓存(cachedContents和caches.create)[1]。 - 删掉
temperature、top_p和top_k。服务端会忽略范围内的自定义值,超出范围则返回 400 错误[1]。 - 多轮对话和工具调用用
previous_interaction_id保存会话状态。工具要用原生函数声明,不要只靠系统提示让模型输出自定义 JSON,否则可能返回MALFORMED_FUNCTION_CALL[1]。
迁移的关键不在改代码,而在验证结果。思考档位、输出上限和采样参数都变了,回答的长度、速度和成本都可能跟以前不同。比较稳妥的做法是先用自己的评测集在新模型上跑一遍,确认质量和费用都可以接受,再切换线上流量。
限制与常见问题
- 超时:困难的请求可能要跑好几分钟。可以用后台执行,或者把 HTTP 客户端的超时时间设到至少 15 分钟[1]。
- 账单:模型处理过的 token 全部计费,包括思考 token,以及内部的 grounding 系统指令和函数声明。使用 Google 搜索 grounding 时,每次查询还要另外计费[1]。
- 安全:Google 称 Neon 写出的代码安全漏洞更少,修补漏洞的根因分析也更好。防御方如需双用途的网络防御能力,可以通过 Fairwind 项目申请[1]。
- 智能体:Gemini Managed Agents 里的 Antigravity 智能体支持
gemini-4-neon,可以单独使用,也能和 Hydrogen 组成多模型工作流[1]。
下一步
上线前,模型参数、速率限制和价格以 Google 官方页面为准。想横向比较 Neon 和其他模型,可以先看「选择模型」指南[1]。
来源
- 1What's new in Gemini 4 NeonGemini API docs
引用本页: 上手 Gemini 4 Neon:快速调用、新功能和选型. TellWorld, https://www.tellworld.net/zh/practice/practice-gemini-4-neon. 更新于 2026-11-20