Gemini 4
gemini-4-neon
Google Gemini 4 Textinferenz-Serie: Carbon ist das stärkste Modell der Serie und für komplexe, mehrstufige und langfristige Aufgaben ausgelegt; Argon bietet ein ausgewogeneres Verhältnis von Leistung und Kosten. Unterstützt Text- und Bildeingaben sowie einen Kontext von 1 Mio. Token
- Kontextfenster
- 1,048,576
- Eingabe
- Max. Ausgabe
- 65,536 Tokens
- Veröffentlichung
- 2026-11-18
Try gemini-4-neon online
Preise
gemini-4-neon /1M tokens
| Spezifikationen | Einzelpreis |
|---|---|
| Eingabe | $4.53515 |
| Zwischengespeicherte Eingabe | $0.22676 |
| Ausgabe | $22.67574 |
gemini-4-neon @flex /1M tokens
| Spezifikationen | Einzelpreis |
|---|---|
| Eingabe | $2.26757 |
| Zwischengespeicherte Eingabe | $0.11338 |
| Ausgabe | $11.33787 |
Überblick
Positionierung
Gemini 4 Neon ist ein Textausgabemodell aus der Google Gemini 4-Serie, das zwischen Hydrogen und Carbon positioniert ist und einen Ausgleich zwischen Inferenztiefe und Fertigstellungsgeschwindigkeit schafft. Google positioniert es für komplexe Softwareentwicklung, analytisches Reasoning, Wissensarbeit im Unternehmen und Forschungsprozesse – Aufgaben, die sowohl tieferes Reasoning als auch eine schnelle Fertigstellung erfordern. Auf HiAPI wird es über die Chat-Completions-Schnittstelle aufgerufen, liefert Textresultate und unterstützt Streaming-Ausgabe.
Hauptmerkmale
- 1 Mio. Token Kontext – Lange Dokumente, Codebasis-Beschreibungen und mehrteilige Dialoge passen in dieselbe Aufgabe, sodass weniger segmentiert werden muss.
- Bis zu 65.536 Token pro Ausgabe – Langanalysen, vollständige Codedateien oder strukturierte Berichte können in einem Durchgang zurückgegeben werden.
- Drei Denkstufen (low / medium / high) – Je nach Aufgabenschwierigkeit wird zwischen Antwortgeschwindigkeit und Reasoning-Tiefe abgewogen.
- Zwei Routen: Standard und @flex – Dasselbe Modell; @flex kostet etwa die Hälfte der Standard-Route, hat aber höhere Latenz und eignet sich für Batch- und Offline-Aufgaben.
Fähigkeiten
Komplexes Coding und Fehlersuche: kann mehrere Quellcodes, Fehlerprotokolle und Anforderungsbeschreibungen gleichzeitig lesen und dateiübergreifende Änderungsvorschläge samt Begründung liefern – geeignet für mehrstufige Engineering-Aufgaben.
Analytisches Reasoning: mehrstufiges Reasoning, Vergleichen und Zusammenfassen langer Materialien; die Ergebnisse werden als Text in Form von Kernpunkten, Tabellen oder Berichtsstrukturen aufbereitet.
Wissensarbeit mit langem Kontext: ein ganzes Vertragswerk, technische Dokumentation oder Meeting-Protokolle werden im 1-Mio.-Token-Fenster verarbeitet – für Frage-Antwort, Entwürfe und Umschreibungen.
Einstellung der Denkstufe: über reasoning_effort wird low / medium / high gewählt – bei einfachen Fragen bringt eine niedrige Stufe Geschwindigkeit, bei schwierigen eine hohe Stufe Genauigkeit.
Anwendungsszenarien
- Entwickler bearbeiten dateiübergreifende Änderungen – relevanten Quellcode und Fehlerprotokolle in den Kontext legen, die Denkstufe erhöhen und Änderungsvorschläge samt Erläuterung erhalten.
- Analyse- und Forschungsteams fassen lange Materialien zusammen – Berichte, Papers oder Untersuchungsprotokolle eingeben und strukturierte Kernpunkte sowie Ergebnisvergleiche ausgeben.
- Frage-Antwort zur Unternehmenswissensbasis und Dokumententwürfe – auf Basis interner langer Dokumente Fragen beantworten oder Dokumentationen und erste Entwürfe erstellen.
- Latenzunempfindliche Batch-Aufgaben – Massenzusammenfassungen, Klassifizierung und Datenaufbereitung über die @flex-Route, zu etwa der Hälfte der Kosten der Standard-Route.
Einschränkungen und Auswahlhinweise
Gibt nur Text aus. Beim Aufruf über HiAPI stehen die Denkstufen low / medium / high zur Verfügung. Die @flex-Route hat eine höhere Latenz als die Standard-Route und kann bei angespannter Upstream-Kapazität zuerst abgelehnt werden; sie eignet sich nicht für Echtzeit-Dialoge. Wer Geschwindigkeit und Kosten priorisiert, kann Gemini 4 Hydrogen wählen; für die komplexesten und langwierigsten Aufgaben kommt Gemini 4 Carbon in Betracht.
Neuigkeiten
Changelog ansehen →- Neues Modell gemini-4-neon ist online: Die Gemini-4-Reihe mit einer Stufe, die Inferenztiefe und Geschwindigkeit ausbalanciert
- Neues Modell gemini-4-hydrogen ist verfügbar: die auf Geschwindigkeit und Kosten ausgelegte Stufe der Gemini-4-Serie
- Neues Modell Neue Modelle verfügbar: Gemini 4 Carbon, Gemini 4 Argon, Gemini 3.8 Flash
Artikel
Alle Artikel ansehen →-
Vergleichstest
Wie man gemini-4-neon im Vergleich zu ähnlichen Modellen auswählt: ein Quervergleichs- und Migrationsleitfaden für Entwickler
Von Fähigkeitsgrenzen über Token-Abrechnung bis zu Migrationskosten: ein umsetzbarer Entscheidungsrahmen für die Modellauswahl
-
Benutzerhandbuch
gemini-4-neon Einstiegsleitfaden: Grenzen der Textfähigkeiten, Zugangsparameter und Kostenkontrolle
Integrationsentscheidungen und praktische Hinweise für Entwickler
-
Tutorial
gemini-4-neon Anwendungsszenarien in der Praxis: 5 wertvolle Einsatzmöglichkeiten und Integrationshinweise
Ähnliche Modelle
Alle Modelle ansehen →Gleicher Typ
-
GLM 5.3 Zhipu AI $0.855 /1 Mio. Tokens -
Grok 4 xAI $0.210 /1 Mio. Tokens -
Gemini 3.8 Google $0.227 /1 Mio. Tokens -
DeepSeek V4 DeepSeek $0.014 /1 Mio. Tokens -
Kimi K3.1 Pro Moonshot AI $0.216 /1 Mio. Tokens -
GPT 6 OpenAI $0.0082 /1 Mio. Tokens -
Kimi K3 Moonshot AI $0.232 /1 Mio. Tokens -
GPT 5.6 OpenAI $0.050 /1 Mio. Tokens -
Gemini 4 Google $0.057 /1 Mio. Tokens -
Claude 5.5 Anthropic $0.100 /1 Mio. Tokens
Gleicher Anbieter
-
Google Virtual Try-On Google $0.107 /Bild -
Gemini 4 Google $0.057 /1 Mio. Tokens -
Veo 3.1 Google $0.290 /Sekunde -
Gemini 3.8 Google $0.227 /1 Mio. Tokens -
Lyria 3 Pro Google $0.140 /Song -
Gemini Omni 1.2 Google $0.023 /Sekunde -
Nano Banana 2 Google $0.018 /Bild -
Imagen 4 Google $0.030 /Bild -
Nano Banana 2 Lite Google $0.033 /Bild -
Gemini Omni 1.1 Google $0.450 /Video -
Veo 3.1 Fast Google $0.170 /Sekunde -
Nano Banana Pro Google $0.029 /Bild