La mayoría de los equipos va a conocer Gemini 4 Neon por una sola línea en un registro de cambios y una entrada nueva en una lista de modelos. La parte que decide la factura y el tiempo de espera está una capa más abajo. Neon piensa antes de responder, piensa en high por defecto, y cada token de pensamiento se cobra a la tarifa de salida de 15 dólares por millón de tokens.
Ese ajuste por defecto tiene sentido para el trabajo para el que Google construyó Neon. Google ubica Neon entre Hydrogen para el código diario y Carbon para los problemas más duros, y lo apunta al trabajo que cubre un repositorio entero, al trabajo con muchas llamadas a herramientas, y a documentos densos que necesitan cuidado. Buena parte del trabajo de código no es ese trabajo. Un renombre corto, una corrección de formato y un borrador de prueba de rutina no necesitan la misma profundidad que una sesión de depuración enredada. Este tutorial le da a cada nivel un trabajo, muestra el ajuste exacto en código, y termina con una prueba que puedes correr antes de confiar en cualquier nivel como ajuste por defecto en tu propia base de código.
Qué vas a construir o aprender
Vas a terminar con un ayudante pequeño en Python que llama a gemini-4-neon en cualquier nivel que nombres, la misma llamada en REST sin formato, y una tabla de rutas para trabajo de código que puedes pegar en tus propias notas. También vas a conocer las tres trampas que gastan dinero o rompen solicitudes en este modelo: enviar minimal, enviar el campo viejo de presupuesto junto al nivel, y dejar un límite bajo de salida en su lugar mientras el modelo lo gasta todo en pensamiento.
La lección más profunda es un hábito. Un nivel de pensamiento no es un interruptor de calidad que ajustas una vez y olvidas. Es una elección por trabajo, como un tiempo de espera o un conteo de reintentos. Un código que nombra el nivel en un solo lugar, que registra el costo junto a él, y que prueba la elección en tareas reales va a envejecer bien a medida que Google suma modelos y cambia ajustes por defecto. Un código que hereda un ajuste por defecto en silencio va a derivar cada vez que un proveedor mueve ese ajuste, y Neon lo prueba por sí solo. Una llamada copiada desde Argon o Carbon llega sin nivel nombrado y empieza en silencio en high en Neon, donde esos modelos más viejos empiezan en medium.
Cuatro niveles, cuatro tirones. Cuanto más alto el tirón, más pensamiento gasta el modelo antes de escribir una línea. Ilustración: Dirty Static
Antes de empezar
Aprende qué significa cada nivel en palabras de Google antes de asignar cualquiera a tu trabajo. La guía de pensamiento de Google describe low como menos tokens de pensamiento para respuestas más rápidas en trabajo de baja complejidad. Describe medium como un equilibrio entre calidad de razonamiento y latencia para trabajo de complejidad moderada. Describe high como razonamiento profundo para indicaciones complejas, con resolución de problemas en varios pasos, verificaciones formales de código y uso de herramientas en varios turnos nombrados en la guía. Describe xhigh como la capacidad máxima de pensamiento para las matemáticas más duras, la ciencia, las verificaciones formales y el trabajo de software de horizonte largo. Para Neon en su propia guía de lanzamiento, Google afina el mapa de código: low para trabajo rápido en volumen, medium para código interactivo, y xhigh solo donde high se queda corto, porque xhigh usa más tokens y toma más tiempo.
Dos rechazos pertenecen a tus notas antes de la primera llamada. El nivel minimal devuelve un error en Neon y en cada modelo Gemini 4, según la guía de pensamiento de Google. El campo viejo thinking_budget pertenece a Gemini 2.5 y modelos más viejos. Enviar el nivel y el presupuesto juntos devuelve un error en Gemini 3 y modelos posteriores. Un solo control a la vez, y en Neon ese control es el nivel. Una segunda nota de alcance importa para el trabajo en chat. Las firmas de pensamiento son el registro cifrado del estado de razonamiento que Google usa entre turnos. Si usas sesiones de chat o agregas respuestas completas a tu historial, el SDK las lleva por ti. Si reconstruyes el historial a mano, devuelve las partes retornadas enteras, en cualquier nivel, o los turnos posteriores pueden perder contexto.
| Nivel | Guía de Google en breve | Trabajo de código al que se ajusta |
|---|---|---|
low | La menor cantidad de tokens entre los cuatro, respuestas más rápidas, baja complejidad | Ediciones rápidas, borradores de código común, ayuda para renombrar, resúmenes cortos de una diferencia |
medium | Equilibra calidad y latencia, complejidad moderada | Código interactivo, trabajo de función en un solo sector, borradores de pruebas, explicaciones de código |
high | Razonamiento profundo, indicaciones complejas, verificaciones formales, uso de herramientas en varios turnos. Ajuste por defecto en Neon | Trabajo en muchos archivos, depuración con pruebas, corridas de agente con muchos pasos |
xhigh | Capacidad máxima, problemas más duros, trabajo de software de horizonte largo | Fallas de arquitectura y errores tercos donde high mostró una falta real |
Paso 1: instala el SDK y ajusta tu clave
Acción: instala el SDK de Google Gen AI, crea una clave en Google AI Studio dentro de un proyecto de nivel pago, y guarda la clave en una variable de entorno. Usa un marcador en cada nota, registro y captura que compartas. Nunca pegues una clave real en código que confirmes.
pip install --upgrade google-genai
export GEMINI_API_KEY="your key here"
Resultado esperado: la instalación termina y la variable queda ajustada para esta sesión de terminal. El cliente del SDK en los pasos siguientes lee esa variable por sí solo. El paso en REST lee la misma variable en su encabezado, así que ningún paso de este tutorial escribe una clave real en un cuerpo de solicitud.
Paso 2: haz una llamada base sin nivel ajustado
Acción: corre esta llamada sin ningún ajuste de pensamiento. En Neon, ningún ajuste significa high. Esta base es el número contra el que se compara cada elección posterior.
from google import genai
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-neon",
contents="Explain in two sentences why a test that passes alone can fail in a full suite run.",
)
print(response.text)
print(response.usage_metadata)
Resultado esperado: la respuesta se imprime y el bloque de uso se imprime con ella. Encuentra el conteo de tokens de pensamiento en ese bloque. Google nota que un modelo puede responder algunas solicitudes simples sin partes de pensamiento en absoluto, aun con el pensamiento activado, así que un código que lee el conteo debe manejar un valor ausente sin fallar. Registra el conteo y el tiempo de espera junto a la indicación. Vas a querer ambos cuando el Paso 6 construya tu tabla de rutas.
Paso 3: ajusta low y medium para el código diario
Acción: suma una configuración de pensamiento y ajusta el nivel a LOW, luego corre la misma indicación en MEDIUM. La forma en Python usa las clases de configuración del SDK, y los valores de nivel son los miembros de enumeración que la guía de Google lista.
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-4-neon",
contents="Draft a short commit message for a fix to a login timeout.",
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(
thinking_level=types.ThinkingLevel.LOW
)
),
)
print(response.text)
print(response.usage_metadata)
Resultado esperado: la respuesta vuelve más rápido que la base en trabajo de este tamaño, con un conteo más bajo de tokens de pensamiento en el bloque de uso. Cambia el único valor de enumeración a MEDIUM y corre una indicación con más peso, como redactar una prueba para una función nombrada o explicar un módulo que nombras en la indicación. Google ubica medium para código interactivo, y ese es el modelo mental correcto. Cuando te sientas en el editor y esperas cada respuesta antes de escribir la indicación siguiente, la latencia da forma al trabajo tanto como la profundidad. Un nivel que responde bien en la mitad del tiempo puede ser la mejor herramienta para ese ciclo, aun cuando high anota un poco más alto en un conjunto duro.
Paso 4: usa high con propósito y reserva xhigh
Acción: envuelve la llamada en un ayudante que toma el nivel como argumento, para que la ruta viva en un solo lugar en tu código. Luego llama ese ayudante en HIGH para trabajo en muchos archivos y en XHIGH solo para un trabajo donde high ya falló.
from google import genai
from google.genai import types
client = genai.Client()
def ask(prompt, level):
return client.models.generate_content(
model="gemini-4-neon",
contents=prompt,
config=types.GenerateContentConfig(
thinking_config=types.ThinkingConfig(thinking_level=level)
),
)
review = ask("Review this module for race conditions and list each one you find with the file and line you base it on.", types.ThinkingLevel.HIGH)
hard = ask("Find why this retry queue loses jobs under load. Show your checks in order and name what would prove each one wrong.", types.ThinkingLevel.XHIGH)
print(review.text)
print(hard.text)
Resultado esperado: ambas llamadas vuelven, y los bloques de uso muestran la brecha en tokens de pensamiento entre los niveles en indicaciones de tu propio trabajo. high gana su lugar en depuración que debe guardar estado entre archivos y turnos, en corridas de agente que planean una secuencia de llamadas a herramientas, y en verificaciones formales donde un caso borde perdido cuesta más que los tokens. xhigh toma más tiempo para empezar y gasta más tokens de nuevo. Ese intercambio es el punto del nivel, y es por qué el nivel se queda raro. Google lo reserva para problemas difíciles en varios pasos donde high se queda corto, y la guía de lanzamiento de Neon repite ese límite en casi las mismas palabras. Si un trabajo no falló en high de una forma que puedas señalar, todavía no ganó xhigh.
Una nota práctica de la guía de migración para esta familia. Las indicaciones difíciles pueden tomar varios minutos. Ajusta los tiempos de espera del cliente HTTP a por lo menos 15 minutos para llamadas Neon, o usa ejecución en segundo plano para trabajos largos, para que un nivel profundo no muera como un tiempo de espera de cliente que parece una falla del modelo. Nuestra guía sobre niveles de pensamiento en Gemini 4 Hydrogen cubre las mismas trampas de tiempo de espera y límite en el modelo hermano, y las reglas se llevan con solo el precio y la historia del ajuste por defecto cambiados.
Paso 5: ajusta el mismo nivel en REST sin formato
Acción: para pilas sin el SDK de Python, envía el nivel dentro de generationConfig en el cuerpo de la solicitud. En REST el campo es thinkingConfig y el campo de nivel dentro de él es thinkingLevel, escrito como una cadena simple en minúsculas.
curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemini-4-neon:generateContent" -H "Content-Type: application/json" -H "x-goog-api-key: $GEMINI_API_KEY" -d '{"contents": [{"parts": [{"text": "Summarize this release note in one line: The server now retries failed uploads twice."}]}], "generationConfig": {"thinkingConfig": {"thinkingLevel": "medium"}, "maxOutputTokens": 65536}}'
Resultado esperado: una respuesta JSON vuelve con el texto de respuesta y un bloque de uso que lleva el conteo de tokens de pensamiento. Cambia solo la cadena para moverte entre low, medium, high y xhigh. Nota el límite de salida en el ejemplo. El campo limita el pensamiento y la salida final juntos, así que súbelo a 65 536 para trabajo de agente y baja el nivel de pensamiento cuando necesitas ahorrar tokens, como Google aconseja para esta familia. Si un cuerpo de solicitud todavía lleva un campo thinkingBudget de código de la era Gemini 2.5, quítalo antes de depurar cualquier otra cosa. Ese resto es la razón más común por la que una solicitud Neon sana vuelve como un error. La misma advertencia vale para campos de muestreo dejados por modelos más viejos. Una cobertura de la guía de migración de Neon nota que temperature, top_p y top_k se ignoran cuando están en rango y se rechazan cuando están fuera de rango en modelos Gemini 4, así que quítalos de los puntos de llamada nuevos de Neon.
Paso 6: prueba el nivel más barato que todavía aprueba
Acción: construye un conjunto pequeño de pruebas desde tu propio trabajo de código. Elige diez a veinte tareas donde ya sabes cómo se ve un buen resultado: un error con una prueba que falla, una refactorización con una especificación clara, una revisión donde las fallas se conocen, y un conjunto de ediciones pequeñas que haces cada semana. Corre cada tarea en low, medium y high. Corre xhigh solo en las tareas donde high falló. Anota cada resultado contra tu buena respuesta conocida, corre cualquier código que el modelo escribe en tus propias pruebas, y registra el conteo de tokens de pensamiento y el tiempo de espera junto a cada nota.
Resultado esperado: una tabla que puedes defender ante un compañero y ante ti mismo el mes que viene. La mayoría de las ediciones pequeñas y los borradores van a aprobar en low o medium. El trabajo en muchos archivos se va a ordenar solo hacia high. Como mucho una tarea o dos van a justificar xhigh, y esas tareas van a nombrar la regla de ruta para ese nivel. Pon precio a la tabla antes de guardarla. Toma una clase de tareas en volumen, pon precio a sus tokens de pensamiento a 15 dólares por millón de tokens de salida una vez en el conteo de high y una vez en el conteo más bajo que aprueba, y multiplica la brecha por tu conteo mensual de llamadas. Esa cifra, en tus propios números, es lo que este ajuste vale. Conserva el conjunto de pruebas y córrelo de nuevo cuando Google actualice el modelo, porque un nivel que aprobó el mes pasado es una afirmación sobre una versión del modelo, no una ley.
El conjunto de pruebas es la prueba. Un nivel gana su lugar en tareas que puedes anotar, no en un gráfico de lanzamiento. Ilustración: Dirty Static
Para un ejemplo trabajado del hábito de la primera corrida cuidadosa en otra superficie, nuestro tutorial sobre cómo iniciar Gemini 4 Neon en Copilot con seguridad corre el mismo modelo dentro de un editor con una rama, aprobaciones y una revisión de diferencia como su cerca. La ruta de API de este tutorial y la cerca de editor de ese otro tutorial combinan bien. Una controla el costo por llamada, la otra controla el radio de daño por tarea.
Verificación
Corre estas verificaciones y registra lo que ves. Una llamada sin nivel ajustado se comporta como high y muestra un conteo de pensamiento en cualquier indicación que necesita pensamiento. La misma indicación en low vuelve con un conteo más bajo y un inicio más rápido. La llamada REST del Paso 5 devuelve la misma forma de respuesta que las llamadas en Python. Tu tabla del conjunto de pruebas del Paso 6 nombra, para cada clase de tareas que corres, el nivel más bajo que aprobó, y tu ayudante de rutas usa esos niveles y ningún otro. Tu tiempo de espera de cliente permite que una llamada profunda termine, y ningún punto de llamada en tu código envía minimal o un campo de presupuesto junto al nivel.
Termina con la verificación de dinero del Paso 6 enunciada en una línea: el ahorro mensual entre el ajuste por defecto high y tus niveles con ruta, en tus propios conteos de tareas. Si no puedes enunciar esa línea, la ruta es una suposición, por ordenado que se vea el código.
Solución de problemas
| Problema | Causa probable | Corrección |
|---|---|---|
| La solicitud devuelve un error que nombra el nivel de pensamiento | El nivel se ajustó a minimal, que ningún modelo Gemini 4 admite | Usa low como piso en Neon y quita cualquier valor minimal dejado por código de la era Gemini 3 |
| La solicitud falla después de un paso desde código Gemini 2.5 | El cuerpo todavía lleva thinkingBudget o thinking_budget, solo o junto al nivel | Quita el campo de presupuesto y ajusta el nivel solo, como en los Pasos 3 y 5 |
| La respuesta está vacía o se detiene temprano con una razón de límite de tokens | El pensamiento gastó todo el límite de salida antes de que se produjera el texto de respuesta | Sube maxOutputTokens para esa llamada, hasta 65 536, o baja el nivel para esa indicación |
| Los costos saltan después de un paso desde Argon o Carbon sin cambio de código en la indicación | Neon ajusta por defecto a high donde Argon y Carbon ajustan a medium, así que la misma llamada piensa más profundo | Ajusta el nivel en código en cada punto de llamada Neon antes de comparar precio o calidad |
xhigh se siente lento y la factura sube sin mejores respuestas | El nivel está en indicaciones que no lo necesitan y el modelo gasta tokens sin ganancia | Devuelve esos puntos de llamada a high o más bajo y reserva xhigh para trabajos donde high falló en tu conjunto de pruebas |
| Ningún conteo de pensamiento aparece en una indicación simple | El modelo respondió una solicitud de baja complejidad sin partes de pensamiento, lo que Google dice que puede pasar | Trata un conteo ausente como cero para registros y nunca falles una solicitud porque los campos de pensamiento están vacíos |
| Un chat largo pierde contexto cuando el nivel cambia | Un historial reconstruido a mano dejó caer las firmas de pensamiento que llevan el estado de razonamiento entre turnos | Usa una sesión de chat, o agrega objetos de respuesta completos al historial, para que el SDK devuelva las firmas por ti |
| Una llamada profunda muere como un tiempo de espera | El tiempo de espera del cliente es más corto que lo que una indicación Neon difícil necesita | Sube el tiempo de espera del cliente HTTP a por lo menos 15 minutos o usa ejecución en segundo plano para trabajos largos |
Pasos siguientes
Conserva la tabla de rutas junto a tu configuración de modelo y revísala después de tu primera semana de trabajo real con Neon. Dos números te van a decir si la tabla es correcta: con qué frecuencia un resultado necesitó una corrección en su nivel asignado, y cuánto costó cada clase de tareas terminada. Ajusta un nivel a la vez y corre el conjunto de pruebas de nuevo después de cada cambio, para saber qué cambio movió qué número.
Cuando una clase de tareas supera a Neon mismo, la familia te da un movimiento siguiente claro en cada dirección. Hydrogen se queda como el ajuste por defecto más barato para código diario a 1,50 dólares por millón de tokens de entrada y 7,50 dólares por millón de tokens de salida. Carbon se queda como el paso hacia arriba para arquitectura, depuración profunda y trabajo de seguridad donde la profundidad importa más que la velocidad. Neon gana su lugar del medio solo en las tareas donde tu tabla muestra a Hydrogen quedándose corto y a Carbon costando más tiempo del que el trabajo puede ahorrar. Esa es una afirmación más estrecha que la que hace cualquier artículo de lanzamiento, y es la única que tus propias pruebas pueden probar.
Hechos verificados contra la documentación de pensamiento de Google Cloud, las notas de versión y la cobertura de precios de la API de Gemini, y la guía de migración de Neon el 19 de noviembre de 2026. Los precios y los ajustes por defecto son valores publicados por Google y pueden cambiar. Este procedimiento se verificó contra esos documentos y no se presenta como una prueba personal con una clave en vivo.
Fuentes
- Google Cloud, documentación Thinking para la plataforma Gemini Enterprise Agent, incluido el cuadro de niveles admitidos y ajustes por defecto que lista Gemini 4 Neon como
low,medium,high,xhighconhighcomo ajuste por defecto, verificado el 19 de noviembre de 2026: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/thinking - Google, notas de versión de la API de Gemini, precios y página del modelo Gemini 4 Neon, por una cobertura de lanzamiento verificada el 19 de noviembre de 2026. Neon listado como disponible en general el 18 de noviembre de 2026, solo en nivel pago, a 3 dólares por millón de tokens de entrada y 15 dólares por millón de tokens de salida, con una ventana compartida de 1 048 576 tokens
- Google, Introducing Gemini 4 Neon, 18 de noviembre de 2026, afirmaciones de lanzamiento y guía de nivel por una cobertura verificada el 19 de noviembre de 2026, incluida la sugerencia de reservar
xhighpara problemas duros en varios pasos dondehighse queda corto - Guía de migración de Neon por una cobertura verificada el 19 de noviembre de 2026, incluidas las notas sobre el ajuste explícito del nivel al pasar desde Argon o Carbon, los límites de salida, los tiempos de espera de por lo menos 15 minutos, y los campos de muestreo en modelos Gemini 4
- Imágenes de héroe, de dial y de evaluación: ilustraciones Dirty Static
FIN DE LA TRANSMISIÓN
Mantén la curiosidad. Cuestiónalo todo.


