La plupart des équipes vont rencontrer Gemini 4 Neon par une seule ligne dans un journal des changements et une nouvelle entrée dans une liste de modèles. La partie qui décide de la facture et du temps d attente se trouve une couche plus bas. Neon réfléchit avant de répondre, il réfléchit à high par défaut, et chaque jeton de réflexion est facturé au tarif de sortie de 15 dollars par million de jetons.
Ce réglage par défaut a du sens pour le travail pour lequel Google a construit Neon. Google place Neon entre Hydrogen pour le codage quotidien et Carbon pour les problèmes les plus durs, et il destine Neon au travail qui couvre un dépôt entier, au travail avec de nombreux appels d outils, et aux documents denses qui demandent du soin. Une bonne partie du travail de codage n est pas ce travail là. Un court renommage, une correction de format et un brouillon de test ordinaire n ont pas besoin de la même profondeur qu une session de débogage emmêlée. Ce tutoriel donne à chaque niveau un travail, montre le réglage exact dans le code, et se termine par un test que vous pouvez lancer avant de faire confiance à un niveau comme réglage par défaut dans votre propre base de code.
Ce que vous allez construire ou apprendre
Vous allez terminer avec un petit assistant Python qui appelle gemini-4-neon au niveau que vous nommez, le même appel en REST brut, et un tableau d aiguillage pour le travail de codage que vous pouvez coller dans vos propres notes. Vous allez aussi connaître les trois pièges qui gaspillent de l argent ou brisent des demandes sur ce modèle: envoyer minimal, envoyer l ancien champ de budget à côté du niveau, et laisser un plafond de sortie bas en place pendant que le modèle le dépense en entier en réflexion.
La leçon plus profonde est une habitude. Un niveau de réflexion n est pas un interrupteur de qualité que l on règle une fois pour l oublier. C est un choix par travail, comme un délai ou un nombre de tentatives. Un code qui nomme le niveau à un seul endroit, qui note le coût à côté, et qui prouve le choix sur des tâches réelles va bien vieillir à mesure que Google ajoute des modèles et change les réglages par défaut. Un code qui hérite d un réglage par défaut en silence va dériver chaque fois qu un fournisseur déplace ce réglage, et Neon le prouve à lui seul. Un appel copié depuis Argon ou Carbon arrive sans niveau nommé et commence en silence à high sur Neon, alors que ces modèles plus anciens commencent à medium.
Quatre niveaux, quatre tirages. Plus le tirage est grand, plus le modèle dépense de réflexion avant d écrire une ligne. Illustration: Dirty Static
Avant de commencer
Apprenez ce que chaque niveau veut dire dans les mots de Google avant d en assigner un à votre travail. Le guide de réflexion de Google décrit low comme moins de jetons de réflexion pour des réponses plus rapides sur un travail de faible complexité. Il décrit medium comme un équilibre entre qualité de raisonnement et latence pour un travail de complexité modérée. Il décrit high comme un raisonnement profond pour des invites complexes, avec la résolution de problèmes en plusieurs étapes, les vérifications formelles de code et l usage d outils sur plusieurs tours nommés dans le guide. Il décrit xhigh comme la capacité de réflexion maximale pour les mathématiques les plus dures, la science, les vérifications formelles et le travail logiciel à long horizon. Pour Neon dans ses propres conseils de lancement, Google précise la carte du codage: low pour le travail rapide à volume élevé, medium pour le codage interactif, et xhigh seulement là où high ne suffit pas, parce que xhigh utilise plus de jetons et prend plus de temps.
Deux refus appartiennent à vos notes avant le premier appel. Le niveau minimal renvoie une erreur sur Neon et sur chaque modèle Gemini 4, selon le guide de réflexion de Google. L ancien champ thinking_budget appartient à Gemini 2.5 et aux modèles plus anciens. Envoyer le niveau et le budget ensemble renvoie une erreur sur Gemini 3 et les modèles plus récents. Un seul contrôle à la fois, et sur Neon ce contrôle est le niveau. Une seconde note de portée compte pour le travail en discussion. Les signatures de pensée sont le registre chiffré de l état de raisonnement que Google utilise d un tour à l autre. Si vous utilisez des sessions de discussion ou si vous ajoutez des réponses complètes à votre historique, le SDK les transporte pour vous. Si vous reconstruisez l historique à la main, renvoyez les parties retournées en entier, à tout niveau, sinon les tours suivants peuvent perdre le contexte.
| Niveau | Conseils de Google en bref | Travail de codage auquel il convient |
|---|---|---|
low | Le moins de jetons parmi les quatre, les réponses les plus rapides, faible complexité | Modifications rapides, brouillons de code courant, aide au renommage, courts résumés d une différence |
medium | Équilibre entre qualité et latence, complexité modérée | Codage interactif, travail de fonction dans un seul secteur, brouillons de tests, explications de code |
high | Raisonnement profond, invites complexes, vérifications formelles, usage d outils sur plusieurs tours. Réglage par défaut sur Neon | Travail sur de nombreux fichiers, débogage avec tests, exécutions d agent en de nombreuses étapes |
xhigh | Capacité maximale, problèmes les plus durs, travail logiciel à long horizon | Fautes d architecture et bogues tenaces où high a montré une vraie lacune |
Étape 1: installer le SDK et régler votre clé
Action: installez le SDK Google Gen AI, créez une clé dans Google AI Studio dans un projet au tarif payant, et gardez la clé dans une variable d environnement. Utilisez un texte de remplacement dans chaque note, journal et capture que vous partagez. Ne collez jamais une vraie clé dans un code que vous validez.
pip install --upgrade google-genai
export GEMINI_API_KEY="your key here"
Résultat attendu: l installation se termine et la variable est réglée pour cette session de terminal. Le client du SDK dans les étapes ci dessous lit cette variable de lui même. L étape REST lit la même variable dans son en tête, donc aucune étape de ce tutoriel n écrit une vraie clé dans un corps de demande.
Étape 2: faire un appel de base sans niveau réglé
Action: lancez cet appel sans aucun réglage de réflexion. Sur Neon, aucun réglage veut dire high. Cette base est le nombre auquel chaque choix plus tard se compare.
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)
Résultat attendu: la réponse s affiche et le bloc d usage s affiche avec elle. Trouvez le nombre de jetons de réflexion dans ce bloc. Google note qu un modèle peut répondre à certaines demandes simples sans aucune partie de pensée, même avec la réflexion activée, donc un code qui lit le nombre doit gérer une valeur absente sans échouer. Notez le nombre et le temps d attente à côté de l invite. Vous voudrez les deux quand l étape 6 construira votre tableau d aiguillage.
Étape 3: régler low et medium pour le codage quotidien
Action: ajoutez une configuration de réflexion et réglez le niveau à LOW, puis lancez la même invite à MEDIUM. La forme Python utilise les classes de configuration du SDK, et les valeurs de niveau sont les membres d énumération que le guide de Google liste.
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)
Résultat attendu: la réponse revient plus vite que la base sur un travail de cette taille, avec un nombre de jetons de réflexion plus bas dans le bloc d usage. Changez la seule valeur d énumération pour MEDIUM et lancez une invite avec plus de poids, comme rédiger un test pour une fonction nommée ou expliquer un module que vous nommez dans l invite. Google place medium pour le codage interactif, et c est le bon modèle mental. Quand vous êtes assis dans l éditeur et que vous attendez chaque réponse avant de taper l invite suivante, la latence façonne le travail autant que la profondeur. Un niveau qui répond bien en moitié moins de temps peut être le meilleur outil pour cette boucle, même quand high obtient un score un peu plus élevé sur un ensemble dur.
Étape 4: utiliser high à dessein et réserver xhigh
Action: enveloppez l appel dans un assistant qui prend le niveau comme argument, pour que l aiguillage vive à un seul endroit dans votre code. Puis appelez cet assistant à HIGH pour un travail sur de nombreux fichiers et à XHIGH seulement pour un travail où high a déjà manqué.
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)
Résultat attendu: les deux appels reviennent, et les blocs d usage montrent l écart de jetons de réflexion entre les niveaux sur des invites issues de votre propre travail. high gagne sa place sur un débogage qui doit garder un état sur des fichiers et des tours, sur des exécutions d agent qui planifient une suite d appels d outils, et sur des vérifications formelles où un cas limite manqué coûte plus que des jetons. xhigh prend plus de temps à démarrer et dépense encore plus de jetons. Cet échange est le but du niveau, et c est pourquoi le niveau reste rare. Google le réserve aux problèmes difficiles en plusieurs étapes où high ne suffit pas, et les conseils de lancement de Neon répètent cette limite en presque les mêmes mots. Si un travail n a pas échoué à high d une façon que vous pouvez montrer, il n a pas encore mérité xhigh.
Une note pratique issue des conseils de migration pour cette famille. Les invites difficiles peuvent prendre plusieurs minutes. Réglez les délais de client HTTP à au moins 15 minutes pour les appels Neon, ou utilisez l exécution en arrière plan pour les travaux longs, pour qu un niveau profond ne meure pas comme un délai de client qui ressemble à un échec du modèle. Notre guide sur les niveaux de réflexion dans Gemini 4 Hydrogen couvre les mêmes pièges de délai et de plafond dans le modèle frère, et les règles se transportent avec seulement le prix et l histoire du réglage par défaut changés.
Étape 5: régler le même niveau en REST brut
Action: pour les piles sans le SDK Python, envoyez le niveau dans generationConfig dans le corps de la demande. En REST le champ est thinkingConfig et le champ de niveau à l intérieur est thinkingLevel, écrit comme une chaîne simple en minuscules.
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}}'
Résultat attendu: une réponse JSON revient avec le texte de réponse et un bloc d usage qui porte le nombre de jetons de réflexion. Changez seulement la chaîne pour passer entre low, medium, high et xhigh. Notez le plafond de sortie dans l exemple. Le champ plafonne la réflexion et la sortie finale ensemble, donc relevez le à 65 536 pour le travail d agent et baissez le niveau de réflexion quand vous devez économiser des jetons, comme Google le conseille pour cette famille. Si un corps de demande porte encore un champ thinkingBudget issu de code de l ère Gemini 2.5, retirez le avant de déboguer quoi que ce soit d autre. Ce reste est la raison la plus courante pour laquelle une demande Neon saine revient comme une erreur. Le même avertissement vaut pour les champs d échantillonnage laissés par des modèles plus anciens. Une couverture des conseils de migration de Neon note que temperature, top_p et top_k sont ignorés quand ils sont dans la plage et rejetés quand ils sont hors plage sur les modèles Gemini 4, donc retirez les des nouveaux points d appel Neon.
Étape 6: prouver le niveau le moins cher qui réussit encore
Action: construisez un petit ensemble de tests à partir de votre propre travail de codage. Choisissez dix à vingt tâches où vous savez déjà à quoi ressemble un bon résultat: un bogue avec un test qui échoue, une refonte avec une spécification claire, une revue où les fautes sont connues, et un ensemble de petites modifications que vous faites chaque semaine. Lancez chaque tâche à low, medium et high. Lancez xhigh seulement sur les tâches où high a manqué. Notez chaque résultat contre votre bonne réponse connue, lancez tout code que le modèle écrit dans vos propres tests, et notez le nombre de jetons de réflexion et le temps d attente à côté de chaque note.
Résultat attendu: un tableau que vous pouvez défendre devant un collègue et devant vous même le mois prochain. La plupart des petites modifications et des brouillons vont réussir à low ou medium. Le travail sur de nombreux fichiers va se trier de lui même vers high. Au plus une tâche ou deux vont justifier xhigh, et ces tâches vont nommer la règle d aiguillage pour ce niveau. Prixez le tableau avant de le ranger. Prenez une classe de tâches à volume élevé, prixez ses jetons de réflexion à 15 dollars par million de jetons de sortie une fois au nombre de high et une fois au nombre le plus bas qui réussit, et multipliez l écart par votre nombre d appels mensuel. Ce chiffre, dans vos propres nombres, est ce que ce réglage vaut. Gardez l ensemble de tests et lancez le de nouveau quand Google met le modèle à jour, parce qu un niveau qui a réussi le mois passé est une affirmation sur une version du modèle, pas une loi.
L ensemble de tests est la preuve. Un niveau gagne sa place sur des tâches que vous pouvez noter, pas sur un graphique de lancement. Illustration: Dirty Static
Pour un exemple travaillé de l habitude du premier essai prudent dans une autre surface, notre tutoriel sur la façon de démarrer Gemini 4 Neon dans Copilot en sécurité lance le même modèle dans un éditeur avec une branche, des approbations et une lecture de différence comme clôture. L aiguillage API de ce tutoriel et la clôture d éditeur de cet autre tutoriel vont bien ensemble. L un contrôle le coût par appel, l autre contrôle le rayon des dégâts par tâche.
Vérification
Lancez ces vérifications et notez ce que vous voyez. Un appel sans niveau réglé se comporte comme high et montre un nombre de réflexion sur toute invite qui a besoin de réflexion. La même invite à low revient avec un nombre plus bas et un départ plus rapide. L appel REST de l étape 5 renvoie la même forme de réponse que les appels Python. Votre tableau d ensemble de tests de l étape 6 nomme, pour chaque classe de tâches que vous lancez, le niveau le plus bas qui a réussi, et votre assistant d aiguillage utilise ces niveaux et aucun autre. Votre délai de client permet à un appel profond de se terminer, et aucun point d appel dans votre code n envoie minimal ou un champ de budget à côté du niveau.
Terminez par la vérification d argent de l étape 6 énoncée en une ligne: l économie mensuelle entre le réglage par défaut high et vos niveaux aiguillés, sur vos propres nombres de tâches. Si vous ne pouvez pas énoncer cette ligne, l aiguillage est une supposition, si propre que le code paraisse.
Dépannage
| Problème | Cause probable | Correctif |
|---|---|---|
| La demande renvoie une erreur qui nomme le niveau de réflexion | Le niveau a été réglé à minimal, qu aucun modèle Gemini 4 ne prend en charge | Utilisez low comme plancher sur Neon et retirez toute valeur minimal laissée par du code de l ère Gemini 3 |
| La demande échoue après un passage depuis du code Gemini 2.5 | Le corps porte encore thinkingBudget ou thinking_budget, seul ou à côté du niveau | Retirez le champ de budget et réglez le niveau seul, comme aux étapes 3 et 5 |
| La réponse est vide ou s arrête tôt avec une raison de limite de jetons | La réflexion a dépensé tout le plafond de sortie avant que le texte de réponse soit produit | Relevez maxOutputTokens pour cet appel, jusqu à 65 536, ou baissez le niveau pour cette invite |
| Les coûts sautent après un passage depuis Argon ou Carbon sans changement de code dans l invite | Neon règle par défaut à high là où Argon et Carbon règlent à medium, donc le même appel réfléchit plus profond | Réglez le niveau dans le code à chaque point d appel Neon avant de comparer le prix ou la qualité |
xhigh semble lent et la facture monte sans de meilleures réponses | Le niveau siège sur des invites qui n en ont pas besoin et le modèle dépense des jetons sans gain | Renvoyez ces points d appel à high ou plus bas et réservez xhigh aux travaux où high a échoué dans votre ensemble de tests |
| Aucun nombre de réflexion n apparaît sur une invite simple | Le modèle a répondu à une demande de faible complexité sans parties de pensée, ce que Google dit pouvoir arriver | Traitez un nombre absent comme zéro pour les journaux et n échouez jamais une demande parce que les champs de pensée sont vides |
| Une longue discussion perd le contexte quand le niveau change | Un historique reconstruit à la main a laissé tomber les signatures de pensée qui portent l état de raisonnement d un tour à l autre | Utilisez une session de discussion, ou ajoutez des objets de réponse complets à l historique, pour que le SDK renvoie les signatures pour vous |
| Un appel profond meurt comme un délai dépassé | Le délai de client est plus court que ce qu une invite Neon difficile demande | Relevez le délai de client HTTP à au moins 15 minutes ou utilisez l exécution en arrière plan pour les travaux longs |
Prochaines étapes
Gardez le tableau d aiguillage à côté de votre configuration de modèle et revoyez le après votre première semaine de vrai travail Neon. Deux nombres vont vous dire si le tableau est juste: à quelle fréquence un résultat a eu besoin d une correction à son niveau assigné, et ce que chaque classe de tâches terminée a coûté. Ajustez un niveau à la fois et lancez l ensemble de tests de nouveau après chaque changement, pour savoir quel changement a déplacé quel nombre.
Quand une classe de tâches dépasse Neon lui même, la famille vous donne un prochain mouvement clair dans chaque direction. Hydrogen reste le réglage par défaut moins cher pour le codage quotidien à 1,50 dollar par million de jetons en entrée et 7,50 dollars par million de jetons en sortie. Carbon reste le pas vers le haut pour l architecture, le débogage profond et le travail de sécurité où la profondeur compte plus que la vitesse. Neon gagne sa place du milieu seulement sur les tâches où votre tableau montre Hydrogen qui ne suffit pas et Carbon qui coûte plus de temps que le travail peut en épargner. C est une affirmation plus étroite que celle que tout article de lancement fait, et c est la seule que vos propres tests peuvent prouver.
Faits vérifiés contre la documentation de réflexion de Google Cloud, les notes de version et la couverture des prix de l API Gemini, et les conseils de migration de Neon le 19 novembre 2026. Les prix et les réglages par défaut sont des valeurs publiées par Google et peuvent changer. Cette procédure a été vérifiée contre ces documents et n est pas présentée comme un essai personnel avec une clé en direct.
Sources
- Google Cloud, documentation Thinking pour la plateforme Gemini Enterprise Agent, y compris le tableau des niveaux pris en charge et des réglages par défaut qui liste Gemini 4 Neon comme
low,medium,high,xhighavechighcomme réglage par défaut, vérifié le 19 novembre 2026: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/thinking - Google, notes de version de l API Gemini, prix et page du modèle Gemini 4 Neon, par une couverture de lancement vérifiée le 19 novembre 2026. Neon listé comme disponible de façon générale le 18 novembre 2026, au tarif payant seulement, à 3 dollars par million de jetons en entrée et 15 dollars par million de jetons en sortie, avec une fenêtre partagée de 1 048 576 jetons
- Google, Introducing Gemini 4 Neon, 18 novembre 2026, affirmations de lancement et conseils de niveau par une couverture vérifiée le 19 novembre 2026, y compris la suggestion de réserver
xhighaux problèmes durs en plusieurs étapes oùhighne suffit pas - Conseils de migration de Neon par une couverture vérifiée le 19 novembre 2026, y compris les notes sur le réglage explicite du niveau lors d un passage depuis Argon ou Carbon, les plafonds de sortie, les délais d au moins 15 minutes, et les champs d échantillonnage sur les modèles Gemini 4
- Images de héros, de cadran et d évaluation: illustrations Dirty Static
FIN DE LA TRANSMISSION
Restez curieux. Remettez tout en question.


