API Gemini 4 Neon sử dụng model ID gemini-4-neon. Bạn gọi nó bằng yêu cầu POST tới https://generativelanguage.googleapis.com/v1beta/interactions, với khóa API trong header x-goog-api-key, cùng model và input trong phần thân JSON. Model này chỉ chạy trên gói trả phí, với giá $3 cho mỗi triệu token đầu vào và $15 cho mỗi triệu token đầu ra, và mặc định ở mức tư duy high.
Bài hướng dẫn này sẽ đề cập những điểm khác biệt của Neon: thiết lập gói trả phí, cách chuyển đổi từ model Gemini 4 khác, đầu ra dài hơn 64K token, cách kết hợp Neon với Hydrogen, và cách kiểm soát chi phí. Mỗi tên trường đều lấy từ tài liệu chính thức của Google.
Bạn cần chuẩn bị gì trước khi gọi API Gemini 4 Neon lần đầu?
Bạn cần một khóa API Gemini trên một dự án đã bật thanh toán, model ID gemini-4-neon và endpoint Interactions. Google phát hành Neon vào ngày 18 tháng 11 năm 2026, là model tầm trung trong dòng Gemini 4, nằm giữa Hydrogen và Carbon.
| Mục | Giá trị |
|---|---|
| Model ID | gemini-4-neon |
| Endpoint | POST /v1beta/interactions trên generativelanguage.googleapis.com |
| Header xác thực | x-goog-api-key: $GEMINI_API_KEY |
| API | Interactions API và generateContent |
| Mức tư duy | low, medium, high (mặc định), xhigh |
| Cửa sổ ngữ cảnh | 1.048.576 token, dùng chung cho đầu vào, tư duy và đầu ra |
| Đầu ra mỗi lần đồng bộ | 65.536 token |
| Giải mã dài | Tối đa 1.048.576 token trừ đi phần đầu vào của bạn |
| Gói miễn phí | Không |
| Giá gói trả phí | $3,00 / 1M token đầu vào, $15,00 / 1M token đầu ra (bao gồm cả tư duy) |
| Đầu vào được cache | $0,15 / 1M thông qua caching ngầm định |
Với PDF, function calling và streaming, cấu trúc yêu cầu giống với bài hướng dẫn API Gemini 4 Hydrogen của chúng tôi; chỉ cần thay model ID.

Làm thế nào để có khóa API Gemini hoạt động với Neon?
Neon không nằm trong gói miễn phí, vì vậy chỉ có khóa API là chưa đủ. Dự án gắn với khóa đó phải bật tính năng thanh toán.
- Mở trang API keys trong Google AI Studio và tạo một khóa mới, hoặc dùng lại khóa bạn đã có.
- Đảm bảo dự án của khóa đã ở gói trả phí. Tài liệu của Google nói rõ: “Neon chỉ khả dụng trên gói trả phí (không có trên gói miễn phí).”
- Xuất khóa:
export GEMINI_API_KEY="YOUR_API_KEY". Các SDK Google GenAI sẽ tự động đọc khóa này. - Kiểm tra giới hạn tỷ lệ của gói trả phí trên trang rate limits trước khi lên kế hoạch cho một lô xử lý lớn. [VERIFY: Các con số RPM và TPM của Neon theo từng gói]
Làm thế nào để gửi yêu cầu API Gemini 4 Neon đầu tiên?
Gửi model và input tới endpoint Interactions. Đây là cấu trúc quickstart của Google:
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
"model": "gemini-4-neon",
"input": "Review this Go handler for missing error checks and suggest fixes."
}'
Cùng một lời gọi với Python SDK (pip install -U google-genai):
from google import genai
client = genai.Client() # reads GEMINI_API_KEY
interaction = client.interactions.create(
model="gemini-4-neon",
input="Review this Go handler for missing error checks and suggest fixes.",
)
print(interaction.output_text)
print(interaction.usage)
Trong khi kiểm thử, hãy đọc usage trên mỗi phản hồi: các token tư duy được tính theo giá đầu ra $15, nên số token tư duy chính là nơi chi phí của bạn tăng lên.
Các đoạn mã trên dựa theo tài liệu của Google. Chúng tôi không chạy chúng cho bài viết này, vì vậy hãy kiểm tra cấu trúc phản hồi bằng lời gọi đầu tiên của riêng bạn.
Những gì thay đổi khi bạn chuyển từ Hydrogen hoặc Carbon?
Nếu bạn đã đang chạy model Gemini 4 khác, việc chuyển đổi không cần thay đổi schema yêu cầu. Chỉ cần thay chuỗi model và kiểm tra ba điều sau:
| Kiểm tra | Neon | Hydrogen | Carbon và Argon |
|---|---|---|---|
| Mức tư duy mặc định | high |
high |
medium |
| Mức cao nhất | xhigh |
xhigh |
high |
| Đầu vào / đầu ra mỗi 1M | $3 / $15 | $1,50 / $7,50 | Xem giá Carbon |
Nếu chuyển từ Carbon hoặc Argon, mức mặc định nhảy từ medium lên high đồng nghĩa với nhiều token tư duy hơn trên cùng một prompt. Hãy đặt thinking_level một cách tường minh nếu bạn muốn giữ hành vi cũ:
interaction = client.interactions.create(
model="gemini-4-neon",
input="Audit this payment retry queue for race conditions.",
generation_config={"thinking_level": "medium"},
)
Nếu chuyển từ Gemini 3.8 Flash hoặc cũ hơn, danh sách cần thay đổi dài hơn. Theo checklist chuyển đổi của Google:
- Nâng giới hạn đầu ra thấp.
max_output_tokensbao gồm cả tư duy và câu trả lời. Hãy loại bỏ các giới hạn được hardcode như 8.192, hoặc nâng lên 65.536, và hạ mức tư duy nếu bạn cần tiết kiệm chi phí. - Loại bỏ
minimal. Neon sẽ từ chối với một lỗi. - Xóa các tham số lấy mẫu. Máy chủ bỏ qua các giá trị
temperature,top_pvàtop_ktrong phạm vi cho phép; các giá trị ngoài phạm vi sẽ trả về lỗi400. - Chuyển khỏi explicit caching. Neon không hỗ trợ
cachedContentshaycaches.create, vì vậy hãy xóa các trườngcached_content. - Khai báo công cụ theo cách nguyên bản. Việc yêu cầu prompt trả về lệnh gọi công cụ dạng JSON thô mà không khai báo công cụ có thể trả về lỗi
MALFORMED_FUNCTION_CALL. Hãy dùng function calling hoặc structured outputs.
Làm thế nào để lấy nhiều hơn 64K token đầu ra từ Neon?
Một yêu cầu đồng bộ dừng ở 65.536 token, bất kể có streaming hay không. Với đầu ra dài hơn, chẳng hạn như một bản đặc tả chuyển đổi đầy đủ kèm bộ kiểm thử, hãy đặt background thành true và nâng max_output_tokens lên trên 65.536. Máy chủ của Google sau đó sẽ tiếp tục tạo nội dung theo từng bước 64K token cho đến khi đạt giới hạn bạn đặt.

Khởi tạo công việc và giữ lại id của nó:
export ID=$(curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"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"
}
}' | jq -r '.id')
Sau đó liên tục kiểm tra cho đến khi hoàn tất và nối văn bản từ mỗi bước (Python, với ID bạn đã xuất):
import os, time
interaction = client.interactions.get(id=os.environ["ID"])
while interaction.status in ("in_progress", "queued"):
time.sleep(5)
interaction = client.interactions.get(id=interaction.id)
text = "".join(
c.text
for step in interaction.steps if step.type == "model_output"
for c in step.content if c.type == "text"
)
Ba quy tắc từ tài liệu của Google giúp bạn tránh gặp sự cố:
- Nếu bạn đặt
backgroundmà không cómax_output_tokens, máy chủ sẽ dừng ở 65.536 token. - Giới hạn có thể lên tới 1.048.576 trừ đi số token đầu vào của bạn. Google khuyến nghị 131.072 hoặc 262.144 cho các công việc dài, nhiều bước.
- Các prompt phức tạp có thể chạy trong vài phút. Hãy dùng chế độ nền, hoặc đặt timeout của HTTP client ít nhất 15 phút.
Nếu bạn không muốn lưu các interaction ở phía Google, tài liệu long decode cũng mô tả cách tiếp diễn phía client trong các SDK mới nhất.
Làm thế nào để kết hợp Neon với Hydrogen?
Dùng Neon cho các phần cần đánh giá và Hydrogen cho khối lượng công việc. Neon lên kế hoạch hoặc rà soát một quy trình, sau đó bạn truyền id interaction của nó làm previous_interaction_id vào một lệnh gọi gemini-4-hydrogen thực hiện một bước duy nhất. Tài liệu dành cho nhà phát triển Cloud của Google minh họa mẫu này:
plan = client.interactions.create(
model="gemini-4-neon",
input="Design a 3-step plan to migrate our REST order service to gRPC in Go.",
store=True,
)
step = client.interactions.create(
model="gemini-4-hydrogen",
input="Implement step 1 (.proto service definition) from the plan.",
previous_interaction_id=plan.id,
)
print(step.output_text)

Mỗi token đầu ra mà Hydrogen tạo thay vì Neon sẽ rẻ hơn một nửa. Bài hướng dẫn orchestrator Gemini 4 Hydrogen của chúng tôi đi qua cùng vòng lặp này với Carbon làm bộ lập kế hoạch.
Làm thế nào để giảm chi phí API Gemini 4 Neon?
Bốn cách, theo thứ tự thường mang lại hiệu quả nhất:
- Chọn mức tư duy thấp nhất vẫn đạt yêu cầu. Google khuyên bạn chạy đánh giá ở cả bốn mức với
max_output_tokenscao, sau đó chọnthinking_levelthấp nhất vẫn đáp ứng tiêu chuẩn chất lượng của bạn. - Tái sử dụng các prompt dài. Implicit caching chạy mặc định với các prompt từ 4.096 token trở lên và giảm 95% chi phí đầu vào được cache, từ $3,00 xuống $0,15 mỗi triệu. Đặt phần dài, ổn định của prompt (văn bản hệ thống, tài liệu, schema) ở phía đầu.
- Chuyển việc thực thi cho Hydrogen. Xem mẫu kết hợp ở trên.
- Đếm tất cả các token. Google tính phí cho mọi token mà model xử lý, bao gồm cả token tư duy và các chỉ dẫn nội bộ được thêm khi bạn dùng grounding. Grounding với Google Search cũng được tính phí theo từng truy vấn.
Một phép kiểm tra nhanh: một lệnh gọi với 20.000 token đầu vào và 8.000 token đầu ra (bao gồm cả tư duy) tốn $0,06 cho đầu vào và $0,12 cho đầu ra, tức $0,18 theo giá niêm yết.
Để coding agent của bạn so sánh Neon và Hydrogen với Apidog CLI
Neon có đáng giá gấp đôi Hydrogen trên các prompt của bạn không? Hãy để coding agent của bạn (Claude Code, Codex, Cursor) xây dựng một test case và chạy nó với cả hai model bằng Apidog CLI.
Cài đặt một lần:
npm install -g apidog-cli@latest
apidog login --with-token <YOUR_TOKEN>
npx -y skills add https://apidog.com # pick your agent when prompted
Sau đó đưa cho agent của bạn một prompt:
In Apidog project <projectId>, create an environment "gemini" with base URL
https://generativelanguage.googleapis.com and variables GEMINI_API_KEY,
MODEL (default "gemini-4-hydrogen") and THINKING (default "high"). Add an
endpoint for POST /v1beta/interactions with the x-goog-api-key header from
GEMINI_API_KEY. Create a test case that sends model {{MODEL}}, our code-review
prompt and generation_config.thinking_level {{THINKING}}, and asserts: HTTP 200,
status is "completed", a non-empty model_output step, and usage.total_tokens
exists. Run it for gemini-4-hydrogen and gemini-4-neon, then compare
usage.total_thought_tokens and usage.total_output_tokens.
Agent sẽ đọc schema của từng payload và xác thực JSON trước khi viết bất cứ thứ gì:
apidog environment create gemini --project <projectId> --base-url https://generativelanguage.googleapis.com
apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project <projectId> --file endpoint.json
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <projectId> --file case.json
apidog run --test-case <caseId> --project <projectId> -e <envId> --env-var "MODEL=gemini-4-hydrogen" -r cli,json
apidog run --test-case <caseId> --project <projectId> -e <envId> --env-var "MODEL=gemini-4-neon" -r cli,json
Nhân số token của mỗi lần chạy với giá của model, và bạn sẽ có chi phí thực tế trên mỗi tác vụ cho prompt của mình, thay vì một con số trung bình từ bài giới thiệu sản phẩm. Thêm --upload-report để xem kết quả chạy trong ứng dụng Apidog, hoặc thay -r cli,json bằng -r junit để đưa cùng một phép kiểm tra vào CI. Tài liệu CI/CD của Apidog CLI trình bày quy trình pipeline, và Apidog CLI trong Claude Code hướng dẫn thiết lập agent. Gói Free của Apidog hỗ trợ tới 4 người dùng.
Câu hỏi thường gặp
Model ID của Gemini 4 Neon là gì? gemini-4-neon. Nó hoạt động với cả Interactions API và generateContent.
API Gemini 4 Neon có miễn phí không? Không. Neon chỉ nằm trong gói trả phí của Gemini API, với giá $3 mỗi triệu token đầu vào và $15 mỗi triệu token đầu ra. Người đăng ký Google AI Pro và Ultra có thể thử trong khung chat của AI Studio.
Mã Hydrogen của tôi có chạy được với Neon không? Có. Google cho biết việc chuyển đổi giữa các model Gemini 4 không cần thay đổi schema yêu cầu. Chỉ cần cập nhật chuỗi model, sau đó quyết định xem bạn có muốn mức tư duy mặc định high hay không.
Đầu ra tối đa của API Gemini 4 Neon là bao nhiêu? 65.536 token mỗi yêu cầu đồng bộ. Với background đặt thành true và max_output_tokens cao hơn, Neon có thể tạo tới giới hạn cửa sổ 1.048.576 token trừ đi phần đầu vào của bạn.
Gemini 4 Neon có hỗ trợ temperature không? Không. Máy chủ bỏ qua các giá trị temperature, top_p và top_k trong phạm vi cho phép và trả về lỗi 400 với các giá trị ngoài phạm vi. Hãy dùng thinking_level để đánh đổi giữa chất lượng, tốc độ và chi phí.
Neon có hỗ trợ explicit context caching không? Không. Hãy xóa cached_content khỏi các yêu cầu của bạn. Implicit caching vẫn tự động áp dụng cho các prompt từ 4.096 token trở lên, với mức giảm giá 95% cho đầu vào được cache.
