Gemini 4 Neon is a fast, mid-priced model in the Gemini 4 family from Google, built for coding and agentic work. It is suited for repository and terminal coding, web builds, multi-turn tool use and multimodal STEM problems, and is positioned as a step up from Gemini 4 Hydrogen that targets Gemini 4 Carbon quality at higher speed and lower cost. It supports long decode of up to 1M output tokens through continuation, and controls thinking depth with low, medium, high and xhigh reasoning effort.
Proveedores
Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).
| 1,50 US$ | 7,50 US$ | 0,075 US$ | 0,075 US$ | -- | -- |
- Entrada 1,50 US$ / Salida 7,50 US$-- tok/s-- de tiempo de actividad
Precios
El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.
Gemini 4 Neon (batch) — Historial de precios
| 1,50 US$ | 7,50 US$ | 0,075 US$ | 0,083333 US$ | — |
- Entrada 1,50 US$ / Salida 7,50 US$
Rendimiento
La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).
Tiempo de actividad
El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.
Aún no hay suficientes datos de tiempo de actividad para mostrar.
Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.
Pruebas de rendimiento
Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.
| Fuente | Prueba de rendimiento | Puntuación |
|---|---|---|
| Artificial Analysis | Gemini 4 Neon (Xhigh) Intelligence Index | 61,4 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Finance & Accounting Index | 65,1 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Strategy & Ops Index | 63,8 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Legal Index | 63,8 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Healthcare & Medical Index | 59,9 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Engineering Index | 66,8 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Economics Index | 61,9 |
| Artificial Analysis | Gemini 4 Neon (Xhigh) AutomationBench-AA | 79.3% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) GDP.pdf | 28.0% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) HLE-Diamond | 71.3% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Terminal-Bench 4.0 | 63.6% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) FrontierCode-AA 2.0 | 44.4% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) Terminal-Bench-Science | 70.0% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) CritPt v2 (Hard Subset) | 60.5% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) CritPt v2 | 77.4% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) AA-Omniscience Accuracy | 60.5% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) AA-Omniscience Non-Hallucination Rate | 85.6% |
| Artificial Analysis | Gemini 4 Neon (Xhigh) MLCR-AA | 30.6% |
Aplicaciones
Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.
Aún no hay suficientes datos sobre las aplicaciones que usan este modelo.
Actividad
Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.
API
Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.
Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región
Preguntas frecuentes
Gemini 4 Neon is a fast, mid-priced model in the Gemini 4 family from Google, built for coding and agentic work. It is suited for repository and terminal coding, web builds, multi-turn tool use and multimodal STEM problems, and is positioned as a step up from Gemini 4 Hydrogen that targets Gemini 4 Carbon quality at higher speed and lower cost.
Gemini 4 Neon (batch) cuesta 1,50 US$/M de tokens de entrada y 7,50 US$/M de tókenes de salida, con tarifas independientes para Cache Read a 0,075 US$/M tokens, Cache Write a 0,08333 US$/M tokens, Image Input a 1,50 US$/M tokens, Input Audio a 1,50 US$/M tokens, Input Audio Cache a 0,075 US$/M tokens y Web Search a 14,00 US$/1K calls.
Gemini 4 Neon (batch) tiene una ventana de contexto de 1.048.576 tókenes. Admite hasta 1.048.576 tókenes de respuesta.
Sí. Gemini 4 Neon (batch) admite tools y tool_choice para llamadas a funciones. También admite salidas estructuradas mediante un esquema JSON en response_format.
Gemini 4 Neon (batch) acepta audio, archivos como PDF, imágenes, texto y vídeo como entrada y devuelve texto.
Gemini 4 Neon (batch) está disponible a través de 1 proveedor en OpenRouter: Google Vertex.
Gemini 4 Hydrogen, Gemini Decision 1, Gemini 4 Carbon y 32 más son otros modelos de texto de Google.
Gemini 4 Neon (batch) se lanzó el 18 de noviembre de 2026.