
Automatically append previous messages to maintain multi-turn context. May increase token usage.
How can I help you today?
Automatically append previous messages to maintain multi-turn context. May increase token usage.
How can I help you today?
README
Complete guide to using Gemini 4 Neon
Gemini 4 Neon API für komplexes Coding, Analyse und Wissenschaft

curl https://api.kie.ai/gemini-4-neon-openai/v1/chat/completions \-H "Authorization: Bearer $KIE_API_KEY" \-H "Content-Type: application/json" \-d '{"messages": [{ "role": "user", "content": "Analyze the latency vs consistency trade-offs of multi-region consensus." }],"reasoning_effort": "high","stream": false}'
Wichtige Funktionen von Gemini 4 Neon


Coding auf Repository-Ebene und Multi-File-Refactoring

Vier Thinking-Stufen von Low bis Xhigh

Einheitliches multimodales Kontextfenster mit 1 Mio. Tokens

Analytische, juristische und wissenschaftliche Workflows

Sichere Codegenerierung, Grounding und Tools
Spezifikationen von Gemini 4 Neon
Modellspezifikationen und Kie.ai-API-Parameter für Gemini 4 Neon aus der Model Card von Google und der Kie.ai-API-Dokumentation.
| Specification | Gemini 4 Neon |
|---|---|
| Developer | Google (Google DeepMind) |
| Modell-IDs auf Kie.ai | gemini-4-neon-openai (OpenAI-kompatibel); gemini-4-neon (natives Gemini) |
| Veröffentlichungsdatum | 18. November 2026 |
| Adaptiert von | Gemini 4 Carbon |
| Modalities | Text-, Bild-, Video-, Audio- und PDF-Eingabe (bis zu 10 Dateien pro Request); Textausgabe |
| Kontextfenster | 1.048.576 Tokens einheitlich über Input, Thinking und Output |
| Max. Output-Tokens | Standardmäßig bis zu 65.536 Tokens pro synchrone Antwort (Thinking-Tokens zählen zum Output) |
| Thinking-Stufen | low, medium, high (Standard), xhigh über reasoning_effort oder thinkingLevel (minimal ignoriert; include_thoughts / includeThoughts optional) |
| API-Formate auf Kie.ai | POST /gemini-4-neon-openai/v1/chat/completions (stream default false); POST /gemini/v1/models/gemini-4-neon:streamGenerateContent (stream default true) |
| Tools & Parameter auf Kie.ai | Grounding with Google Search (googleSearch), Funktionstools, response_format-JSON-Schema (OpenAI-kompatibel), implizites Caching (temperature, topP und topK haben keine Auswirkung; nur Chat-Anfragen) |
| Wissensstichtag | März 2026 |
Benchmark-Ergebnisse von Gemini 4 Neon
Von Google gemeldete Evaluierungsergebnisse aus der Veröffentlichungsankündigung vom 18. November 2026 und der DeepMind-Modellkarte.
| Benchmark | Gemini 4 Neon | Was gemessen wird |
|---|---|---|
| AA Intelligence Index v5.0.1 | 61 (#3 insgesamt, bei xhigh) | Index für allgemeine Leistungsfähigkeit |
| Vals Index v2.2 | 70,9 % (#2 insgesamt; #1 Legal Research & Tax Agent) | Unternehmens-, Rechts- und Steuerevaluierungen |
| AA Coding Agent Index | 58,6 (#1 insgesamt) | Evaluierung der Leistungsfähigkeit in der Softwareentwicklung |
| CursorBench 4.1 / Terminal-Bench 4.1 | 65,4 % / 65,2 % (um Schummeln bereinigt) | Repository-Programmierung und Ausführung im Terminal |
| FrontierCode 2.0 / SWE-sweep | 46,2 % (bei high) / 39,0 % (Antigravity-Harness), 12,8 % (mini-SWE) | Benchmarks für die Softwareentwicklung |
| Agents' Last Exam v1.1 / AutomationBench | 75,8 % / 56,3 % (#1 insgesamt) | Mehrstufige Wissensarbeit und Workflow-Automatisierung |
| RiemannBench / HLE-Diamond / Terminal-Bench-Science 0.1 | 84.0% / 71.3% / 70.5% | Mathematik und wissenschaftliches Schlussfolgern |
| GraphWalks (256K bis 1M, BFS F1) | 95.2% | Abruf und Schlussfolgern in langen Kontexten |
| LVBench / Chartography / MKA | 89.0% / 73.5% / 56.5% | Lange Videos, informationsdichte Diagramme und multimodales Schlussfolgern |
| SEC-bench Pro, CWE-bench v2 & WebExploitBench v1.2 | 90.5% / 70.7% / 51.3% | Schwachstellenerkennung, Patchen und Websicherheit |
So arbeiten Sie mit Gemini 4 Neon
- 1
Schritt 1: Zwischen Hydrogen, Neon und Carbon wählen
Nutzen Sie Gemini 4 Neon für komplexe Softwareentwicklung, analytisches Reasoning und wissenschaftliche Workflows, wenn Sie die Analysetiefe führender Modelle benötigen und Aufgaben von Anfang bis Ende effizient bearbeiten möchten. Nutzen Sie Gemini 4 Hydrogen weiterhin, um Code im Alltag schnell zu schreiben und auszuführen, und reservieren Sie Gemini 4 Carbon für die anspruchsvollsten Langzeitprojekte. - 2
Schritt 2: Mit high starten und xhigh für anspruchsvolle Probleme reservieren
Auf Kie.ai ist high das Standard-Thinking-Level. Setzen Sie reasoning_effort (OpenAI-kompatibel) oder generationConfig.thinkingConfig.thinkingLevel (nativ) auf medium oder low, um bei einfacheren Prompts weniger Tokens zu verbrauchen, oder auf xhigh für anspruchsvolle mehrstufige Aufgaben in Entwicklung, Analyse und Wissenschaft. Geben Sie für temperature, topP und topK keine Werte an, da diese Parameter bei Gemini 4 keine Wirkung haben. - 3
Schritt 3: Genügend Spielraum für Thinking- und Output-Tokens einplanen
Input-, Thinking- und Output-Tokens teilen sich das 1.048.576-Token-Fenster, und das standardmäßige 65.536-Token-Output-Budget deckt sowohl das Thinking als auch den sichtbaren Antworttext ab. Denken Sie bei anspruchsvollen xhigh-Aufgaben daran, dass tieferes Thinking mehr von diesem gemeinsamen Output-Budget beansprucht. Pro Anfrage können Sie bis zu 10 Mediendateien übergeben. - 4
Schritt 4: Grounding, Function-Tools und Prefix-Caching nutzen
Aktivieren Sie googleSearch, wenn Sie zur Beantwortung einer Frage Informationen aus dem Web für die Zeit nach März 2026 benötigen, deklarieren Sie benutzerdefinierte Function-Tools an einem der beiden Endpunkte oder übergeben Sie ein response_format-JSON-Schema im OpenAI-kompatiblen Endpunkt. Lassen Sie gemeinsame Prompt-Präfixe über mehrere Gesprächsrunden hinweg unverändert, damit wiederkehrender Kontext für Cached-Input-Preise infrage kommt.