
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 pour le codage complexe, l'analyse et les sciences

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}'
Capacités clés de Gemini 4 Neon


Codage à l'échelle du dépôt et refactorisation multifichier

Quatre niveaux de réflexion, de low à xhigh

Fenêtre de contexte multimodale unifiée de 1 M de jetons

Flux de travail analytiques, juridiques et scientifiques

Génération de code sécurisé, ancrage et outils
Spécifications de Gemini 4 Neon
Spécifications du modèle et paramètres d'API Kie.ai pour Gemini 4 Neon, tirés de la fiche modèle de Google et de la documentation de l'API Kie.ai.
| Specification | Gemini 4 Neon |
|---|---|
| Developer | Google (Google DeepMind) |
| Identifiants de modèle sur Kie.ai | gemini-4-neon-openai (compatible OpenAI) ; gemini-4-neon (Gemini natif) |
| Date de sortie | 18 novembre 2026 |
| Adapté de | Gemini 4 Carbon |
| Modalities | Entrée texte, image, vidéo, audio et PDF (jusqu'à 10 fichiers par requête) ; sortie texte |
| Fenêtre de contexte | 1 048 576 jetons unifiés entre l'entrée, la réflexion et la sortie |
| Jetons de sortie max. | Jusqu'à 65 536 jetons par réponse synchrone par défaut (les jetons de réflexion sont comptabilisés dans la sortie) |
| Niveaux de réflexion | low, medium, high (par défaut), xhigh via reasoning_effort ou thinkingLevel (minimal ignoré ; include_thoughts / includeThoughts facultatifs) |
| Formats d'API sur Kie.ai | POST /gemini-4-neon-openai/v1/chat/completions (stream default false); POST /gemini/v1/models/gemini-4-neon:streamGenerateContent (stream default true) |
| Outils et paramètres sur Kie.ai | Ancrage Google Search (googleSearch), outils de fonction, schéma JSON via response_format (compatible OpenAI), mise en cache implicite (temperature, topP et topK n'ont aucun effet ; requêtes de chat uniquement) |
| Date limite des connaissances | Mars 2026 |
Résultats de benchmark de Gemini 4 Neon
Résultats d'évaluation rapportés par Google dans son annonce de sortie du 18 novembre 2026 et la fiche modèle de DeepMind.
| Benchmark | Gemini 4 Neon | Ce qu'il mesure |
|---|---|---|
| AA Intelligence Index v5.0.1 | 61 (#3 au classement général, en xhigh) | Indice de capacités générales |
| Vals Index v2.2 | 70,9 % (#2 au classement général ; #1 en Legal Research et Tax Agent) | Évaluations en entreprise, juridiques et fiscales |
| AA Coding Agent Index | 58,6 (#1 au classement général) | Évaluation des capacités en génie logiciel |
| CursorBench 4.1 / Terminal-Bench 4.1 | 65,4 % / 65,2 % (scores ajustés pour tenir compte de la triche) | Programmation dans des dépôts de code et exécution dans le terminal |
| FrontierCode 2.0 / SWE-sweep | 46,2 % (en high) / 39,0 % (harnais Antigravity), 12,8 % (mini-SWE) | Benchmarks de génie logiciel |
| Agents' Last Exam v1.1 / AutomationBench | 75,8 % / 56,3 % (#1 au classement général) | Travail intellectuel en plusieurs étapes et automatisation des flux de travail |
| RiemannBench / HLE-Diamond / Terminal-Bench-Science 0.1 | 84.0% / 71.3% / 70.5% | Raisonnement mathématique et scientifique |
| GraphWalks (256K à 1M, BFS F1) | 95.2% | Recherche et raisonnement sur contexte long |
| LVBench / Chartography / MKA | 89.0% / 73.5% / 56.5% | Vidéo longue, graphiques denses et raisonnement multimodal |
| SEC-bench Pro, CWE-bench v2 et WebExploitBench v1.2 | 90.5% / 70.7% / 51.3% | Détection de vulnérabilités, correction et sécurité web |
Comment travailler avec Gemini 4 Neon
- 1
Étape 1 : Choisir entre Hydrogen, Neon et Carbon
Utilisez Gemini 4 Neon pour le génie logiciel complexe, le raisonnement analytique et les flux de travail scientifiques nécessitant une profondeur de raisonnement de pointe et une exécution complète efficace. Gardez Gemini 4 Hydrogen pour le codage et l'exécution rapides au quotidien, et réservez Gemini 4 Carbon aux projets les plus complexes à long terme. - 2
Étape 2 : Commencer à High et réserver Xhigh aux problèmes difficiles
High est le niveau de réflexion par défaut sur Kie.ai. Définissez reasoning_effort (compatible OpenAI) ou generationConfig.thinkingConfig.thinkingLevel (natif) sur medium ou low pour réduire la consommation de tokens sur les requêtes simples, ou sur xhigh pour les problèmes complexes à plusieurs étapes en ingénierie, analyse et sciences. Laissez temperature, topP et topK non définis, car ils n'ont aucun effet sur Gemini 4. - 3
Étape 3 : Prévoir de l'espace pour les tokens de réflexion et de sortie
Les tokens d'entrée, de réflexion et de sortie partagent la fenêtre de 1 048 576 tokens, et le budget de sortie par défaut de 65 536 tokens couvre à la fois la réflexion et le texte de réponse visible. Pour les tâches xhigh complexes, gardez à l'esprit qu'une réflexion plus approfondie consomme une plus grande part de ce budget de sortie partagé, et transmettez jusqu'à 10 fichiers multimédias par requête. - 4
Étape 4 : Utiliser l'ancrage, les outils de fonction et la mise en cache des préfixes
Activez googleSearch lorsqu'une question nécessite des faits web postérieurs à mars 2026, déclarez des outils de fonction personnalisés sur l'un ou l'autre point de terminaison, ou passez un schéma JSON response_format dans le point de terminaison compatible OpenAI. Conservez des préfixes de prompt partagés inchangés d'un tour à l'autre afin que le contexte répété puisse bénéficier de la tarification des entrées mises en cache.