🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →

Google Gemini 4 Neon: AI مدل‌ها

Google Gemini 4 Neon را از طریق API اجرا کنید: استدلال پرتکرار برای کدنویسی، تحلیل و پژوهش با زمینه 1M توکنی. رایگان امتحان کنید؛ پرداخت به‌ازای هر تولید، بدون اشتراک.

کنترل‌های تعاملی مدل

Google Gemini 4 Neon را از طریق API اجرا کنید: استدلال پرتکرار برای کدنویسی، تحلیل و پژوهش با زمینه 1M توکنی. رایگان امتحان کنید؛ پرداخت به‌ازای هر تولید، بدون اشتراک.

📝

نمای کلی

مدل‌ها

Gemini 4 Neon مدل Gemini 4 پرتکرار Google برای کارهای پیچیده‌ای مانند کدنویسی، تحلیل و پژوهش است و میان Gemini 4 Hydrogen و Gemini 4 Carbon قرار می‌گیرد. این مدل از پنجره زمینه 1M توکنی (مشترک میان ورودی، استدلال و خروجی) و چهار سطح استدلال (low، medium، high، xhigh؛ پیش‌فرض high) پشتیبانی می‌کند. ورودی آن متن و یک تصویر اختیاری به‌همراه پرامپت سیستمی است.

1کدنویسی پیچیده: با استدلال عمیق کد بنویسید، بازبینی کنید و ساختار آن را بازآرایی کنید.
2تحلیل و پژوهش: با استفاده از پنجره زمینه 1M توکنی، گزارش‌ها و اسناد طولانی را بررسی کنید.
3استدلال عامل: از آن به‌عنوان مدل برنامه‌ریز در عامل‌های چندمرحله‌ای و [گردش‌کارها](/workflows) استفاده کنید.
4پرسش‌وپاسخ تصویری: برای پرسش درباره اسکرین‌شات‌ها، نمودارها یا اسناد اسکن‌شده، image_url را بفرستید.
💰

قیمت‌گذاری و ارزش

تحلیل هزینه

muapiapp$4.00/M input, $20.00/M output

Token-based billing at Google's official rates. Minimum $0.0004 per call.

Fal.aiدر دسترس نیست

No dedicated Gemini 4 Neon endpoint at this time.

Replicateدر دسترس نیست

No dedicated Gemini 4 Neon endpoint at this time.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پرامپت (دستور متنی)string

تنظیم پارامتر The user message or instruction for the model. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضAudit this function for memory-safety and injection vulnerabilities, then propose a patch.
آدرس اینترنتی تصویرstring

تنظیم پارامتر Optional image URL to include as multimodal input. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضundefined
پرامپت سیستمیstring

تنظیم پارامتر Optional system-level instruction to guide model behavior. جهت هدایت دقیق فرآیند تولید مدل.

مقدار پیش‌فرضYou are a helpful assistant that responds concisely.
شدت استدلال منطقی(4 )

How much reasoning the model applies before answering. Higher effort is slower and uses more output tokens.

مقدار پیش‌فرضhigh
📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Gemini 4 Neon

  1. نوشتن prompt: وظیفه را در prompt قرار دهید. در صورت تمایل، system_prompt را برای تعیین نقش، لحن یا قالب خروجی اضافه کنید.

  2. انتخاب میزان استدلال: reasoning_effort را روی low، medium، high (پیش‌فرض) یا xhigh تنظیم کنید. میزان بالاتر مدت بیشتری استدلال می‌کند و توکن‌های خروجی بیشتری مصرف می‌کند.

  3. افزودن تصویر (اختیاری): برای افزودن تصویر به درخواست، image_url را وارد کنید.

  4. ارسال و دریافت نتیجه: POST یک request_id برمی‌گرداند؛ نقطه پایانی /api/v1/predictions/{request_id}/result را بررسی کنید یا نشانی webhook را وارد کنید.

نمونه cURL

curl -X POST "https://api.muapi.ai/api/v1/gemini-4-neon" \
  -H "x-api-key: $MUAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Refactor this function to remove the nested loops and explain the change.",
    "system_prompt": "You are a senior software engineer. Be concise.",
    "reasoning_effort": "high"
  }'
❓

پرسش‌های متداول

سوالات پرتکرار

Gemini 4 Neon چیست؟

Gemini 4 Neon مدل Google Gemini 4 برای کارهای پیچیده و پرتکرار (کدنویسی، تحلیل و پژوهش) است و میان Hydrogen و Carbon قرار می‌گیرد.

قیمت Gemini 4 Neon چگونه محاسبه می‌شود؟

هزینه بر اساس توکن محاسبه می‌شود: $4.00 برای هر یک میلیون توکن ورودی و $20.00 برای هر یک میلیون توکن خروجی، با حداقل هزینه $0.0004 برای هر فراخوانی. توکن‌های استدلال جزو خروجی محسوب می‌شوند.

آیا Gemini 4 Neon تصویر می‌پذیرد؟

بله. برای پرسش درباره اسکرین‌شات، نمودار یا سند عکاسی‌شده، image_url را همراه prompt خود بفرستید.

reasoning_effort چه کاری انجام می‌دهد؟

این گزینه میزان استدلال مدل را پیش از پاسخ تعیین می‌کند: low، medium، high (پیش‌فرض) یا xhigh. میزان بالاتر، پاسخ به مسائل دشوار را عمیق‌تر می‌کند، اما کندتر است و توکن‌های خروجی بیشتری مصرف می‌کند.

پنجره زمینه چقدر بزرگ است؟

تا 1M توکن، با پنجره‌ای مشترک برای ورودی و خروجی.

چطور نتیجه را دریافت کنم؟

این نقطه پایانی ناهمزمان است: بلافاصله یک request_id دریافت می‌کنید؛ سپس نقطه پایانی نتیجه predictions را بررسی کنید یا نشانی webhook ارائه دهید تا هنگام آماده شدن متن به شما اطلاع داده شود.