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

Google Gemini 4 Neon: AI Large Language Models

Jalankan Google Gemini 4 Neon melalui API: penalaran bervolume tinggi untuk pengodean, analisis, dan riset dengan konteks 1M. Coba gratis — bayar per generasi, tanpa biaya langganan.

Kontrol model interaktif

Jalankan Google Gemini 4 Neon melalui API: penalaran bervolume tinggi untuk pengodean, analisis, dan riset dengan konteks 1M. Coba gratis — bayar per generasi, tanpa biaya langganan.

📝

Ikhtisar

Tentang model ini

Gemini 4 Neon adalah model Gemini 4 Google untuk pekerjaan kompleks bervolume tinggi seperti pengodean, analisis, dan riset, berada di antara Gemini 4 Hydrogen dan Gemini 4 Carbon. Model ini mendukung jendela konteks 1M token (digunakan bersama untuk input, penalaran, dan output) serta empat tingkat penalaran (low, medium, high, xhigh; default high). Model ini menerima teks serta gambar dan system prompt opsional.

1Pengodean kompleks: Tulis, tinjau, dan refaktor kode dengan penalaran mendalam.
2Analisis & riset: Analisis laporan dan dokumen panjang menggunakan jendela konteks 1M token.
3Penalaran agen: Gunakan sebagai model perencana dalam agen multi-langkah dan [alur kerja](/workflows).
4Tanya jawab visual: Sertakan image_url untuk bertanya tentang tangkapan layar, diagram, atau dokumen hasil pindai.
💰

Harga & Nilai

Analisis biaya

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

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

Fal.aiTidak tersedia

No dedicated Gemini 4 Neon endpoint at this time.

ReplicateTidak tersedia

No dedicated Gemini 4 Neon endpoint at this time.

** Harga pesaing diperkirakan berdasarkan arsitektur model dan tingkat penggunaan yang serupa.

⚙️

Detail Teknis

Skema konfigurasi

cepatstring

.

Nilai BawaanAudit this function for memory-safety and injection vulnerabilities, then propose a patch.
URL gambarstring

URL gambar masuk.

Nilai Bawaanundefined
Perintah Sistemstring

, .

Nilai BawaanYou are a helpful assistant that responds concisely.
Upaya PenalaranEnum (opsi 4)

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

Nilai Bawaanhigh
📖

Panduan Implementasi

Dokumentasi pengembang

Cara menggunakan Gemini 4 Neon

  1. Tulis prompt Anda: Masukkan tugas ke dalam prompt. Tambahkan system_prompt secara opsional untuk mengatur peran, nada, atau format output.

  2. Pilih tingkat upaya penalaran: Atur reasoning_effort ke low, medium, high (default), atau xhigh. Tingkat upaya yang lebih tinggi membuat model bernalar lebih lama dan menggunakan lebih banyak token output.

  3. Tambahkan gambar (opsional): Sertakan image_url untuk menyertakan gambar dalam permintaan.

  4. Kirim dan ambil hasilnya: POST mengembalikan request_id; lakukan polling pada /api/v1/predictions/{request_id}/result atau berikan URL webhook.

Contoh 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"
  }'
❓

Pertanyaan Umum

Sering ditanyakan

Apa itu Gemini 4 Neon?

Gemini 4 Neon adalah model Google dalam seri Gemini 4 untuk pekerjaan kompleks berfrekuensi tinggi (pengodean, analisis, riset), dengan posisi di antara Hydrogen dan Carbon.

Bagaimana penetapan harga Gemini 4 Neon?

Harga dihitung per token sebesar $4.00 per juta token input dan $20.00 per juta token output, dengan biaya minimum $0.0004 per panggilan. Token penalaran dihitung sebagai output.

Apakah Gemini 4 Neon menerima gambar?

Ya. Sertakan image_url bersama prompt untuk bertanya tentang tangkapan layar, diagram, atau dokumen yang difoto.

Apa fungsi reasoning_effort?

Pengaturan ini menentukan seberapa banyak model melakukan penalaran sebelum menjawab: low, medium, high (default), atau xhigh. Tingkat upaya yang lebih tinggi memperdalam jawaban untuk masalah sulit, tetapi lebih lambat dan menggunakan lebih banyak token output.

Seberapa besar jendela konteksnya?

Hingga 1M token, dengan input dan output berbagi jendela konteks.

Bagaimana cara mendapatkan hasilnya?

Endpoint ini berjalan secara asinkron: Anda langsung menerima request_id, lalu lakukan polling pada endpoint hasil predictions atau berikan URL webhook untuk mendapat notifikasi saat teks siap.