· reAPI Team
Gemini 4 Neon vs Carbon, Hydrogen und Argon: Welches nutzen
Vergleiche Gemini 4 Neon vs Carbon, Hydrogen und Argon bei Preisen vor und ab 1. Dez. 2026, vier Thinking-Stufen, 64K- vs. 32K-REST-Hops und Routing.

Der Vergleich Gemini 4 Neon vs Carbon, Hydrogen und Argon läuft auf drei konkrete Zahlen hinaus, die deinen Token-Verbrauch in der Produktion verändern: Preise pro Million Tokens, standardmäßige Thinking-Tiefe und REST-Ausgabelimits pro Anfrage. Google hat Gemini 4 Neon (gemini-4-neon) am 18. November 2026 veröffentlicht, sechs Tage nach Hydrogen (gemini-4-hydrogen), und damit ein vierteiliges Gemini-4-Aufgebot vervollständigt, dessen Elementnamen nichts über Kosten oder Routing-Reihenfolge verraten[1][2].
Bis zum 30. November 2026 sorgt Googles Einführungspreis für eine kurze Umkehrung: Gemini 4 Carbon und Argon berechnen $2.00 pro Million Input-Tokens und $10.00 pro Million Output-Tokens und liegen damit pro Token unter Neons Standardtarif von $3.00 / $15.00[3]. Ab dem 1. Dezember 2026 verdoppeln sich Carbon und Argon auf $4.00 / $20.00, wodurch Neon sauber in der Mitte zwischen Hydrogen ($1.50 / $7.50) und Carbon ($4.00 / $20.00) landet[3]. Dieser Leitfaden stellt alle verifizierten Spezifikationen der vier Modelle gegenüber, damit du das passende Standardmodell ohne Rätselraten auswählen kannst.
Kurzfassung
- Wähle Gemini 4 Neon (
gemini-4-neon) für hochfrequente komplexe Softwareentwicklung, lange tool-intensive Agent-Sitzungen, quantitative Wissensarbeit und defensive Code-Härtung, wo Hydrogen an Tiefe fehlt und Carbon schwerer als nötig ist[1][4]. - Wähle Gemini 4 Carbon (
gemini-4-carbon) für deine schwierigsten langfristigen Architektur-, Wissenschafts-, Mathematik- und Sicherheitsprobleme; sein regulärer Google-Bezahltarif steigt am 1. Dezember 2026 von $2.00/$10.00 auf $4.00/$20.00 pro 1M Tokens[3]. - Wähle Gemini 4 Hydrogen (
gemini-4-hydrogen) für schnelles alltägliches Coding, interaktive UI-Iteration und Worker- oder Verifier-Subagents mit hohem Volumen für $1.50/$7.50 pro 1M Tokens sowie einen kostenlosen Google-AI-Studio-Tarif[3][5]. - Wähle Gemini 4 Argon (
gemini-4-argon), wenn du bereits einen etablierten langfristigen Workflow betreibst, der auf Argons geringeren Thinking-Verbrauch pro Runde im Vergleich zu Carbon abgestimmt ist; es teilt Carbons Preisplan von $2.00/$10.00 auf $4.00/$20.00 und das 32K-JSON-REST-Hop-Limit[3][6]. - Keine Schema-Migration über alle vier Modelle: Alle vier teilen sich dasselbe einheitliche Kontextfenster von 1.048.576 Tokens, rein implizites Caching mit 95 % Rabatt auf Cache-Treffer und Googles natives GenerateContent-Anfrageformat, wobei sich die Thinking-Standardwerte (
highvs.medium) und die Limits für nicht-streamendes REST (65.536vs.32.768) unterscheiden[4][6][7].
Wo Gemini 4 Neon im Vier-Modelle-Aufgebot steht
Google hat Gemini 4 Neon direkt von Gemini 4 Carbon abgeleitet, statt Hydrogen hochzuskalieren[8]. Laut Googles Model Card und Migrationsleitfaden bleibt Carbon die schwerste Option für tiefes, langfristiges Reasoning, Hydrogen übernimmt schnelle Alltagsausführung, Argon dient als token-effizienteres Frontier-Schwestermodell zu Carbon, und Neon schließt die Lücke zwischen Hydrogen und Carbon für komplexe Aufgaben, die du jeden Tag wiederholt ausführst[1][3][8].
Wenn Teams Gemini 4 Neon vs Carbon bewerten, zeigt sich der praktische Unterschied bei mehrstufigen Tool-Sitzungen und dem gesamten Completion-Overhead. Google hat Neon so ausgelegt, dass es Debugging auf Repository-Ebene und Änderungen über mehrere Dateien in weniger Schritten abschließt, dabei redundante Dateilesevorgänge reduziert und Kontext-Kompaktierung über lange Tool-Ketten sauber handhabt[4]. Damit ist Neon ein naheliegendes Hauptmodell für Coding-Agents, Tabellen- und PDF-Synthese sowie das Patchen von Schwachstellen, während Carbon für Probleme reserviert bleibt, bei denen du bewusst für tiefere Abwägung in einer einzelnen Runde bezahlst[1][8].
| Spezifikation | Gemini 4 Hydrogen | Gemini 4 Neon | Gemini 4 Argon | Gemini 4 Carbon |
|---|---|---|---|---|
| Stabile Modell-ID | gemini-4-hydrogen | gemini-4-neon | gemini-4-argon | gemini-4-carbon |
| Veröffentlichungsdatum | 12. Nov. 2026 | 18. Nov. 2026 | Okt. 2026 | 10. Nov. 2026 |
| Dokumentierte Rolle | Schnelles Alltagscoding & Worker-Agents | Hochfrequentes komplexes Coding, Agents & Wissenschaft | Effizientes langfristiges Frontier-Reasoning | Schwierigste Architektur, Mathe, Wissenschaft & Sicherheit |
| Eingabe / Ausgabe | Text, Bild, Video, Audio, PDF / Text | Text, Bild, Video, Audio, PDF / Text | Text, Bild, Video, Audio, PDF / Text | Text, Bild, Video, Audio, PDF / Text |
| Einheitliches Kontextfenster | 1.048.576 Tokens | 1.048.576 Tokens | 1.048.576 Tokens | 1.048.576 Tokens |
| Standard-Thinking-Stufe | high | high | medium | medium |
| Unterstützte Thinking-Stufen | low, medium, high, xhigh | low, medium, high, xhigh | low, medium, high | low, medium, high |
| Hop-Limit nicht-streamendes REST | 65.536 Tokens | 65.536 Tokens | 32.768 Tokens | 32.768 Tokens |
| Hop-Limit Streaming SSE | 65.536 Tokens | 65.536 Tokens | 65.536 Tokens | 65.536 Tokens |
| Kontext-Caching | Nur implizit (min. 4.096 Tokens) | Nur implizit (min. 4.096 Tokens) | Nur implizit | Nur implizit |
| Kostenloser Google-API-Tarif | Verfügbar (mit Limits) | Nur Bezahltarif | Nur Bezahltarif | Nur Bezahltarif |
| Wissensstand | März 2026 | März 2026 | Laut jeweiliger Model Card | Laut jeweiliger Model Card |
Quelle: Modellspezifikationen von Google AI Studio, Long-Decode-Leitfaden und DeepMind Model Cards, geprüft am 20. November 2026[2][5][6][8].
Alle vier Modelle lehnen Bildgenerierung, Audiogenerierung und die Live API ab[2][5]. Jeder vom Modell verarbeitete Token zählt gegen denselben einheitlichen Pool von 1.048.576 Tokens, sodass Prompt-Input, Thinking-Tokens, Tool-Aufrufe und endgültiger Antworttext eine gemeinsame Obergrenze teilen, statt sich getrennt zu addieren[6].
Preise für Gemini 4 Neon vor und ab dem 1. Dezember 2026
Die Preisgestaltung ist beim Vergleich Gemini 4 Neon vs Carbon Ende November 2026 die größte Überraschung. Alle vier Gemini-4-Modelle nutzen im Google-Bezahltarif einheitliche Token-Preise über das gesamte 1M-Kontextfenster ohne Aufpreis-Schwelle für langen Kontext und mit 95 % Rabatt auf implizite Cache-Treffer[3]. Jeder Output-Tarif schließt Thinking-Tokens ein[3].
| Modell | Google-Standard-Bezahltarif (bis 30. Nov. 2026) | Google-Standard-Bezahltarif (ab 1. Dez. 2026) | Gecachter Input (ab 1. Dez. 2026) | Aktuelle reAPI-Gruppentarife |
|---|---|---|---|---|
| Gemini 4 Hydrogen | $1.50 In / $7.50 Out | $1.50 In / $7.50 Out | $0.075 / 1M | Hydrogen-Preise |
| Gemini 4 Neon | $3.00 In / $15.00 Out | $3.00 In / $15.00 Out | $0.15 / 1M | Neon-Preise |
| Gemini 4 Argon | $2.00 In / $10.00 Out | $4.00 In / $20.00 Out | $0.20 / 1M | Argon-Preise |
| Gemini 4 Carbon | $2.00 In / $10.00 Out | $4.00 In / $20.00 Out | $0.20 / 1M | Carbon-Preise |
Quelle: Offizielle Google-Standardtarife im Bezahltarif, geprüft am 20. November 2026[3]. Grounding mit Google Search oder Google Maps verursacht nach den gemeinsamen monatlichen Freikontingenten separate Gebühren pro Anfrage ($14 pro 1.000 Anfragen in Googles Bezahltarif)[3].
Aus diesem Zeitplan ergeben sich zwei praktische Konsequenzen:
- Vor dem 1. Dezember 2026 tragen Carbon und Argon einen niedrigeren Listenpreis pro Token ($2.00/$10.00) als Neon ($3.00/$15.00), sodass dein realer Kostenvergleich zwischen Gemini 4 Neon vs Carbon davon abhängt, wie viele Thinking-Tokens jedes Modell für dieselbe Aufgabe verbraucht[3]. Da Thinking als Output zählt, kann ein Modell, das ein Refactoring mit der Hälfte der Output-Tokens abschließt, selbst bei höherem Token-Preis pro Aufgabe weniger kosten.
- Ab dem 1. Dezember 2026 liegt Neon ($3.00/$15.00) 25 % unter Carbon und Argon ($4.00/$20.00) und doppelt so hoch wie Hydrogen ($1.50/$7.50)[3]. Auf reAPI weist jedes Modell auf seiner Modellseite aktuelle Gateway-Gruppenmultiplikatoren aus: So war
gemini-4-neonam 20. November 2026 in der Gruppegemini-0.4mit einem Verhältnis von 0,55x veröffentlicht, was $1.65 Input, $8.25 Output und $0.0825 gecachtem Input pro 1M Tokens entspricht — prüfe Gemini 4 Neon auf reAPI für aktuelle Gruppenverfügbarkeit und geltende Preise.
Thinking-Stufen bei Gemini 4 Neon und die 32K- vs. 64K-REST-Hop-Aufteilung
Zwei API-Standardwerte trennen das neuere November-Paar (Neon und Hydrogen) vom früheren Paar (Carbon und Argon): die Thinking-Konfiguration und das REST-Ausgabelimit pro einzelner Anfrage.
Erstens lässt sich Thinking bei keinem Gemini-4-Modell abschalten[7]. Carbon und Argon bieten drei native Stufen (low, medium, high) und verwenden standardmäßig medium. Neon und Hydrogen bieten vier native Stufen (low, medium, high, xhigh) und verwenden standardmäßig high[4][7]. Das Senden von nativem thinkingLevel: "minimal" liefert bei allen vier Modellen einen Upstream-Fehler, während der OpenAI-kompatible Endpunkt /api/v1/chat/completions den Wert reasoning_effort: "minimal" auf low abbildet und xhigh ausschließlich bei gemini-4-neon und gemini-4-hydrogen beibehält[9].
Zweitens liegen direkte, nicht-streamende REST-Aufrufe (:generateContent) bei Neon und Hydrogen standardmäßig und maximal bei 65.536 Tokens pro Hop, verglichen mit 32.768 Tokens pro Hop bei Carbon und Argon[6]. Streaming-Aufrufe (:streamGenerateContent?alt=sse) erlauben über alle vier Modelle hinweg 65.536 Tokens pro Hop[6]. Für Aufgaben, die mehr als einen Hop erfordern, aktivieren Googles aktuelle GenAI-SDKs (google-genai>=2.30.1 für Python und @google/genai>=2.29.1 für JavaScript) standardmäßig automatic_continuation, während direkte REST-Aufrufer und reAPI strikt eine Anfrage pro Aufruf ausführen und ein opakes continuationToken zurückgeben, wenn finishReason gleich CONTINUATION ist[4][6].
Dieser Hop-Unterschied wirkt sich bei der Bewertung von Gemini 4 Neon vs Carbon über REST direkt aus. Sendet dein Dienst nicht-streamende JSON-Anfragen mit high Thinking, erreicht Carbon seine Hop-Obergrenze von 32.768 Tokens doppelt so früh wie Neon und erzwingt bei langen Code-Generierungen früher einen zusätzlichen Continuation-Roundtrip (und eine zweite Anfrage, die auf den wiederholten Kontext abgerechnet wird).
Wie du im Code zwischen Gemini 4 Neon, Carbon, Hydrogen und Argon wechselst
Der Wechsel zwischen beliebigen zwei Gemini-4-Modellen erfordert nur die Änderung der Modell-ID in der URL sowie die Prüfung von thinkingLevel und maxOutputTokens[4]. Hier ist eine einzelne native Anfrage gegen den gemini-4-neon-Endpunkt von reAPI mit x-goog-api-key:
curl https://reapi.ai/api/v1beta/models/gemini-4-neon:generateContent \
-H "x-goog-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"role": "user",
"parts": [{"text": "Audit this retry queue for race conditions and propose a minimal patch."}]
}],
"generationConfig": {
"maxOutputTokens": 65536,
"thinkingConfig": {"thinkingLevel": "high"}
}
}'Wenn du eine bestehende App von Gemini 3 migrierst oder Gemini 4 Neon vs Carbon direkt nebeneinander testest, achte auf vier Fallstricke aus Googles Migrations-Checkliste[4]:
- Niedrige
maxOutputTokens-Limits entfernen: Ältere Werte wie4096oder8192schneiden Antworten häufig ab, weil Thinking-Tokens dasselbe Budget verbrauchen wie sichtbarer Text. LassmaxOutputTokensweg (65.536 bei Neon und Hydrogen) oder setze eine ausdrücklich höhere Obergrenze, und senkethinkingLevel, wenn du kürzere Läufe möchtest. cachedContententfernen: Keines der Gemini-4-Modelle unterstützt explizite Context-Caching-Ressourcen. Implizites Caching greift automatisch bei Prompts ab mindestens 4.096 Tokens[4].temperature,topP,topKundcandidateCountentfernen: Eigene Sampling-Werte innerhalb des gültigen Bereichs werden upstream ignoriert, während Werte außerhalb des Bereichs HTTP 400 auslösen[4].thoughtSignatureundcontinuationTokenunverändert übernehmen: Sende beim mehrstufigen Function Calling das exakteparts-Array des Modells zurück, statt Assistant-Runden nur aus Text neu zusammenzubauen. BeiCONTINUATIONsende die ursprünglichencontentsunverändert zusammen mit dem zurückgegebenen Token erneut[6].
Vollständige Beispiele für Python, Node.js, Go, Streaming-SSE und Gruppenauswahl findest du in der Gemini 4 Neon API-Dokumentation.
Multi-Modell-Routing-Muster zur Vermeidung von Token-Verschwendung
Du brauchst selten ein einzelnes Modell für jeden Schritt einer Pipeline. Googles Dokumentation hebt hervor, einen stärkeren Planer oder Orchestrator mit Hydrogen-Workern zu kombinieren, und die vier Modelle lassen sich sauber auf drei Routing-Topologien abbilden[4][5]:
- Standard für Produktiv-Coding und Agents (Neon auf
high, für interaktive Bearbeitungen aufmediumabgesenkt): Starte komplexe Refactorings, Test-Debugging, Sicherheitspatches und Dokumentanalysen über mehrere Dateien auf Gemini 4 Neon. Eskaliere nur fehlgeschlagene oder besonders kritische Aufgaben auf Neonxhighoder Gemini 4 Carbon. - Orchestrator- und Worker-Schwärme (Planung mit Neon oder Carbon, Ausführung mit Hydrogen): Lass in einer Aufteilung Gemini 4 Neon vs Hydrogen Neon oder Carbon eine Spezifikation in abgegrenzte Datei-Aufgaben zerlegen und verteile dann unabhängige Modulbearbeitungen, Unit-Test-Entwürfe und Schema-Extraktionen zum halben Listenpreis von Neon an Gemini 4 Hydrogen.
- Extraktion und Klassifizierung mit hohem Volumen: Überspringe den Gemini-4-Reasoning-Overhead ganz und behalte für einfaches Routing oder Tagging ein leichtgewichtiges Flash-Modell bei, während Gemini-4-Modelle Aufgaben vorbehalten bleiben, bei denen obligatorisches Thinking die Genauigkeit verbessert[4].
Bevor du dich in der Produktion auf ein Standardmodell festlegst, führe 10 bis 20 repräsentative Prompts aus deiner eigenen Workload über Hydrogen (high), Neon (medium und high) sowie Carbon (medium und high) aus. Miss Erfolgsquote, tatsächliche Laufzeit und gesamte abgerechnete Tokens pro abgeschlossener Aufgabe statt nur der reinen Listenpreise pro Million Tokens.
Häufig gestellte Fragen
Wie schneidet Gemini 4 Argon im Vergleich zu Neon, Carbon und Hydrogen ab?
Im Vergleich Gemini 4 Neon vs Argon positioniert Google Gemini 4 Argon (gemini-4-argon) als effizientes Frontier-Reasoning-Modell, das pro Runde weniger Thinking-Tokens als Carbon verbraucht, dabei aber Carbons Preisplan von $2.00/$10.00 auf $4.00/$20.00, drei Thinking-Stufen (low/medium/high, Standard medium) und das Hop-Limit von 32K für nicht-streamendes REST teilt[3][6]. Gegenüber Argon ergänzt Neon die Thinking-Stufe xhigh, verdoppelt das Hop-Limit für nicht-streamendes REST auf 65.536 Tokens und liegt pro Token um 25 % niedriger, sobald Carbon und Argon am 1. Dezember 2026 auf $4.00/$20.00 wechseln[3][4].
Lohnt sich Gemini 4 Argon nach dem Start von Neon noch?
Ja: Wenn deine bestehenden Prompts bereits auf gemini-4-argon evaluiert sind und du auf sein geringeres Reasoning-Verhalten pro Runde im Vergleich zu Carbon angewiesen bist, bleibt es ein stabiles 1M-Kontext-Modell[3]. Für neue Workloads ab Ende November 2026 sollten die meisten Teams jedoch zuerst Neon und Hydrogen testen, da beide 64K-Hops bei nicht-streamendem REST, vier Thinking-Stufen einschließlich xhigh und niedrigere Token-Preise nach dem 1. Dezember bieten[3][4].
Wer hat Zugang zu Gemini 4 Argon und Gemini 4 Neon?
Auf Googles eigener Plattform sind sowohl Gemini 4 Argon als auch Gemini 4 Neon auf den Gemini-API-Bezahltarif ohne kostenlosen Google-Tarif beschränkt, während Neon zusätzlich für Abonnenten von Google AI Pro und Ultra in Google AI Studio, Google Antigravity, Gemini for business und der Gemini-App bereitgestellt wird[1][3]. Entwickler können außerdem alle vier Modelle nutzungsbasiert (pay-as-you-go) über reAPI mit einem einzigen API-Schlüssel und Guthaben ohne separates Google-Abrechnungskonto aufrufen; die aktuelle Gruppenverfügbarkeit steht auf der jeweiligen Modellseite.
Wie nutzt man Gemini 4 Carbon neben Neon oder Hydrogen?
Da Carbon, Neon, Hydrogen und Argon exakt dasselbe native GenerateContent-Anfrageschema teilen, kannst du zwischen ihnen routen, indem du nur das Modellsegment in der URL änderst (/api/v1beta/models/gemini-4-carbon:generateContent vs. /api/v1beta/models/gemini-4-neon:generateContent) und thinkingLevel prüfst (medium standardmäßig bei Carbon gegenüber high standardmäßig bei Neon und Hydrogen)[4][7]. Vollständige Details zu nativen Anfragen findest du in der Gemini 4 Carbon API-Dokumentation.
Hat Gemini 4 Neon einen kostenlosen Tarif?
Nein. Googles offizielle Preistabelle führt Gemini 4 Neon im kostenlosen Tarif als „Not available“ auf[3]. Unter den vier Gemini-4-Modellen bietet nur Gemini 4 Hydrogen ein begrenztes kostenloses Kontingent in Google AI Studio[3]. Auf reAPI werden alle vier Modelle nutzungsbasiert ohne Monatsabonnement über dein Guthaben abgerechnet.
Sollte ich Gemini 4 Neon xhigh statt Carbon verwenden?
Betrachte xhigh als Eskalationsstufe und nicht als Standardeinstellung. Google empfiehlt, Neon mit high zu starten und xhigh schwierigen mehrstufigen Entwicklungs-, Wissenschafts- oder Analyseaufgaben vorzubehalten, bei denen high nicht ausreicht, weil xhigh sowohl die Latenz als auch den Thinking-Token-Verbrauch erhöht[4]. Vergleiche Neon xhigh direkt mit Carbon medium und high anhand deiner fehlgeschlagenen Fälle und behalte das Modell, das pro Dollar höhere Erfolgsquoten liefert.
Kann irgendein Gemini-4-Modell Bilder oder Audio erzeugen?
Nein. Alle vier Modelle (Neon, Carbon, Hydrogen und Argon) akzeptieren Text-, Bild-, Video-, Audio- und PDF-Eingaben, geben aber ausschließlich Text aus[2][5]. Verwende dedizierte Modelle zur Bild-, Video- oder Audiogenerierung, wenn deine Anwendung generierte Medien benötigt.
Dein Standardmodell aus Gemini 4 auswählen
Wenn du dich heute zwischen Gemini 4 Neon vs Carbon, Hydrogen und Argon entscheidest, nutze eine einfache Drei-Schritte-Regel: Starte alltägliches hochfrequentes Coding, Tool-Agents und Dokumentenanalyse auf Gemini 4 Neon mit high; lagere abgegrenzte Teilaufgaben mit hohem Volumen auf Gemini 4 Hydrogen aus; und eskaliere nur die schwierigsten langfristigen Probleme auf Gemini 4 Carbon. Behalte die Preisänderung zum 1. Dezember 2026 im Blick, falls du Carbon oder Argon derzeit zum Einführungspreis betreibst[3], und teste deine tatsächliche Prompt-Suite über die Thinking-Stufen hinweg, bevor du das Produktions-Routing festlegst.
Quellen
- Google Blog, Introducing Gemini 4 Neon (18. Nov. 2026): https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
- Google AI Studio, Gemini 4 Neon Model Specifications (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/models/gemini-4-neon
- Google AI Studio, Gemini API Pricing — Carbon, Argon, Neon, and Hydrogen (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/pricing#gemini-4-neon
- Google AI Studio, What's new in Gemini 4 Neon (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/whats-new-gemini-4-neon?generate-content=true
- Google AI Studio, Gemini 4 Hydrogen Model Specifications (abgerufen am 14. Nov. 2026): https://aistudio.google.com/docs/models/gemini-4-hydrogen
- Google AI Studio, Long decode guide (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/long-decode?generate-content=true
- Google AI Studio, Gemini thinking guide (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/thinking?generate-content=true
- Google DeepMind, Gemini 4 Neon Model Card (18. Nov. 2026): https://deepmind.google/models/model-cards/gemini-4-neon/
- Google AI Studio, OpenAI compatibility — Thinking (abgerufen am 20. Nov. 2026): https://aistudio.google.com/docs/openai