Google lança Gemini 4 Neon: cache e custo por tarefa

O que muda com a chegada do Gemini 4 Neon?
O Google anunciou o Gemini 4 Neon em 18 de novembro de 2026, com entrada em cache a US$ 0,15 por milhão de tokens, ante US$ 3 sem cache, na modalidade Standard paga.[1][3] O anúncio do fornecedor muda a conta de quem opera um gateway: a classe da tarefa e o cache efetivamente aproveitado precisam ser avaliados juntos.
Fatos-chave
- Na tabela Standard paga do Google consultada em 20 de novembro de 2026, o Neon custa US$ 3 por milhão de tokens de entrada, US$ 0,15 de entrada em cache e US$ 15 de saída, incluindo raciocínio.[1][3]
- No anúncio do Google de 18 de novembro de 2026, o desconto de 95% vale para os tokens de entrada que acertam o cache, não para a saída nem para a fatura inteira.[1]
- A escolha exige medir qualidade, latência e custo por tarefa aceita na operação do leitor.
O Gemini 4 Neon altera a comparação econômica entre rotas de IA porque o Google cobra preços diferentes para entrada comum e entrada em cache na API direta. Na tabela Standard paga consultada em 20 de novembro de 2026, a diferença entre US$ 3 e US$ 0,15 por milhão de tokens representa 95% apenas sobre a parcela de entrada cobrada em cache.[1][3] Para estimar o gasto da operação, a equipe precisa acrescentar a saída, as tentativas malsucedidas e as demais cobranças do canal contratado. A escolha da rota depende também de tarefas aceitas e do tempo de resposta observado para cada classe de trabalho. O anúncio não prova que uma integração específica receba o desconto nem que o Neon esteja disponível no Nexforce Router. A comparação só pode atribuir economia à operação depois de confrontar os registros de uso com a cobrança efetiva e verificar os critérios de aceite.
O desconto não cobre a conta inteira. Uma equipe que trocar de modelo olhando apenas o preço de entrada corre o risco de economizar em uma linha da fatura e gastar mais nas tentativas necessárias para entregar um resultado aceito. Esse é o ponto que merece teste, não uma mudança automática de rota.
O que o Google anunciou para o Gemini 4 Neon?
No anúncio oficial de 18 de novembro, assinado por Koray Kavukcuoglu, o Google apresenta o Neon entre o Hydrogen, voltado ao trabalho cotidiano, e o Carbon, destinado a tarefas mais difíceis e longas.[1] É um posicionamento do fornecedor, não uma ordem universal de qualidade para qualquer tarefa.
O Gemini 4 Neon ocupa, segundo o Google, a posição intermediária da família entre Hydrogen e Carbon, mas a posição não determina qual rota vence em uma tarefa específica.[1] O fornecedor informa janela de contexto de um milhão de tokens e, na tabela Standard paga da API direta consultada em 20 de novembro de 2026, cobra US$ 3 por milhão de tokens de entrada, US$ 0,15 por entrada em cache e US$ 15 por saída, incluindo raciocínio.[1][3] No anúncio de 18 de novembro de 2026, o Google também relata 61 pontos no Artificial Analysis Intelligence Index com xhigh e 1.336 pontos no Agent Arena Index. Esses resultados pertencem às condições dos testes citados, não à operação da Nexforce. A empresa de busca corporativa citada no anúncio do Google de 18 de novembro de 2026 informou, em avaliações iniciais, velocidade três vezes maior e custo equivalente a 60% do Carbon, sem divulgar todas as condições.[1] A equipe deve conferir qualidade e custo nas próprias tarefas antes de trocar a rota.
A janela não precisa ser usada integralmente. Uma requisição pode usar menos.
No anúncio de 18 de novembro de 2026, o Google informa terceiro lugar geral no Artificial Analysis Intelligence Index e segundo lugar no Agent Arena Index. A posição em seguir correções é outra medida, distinta da classificação geral.[1] O nível de raciocínio, a composição das entradas e os critérios de aceite podem alterar o resultado de uma comparação local.
A empresa de busca corporativa citada pelo Google também relata qualidade igual ou superior à do Carbon.[1] Essas avaliações iniciais não são uma promessa aplicável a qualquer operação.
A comparação com o preço do Gemini 4 Hydrogen e o custo por requisição[4] ajuda a separar o papel de cada modelo da conta efetiva de uma chamada. O novo dado para a decisão é quanto do contexto se repete e é de fato cobrado como cache.
Por que o cache altera o custo de entrada?
Na tabela direta do Google consultada em 20 de novembro de 2026, um milhão de tokens de entrada sem cache custa US$ 3 no Neon; a mesma quantidade de entrada cobrada como cache custa US$ 0,15.[1][3] A diferença é de 95%, mas alcança somente a parte da entrada que recebe essa tarifa.
O cache do Gemini 4 Neon reduz o preço dos tokens de entrada que o fornecedor efetivamente classifica como cache, não o custo de toda a requisição. A tabela Standard paga do Google consultada em 20 de novembro de 2026 registra US$ 3 por milhão de tokens de entrada comum e US$ 0,15 por milhão em cache.[1][3] A diferença entre as tarifas é de 95%. Se apenas parte da entrada recebe o desconto, a cobrança da entrada combina as duas tarifas; a saída e eventuais ferramentas são calculadas à parte. A documentação de cache do Google, consultada em 20 de novembro de 2026, descreve cache implícito, mínimo de 4.096 tokens de entrada para o Neon e recomenda prefixos comuns em requisições próximas no tempo.[2] Essas recomendações não garantem acerto. Na Interactions API, usage.total_cached_tokens informa os tokens em cache, mas o operador precisa conferir se a integração transmite o campo e se o desconto aparece no faturamento do canal contratado.
Pela tabela do Google consultada em 20 de novembro de 2026, a conta é 1 - 0,15 / 3 = 0,95. Se uma requisição reaproveita apenas parte dos tokens, o restante segue a tarifa de entrada aplicável. A saída continua separada. Ferramentas ou outras cobranças incidentes também entram no custo. O percentual não descreve economia sobre a fatura completa.
Na documentação de cache da API do Google, consultada em 20 de novembro de 2026, o cache para modelos Gemini 4 é implícito. Para o Neon, a página registra mínimo de 4.096 tokens de entrada e recomenda colocar conteúdos comuns no início do prompt e enviar requisições com prefixos semelhantes em intervalos próximos.[2] São condições e orientações para aumentar a chance de acerto, não garantia de que cada requisição será faturada com desconto.
O prefixo pode se repetir no texto sem gerar um acerto de cache cobrado pelo fornecedor. Na Interactions API, o campo usage.total_cached_tokens informa os tokens que acertaram o cache.[2] Antes de usá-lo em um painel de gateway, a equipe precisa verificar se o endpoint e o caminho de integração preservam esse dado; quando não houver metadado, o resultado é desconhecido, não necessariamente uma falha.
A documentação de cache do Google, consultada em 20 de novembro de 2026, também descreve uma particularidade para conversas de múltiplos turnos no Gemini 4: para reaproveitar integralmente a requisição anterior, a nova precisa acrescentar pelo menos 2.050 tokens. Abaixo desse limite, os últimos 2.050 tokens da requisição anterior são reprocessados à tarifa padrão.[2] É uma regra da documentação da API, sujeita à verificação do endpoint usado na operação.
O que muda na escolha da rota por tarefa?
Uma política baseada somente no nível nominal do modelo não mostra o custo da tarefa concluída. A alternativa é comparar rotas por classe de trabalho, qualidade mínima, latência e cache observado, usando preços efetivos do canal de contratação. O Neon acrescenta uma opção à análise, não uma rota vencedora por definição.
O roteamento por tarefa compara as rotas que cumprem os limites de qualidade, segurança e latência definidos para cada classe de trabalho. Entre as rotas elegíveis, a equipe escolhe a de menor custo por tarefa aceita, somando as tentativas e as cobranças do canal contratado. A taxa de cache ajuda a explicar a diferença de custo, mas não substitui a medição de qualidade. O Gemini 4 Neon entra nessa comparação como candidato, não como vencedor automático. O teste precisa separar tarefas com prefixos estáveis de tarefas com entradas variáveis, porque a taxa de tokens em cache de uma classe não representa necessariamente outra. Se nenhuma rota cumprir os limites, a equipe responsável suspende a automação e encaminha a decisão para revisão humana ou aciona um fallback previamente aprovado para a tarefa. A rota atual só permanece se cumprir os limites aplicáveis. Uma opção barata reprovada não se torna elegível pelo preço.
| Critério | Escolha guiada só por nível do modelo | Escolha condicionada à tarefa |
|---|---|---|
| Entrada | Prioriza o preço unitário anunciado | Separa tokens sem cache e tokens cobrados em cache |
| Qualidade | Supõe que o nível escolhido basta | Mede a proporção de tarefas aceitas na classe |
| Latência | Usa expectativa genérica do modelo | Compara a distribuição observada com o limite do serviço |
| Custo | Compara tarifa por token | Soma tentativas e cobranças por tarefa aceita |
| Decisão | Mantém uma rota ampla para usos diferentes | Seleciona entre rotas elegíveis e revisa quando os dados mudam |
A tabela compara abordagens, não afirma que todas as empresas usavam a primeira. Uma mesma organização pode ter processos com prefixo estável e outros em que cada entrada é inédita. A proporção de tokens reaproveitados, nesse caso, não pode ser transferida de uma classe para outra.
O roteamento quando o preço do token muda[5] já exige revisar tarifas e comportamento real das chamadas. Com o Neon, a reutilização de prefixo acrescenta uma variável que pode variar até entre requisições do mesmo serviço. Uma regra fixa para toda a aplicação esconderia essa diferença.
Também há um limite para o raciocínio inverso: uma tarefa simples não precisa ser enviada a um modelo intermediário só porque ele oferece cache. Se uma rota elegível atende ao aceite com menor custo e latência suficiente, o uso de um modelo mais caro por token precisa se justificar nos resultados medidos.
Como medir custo por tarefa aceita?
O custo por tarefa aceita é a soma das cobranças atribuíveis a uma coorte dividida pela quantidade de tarefas concluídas e aceitas nessa mesma coorte. A fórmula inclui tentativas malsucedidas e custos efetivos, não apenas a chamada que gerou a resposta final. Se não houver tarefas aceitas, o indicador fica indefinido.
A equipe soma os tokens de entrada sem cache, em cache e de saída de todas as tentativas, aplicando a tarifa efetiva de cada componente. Ferramentas e outras cobranças aplicáveis entram no numerador. O denominador não é o número de chamadas: são as tarefas concluídas e aceitas segundo o mesmo critério para cada rota. A telemetria registra o total de entrada e o subconjunto em cache. Também registra a saída e a taxa de sucesso da classe. Quando os dados de cache estão incompletos, a equipe informa a cobertura e não trata os pedidos desconhecidos como falhas. Antes de atribuir economia à rota, confronta consumo e tarifas contratadas com a cobrança do fornecedor ou intermediário.
O numerador inclui raciocínio quando cobrado como saída. Excluir uma segunda tentativa ou revisão automática faria a rota parecer mais barata; o cálculo usa a fatura ou os dados de cobrança do canal, não uma tarifa presumida.
Para a classe e o período comparados, a fórmula é custo por tarefa aceita = C_total / A, com C_total = (I_sem_cache × P_entrada + I_cache × P_cache + O × P_saída) / 1.000.000 + C_outros. I_sem_cache, I_cache e O são as somas dos tokens de entrada sem cache, de entrada em cache e de saída em todas as tentativas; P_entrada, P_cache e P_saída são as respectivas tarifas efetivas por milhão de tokens. C_outros reúne as demais cobranças atribuíveis, como ferramentas, e A é o número de tarefas aceitas. Se as tarifas variarem no período, a equipe calcula cada parcela por faixa de preço antes de somá-las. Quando A = 0, não há razão definida.
Na tabela Standard paga do Google para o Neon consultada em 20 de novembro de 2026, para I tokens totais de entrada e H deles efetivamente faturados em cache, o componente de entrada é [3 × (I − H) + 0,15 × H] / 1.000.000, em dólares.[3] Para I > 0, a economia nessa entrada, comparada à mesma entrada sem cache, é 95% × H / I. A conta não estima economia na fatura total nem representa um resultado observado em cliente.
O critério de aceite deve ser definido antes do teste e ser igual para as rotas comparadas. Em uma extração estruturada, a equipe define campos obrigatórios e validação de conteúdo; uma resposta rápida que falha no aceite não conta. A análise de custo por tarefa na escolha de rotas de IA aborda essa distinção.
A medição de cache exige duas leituras: a fração de requisições da classe que reutilizam o prefixo comum identificado pela equipe e a fração de tokens de entrada reportados como cache, divididos pelo total de entrada correspondente. Uma mede reutilização; a outra, seu peso no consumo. Não são equivalentes. O contador não comprova sozinho o desconto na fatura.[2]
Por classe e rota, a telemetria registra requisições totais, requisições com metadados de cache válidos, tokens de entrada, em cache e de saída por tentativa, além de tarefas iniciadas e aceitas. A taxa de sucesso divide as aceitas pelas iniciadas na coorte. A taxa de cache ponderada divide a soma dos tokens em cache pela soma da entrada das mesmas requisições com metadados válidos; a equipe confirma antes a definição e a compatibilidade dos campos do endpoint. A cobertura divide as requisições com metadados válidos pelo total. Pedidos sem metadados ficam fora da razão e são desconhecidos, não misses.
Para reconciliar a cobrança, a equipe agrupa registros pelo período, modelo, canal e modalidade da fatura, aplica preços contratados e compara tokens e valores com os demonstrativos do fornecedor ou intermediário. Identifica descontos, ajustes, ferramentas e outras cobranças sem contar duas vezes o raciocínio incluído na saída. Divergências são registradas e investigadas; sem atribuição confiável, o desconto faturado e o custo por classe permanecem não confirmados.
A versão do prefixo evita leituras enganosas quando o texto compartilhado muda. A equipe registra também modelo e versão, nível de raciocínio, faixa de contexto, data da tabela de preços, modalidade, equipe, identificador pseudonimizado da tarefa e número de tentativas, sem necessidade de conteúdo sensível.
A tabela de preços do Google, consultada em 20 de novembro de 2026, traz um contraponto: o Carbon tinha preço Standard promocional até 30 de novembro de 2026, de US$ 2 por milhão de entrada, US$ 10 de saída e US$ 0,10 de entrada em cache.[3] A partir de 1º de dezembro, a tabela informava US$ 4, US$ 20 e US$ 0,20, respectivamente. Por isso, afirmar que o Neon custa sempre menos por token que o Carbon seria incorreto.
A análise anterior sobre preço inicial do Carbon e custo por tarefa[6] ganha uma condição nova: a comparação precisa fixar a data, o endpoint, a modalidade e o canal de compra. Esses preços são do fornecedor e não constituem uma cotação da Nexforce. Uma mudança de preço pode inverter a ordem das rotas mesmo sem mudança na qualidade.
Quais decisões tomar agora?
A recomendação é testar por classe de tarefa antes de alterar a política do gateway. A equipe define o aceite, confere a telemetria disponível e compara rotas nas mesmas condições, incluindo cache frio e aquecido. Uma diferença de tarifa só vira economia comprovada quando aparece no custo das tarefas aceitas sem romper os limites do serviço.
Para testar o Gemini 4 Neon sem confundir preço com resultado, a equipe precisa comparar as mesmas tarefas representativas em cada rota candidata e fixar o aceite antes da execução. Como recomendação editorial de piso operacional inicial, o ensaio usa pelo menos 100 tarefas distintas por classe, avaliadas em cada rota; esse número não garante precisão estatística e deve aumentar conforme a diferença que se pretende detectar e a variabilidade observada. O responsável define previamente os limites de qualidade, segurança e latência, incluindo o percentil de resposta, e documenta o tratamento de erros e tentativas. O relatório separa rodadas de cache frio e aquecido, registra a taxa de acerto de cache e sua cobertura e informa a taxa de sucesso por classe. A equipe compara os custos reconciliados. O relatório mostra a incerteza das diferenças. Se a amostra ou a cobertura não sustentar a conclusão, o teste permanece inconclusivo e não autoriza uma mudança automática de política.
- Separação das classes de trabalho. A equipe agrupa tarefas por objetivo, tamanho de contexto e requisitos de saída. Identifica prefixos comuns e suas versões, sem juntar tarefas com critérios de aceite diferentes.
- Critérios de qualidade e latência. Antes de executar, o responsável documenta o critério de aceite por tarefa e os limites numéricos de taxa de sucesso, segurança e percentil de latência para cada classe; também define quando uma falha exige nova tentativa ou revisão humana.
- Conferência dos dados de cobrança. A equipe verifica se o canal contratado informa tokens de entrada em cache e se o gateway repassa o metadado. Registra dados ausentes como desconhecidos e inclui as cobranças efetivas da operação.
- Comparação com controles. Como recomendação editorial, a equipe usa pelo menos 100 tarefas reais anonimizadas por classe, a mesma amostra para cada rota e configuração comparável; registra taxa de acerto de cache, cobertura, tamanho da amostra, dispersão, erros e tentativas.
- Escolha e revisão da rota. Entre as rotas que passam nos limites, a equipe prefere a de menor custo por tarefa aceita. Se nenhuma passar, o responsável suspende a automação, encaminha para revisão humana ou usa fallback previamente aprovado; a rota atual só permanece se cumprir os limites aplicáveis.
Nas rodadas frias e aquecidas, a equipe registra horários, cadência, versão do prompt, modelo, nível de raciocínio e canal. O desenho evita que uma rota aqueça inadvertidamente o cache da outra; os resultados só são agregados segundo a proporção observada de condições frias e aquecidas no tráfego real. Os resultados de cada condição, os percentis de latência e a incerteza da diferença permanecem visíveis no relatório.
Uma sequência com muitas requisições semelhantes pode parecer representativa de uma operação que recebe entradas variadas e espaçadas no tempo. Em sentido oposto, um ensaio apenas com cache frio pode ignorar um padrão de reutilização presente na rotina real.
A equipe também deve acompanhar a distribuição da latência, não apenas a média. Uma rota que melhora a média, mas deixa parte das tarefas acima do limite de resposta, exige investigação antes de receber mais tráfego. O mesmo vale para uma rota que reduz gasto por chamada enquanto aumenta o número de tentativas.
A pergunta discutida na análise de preço do token e custo de IA por tarefa[7] continua válida: uma tarifa menor muda o custo da tarefa entregue? Para o Neon, a resposta precisa incluir quantos tokens realmente acertaram o cache e quantas tarefas passaram no aceite.
Perguntas frequentes
O desconto de cache se aplica à entrada reaproveitada, não à conta inteira, e nenhuma requisição tem acerto garantido. Para decidir uma rota, a equipe precisa observar os tokens cobrados em cache e dividir o gasto da coorte pelas tarefas aceitas. Os preços abaixo são do Google, não uma oferta da Nexforce.
No Gemini 4 Neon, os 95% informados pelo Google comparam somente as tarifas Standard de entrada em cache e de entrada sem cache, consultadas em 20 de novembro de 2026.[1][3] A saída e outros custos não recebem esse percentual por definição. O cache implícito tampouco garante acerto em cada requisição: a equipe precisa observar os tokens reportados e conferir a cobrança. Para comparar rotas, o custo por tarefa aceita soma as tentativas de uma classe e divide o gasto pelo número de tarefas aceitas; sem tarefas aceitas, a razão não existe. Os valores da API direta não são automaticamente os preços do Nexforce Router. A disponibilidade do Neon, o preço contratado e o acesso aos metadados de cache no Router exigem confirmação. Os resultados de qualidade, velocidade e custo citados pelo Google pertencem às avaliações relatadas pela empresa mencionada no anúncio, não a uma medição da Nexforce.
Os 95% de desconto reduzem toda a fatura?
Não. Os 95% comparam US$ 0,15 de entrada em cache com US$ 3 de entrada sem cache por milhão de tokens do Neon, na modalidade Standard paga da tabela do Google consultada em 20 de novembro de 2026.[1][3] A saída, a entrada que não acertou o cache e outras cobranças seguem suas condições próprias.
Toda requisição ao Gemini 4 Neon terá cache?
Não. A documentação de cache do Google, consultada em 20 de novembro de 2026, descreve cache implícito, mínimo de 4.096 tokens de entrada para o Neon e recomenda prefixos comuns no início de requisições próximas no tempo.[2] Isso não garante acerto em cada chamada. O campo de tokens em cache precisa ser verificado no endpoint e na integração utilizados.
O que o custo por tarefa aceita mede?
Mede o gasto total da coorte, com todas as tentativas e cobranças aplicáveis, dividido pelo número de tarefas concluídas que passaram nos critérios de aceite. Se nenhuma tarefa for aceita, a razão é indefinida. Usar o número de chamadas no denominador responderia a outra pergunta.
A tarifa anunciada pelo Google é o preço do Nexforce Router?
Não necessariamente. Os valores citados são da API direta do Google na modalidade informada e podem mudar.[3] Disponibilidade do Neon, preço efetivo e acesso aos metadados de cache no Nexforce Router devem ser confirmados no momento da contratação. Este artigo não afirma que o modelo já esteja disponível no Router.
O relato citado pelo Google comprova economia para qualquer equipe?
Não. O relato de qualidade, velocidade e custo corresponde às avaliações iniciais da empresa citada no anúncio do Google, cujas condições completas não foram detalhadas.[1] Uma equipe só pode concluir que economizou após medir sua própria amostra, suas cobranças e suas tarefas aceitas.
Referências e Leitura Complementar
[1] Google: anúncio do Gemini 4 Neon [2] Google: documentação de cache [3] Google: tabela de preços [4] Gemini 4 Hydrogen: preço e custo por requisição [5] Roteamento de LLM e preço do token [6] Gemini 4 Carbon: preço e custo por tarefa [7] Preço do token e custo de IA por tarefa [8] Nexforce Router
Qual é o próximo passo para a política de roteamento?
O Nexforce Router é uma infraestrutura de gateway com regras de roteamento e observabilidade de consumo.[8] A notícia torna relevante conferir como a operação obtém os dados necessários para decidir por tarefa. Isso ainda precisa de verificação. O anúncio não comprova disponibilidade do Neon, repasse de metadados de cache ou uma regra automática específica no produto.
A próxima revisão da política de roteamento deve partir dos limites de qualidade, segurança e latência de cada tarefa e da tarifa efetiva do canal contratado. O Nexforce Router é uma infraestrutura de gateway com regras de roteamento e observabilidade de consumo, mas o anúncio do Google não confirma que o Gemini 4 Neon esteja disponível no Router nem que os metadados específicos de cache sejam repassados.[8] Esses pontos exigem confirmação no momento da contratação. A equipe deve registrar tokens de entrada, cache e saída, associar as tentativas à mesma tarefa e reconciliar os valores com a cobrança antes de comparar o custo por tarefa aceita. Na ausência de metadados, o relatório identifica a lacuna sem presumir desconto. Se nenhuma rota passar nos limites, o responsável pela operação suspende a automação, encaminha para revisão humana ou aplica um fallback previamente aprovado para a tarefa. A rota atual permanece somente se atender aos limites.

Acelere a eficiênciaoperacional do seu negócio
Nós desenhamos a tecnologia do amanhã para impulsionar a escala do negócio
Falar com EspecialistaArtigos relacionados

OpenAI lança GPT-6.2 Astra e Sol: custo por tarefa muda rota
A OpenAI apresentou GPT-6.2 Astra e Sol com tarifas distintas para entrada, cache e saída. A escolha da rota exige medir o custo de cada tarefa aceita, incluindo tentativas.
Read more
Amazon: agentes relatam uso de chaves de IA
Registros capturados pela Amazon relatam uso de credenciais de IA em buscas por outras chaves, sem confirmação dos resultados externos.
Read more
Control Room da OpenAI põe o botão de parar na inferência
A OpenAI instalou a parada do agente na camada de inferência: cada pedido pede permissão e o job parado recebe recusa, nos motores configurados para falhar fechado. O que se copia é o lugar do controle, não o produto.
Read more