Pular para conteúdo principal

Google lança Gemini 4 Neon: cache e custo por tarefa

Camila Duarte
Camila Duarte20 de novembro de 202619 min. de leitura
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.

inline-01.png Os 60% do depoimento no anúncio do Google de 18 de novembro de 2026 têm outro denominador: são o custo do Neon em relação ao custo do Carbon na avaliação inicial relatada pela empresa citada pelo Google.[1] Não há operação matemática legítima que some os 95% aos 60% ou trate uma medida como confirmação da outra. A primeira compara duas tarifas de entrada do Neon; a segunda compara custo entre modelos em um teste específico.

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.

CritérioEscolha guiada só por nível do modeloEscolha condicionada à tarefa
EntradaPrioriza o preço unitário anunciadoSepara tokens sem cache e tokens cobrados em cache
QualidadeSupõe que o nível escolhido bastaMede a proporção de tarefas aceitas na classe
LatênciaUsa expectativa genérica do modeloCompara a distribuição observada com o limite do serviço
CustoCompara tarifa por tokenSoma tentativas e cobranças por tarefa aceita
DecisãoMantém uma rota ampla para usos diferentesSeleciona 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.

inline-02.png A figura resume uma sequência condicional. Primeiro, a rota precisa atingir os critérios mínimos. Depois, a equipe compara o custo por tarefa aceita entre as candidatas que passaram. Se nenhuma passar, o responsável pela operação suspende a automação, encaminha a tarefa para revisão humana ou aciona um fallback previamente aprovado; a rota atual só permanece se cumprir os limites aplicáveis.

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.

  1. 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.
  2. 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.
  3. 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.
  4. 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.
  5. 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.

Nexforce

Acelere a eficiênciaoperacional do seu negócio

Nós desenhamos a tecnologia do amanhã para impulsionar a escala do negócio

Falar com Especialista

Artigos relacionados