Gemini 4の思考レベルはどう選ぶ?low・medium・high・xhighの違いとタスク単価
Gemini 4の各モデルが対応する思考レベル、APIごとのパラメータの置き場所、レベル別のタスク単価、Ofox経由での実測結果、そして合格する最も低いレベルを選ぶ手順をまとめます。
Gemini 4 CarbonとArgonが受け付けるのはlow、medium、highで、既定はmediumです。Gemini 4 NeonとHydrogenはlow、medium、high、xhighを受け付け、既定はhighです。どのモデルもminimalは文書化されておらず、思考をオフにすることもできません。レベルは、自分の合否判定付きタスクを対応する全レベルで実行し、合格する最も低いレベルを残す方法で選びます。xhighはhighで失敗したときだけ使います。トークン単価はどのレベルでも同じです。変わるのはモデルが使う思考トークンの量で、それがコストと待ち時間の両方を左右します。
Artificial Analysisのベンチマークタスクでは、Hydrogenをlowからxhighに上げると、タスクあたりの平均コストが約11倍($0.29から$3.16)になりました。Neonを同じ範囲で上げると約9倍です。どちらのモデルでも、スコアの伸びが最も小さかったのは最後の1段です。Ofox経由で行った小規模なテストでは、Hydrogenのxhighはhighの約3倍の思考トークンを使い、同じプロンプトへの回答は良くなりませんでした。
この記事はOfoxが公開しています。情報源は次のとおりです。
- Googleのドキュメント:対応レベル、既定値、パラメータ名。Googleのthinkingガイド、各モデルのガイド、OpenAI互換ページを2026年11月19日に確認しました。
- Artificial Analysis(AA):モデルページに載っているレベル別のベンチマーク数値。同日に確認しました。第三者の数値であり、私たちの測定ではありません。
- 私たちの実行:2026-11-19にOfox経由で
google/gemini-4-hydrogenとgoogle/gemini-4-argonに送った56件のリクエスト。私たちが測定したのはこの結果だけです。
同日時点で、Gemini 4 CarbonとNeonはOfoxでは提供されていません。この2モデルに関する記述はすべてGoogleまたはAAによるものです。
Gemini 4の各モデルが対応する思考レベル
| モデル | モデルID | 対応レベル | 既定 | Ofoxでの提供(2026-11-19) |
|---|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | low、medium、high | medium | なし |
| Gemini 4 Argon | gemini-4-argon | low、medium、high | medium | あり、google/gemini-4-argon |
| Gemini 4 Neon | gemini-4-neon | low、medium、high、xhigh | high | なし |
| Gemini 4 Hydrogen | gemini-4-hydrogen | low、medium、high、xhigh | high | あり、google/gemini-4-hydrogen |
出典:Googleのthinkingガイドと、Neon、Hydrogen、Carbon、Argonの各ガイド。Ofoxでの提供状況:認証付きGET /v1/models、2026-11-19。
Googleの移行チェックリストは、この違いを1行で書いています。“Carbon and Argon default to medium and cap at high.”(CarbonとArgonは既定がmediumで、上限はhigh)。NeonとHydrogenのガイドは、どちらもminimalをエラーで拒否すると付け加えています。同じレベル名でも、段階の中での位置はモデルによって違います。highはCarbonとArgonでは最上位ですが、NeonとHydrogenでは上から2番目です。
NeonとHydrogenについてのGoogleの説明は次のとおりです。
| レベル | Googleの説明 | Googleが勧める用途 |
|---|---|---|
low | トークン最少、レイテンシ最小 | 高速なチャット、高スループット処理。“still capable on agentic tasks”(エージェントタスクでも十分使える) |
medium | トークン使用量が少なめ、応答が速め | 対話的なコーディング、ライブUIのプロトタイピング、レイテンシに敏感なツール呼び出し |
high | 知能と速度のバランス | 複雑なコーディング、エージェント、ツール呼び出し、マルチモーダル作業の既定 |
xhigh | トークン最多、最も深い推論 | highでは足りない、難しい多段階の問題 |
CarbonとArgonでは、説明が1段ずつ上にずれます。mediumは”recommended for most tasks, including complex code and agentic use cases”(複雑なコードやエージェント用途を含む、ほとんどのタスクに推奨)とされ、highは最も難しい推論、数学、科学、エージェント作業向けです。Carbonのガイドは、lowでは”quality can drop on hard tasks”(難しいタスクで品質が落ちることがある)と注意しています。
APIごとのレベルの送り方
パラメータの名前と置き場所はAPIごとに異なります。間違った場所に置いたレベルは、検証で失敗するか、モデルに届きません。
| API | レベルを置く場所 | 思考トークンが報告される場所 |
|---|---|---|
| Interactions API(Google) | generation_config.thinking_level | usage.total_thought_tokens |
generateContent REST | generationConfig.thinkingConfig.thinkingLevel | usageMetadata.thoughtsTokenCount |
generateContent Python SDK | GenerateContentConfig(thinking_config=ThinkingConfig(thinking_level=...)) | usage_metadata.thoughts_token_count |
| OpenAI互換のChat Completions | reasoning_effort | usage.completion_tokens_details.reasoning_tokens |
値はどこでも小文字の文字列です:"low"、"medium"、"high"、"xhigh"。
Interactions API(Googleに直接)
NeonとHydrogenのガイドでは次の形を使っています。
curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-4-hydrogen",
"input": "Audit this retry queue for race conditions.",
"generation_config": { "thinking_level": "xhigh" }
}'
OfoxのGeminiネイティブAPIリファレンスにはgenerateContent、streamGenerateContent、キャッシュ済みコンテンツ、モデル一覧が載っていますが、Interactionsエンドポイントはありません。InteractionsのリクエストはGoogleに直接送ってください。
generateContent(GoogleまたはOfox)
私たちがテストしたのはこのリクエスト形式です。Generate ContentリファレンスとOfoxのGemini思考設定ページのとおり、Ofoxではベースがhttps://api.ofox.ai/gemini、キーはx-goog-api-keyに入れ、モデルのパスにはgoogle/プレフィックスを付けます。
curl "https://api.ofox.ai/gemini/v1beta/models/google/gemini-4-hydrogen:generateContent" \
-H "x-goog-api-key: $OFOX_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{"role": "user", "parts": [{"text": "What is the chemical symbol for tungsten? Reply with the symbol only."}]}],
"generationConfig": {
"thinkingConfig": {"thinkingLevel": "low"},
"maxOutputTokens": 32768
}
}'
Googleに直接送る場合は、自分のGeminiキーでhttps://generativelanguage.googleapis.com/v1beta/models/gemini-4-hydrogen:generateContentを使います。thinkingConfigはgenerationConfigの中に置く必要があります。ボディの最上位に置くと、モデルには届きません。
OpenAI互換ルート
Googleの互換ページは、reasoning_effortをGemini 4のレベルに次のように対応付けています。
reasoning_effort | Gemini 4のthinking_level |
|---|---|
minimal | low |
low | low |
medium | medium |
high | high |
xhigh | xhigh(NeonとHydrogenのみ) |
reasoning_effortを省略すると、モデルは既定のレベルで動きます。Googleはreasoning_effortとthinking_levelが重複するため、“so they can’t be used at the same time”(同時には使えない)としています。Ofox経由では次のようになります。
from openai import OpenAI
import os
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
resp = client.chat.completions.create(
model="google/gemini-4-hydrogen",
reasoning_effort="xhigh",
messages=[{"role": "user", "content": "..."}],
)
print(resp.usage.completion_tokens_details.reasoning_tokens)
OfoxのHydrogenとArgonのモデルページには、openaiとgeminiの両方のプロトコルが載っています。最新の料金もそれらのページで確認できます。
thinkingBudgetは削除する
thinkingBudgetはGemini 2.5の制御方法です。GoogleのgenerateContent向けthinkingガイドは、Gemini 4ではこれを非推奨としています:“If passed alone, it maps to the nearest thinkingLevel … and returns a warning; sending thinkingBudget and thinkingLevel together returns a 400 error.”(単独で渡すと最も近いthinkingLevelに対応付けられ、警告が返る。thinkingBudgetとthinkingLevelを一緒に送ると400エラーになる)。Ofox経由では、budgetだけの形式も拒否されました(詳細はテストの節を参照)。引き継いだ設定からthinkingBudgetを削除し、代わりにthinkingLevelを設定してください。
max_output_tokensに余裕を残す
思考トークンと表示される回答は、1つの出力上限を共有します。Googleによると、推論の途中で上限に達したモデルはMAX_TOKENSで停止し、“returns truncated or empty output (while still billing for any thinking tokens generated)“(途中で切れた出力または空の出力を返す。生成された思考トークンは課金される)。費用を抑えたいなら、上限ではなくレベルを下げてください。GoogleのNeonとHydrogenのガイドは既定の65,536を維持するよう勧めており、Carbonのガイドは32,768以上を推奨しています。私たちの実行では32,768を使い、途中で切れたものはありませんでした。
レベルごとのトークン、時間、品質のコスト
トークン単価はどのレベルでも同じなので、意味のある比較はタスク単位です。AAはIntelligence Indexのタスクをレベルごとに別々に実行し、Googleの定価でのタスクあたり平均コストを公表しています。以下の数値は2026年11月19日時点のAAのページによるものです。
Neon(4レベルすべて)
| レベル | AA Intelligence Index | タスクあたりコスト | タスクあたり時間 | タスクあたり出力トークン | ハルシネーション率 |
|---|---|---|---|---|---|
low | 44.1 | $0.75 | 3.7分 | 約21,700 | 18.8% |
medium | 54.9 | $1.90 | 8.3分 | 約50,000 | 16.2% |
high(既定) | 59.6 | $3.74 | 14.8分 | 約90,200 | 13.9% |
xhigh | 61.4 | $6.44 | 21.5分 | 約141,600 | 14.4% |
1段上げるごとにコストは増え、得られるものは減ります。lowからmediumはタスクあたり$1.16で10.8ポイント、mediumからhighは$1.84で4.8ポイント、highからxhighは$2.70で1.8ポイントで、ハルシネーションの改善はありません。
Hydrogen(4レベルすべて)
| レベル | AA Intelligence Index | タスクあたりコスト | タスクあたり時間 | タスクあたり出力トークン | ハルシネーション率 |
|---|---|---|---|---|---|
low | 26.9 | $0.29 | 記載なし | 記載なし | 記載なし |
medium | 41.2 | $0.80 | 記載なし | 記載なし | 記載なし |
high(既定) | 50.8 | $1.87 | 8.6分 | 約85,000 | 8.7% |
xhigh | 53.9 | $3.16 | 15.2分 | 約154,400 | 8.5% |
AAのデータには、Hydrogenのlowとmediumの指数とコストはありましたが、時間、トークン数、ハルシネーション率はありませんでした。
Hydrogenは下の段での落ち込みがNeonよりずっと大きくなります。lowは既定より24ポイント低く、Neonでは15.5ポイントです。Hydrogenのlowは無料の高速化ではなく、はっきりした格下げです。highからxhighでは、Hydrogenはコストが約69%、時間が約77%増えて3.1ポイント伸びます。
Carbon(3レベル)
AAはCarbonを12月1日から適用される料金(100万トークンあたり$4/$20)で計算しています。11月30日まではGoogleの料金は$2/$10です。キャッシュ入力を含むCarbonのトークン料金はすべて半額なので、11月の列はAAの数値を2で割ったものです(私たちの計算)。
| レベル | AA Intelligence Index | タスクあたりコスト(12月料金) | タスクあたりコスト(11月料金、私たちが半額で計算) | タスクあたり時間 | ハルシネーション率 | Omniscience正答率 |
|---|---|---|---|---|---|---|
low | 54.2 | $7.19 | $3.59 | 30.4分 | 19.8% | 49.2% |
medium(既定) | 58.3 | $6.59 | $3.29 | 29.6分 | 4.2% | 48.9% |
high | 60.0 | $7.76 | $3.88 | 37.2分 | 11.4% | 58.3% |
Carbonはこのパターンに当てはまりません。AAのタスクでは、lowはmediumよりタスクあたりのコストが高く、時間はほぼ同じで、スコアは4ポイント低く、ハルシネーションは5倍近く多く発生しました。1ターンあたりの思考トークンが少なくても、エージェントが完了までに多くのターンを要すれば、タスクが安くなるとは限りません。AAはこの結果を説明していないため1つのベンチマークとして扱うべきですが、Carbonでlowにすれば節約になるとは考えないでください。
Argon(AAに載っているのは2レベル)
AAのArgonページに載っているのはhighとmediumだけです。見出しとして表示される接尾辞なしのArgonの項目には”Gemini 4 Argon (High)“というラベルが付いています。AAはArgonを現行の$2/$10の料金で計算しています。
| レベル | AA Intelligence Index | タスクあたりコスト(11月料金) | タスクあたりコスト(12月料金、私たちが2倍で計算) | タスクあたり時間 | ハルシネーション率 | Omniscience正答率 |
|---|---|---|---|---|---|---|
medium(既定) | 47.6 | $4.31 | $8.63 | 29.1分 | 15.4% | 49.0% |
high | 50.4 | $4.97 | $9.95 | 29.8分 | 4.3% | 48.3% |
AAのタスクでは、Argonのhighはmediumよりコストが15%高く、時間はほぼ同じで、スコアは2.8ポイント高く、ハルシネーション率は15.4%(medium)から4.3%(high)に下がりました。事実誤りのコストが大きい用途なら、Argonではまずhighを試す価値があります。4.3%という低い率はhighのもので、レベルを指定しないArgonの呼び出しはmedium(15.4%)で動きます。12月の変更についてはCarbonとArgonの12月料金改定ガイドを、Neonのコストモデルについては思考レベル別のGemini 4 Neon料金を参照してください。
既定値どうしの比較が誤解を招く理由
Gemini 4の比較の多くは、モデルIDだけを入れ替え、レベルを指定していません。これでは、段階の構成が違うモデルの、違う位置どうしを比べることになります。
- 既定値の高さが違います。NeonとHydrogenの既定は上から2番目のレベル、CarbonとArgonの既定は真ん中のレベルです。既定どうしのNeon対Carbonは、Neonの
high(59.6、$3.74)とCarbonのmedium(58.3、12月料金で$6.59)の比較になります。組み合わせ次第で結論がどう変わるかは、NeonとCarbonの比較で示しています。 - 見出しの数値は、たいてい最上位レベルのものです。AAのモデルページは、NeonとHydrogenでは
xhigh、CarbonとArgonではhighの数値を先頭に出しています。各モデルカードからリンクされているGoogleの評価方法のドキュメントは、結果が”with the highest thinking settings unless indicated otherwise”(特に記載がない限り最も高い思考設定で)実行されたとしています。レベルを一度も設定しないコードは、それらのスコアの背後にある構成では動いていません。 - モデルとレベルは1つの判断です。AAの数値では、Neonの
medium(54.9、$1.90)はHydrogenのxhigh(53.9、$3.16)より高いスコアを60%のコストで出し、Neonのlow(44.1、$0.75)はHydrogenのmedium(41.2、$0.80)を上回りました。提供状況も同じくらい重要になり得ます。Neonは有料ティア限定でOfoxでは提供されていませんが、HydrogenにはGoogleの無料ティアがあり、Ofoxでも提供されています。
公正な比較では、両側でレベルを明示的に設定し、どちらも途中で切れないようmax_output_tokensを引き上げ、実行ごとに思考トークン、レイテンシ、合否を記録します。
Ofox経由でレベルを試した結果
確かめたかったのは2点です。レベルがOfox経由でモデルに届くか、そして普通のプロンプトでトークン使用量がどれだけ変わるかです。
セットアップ(2026-11-19)。OfoxのGeminiネイティブルートPOST https://api.ofox.ai/gemini/v1beta/models/{model}:generateContentを使い、generationConfig.thinkingConfig.thinkingLevelを設定、maxOutputTokens: 32768としました。google/gemini-4-hydrogenはlow、medium、high、xhigh、google/gemini-4-argonはlow、medium、highで実行しました。各レベルで3つのプロンプトを2回ずつ、同時に4リクエストずつ送りました。usageMetadata.thoughtsTokenCountとcandidatesTokenCountを読み取り、各リクエストをクライアント側でエンドツーエンドに計時しました。
プロンプトは次のとおりです。
- 簡単な事実:タングステンの元素記号(期待値は
W)。 - 多段階の算数:ペンは$3、ノートは$7、ちょうど$100を使い、それぞれ少なくとも1つ買い、ペンの数がノートの数より厳密に多い組み合わせの数を求めます。答えは3で、(31, 1)、(24, 4)、(17, 7)です。(10, 10)は同数なので「厳密に多い」を満たしません。
- 短いコーディング課題:接している区間を結合し、入力を変更しない
merge_intervalsを書かせ、サンドボックス化したサブプロセスで9件の非公開テストケースを使って採点しました。
Hydrogenの結果
実行ごとの思考トークン(1回目、2回目):
| プロンプト | low | medium | high | xhigh |
|---|---|---|---|---|
| 簡単な事実 | 45, 78 | 46, 58 | 84, 87 | 106, 112 |
| 算数 | 522, 523 | 669, 715 | 690, 786 | 1,734, 1,687 |
| コーディング | 424, 541 | 672, 572 | 426, 389 | 2,119, 1,987 |
| 合計(6回) | 2,133 | 2,732 | 2,462 | 7,745 |
| レイテンシ合計 | 50.1秒 | 45.0秒 | 44.0秒 | 80.3秒 |
| 正解 | 6/6 | 6/6 | 6/6 | 6/6 |
Hydrogenの回答24件はすべて正解で、コーディングの回答はすべて9件中9件のテストに合格しました。xhighは全体でhighの約3.1倍、コーディングのプロンプトでは5倍の思考トークンを使いましたが、得られたのは同じく合格するコードでした。low、medium、highはほとんど区別がつきませんでした。合計は2,133から2,732の範囲で、レベル順に増えてもいません。1語で答える質問でもlowは思考トークンを生成しており、思考はオフにできないというGoogleの説明と一致します。
Argonの結果
実行ごとの思考トークン:
| プロンプト | low | medium | high |
|---|---|---|---|
| 簡単な事実 | なし, なし | なし, なし | 105, 105 |
| 算数 | なし, なし | 398, 367 | 1,071, 895 |
| コーディング | なし, なし | なし, なし | 739, 890 |
| 正解(全プロンプト) | 6/6 | 6/6 | 6/6 |
「なし」は、レスポンスにthoughtsTokenCountフィールドも思考パートもなかったことを意味します。Ofoxの思考設定ページによると、単純なリクエストでモデルが思考を省いた場合にこうなります。Argonはlowではどのプロンプトでも思考を報告せず、mediumでは算数のプロンプトだけ、highでは3つすべてで報告しました。それでも回答はすべて正解でした。算数のプロンプトでは、lowのArgonは代わりに表示される回答の中で段階的に解いており(出力トークン525〜637)、思考トークンがゼロでも推論がゼロだったわけではありません。
Argonでは、レイテンシはトークン数に比例しませんでした。mediumの算数2回は35.6秒と59.9秒、highの2回は27.5秒と25.0秒でした。サンプルが2つで、同時に4リクエストを送っていたため、これはレベルの性質ではなく、キューイングの影響と読むべきです。
対応外のレベル:受け付けられたが、サポート対象ではない
Googleがサポート対象外と文書化している2つの値が、Ofox経由ではHTTP 200を返しました。HydrogenへのthinkingLevel: "minimal"と、Argonへの"xhigh"です。どのレベルが適用されたかは、レスポンスのどこにも示されていません。それぞれ算数のプロンプトで2回実行しました。
| リクエスト | 思考トークン | 最も近い文書化済みレベル |
|---|---|---|
Hydrogen minimal | 463, 481 | Hydrogen low:522, 523 |
Argon xhigh | 1,238, 1,141 | Argon high:1,071, 895 |
私たちの実行では、使用量はHydrogenのlowとArgonのhighに近く、Googleの互換表でのminimalの対応付けと一致しました。ただしこれは、1つのルートで1日に、それぞれ2サンプルで観測したものにすぎず、文書化された挙動ではありません。Googleに直接リクエストすると、どちらの値も拒否されるかもしれません。これに頼らないでください。自分のコードで、minimalはlowに、CarbonとArgonでのxhighはhighに置き換えてください。他のプロンプトでの1回ずつの結果は、Gemini 4 APIエラーガイドに載せています。
Ofox経由のthinkingBudget
2026-11-19にthinkingBudget: 1024を6回送りました。Hydrogenに単独で3回、thinkingLevel: "low"と一緒に2回、Argonに単独で1回です。6回ともHTTP 400が返りましたが、直前と直後に送ったレベルのみのリクエストは200を返しました。
- ArgonはOfoxの検証メッセージを返しました:“Gemini 4 Argon does not support a thinking token budget. Use low, medium or high reasoning effort instead.”
- Hydrogenはどの場合も
type: "api_error"付きで"The service is temporarily unavailable. Please try again later."を返しました。検証エラーではなく、ゲートウェイか上流の障害のように読めますが、どの層が返したものかはレスポンスからは分かりません。
これは2026-11-19にOfoxのGeminiネイティブルートで観測した挙動であり、Googleが文書化した挙動ではありません。Googleが400を返すと文書化しているのは、budgetとlevelを一緒に送った場合だけです。budgetを単独で送れば、警告付きでレベルに対応付けられるはずです。Googleへの直接リクエストはテストしていません。実務上は、Ofox経由のGemini 4リクエストでこの”temporarily unavailable”の400が出たら、再試行する前にthinkingBudgetが残っていないか確認してください。
OpenAI互換ルート
算数のプロンプト(各1回)で、reasoning_effort: "low"は598のreasoning_tokens、"xhigh"は1,492を返しました。このルートでもレベルはモデルに届きます。
レスポンスで注意したい2つの点
includeThoughtsなしでも思考パートが返る。2026-11-19にOfox経由で観測:思考を報告したネイティブのレスポンスにはすべて、"thought": trueが付いた思考サマリーのパートが含まれていました。includeThoughtsは一度も設定していません。Googleはサマリーをオプトインとして説明しています。Googleへの直接リクエストでは確認していません。すべてのテキストパートを連結するコードでは、thoughtがtrueのパートを飛ばしてください。そうしないとサマリーが回答に混ざります。- 使用量の数値は表示テキストと一致しない。1文字の回答で、
candidatesTokenCountは5と報告されました。計測には使用量フィールドを使ってください。
このテストの限界
- 各レベルは、易しめから中程度の3つのプロンプトで2回ずつ実行しただけです。分かるのは、レベルがモデルに届くかどうかと、トークンへの影響の大きさです。品質の順位付けはできません。プロンプトが易しすぎて、正誤ではレベルの差が出ませんでした。
- レイテンシは、同時4リクエスト、Ofox経由で、クライアント側からエンドツーエンドで測ったものです。
- CarbonとNeonでは何も測定しておらず、GoogleのAPIへの直接リクエストでも何も測定していません。
- Googleの定価で計算すると、成功したリクエストの費用は私たちの使用量からの計算で約$0.26です。Ofoxは各モデルページの料金で課金します。
生のリクエストとレスポンス(キーは伏せています)とスクリプトは、この記事の調査ファイルに保管しています。
レベルを選ぶ手順
Gemini 4のどのページでも、Googleの助言は同じです。出力上限を高くして対応する全レベルで評価を実行し、品質基準を満たす最も低いレベルを残すことです。具体的には次のとおりです。
1. 自動で合否判定できるタスクを20〜50件用意します。アプリの実際のリクエストを使い、完全一致の答え、ユニットテスト、スキーマ検証で判定し、最も難しいケースも含めます。理由は私たちのテストが示しています。簡単なタスクはどのレベルでも合格するので、何も分かりません。
2. レベルを明示的に設定して、対応する全レベルを試します。Ofoxのネイティブルートに対する、最小構成の一括実行の例です。
import os, time, json, urllib.request
URL = "https://api.ofox.ai/gemini/v1beta/models/{m}:generateContent"
LEVELS = {"google/gemini-4-hydrogen": ["low", "medium", "high", "xhigh"],
"google/gemini-4-argon": ["low", "medium", "high"]}
def run(model, level, prompt):
body = {"contents": [{"role": "user", "parts": [{"text": prompt}]}],
"generationConfig": {"thinkingConfig": {"thinkingLevel": level},
"maxOutputTokens": 32768}}
req = urllib.request.Request(URL.format(m=model), data=json.dumps(body).encode(),
headers={"x-goog-api-key": os.environ["OFOX_API_KEY"],
"Content-Type": "application/json"})
t = time.time()
r = json.load(urllib.request.urlopen(req, timeout=900))
cand = r["candidates"][0]
text = "".join(p.get("text", "") for p in cand["content"]["parts"] if not p.get("thought"))
u = r.get("usageMetadata", {})
return {"level": level, "finish": cand.get("finishReason"),
"thoughts": u.get("thoughtsTokenCount", 0),
"output": u.get("candidatesTokenCount", 0),
"seconds": round(time.time() - t, 1), "text": text}
textは自分のチェッカーで採点します。finishも記録してください。STOP以外は正常に完了しなかった実行なので、合格にも不合格にも数えません。
3. タスクごとに、各レベルを少なくとも3〜5回実行します。私たちのテストでは、同一のリクエストでも思考トークンが最大70%ばらつきました(Hydrogenのlow、簡単な事実のプロンプトで45対78)。
4. 合格率が最良レベルと同じになる最も低いレベルを選びます。そのうえで、1段上のレベルの追加コストと追加の合格数を、自分の使用量の数値で比べます。目安として、AAのタスクでは、Hydrogenのhighからxhighへの変更はタスクあたり$1.29の追加で3.1ポイントでした。
5. レベルはアプリ単位ではなくリクエストの種類ごとに設定します。モデル、プロンプトのテンプレート、料金のいずれかが変わったら、もう一度全レベルを試してください。
タスクの種類別の出発点
Googleのレベル別の指針と、上のAAの曲線から取った、テストの出発点です。あなたのワークロードで測定した結果ではありません。
| タスク | Hydrogen / Neonの出発点 | Carbon / Argonの出発点 | 上げるとき | 下げるとき |
|---|---|---|---|---|
| 抽出、分類、短い事実回答 | low | low(AAではCarbonのlowは安くなかったので、自分のデータで確認) | チェッカーで失敗が出る | すでにlow |
| チャット、要約、単純なツール呼び出し | lowまたはmedium | low | 回答が手順を抜かす、または違うツールを呼ぶ | 低いレベルでも合格率が変わらない |
| 対話的なコーディング、UIのプロトタイピング | medium | medium | テストが失敗する、または編集が不完全 | テストが合格したままで、レイテンシが重要 |
| 複数ファイルのコーディング、エージェントループ、ドキュメントの統合 | high | medium(既定)、次にhigh | タスクが止まる、またはエージェントが諦める | mediumで同じタスクに合格する |
| 難しい数学、科学、根本原因のデバッグ | high、次にxhigh | high | xhighはNeon/Hydrogenのみ、highで失敗した後 | まれ。先にコストを確認 |
Googleは、xhighは”can cause overthinking or exhaust max_output_tokens on simpler prompts such as text or JSON extraction”(テキストやJSONの抽出のような単純なプロンプトで考えすぎたり、max_output_tokensを使い切ったりすることがある)と警告しています。抽出の作業では使わないでください。
レベル指定のリクエストが失敗したとき
| 症状 | 考えられる原因 | 対処 |
|---|---|---|
thinking_levelを名指しする400 | モデルまたはAPIで有効な値ではない | 送信前にモデルIDに対してレベルを検証する。Gemini 4 APIエラーガイドを参照 |
Ofox経由で400 “service is temporarily unavailable” | 私たちのテストでは、残っていたthinkingBudget | thinkingBudgetを削除し、thinkingLevelだけを残す |
extra_bodyでreasoning_effortとthinking_configの両方を設定したOpenAI互換呼び出しで400 | Googleによると、この2つは併用できない | どちらか一方だけを使う |
HTTP 200で、テキストが空または途中で切れ、MAX_TOKENS / length | 思考が出力上限を使い切った | maxOutputTokensを上げるか、レベルを下げる。回答が空、または途中で切れる場合を参照 |
high / xhighでタイムアウト | 難しいプロンプトでの長い推論 | Googleの移行チェックリストは、HTTPクライアントのタイムアウトを15分以上にするか、GoogleのAPIでバックグラウンド実行を使うよう勧めている |
| 回答テキストがモデルの思考サマリーで始まる | 思考パートが回答に連結されている | thoughtがtrueのパートを飛ばす |
| 複数ターンのツール呼び出しが署名エラーで失敗する | 思考シグネチャがそのまま返送されていない | ツール呼び出しで思考シグネチャが欠けるエラーを参照 |
Argon固有のステータスコードについてはGemini 4 Argon APIエラーを、Ofoxでの再試行の挙動についてはエラー処理ガイドを参照してください。
次に読む記事
- 最初に動くHydrogenリクエスト:Gemini 4 Hydrogen APIのセットアップ
- Neonのリクエスト形式:Gemini 4 Neon APIガイド
- レベルの変更を含む、ArgonからNeonへの移行:ArgonからNeonへの移行
- そもそもどのGemini 4モデルを選ぶか:Gemini 4のモデル選び
関連ドキュメント
- OfoxでのGemini思考設定:
thinkingLevel、thoughtsTokenCount、OpenAI互換のreasoning_tokensフィールド - GeminiネイティブAPIの概要:ベースURL
https://api.ofox.ai/geminiとx-goog-api-keyヘッダー - Generate Contentリファレンス
- エラー処理と再試行
よくある質問
- Gemini 4で思考レベルを上げると、トークン単価は上がりますか?
- いいえ。Googleは思考トークンを出力料金で課金しており、トークン単価はどのレベルでも同じです。高いレベルほど費用がかさむのは、モデルが生成する思考トークンが増えるためです。エージェントタスクでは、ターン数や読み込む入力が増えることもあります。
- Gemini 4で思考をオフにできますか?
- できません。GoogleはCarbon、Argon、Neon、Hydrogenのいずれでも思考を無効化できないとしており、minimalはGemini 4のサポート対象レベルではありません。文書化された最も低い設定はlowです。2026-11-19のOfox経由の実行では、Argonのlowとmediumで短いプロンプトにthoughtsTokenCountが返らないことがありました。オフにはできなくても、観測される思考がゼロになる場合はあります。
- Gemini 4ではthinkingLevelの代わりにthinkingBudgetを使うべきですか?
- いいえ。GoogleはGemini 4でthinkingBudgetを非推奨としています。単独で送ると警告付きで最も近いレベルに対応付けられ、thinkingLevelと一緒に送ると400が返ります。2026-11-19にOfox経由で送ったthinkingBudget付きのリクエストは、budgetだけのものも含めてすべてHTTP 400でした。thinkingBudgetは削除し、thinkingLevelだけを設定してください。


