Gemini 4 思考级别怎么选?low 到 xhigh 的参数写法、成本和 Ofox 实测

四个 Gemini 4 模型各支持哪些思考级别、参数在各个 API 里写在哪、每一档按任务算要花多少钱;附我们通过 Ofox 的实测结果,和挑出能通过测试的最低级别的步骤。

两根跳高架立柱,各有四个挂钉;一根橙色横杆搭在最低的挂钉上,一个绿色小球从横杆上方划过,较高的挂钉都空着。

Gemini 4 Carbon 和 Argon 接受 low、medium 和 high,默认 medium。Gemini 4 Neon 和 Hydrogen 接受 low、medium、high 和 xhigh,默认 high。四个模型的文档里都没有 minimal,也都不能关闭思考。选级别的办法是:用你自己的通过/失败任务把每个支持的级别都跑一遍,留下能通过的最低一档;只有 high 不通过时才用 xhigh。每个级别的单 token 价格相同。变的是模型花掉多少思考 token,成本和等待时间都由它决定。

在 Artificial Analysis 的基准任务上,Hydrogen 从 low 调到 xhigh,每个任务的平均成本涨了约 11 倍($0.29 到 $3.16);Neon 跨越同样的范围,涨了约 9 倍。两个模型都是最上面一档换来的分数最少。我们自己通过 Ofox 做的小规模测试里,Hydrogen 在 xhigh 下用掉的思考 token 约为 high 的三倍,同样的提示,回答并没有更好。

本文由 Ofox 发布。信息来源:

  • Google 文档:各级别支持情况、默认值和参数名,来自 Google 的思考指南、各模型指南和 OpenAI 兼容页面(均为英文),核对日期 2026 年 11 月 19 日。
  • Artificial Analysis(AA):按级别划分的基准数据,取自其模型页面,同日读取。这是第三方数据,不是我们测的。
  • 我们的测试:2026-11-19 通过 Ofox 向 google/gemini-4-hydrogen 和 google/gemini-4-argon 发出的 56 个请求。只有这部分是我们实测的结果。

截至该日,Gemini 4 Carbon 和 Neon 在 Ofox 上不可用。文中关于这两个模型的内容全部来自 Google 或 AA。

每个 Gemini 4 模型支持哪些级别

模型模型 ID支持的级别默认Ofox 上可用(2026-11-19)
Gemini 4 Carbongemini-4-carbonlow、medium、highmedium否
Gemini 4 Argongemini-4-argonlow、medium、highmedium是,google/gemini-4-argon
Gemini 4 Neongemini-4-neonlow、medium、high、xhighhigh否
Gemini 4 Hydrogengemini-4-hydrogenlow、medium、high、xhighhigh是,google/gemini-4-hydrogen

来源:Google 思考指南,以及 Neon、Hydrogen、Carbon 和 Argon 的模型指南。Ofox 可用性:2026-11-19 带鉴权调用 GET /v1/models 的结果。

Google 的迁移清单用一句话概括了这个区别:“Carbon and Argon default to medium and cap at high.”(Carbon 和 Argon 默认 medium,最高到 high。)Neon 和 Hydrogen 的指南还写明,这两个模型收到 minimal 都会报错。同一个名字在不同模型的阶梯上位置也不一样:high 在 Carbon 和 Argon 上是最高档,在 Neon 和 Hydrogen 上只是第二高。

Google 对 Neon 和 Hydrogen 各级别的描述:

级别Google 的描述Google 建议的用途
lowtoken 最少,延迟最低快速聊天、高吞吐处理;“still capable on agentic tasks”(在智能体任务上仍然够用)
mediumtoken 用量较低,响应更快交互式编程、实时 UI 原型、对延迟敏感的工具调用
high智能和速度兼顾复杂编程、智能体、工具调用、多模态工作的默认档
xhightoken 最多,推理最深high 不够用的困难多步问题

Carbon 和 Argon 的描述整体往上挪了一档:medium 是 “recommended for most tasks, including complex code and agentic use cases”(推荐用于大多数任务,包括复杂代码和智能体场景),high 留给最难的推理、数学、科学和智能体工作。Carbon 指南提醒,在 low 下 “quality can drop on hard tasks”(困难任务上质量可能下降)。

各个 API 里怎么传级别

这个参数在每个 API 里名字不同,位置也不同。放错位置,要么校验失败,要么根本到不了模型。

API级别写在哪里思考 token 在哪里报告
Interactions API(Google)generation_config.thinking_levelusage.total_thought_tokens
generateContent RESTgenerationConfig.thinkingConfig.thinkingLevelusageMetadata.thoughtsTokenCount
generateContent Python SDKGenerateContentConfig(thinking_config=ThinkingConfig(thinking_level=...))usage_metadata.thoughts_token_count
OpenAI 兼容的 Chat Completionsreasoning_effortusage.completion_tokens_details.reasoning_tokens

所有地方的取值都是小写字符串:"low"、"medium"、"high"、"xhigh"。

Interactions API(直连 Google)

Neon 和 Hydrogen 的指南用的是这种写法:

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 的 Gemini 原生 API 参考列出了 generateContent、streamGenerateContent、缓存内容和模型列表,但没有 Interactions 端点,所以 Interactions 请求要直接发给 Google。

generateContent(Google 或 Ofox)

这是我们测试用的请求结构。根据 Generate Content 参考和 Ofox 的 Gemini 思考设置页,在 Ofox 上基础地址是 https://api.ofox.ai/gemini,Key 放在 x-goog-api-key 里,模型路径带 google/ 前缀。

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
    }
  }'

直连 Google 时,用 https://generativelanguage.googleapis.com/v1beta/models/gemini-4-hydrogen:generateContent 加你的 Gemini Key。thinkingConfig 必须放在 generationConfig 里面;放在请求体顶层的话,它永远到不了模型。

OpenAI 兼容路由

Google 的兼容页面把 reasoning_effort 映射到 Gemini 4 的级别:

reasoning_effortGemini 4 thinking_level
minimallow
lowlow
mediummedium
highhigh
xhighxhigh(仅 Neon 和 Hydrogen)

不传 reasoning_effort 时,模型使用默认级别。Google 提到 reasoning_effort 和 thinking_level 功能重叠,“so they can’t be used at the same time”(所以两者不能同时使用)。通过 Ofox 调用:

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 上 Hydrogen 和 Argon 的模型页都列出了 openai 和 gemini 两种协议,当前价格以这两个页面为准。

删掉 thinkingBudget

thinkingBudget 是 Gemini 2.5 的控制参数。Google 的 generateContent 思考指南写明它在 Gemini 4 上已弃用:“If passed alone, it maps to the nearest thinkingLevel … and returns a warning; sending thinkingBudget and thinkingLevel together returns a 400 error.”(单独传入时,会映射到最接近的 thinkingLevel 并返回警告;thinkingBudget 和 thinkingLevel 一起传入会返回 400 错误。)通过 Ofox 时,连只传 budget 的写法也被拒绝了(详见测试一节)。从旧配置迁移时,把 thinkingBudget 删掉,改设 thinkingLevel。

给 max_output_tokens 留够空间

思考 token 和可见回答共用一个输出上限。Google 说,模型在推理途中碰到上限时,会以 MAX_TOKENS 停止,并 “returns truncated or empty output (while still billing for any thinking tokens generated)“(返回被截断或空的输出,已生成的思考 token 照样计费)。想省钱,应该降级别,而不是压上限。Google 的 Neon 和 Hydrogen 指南建议保留默认的 65,536;Carbon 指南建议至少 32,768。我们的测试用的是 32,768,没有一次被截断。

每个级别在 token、时间和质量上的代价

各级别的单 token 价格相同,所以有意义的比较是按任务算。AA 在每个级别上分别运行 Intelligence Index 任务,并按 Google 标价报告每个任务的平均成本。下面的数字取自 AA 页面,日期为 2026 年 11 月 19 日。

Neon(全部四个级别)

级别AA Intelligence Index每任务成本每任务耗时每任务输出 token幻觉率
low44.1$0.753.7 分钟~21,70018.8%
medium54.9$1.908.3 分钟~50,00016.2%
high(默认)59.6$3.7414.8 分钟~90,20013.9%
xhigh61.4$6.4421.5 分钟~141,60014.4%

每往上一档,花得更多,换来的更少:low 到 medium 每任务多花 $1.16,多 10.8 分;medium 到 high 多花 $1.84,多 4.8 分;high 到 xhigh 多花 $2.70,只多 1.8 分,幻觉率也没有改善。

Hydrogen(全部四个级别)

级别AA Intelligence Index每任务成本每任务耗时每任务输出 token幻觉率
low26.9$0.29未列出未列出未列出
medium41.2$0.80未列出未列出未列出
high(默认)50.8$1.878.6 分钟~85,0008.7%
xhigh53.9$3.1615.2 分钟~154,4008.5%

AA 的数据给出了 Hydrogen low 和 medium 的指数和成本,但没有耗时、token 数和幻觉率。

Hydrogen 在低档的落差比 Neon 大得多:low 比默认档低 24 分,Neon 只低 15.5 分。所以在 Hydrogen 上,low 是实打实的降级,不是白捡的提速。从 high 到 xhigh,Hydrogen 多 3.1 分,成本多约 69%,耗时多约 77%。

Carbon(三个级别)

AA 按 12 月 1 日起生效的费率(每百万 token $4/$20)给 Carbon 算价。11 月 30 日之前,Google 收的是 $2/$10。Carbon 的全部 token 费率(包括缓存输入)都是减半,所以 11 月那一列是 AA 的数字除以二(我们自己算的)。

级别AA Intelligence Index每任务成本(12 月费率)每任务成本(11 月费率,我们减半计算)每任务耗时幻觉率Omniscience 准确率
low54.2$7.19$3.5930.4 分钟19.8%49.2%
medium(默认)58.3$6.59$3.2929.6 分钟4.2%48.9%
high60.0$7.76$3.8837.2 分钟11.4%58.3%

Carbon 不按常理出牌。在 AA 的任务上,low 的每任务成本反而高于 medium,耗时差不多,分数低 4 分,幻觉出现的频率接近五倍。每轮的思考 token 少了,并不保证任务更便宜:智能体可能要多跑几轮才能完成。AA 没有解释这个结果,所以把它当作单个基准的数据看待,但不要默认 low 在 Carbon 上能省钱。

Argon(AA 列出两个级别)

AA 的 Argon 页面只列了 high 和 medium。页面上作为主条目展示、名称不带后缀的 Argon 数据,标注的是 “Gemini 4 Argon (High)“。AA 按当前的 $2/$10 费率给 Argon 算价。

级别AA Intelligence Index每任务成本(11 月费率)每任务成本(12 月费率,我们加倍计算)每任务耗时幻觉率Omniscience 准确率
medium(默认)47.6$4.31$8.6329.1 分钟15.4%49.0%
high50.4$4.97$9.9529.8 分钟4.3%48.3%

在 AA 的任务上,Argon high 比 medium 贵 15%,耗时差不多,分数高 2.8 分,幻觉率从 15.4%(medium)降到 4.3%(high)。如果事实错误对你代价很高,在 Argon 上可以先测 high。4.3% 这个低幻觉率属于 high;不设级别的 Argon 调用跑的是 medium(15.4%)。12 月的调价见我们的 Carbon 和 Argon 12 月调价指南;Neon 的成本模型见 Gemini 4 Neon 各思考级别的价格。

为什么”默认对默认”的比较会误导

很多 Gemini 4 对比只换了模型 ID,级别没设。这等于拿不同阶梯上的不同位置做比较。

  • 默认档的高度不同。Neon 和 Hydrogen 默认跑第二高的级别;Carbon 和 Argon 默认跑中间那档。Neon 和 Carbon 用默认值对比,实际是 Neon high(59.6,$3.74)对 Carbon medium(58.3,按 12 月费率 $6.59)。我们的 Neon 与 Carbon 对比说明了结论怎样随配对方式变化。
  • 标题数字通常用的是最高档。AA 的模型页面把 Neon 和 Hydrogen 的 xhigh、Carbon 和 Argon 的 high 放在最前面。Google 的评测方法文档(各模型卡里有链接)写明,结果是 “with the highest thinking settings unless indicated otherwise”(除非另有说明,均使用最高思考设置)跑出来的。从不设级别的代码,跑的并不是这些分数背后的配置。
  • 模型和级别是同一个决定。按 AA 的数字,Neon medium(54.9,$1.90)的分数高于 Hydrogen xhigh(53.9,$3.16),成本只有后者的 60%;Neon low(44.1,$0.75)也高于 Hydrogen medium(41.2,$0.80)。可用性可能同样重要:Neon 只对付费层开放,也不在 Ofox 上;Hydrogen 有 Google 免费层,也在 Ofox 上。

公平的比较要在两边都显式设置级别,调高 max_output_tokens 让双方都不被截断,并逐次记录思考 token、延迟和通过/失败。

我们通过 Ofox 跑各个级别的结果

我们想确认两件事:级别能不能经 Ofox 传到模型;在普通提示上,它对 token 用量的影响有多大。

设置(2026-11-19)。使用 Ofox 的 Gemini 原生路由 POST https://api.ofox.ai/gemini/v1beta/models/{model}:generateContent,设置 generationConfig.thinkingConfig.thinkingLevel,maxOutputTokens: 32768。google/gemini-4-hydrogen 跑 low、medium、high 和 xhigh;google/gemini-4-argon 跑 low、medium 和 high。每个级别在三个提示上各跑两次,同时发四个请求。我们读取 usageMetadata.thoughtsTokenCount 和 candidatesTokenCount,并在客户端对每个请求做端到端计时。

三个提示:

  1. 简单事实:钨的化学符号(期望答案 W)。
  2. 多步算术:笔 $3 一支,笔记本 $7 一本,正好花掉 $100,两样至少各买一件,笔的数量严格多于笔记本;问有几种组合。答案是 3 种:(31, 1)、(24, 4) 和 (17, 7)。(10, 10) 数量相等,不满足”严格多于”。
  3. 简短编程题:编写 merge_intervals,要求合并首尾相接的区间,且不修改输入;在沙箱子进程里用 9 个隐藏测试用例评分。

Hydrogen 结果

每次运行的思考 token(第 1 次,第 2 次):

提示lowmediumhighxhigh
简单事实45, 7846, 5884, 87106, 112
算术522, 523669, 715690, 7861,734, 1,687
编程424, 541672, 572426, 3892,119, 1,987
合计(6 次)2,1332,7322,4627,745
延迟合计50.1 秒45.0 秒44.0 秒80.3 秒
正确数6/66/66/66/6

Hydrogen 的 24 个回答全部正确,编程题的每个回答都通过了 9 个测试中的 9 个。xhigh 用掉的思考 token 总体约为 high 的 3.1 倍,在编程题上是 5 倍,写出的代码同样通过。low、medium 和 high 很难区分:合计在 2,133 到 2,732 之间,也不是按级别依次上升。就连 low 在一个单词就能答的问题上也产生了思考 token,这和 Google 关于思考无法关闭的说法一致。

Argon 结果

每次运行的思考 token:

提示lowmediumhigh
简单事实无,无无,无105, 105
算术无,无398, 3671,071, 895
编程无,无无,无739, 890
正确数(全部提示)6/66/66/6

“无”表示响应里既没有 thoughtsTokenCount 字段,也没有思考部分。Ofox 的思考设置页说,模型在简单请求上跳过思考时就会这样。Argon 在 low 下所有提示都没报告思考;在 medium 下只有算术题报告了;在 high 下三个都有。每个回答仍然正确。在算术题的 low 运行中,Argon 改在可见回答里一步步推算(525 到 637 个输出 token),所以思考 token 为零并不等于没有推理。

Argon 的延迟和 token 数并不同步。两次 medium 算术运行分别用了 35.6 秒和 59.9 秒,high 的两次是 27.5 秒和 25.0 秒。只有两个样本,又有四个请求并发,应把这看作排队造成的,而不是级别本身的特性。

列表外的级别:被接受,但不受支持

Google 文档写明不支持的两个值,通过 Ofox 返回了 HTTP 200:Hydrogen 上的 thinkingLevel: "minimal" 和 Argon 上的 "xhigh"。响应里没有任何信息说明实际用了哪个级别。我们在算术题上各跑了两次:

请求思考 token最接近的文档级别
Hydrogen minimal463, 481Hydrogen low:522, 523
Argon xhigh1,238, 1,141Argon high:1,071, 895

在我们的运行中,用量看起来分别像 Hydrogen low 和 Argon high,这和 Google 兼容表对 minimal 的映射一致。但这只是 2026-11-19 通过 Ofox 这一条路由、每项两个样本的观察,不是 Google 文档记载的行为。直接请求 Google 可能会拒绝这两个值。不要依赖这种行为:在你自己的代码里把 minimal 映射为 low,在 Carbon 和 Argon 上把 xhigh 映射为 high。我们的 Gemini 4 API 报错指南记录了在其他提示上的单次运行结果。

通过 Ofox 发送 thinkingBudget

2026-11-19 我们共发送了六次 thinkingBudget: 1024:Hydrogen 上单独发三次、和 thinkingLevel: "low" 一起发两次,Argon 上单独发一次。六次全部返回 HTTP 400,而紧挨着前后发送的只带级别的请求都返回 200。

  • Argon 返回的是一条 Ofox 校验消息:“Gemini 4 Argon does not support a thinking token budget. Use low, medium or high reasoning effort instead.”
  • Hydrogen 每次都返回 "The service is temporarily unavailable. Please try again later.",type: "api_error"。这看起来像网关或上游故障,不像校验错误,响应里也没说是哪一层产生的。

这是 Ofox 的 Gemini 原生路由在 2026-11-19 的表现,不是 Google 文档记载的行为。Google 文档只说 budget 和 level 一起发送时返回 400;单独发送 budget 应该映射到某个级别并给出警告。我们没有直连 Google 测试。实际操作上:如果你通过 Ofox 请求 Gemini 4 时看到那个 “temporarily unavailable” 的 400,先检查是否残留了 thinkingBudget,再决定要不要重试。

OpenAI 兼容路由

在算术题上(各跑一次),reasoning_effort: "low" 返回了 598 个 reasoning_tokens,"xhigh" 返回了 1,492 个。级别在这条路由上同样能传到模型。

两个值得处理的响应细节

  • 没设 includeThoughts 也有思考部分。2026-11-19 通过 Ofox 观察到:每个报告了思考的原生响应,都带有一个标记为 "thought": true、内容是思考摘要的部分,尽管我们从没设置 includeThoughts。Google 把摘要描述为需要主动开启的功能。我们没有在直连 Google 时核实。如果你的代码会把所有 text 部分拼起来,请跳过 thought 为 true 的部分,否则摘要会混进回答。
  • 用量计数和可见文本对不上。我们只有一个字符的回答,candidatesTokenCount 报告的是 5。以用量字段为准来计量。

这次测试的局限

  • 每个级别在 3 个难度偏低到中等的提示上各跑 2 次。这能说明级别是否传到了模型,以及它对 token 的影响有多大,但不能给质量排序:这些提示太简单,各级别在正确率上拉不开差距。
  • 延迟是从我们的客户端经 Ofox 端到端测量的,并发 4 个请求。
  • 我们没有测 Carbon 或 Neon,也没有直接测 Google 的 API。
  • 按 Google 标价,成功请求的费用按我们的用量计算约为 $0.26。Ofox 按各模型页上的费率计费。

原始请求和响应(Key 已脱敏)以及脚本保存在本文的研究文件中。

选择级别的步骤

Google 在每个 Gemini 4 页面上给的建议都一样:在每个支持的级别上用较高的输出上限跑评测,留下达到你质量标准的最低级别。具体做法:

1. 写 20 到 50 个能自动判定通过/失败的任务。用你应用里的真实请求,靠精确答案、单元测试或 schema 校验来判定,并把最难的情况放进去。我们的测试说明了原因:简单任务在每个级别都能通过,什么也说明不了。

2. 显式设置级别,把每个支持的级别都扫一遍。针对 Ofox 原生路由的最小扫描脚本:

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}

用你自己的检查器给 text 打分。同时记录 finish:只要不是 STOP,就说明这次运行没有正常完成,既不算通过也不算失败。

3. 每个任务的每个级别至少跑 3 到 5 次。在我们的测试里,完全相同的请求,思考 token 最多相差 70%(Hydrogen low 跑简单事实题:45 对 78)。

4. 选出通过率与最佳级别持平的最低级别,再用你自己的用量数字,权衡升一档多出的成本和多出的通过数。作为参考:在 AA 的任务上,Hydrogen 从 high 到 xhigh,每个任务多花 $1.29,换来 3.1 个指数分。

5. 按请求类型设置级别,而不是整个应用一个级别,并且在模型、提示模板或价格变化时重新扫描一遍。

按任务类型的起始级别

下面是建议先测的起点,依据 Google 对各级别的建议和上文 AA 的曲线整理。它们不是针对你的工作负载测出来的结果。

任务Hydrogen / Neon 起点Carbon / Argon 起点何时上调何时下调
信息抽取、分类、简短事实问答lowlow(在 AA 上 Carbon low 并不更便宜;请用你的数据核实)检查器开始报失败已经是 low
聊天、摘要、简单工具调用low 或 mediumlow回答漏掉步骤或调错工具降一档后通过率不变
交互式编程、UI 原型mediummedium测试失败或修改不完整测试仍通过且在意延迟
多文件编程、智能体循环、文档综合highmedium(默认),然后 high任务卡住或智能体放弃medium 能通过同样的任务
高难度数学、科学、根因调试high,然后 xhighhighxhigh 仅限 Neon/Hydrogen,且在 high 失败之后很少需要;先看成本

Google 提醒,xhigh “can cause overthinking or exhaust max_output_tokens on simpler prompts such as text or JSON extraction.”(在文本或 JSON 抽取这类较简单的提示上,可能导致过度思考或耗尽 max_output_tokens。)抽取类工作不要用它。

级别请求失败时

现象可能原因解决办法
400,提到 thinking_level该值对这个模型或 API 无效发送前按模型 ID 校验级别;见 Gemini 4 API 报错指南
通过 Ofox 时 400 “service is temporarily unavailable”在我们的测试中,是残留的 thinkingBudget删掉 thinkingBudget,保留 thinkingLevel
OpenAI 兼容调用同时设置了 reasoning_effort 和 extra_body 里的 thinking_config,返回 400Google 说两者不能同时使用只用其中一个
HTTP 200,但文本为空或被截断,MAX_TOKENS / length思考用光了输出上限调高 maxOutputTokens 或降低级别;见回答为空或被截断
high / xhigh 下超时困难提示上推理时间长Google 的迁移清单建议 HTTP 客户端超时至少设为 15 分钟,或者在 Google 的 API 上使用后台执行
回答开头是模型的思考摘要思考部分被拼进了回答跳过 thought 为 true 的部分
多轮工具调用因签名错误失败思考签名没有原样传回见工具调用中缺少思考签名

Argon 特有的状态码见 Gemini 4 Argon API 报错排查。Ofox 上的重试机制见错误处理指南。

接下来读什么

相关文档

常见问题

Gemini 4 的思考级别调高,单 token 价格会变吗?
不会。Google 按输出费率对思考 token 计费,每个级别的单 token 价格都一样。级别越高花费越多,是因为模型生成了更多思考 token;在智能体任务上,它还可能跑更多轮、读入更多输入。
Gemini 4 能关闭思考吗?
不能。Google 表示 Carbon、Argon、Neon 和 Hydrogen 都无法关闭思考,minimal 也不是 Gemini 4 支持的级别。文档里最低的设置是 low。我们在 2026-11-19 通过 Ofox 测试时,Argon 在 low 和 medium 下处理短提示,有时响应里没有 thoughtsTokenCount。所以观察到的思考量可能为零,但你仍然没法把思考关掉。
Gemini 4 上应该用 thinkingBudget 还是 thinkingLevel?
用 thinkingLevel。Google 把 Gemini 4 上的 thinkingBudget 标为已弃用:单独传入时会映射到最接近的级别并返回警告,和 thinkingLevel 一起传入则返回 400。2026-11-19 我们通过 Ofox 发送的每个带 thinkingBudget 的请求都返回了 HTTP 400,只传 budget 的请求也一样。删掉它,只设置 thinkingLevel。