Gemini 4 Thinking-Level: Wann reicht low, wann braucht es xhigh?
Welche Thinking-Level jedes Gemini-4-Modell unterstützt, wo der Parameter in jeder API steht, was eine Aufgabe pro Level kostet, was unsere Testaufrufe ergeben haben und wie Sie das niedrigste Level finden, das Ihre Prüfungen besteht.
Gemini 4 Carbon und Argon akzeptieren low, medium und high, Standard ist medium. Gemini 4 Neon und Hydrogen akzeptieren low, medium, high und xhigh, Standard ist high. Für keines der Modelle ist minimal dokumentiert, und bei keinem lässt sich das Denken abschalten. Wählen Sie das Level, indem Sie Ihre eigenen Aufgaben mit Bestanden/Nicht-bestanden-Prüfung auf jedem unterstützten Level laufen lassen und das niedrigste behalten, das besteht; xhigh nur dann, wenn high scheitert. Der Preis pro Token ist auf jedem Level gleich. Was sich ändert, ist die Zahl der Denk-Token, die das Modell verbraucht, und davon hängen Kosten und Wartezeit ab.
Auf den Benchmark-Aufgaben von Artificial Analysis stiegen die durchschnittlichen Kosten pro Aufgabe bei Hydrogen von low auf xhigh etwa auf das Elffache ($0,29 auf $3,16), bei Neon über dieselbe Spanne etwa auf das Neunfache. Der oberste Schritt brachte bei beiden Modellen die wenigsten Punkte. In unserem eigenen kleinen Test über Ofox verbrauchte Hydrogen auf xhigh etwa dreimal so viele Denk-Token wie auf high und beantwortete dieselben Prompts nicht besser.
Dieser Artikel wird von Ofox veröffentlicht. Quellen:
- Googles Dokumentation: unterstützte Level, Standardwerte und Parameternamen aus Googles Thinking-Leitfaden, den modellspezifischen Leitfäden und der Seite zur OpenAI-Kompatibilität, geprüft am 19. November 2026.
- Artificial Analysis (AA): Benchmarkwerte pro Level von den Modellseiten, am selben Tag abgerufen. Fremde Zahlen, nicht unsere.
- Unsere Läufe: 56 Anfragen am 2026-11-19 an
google/gemini-4-hydrogenundgoogle/gemini-4-argonüber Ofox. Nur diese Ergebnisse haben wir selbst gemessen.
Stand dieses Datums sind Gemini 4 Carbon und Neon auf Ofox nicht verfügbar. Alle Angaben zu ihnen stammen von Google oder AA.
Welche Level jedes Gemini-4-Modell unterstützt
| Modell | Modell-ID | Unterstützte Level | Standard | Auf Ofox (2026-11-19) |
|---|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | low, medium, high | medium | Nein |
| Gemini 4 Argon | gemini-4-argon | low, medium, high | medium | Ja, google/gemini-4-argon |
| Gemini 4 Neon | gemini-4-neon | low, medium, high, xhigh | high | Nein |
| Gemini 4 Hydrogen | gemini-4-hydrogen | low, medium, high, xhigh | high | Ja, google/gemini-4-hydrogen |
Quelle: Googles Thinking-Leitfaden sowie die Leitfäden zu Neon, Hydrogen, Carbon und Argon. Verfügbarkeit auf Ofox: authentifiziertes GET /v1/models, 2026-11-19.
Googles Migrations-Checklisten fassen die Aufteilung in einem Satz zusammen: “Carbon and Argon default to medium and cap at high.” (Carbon und Argon stehen standardmäßig auf medium, Obergrenze ist high.) Die Leitfäden zu Neon und Hydrogen ergänzen, dass beide minimal mit einem Fehler ablehnen. Außerdem steht derselbe Name auf jeder Leiter an einer anderen Stelle: high ist bei Carbon und Argon die oberste Stufe, bei Neon und Hydrogen aber die zweithöchste.
Googles Beschreibungen für Neon und Hydrogen:
| Level | Googles Beschreibung | Googles empfohlener Einsatz |
|---|---|---|
low | Wenigste Token, geringste Latenz | Schneller Chat, Verarbeitung mit hohem Durchsatz; “still capable on agentic tasks” (auch bei Agentenaufgaben noch leistungsfähig) |
medium | Geringerer Tokenverbrauch, schnellere Antworten | Interaktives Programmieren, UI-Prototyping in Echtzeit, latenzkritische Tool-Aufrufe |
high | Ausgewogen zwischen Intelligenz und Geschwindigkeit | Standard für komplexes Programmieren, Agenten, Tool-Aufrufe, multimodale Arbeit |
xhigh | Meiste Token, tiefstes Schlussfolgern | Schwierige mehrstufige Probleme, bei denen high nicht reicht |
Bei Carbon und Argon sind die Beschreibungen um eine Stufe nach oben verschoben: medium ist “recommended for most tasks, including complex code and agentic use cases” (für die meisten Aufgaben empfohlen, einschließlich komplexem Code und agentischen Anwendungsfällen), und high ist für das schwierigste Schlussfolgern, Mathematik, Naturwissenschaft und Agentenarbeit gedacht. Der Carbon-Leitfaden warnt, dass auf low “quality can drop on hard tasks” (die Qualität bei schweren Aufgaben sinken kann).
So senden Sie das Level in jeder API
Der Parameter heißt in jeder API anders und steht an einer anderen Stelle. Ein Level an der falschen Stelle fällt entweder bei der Validierung durch oder erreicht das Modell nie.
| API | Wo das Level steht | Wo Denk-Token gemeldet werden |
|---|---|---|
| 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-kompatible Chat Completions | reasoning_effort | usage.completion_tokens_details.reasoning_tokens |
Die Werte sind überall kleingeschriebene Strings: "low", "medium", "high", "xhigh".
Interactions API (direkt bei Google)
Die Leitfäden zu Neon und Hydrogen verwenden diese Form:
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" }
}'
Die Referenz zur Gemini-nativen API von Ofox führt generateContent, streamGenerateContent, gecachte Inhalte und die Modellliste auf, aber keinen Interactions-Endpunkt. Senden Sie Interactions-Anfragen daher direkt an Google.
generateContent (Google oder Ofox)
Diese Anfrageform haben wir getestet. Auf Ofox ist die Basis https://api.ofox.io/gemini, der Schlüssel steht in x-goog-api-key, und der Modellpfad trägt das Präfix google/, wie in der Generate-Content-Referenz und auf Ofox’ Seite zu den Gemini-Thinking-Einstellungen beschrieben.
curl "https://api.ofox.io/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
}
}'
Direkt bei Google verwenden Sie https://generativelanguage.googleapis.com/v1beta/models/gemini-4-hydrogen:generateContent mit Ihrem Gemini-Schlüssel. thinkingConfig muss innerhalb von generationConfig stehen; auf der obersten Ebene des Bodys erreicht es das Modell nie.
OpenAI-kompatible Route
Googles Kompatibilitätsseite bildet reasoning_effort auf die Gemini-4-Level ab:
reasoning_effort | Gemini 4 thinking_level |
|---|---|
minimal | low |
low | low |
medium | medium |
high | high |
xhigh | xhigh (nur Neon und Hydrogen) |
Ohne reasoning_effort nutzt das Modell seinen Standard. Google weist darauf hin, dass sich reasoning_effort und thinking_level überschneiden, “so they can’t be used at the same time” (deshalb können sie nicht gleichzeitig verwendet werden). Über Ofox:
from openai import OpenAI
import os
client = OpenAI(base_url="https://api.ofox.io/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)
Die Ofox-Modellseiten für Hydrogen und Argon führen beide Protokolle auf, openai und gemini; die aktuellen Preise stehen ebenfalls dort.
thinkingBudget entfernen
thinkingBudget war die Steuerung bei Gemini 2.5. Googles Thinking-Leitfaden für generateContent sagt, dass es bei Gemini 4 veraltet ist: “If passed alone, it maps to the nearest thinkingLevel … and returns a warning; sending thinkingBudget and thinkingLevel together returns a 400 error.” (Allein übergeben wird es auf das nächstgelegene thinkingLevel abgebildet und gibt eine Warnung zurück; thinkingBudget und thinkingLevel zusammen führen zu einem 400-Fehler.) Über Ofox wurde sogar die Variante nur mit Budget abgelehnt (Details im Testabschnitt). Löschen Sie thinkingBudget aus jeder übernommenen Konfiguration und setzen Sie stattdessen thinkingLevel.
Platz in max_output_tokens lassen
Denk-Token und die sichtbare Antwort teilen sich ein Ausgabelimit. Laut Google stoppt das Modell mit MAX_TOKENS, wenn es das Limit noch während des Denkens erreicht, und “returns truncated or empty output (while still billing for any thinking tokens generated)” (gibt eine abgeschnittene oder leere Ausgabe zurück, wobei erzeugte Denk-Token trotzdem berechnet werden). Wenn Sie weniger ausgeben wollen, senken Sie das Level, nicht das Limit. Googles Leitfäden zu Neon und Hydrogen empfehlen, den Standard von 65.536 beizubehalten; der Carbon-Leitfaden empfiehlt mindestens 32.768. Unsere Läufe nutzten 32.768, und keiner wurde abgeschnitten.
Was jedes Level an Token, Zeit und Qualität kostet
Die Preise pro Token sind auf allen Leveln identisch, sinnvoll ist also der Vergleich pro Aufgabe. AA lässt die Aufgaben seines Intelligence Index auf jedem Level separat laufen und meldet die durchschnittlichen Kosten pro Aufgabe zu Googles Listenpreisen. Die folgenden Werte stammen von AAs Seiten vom 19. November 2026.
Neon (alle vier Level)
| Level | AA Intelligence Index | Kosten pro Aufgabe | Zeit pro Aufgabe | Ausgabe-Token pro Aufgabe | Halluzinationsrate |
|---|---|---|---|---|---|
low | 44,1 | $0,75 | 3,7 Min. | ~21.700 | 18,8 % |
medium | 54,9 | $1,90 | 8,3 Min. | ~50.000 | 16,2 % |
high (Standard) | 59,6 | $3,74 | 14,8 Min. | ~90.200 | 13,9 % |
xhigh | 61,4 | $6,44 | 21,5 Min. | ~141.600 | 14,4 % |
Jeder Schritt nach oben kostet mehr und bringt weniger: low auf medium bringt 10,8 Punkte für $1,16 pro Aufgabe, medium auf high 4,8 Punkte für $1,84 und high auf xhigh 1,8 Punkte für $2,70, ohne Verbesserung bei den Halluzinationen.
Hydrogen (alle vier Level)
| Level | AA Intelligence Index | Kosten pro Aufgabe | Zeit pro Aufgabe | Ausgabe-Token pro Aufgabe | Halluzinationsrate |
|---|---|---|---|---|---|
low | 26,9 | $0,29 | nicht angegeben | nicht angegeben | nicht angegeben |
medium | 41,2 | $0,80 | nicht angegeben | nicht angegeben | nicht angegeben |
high (Standard) | 50,8 | $1,87 | 8,6 Min. | ~85.000 | 8,7 % |
xhigh | 53,9 | $3,16 | 15,2 Min. | ~154.400 | 8,5 % |
Für Hydrogen low und medium lieferten AAs Daten Index und Kosten, aber keine Zeit, Token oder Halluzinationsrate.
Hydrogen fällt am unteren Ende deutlich stärker ab als Neon: low liegt 24 Punkte unter dem Standard, bei Neon sind es 15,5. Auf Hydrogen ist low daher ein echter Qualitätsverlust und keine kostenlose Beschleunigung. Von high auf xhigh gewinnt Hydrogen 3,1 Punkte für etwa 69 % mehr Kosten und 77 % mehr Zeit.
Carbon (drei Level)
AA berechnet Carbon zum Tarif, der ab 1. Dezember gilt ($4/$20 pro Million Token). Bis 30. November verlangt Google $2/$10; bis dahin sind alle Token-Tarife von Carbon, einschließlich gecachter Eingabe, genau halb so hoch. Die November-Spalte ist also AAs Wert geteilt durch zwei (unsere Rechnung).
| Level | AA Intelligence Index | Kosten pro Aufgabe (Dezember-Tarif) | Kosten pro Aufgabe (November-Tarif, von uns halbiert) | Zeit pro Aufgabe | Halluzinationsrate | Omniscience-Genauigkeit |
|---|---|---|---|---|---|---|
low | 54,2 | $7,19 | $3,59 | 30,4 Min. | 19,8 % | 49,2 % |
medium (Standard) | 58,3 | $6,59 | $3,29 | 29,6 Min. | 4,2 % | 48,9 % |
high | 60,0 | $7,76 | $3,88 | 37,2 Min. | 11,4 % | 58,3 % |
Carbon bricht das Muster. Auf AAs Aufgaben kostete low pro Aufgabe mehr als medium, dauerte etwa gleich lang, erzielte 4 Punkte weniger und halluzinierte fast fünfmal so oft. Weniger Denk-Token pro Schritt garantieren keine günstigere Aufgabe, wenn ein Agent mehr Schritte bis zum Ziel braucht. AA erklärt das Ergebnis nicht; werten Sie es deshalb als einen einzelnen Benchmark, gehen Sie aber nicht davon aus, dass low bei Carbon Geld spart.
Argon (AA führt zwei Level)
AAs Argon-Seite führt nur high und medium. Der Argon-Eintrag ohne Zusatz, der als Hauptwert angezeigt wird, trägt die Bezeichnung “Gemini 4 Argon (High)”. AA berechnet Argon zum aktuellen Tarif von $2/$10.
| Level | AA Intelligence Index | Kosten pro Aufgabe (November-Tarif) | Kosten pro Aufgabe (Dezember-Tarif, von uns verdoppelt) | Zeit pro Aufgabe | Halluzinationsrate | Omniscience-Genauigkeit |
|---|---|---|---|---|---|---|
medium (Standard) | 47,6 | $4,31 | $8,63 | 29,1 Min. | 15,4 % | 49,0 % |
high | 50,4 | $4,97 | $9,95 | 29,8 Min. | 4,3 % | 48,3 % |
Auf AAs Aufgaben kostete Argon high 15 % mehr als Argon medium, dauerte etwa gleich lang, erzielte 2,8 Punkte mehr und senkte die Halluzinationsrate von 15,4 % (medium) auf 4,3 % (high). Wenn sachliche Fehler für Sie teuer sind, sollten Sie bei Argon daher zuerst high testen. Die niedrigen 4,3 % gehören zu Argon high; ein Argon-Aufruf ohne gesetztes Level läuft auf medium. Zur Preisänderung im Dezember siehe unseren Leitfaden zur Dezember-Preisänderung bei Carbon und Argon; ein Kostenmodell für Neon finden Sie unter Gemini 4 Neon: Preise nach Thinking-Level.
Warum Vergleiche mit Standardeinstellungen in die Irre führen
Viele Gemini-4-Vergleiche tauschen die Modell-ID aus und lassen das Level unbestimmt. Damit werden unterschiedliche Positionen auf unterschiedlichen Leitern verglichen.
- Die Standards liegen unterschiedlich hoch. Neon und Hydrogen laufen standardmäßig auf ihrer zweithöchsten Stufe, Carbon und Argon auf ihrer mittleren. Neon gegen Carbon mit Standardwerten heißt also Neon
high(59,6, $3,74) gegen Carbonmedium(58,3, $6,59 zum Dezember-Tarif). Unser Vergleich Neon vs. Carbon zeigt, wie das Urteil von der Paarung abhängt. - Schlagzeilenwerte nutzen meist das oberste Level. AAs Modellseiten zeigen zuerst Neon und Hydrogen auf
xhighund Carbon und Argon aufhigh. Googles Dokumente zur Evaluierungsmethodik, die von jeder Modellkarte verlinkt sind, sagen, dass die Ergebnisse “with the highest thinking settings unless indicated otherwise” (mit den höchsten Thinking-Einstellungen, sofern nicht anders angegeben) ermittelt wurden. Code, der nie ein Level setzt, läuft nicht in der Konfiguration, die hinter diesen Werten steht. - Modell und Level sind eine Entscheidung. Nach AAs Zahlen lag Neon
medium(54,9, $1,90) über Hydrogenxhigh(53,9, $3,16), bei 60 % der Kosten, und Neonlow(44,1, $0,75) über Hydrogenmedium(41,2, $0,80). Die Verfügbarkeit kann ebenso viel ausmachen: Neon gibt es nur in der kostenpflichtigen Stufe und nicht auf Ofox, Hydrogen dagegen hat eine kostenlose Google-Stufe und ist auf Ofox verfügbar.
Ein fairer Vergleich setzt das Level auf beiden Seiten explizit, hebt max_output_tokens an, damit keine Seite abgeschnitten wird, und erfasst pro Lauf Denk-Token, Latenz und Bestanden/Nicht bestanden.
Was passierte, als wir die Level über Ofox laufen ließen
Wir wollten zwei Dinge prüfen: ob das Level über Ofox beim Modell ankommt und wie stark es den Tokenverbrauch bei gewöhnlichen Prompts verändert.
Aufbau (2026-11-19). Ofox’ Gemini-native Route, POST https://api.ofox.io/gemini/v1beta/models/{model}:generateContent, mit gesetztem generationConfig.thinkingConfig.thinkingLevel und maxOutputTokens: 32768. google/gemini-4-hydrogen auf low, medium, high und xhigh; google/gemini-4-argon auf low, medium und high. Jedes Level lief zweimal auf drei Prompts, jeweils vier Anfragen gleichzeitig. Wir lasen usageMetadata.thoughtsTokenCount und candidatesTokenCount aus und maßen jede Anfrage Ende-zu-Ende auf unserem Client.
Die Prompts:
- Einfache Faktenfrage: das chemische Symbol für Wolfram (erwartet
W). - Mehrstufige Arithmetik: Stifte zu $3, Notizbücher zu $7, genau $100 ausgegeben, mindestens eines von jedem, echt mehr Stifte als Notizbücher; wie viele Kombinationen gibt es? Die Antwort ist 3: (31, 1), (24, 4) und (17, 7). (10, 10) ist ein Gleichstand und erfüllt „echt mehr“ nicht.
- Kurze Programmieraufgabe:
merge_intervalsso schreiben, dass sich berührende Intervalle zusammengeführt werden und die Eingabe nicht verändert wird, bewertet mit 9 verborgenen Testfällen in einem abgeschotteten Subprozess.
Ergebnisse für Hydrogen
Denk-Token pro Lauf (Wiederholung 1, Wiederholung 2):
| Prompt | low | medium | high | xhigh |
|---|---|---|---|---|
| Faktenfrage | 45, 78 | 46, 58 | 84, 87 | 106, 112 |
| Arithmetik | 522, 523 | 669, 715 | 690, 786 | 1.734, 1.687 |
| Programmieren | 424, 541 | 672, 572 | 426, 389 | 2.119, 1.987 |
| Summe (6 Läufe) | 2.133 | 2.732 | 2.462 | 7.745 |
| Summierte Latenz | 50,1 s | 45,0 s | 44,0 s | 80,3 s |
| Korrekt | 6/6 | 6/6 | 6/6 | 6/6 |
Alle 24 Hydrogen-Antworten waren korrekt, und jede Programmierantwort bestand 9 von 9 Tests. xhigh verbrauchte insgesamt etwa 3,1-mal so viele Denk-Token wie high, beim Programmier-Prompt 5-mal so viele, für denselben bestehenden Code. low, medium und high waren kaum zu unterscheiden: Die Summen lagen zwischen 2.133 und 2.732 und stiegen nicht in der Reihenfolge der Level. Selbst low erzeugte bei der Ein-Wort-Frage Denk-Token, was zu Googles Aussage passt, dass sich das Denken nicht abschalten lässt.
Ergebnisse für Argon
Denk-Token pro Lauf:
| Prompt | low | medium | high |
|---|---|---|---|
| Faktenfrage | keine, keine | keine, keine | 105, 105 |
| Arithmetik | keine, keine | 398, 367 | 1.071, 895 |
| Programmieren | keine, keine | keine, keine | 739, 890 |
| Korrekt (alle Prompts) | 6/6 | 6/6 | 6/6 |
„Keine“ bedeutet, dass die Antwort weder ein Feld thoughtsTokenCount noch Thought-Parts enthielt. Ofox’ Thinking-Seite sagt, dass genau das zu sehen ist, wenn das Modell bei einer einfachen Anfrage das Denken überspringt. Argon meldete auf low bei keinem Prompt Denken, auf medium nur bei der Arithmetik, auf high bei allen dreien. Jede Antwort war trotzdem korrekt. Beim Arithmetik-Prompt auf low rechnete Argon die Aufgabe stattdessen Schritt für Schritt in der sichtbaren Antwort durch (525 bis 637 Ausgabe-Token); null Denk-Token hieß also nicht null Schlussfolgern.
Die Latenz folgte bei Argon nicht der Tokenzahl. Die beiden Arithmetik-Läufe auf medium dauerten 35,6 s und 59,9 s, die Läufe auf high 27,5 s und 25,0 s. Bei zwei Stichproben und vier parallelen Anfragen ist das als Warteschlangeneffekt zu lesen, nicht als Eigenschaft des Levels.
Level außerhalb der Liste: akzeptiert, nicht unterstützt
Zwei Werte, die Google als nicht unterstützt dokumentiert, lieferten über Ofox HTTP 200: thinkingLevel: "minimal" bei Hydrogen und "xhigh" bei Argon. Nichts in den Antworten verrät, welches Level angewendet wurde. Wir ließen jeden Wert zweimal auf dem Arithmetik-Prompt laufen:
| Anfrage | Denk-Token | Nächstes dokumentiertes Level |
|---|---|---|
Hydrogen minimal | 463, 481 | Hydrogen low: 522, 523 |
Argon xhigh | 1.238, 1.141 | Argon high: 1.071, 895 |
In unseren Läufen sah der Verbrauch aus wie bei Hydrogen low und Argon high, was dazu passt, wie Googles Kompatibilitätstabelle minimal abbildet. Das ist eine Beobachtung einer Route an einem Tag, mit je zwei Stichproben, und kein dokumentiertes Verhalten. Eine direkte Anfrage an Google kann beide Werte ablehnen. Verlassen Sie sich nicht darauf: Bilden Sie in Ihrem eigenen Code minimal auf low ab und xhigh bei Carbon und Argon auf high. Unser Leitfaden zu Gemini-4-API-Fehlern enthält die Ergebnisse einzelner Läufe auf anderen Prompts.
thinkingBudget über Ofox
Wir sendeten am 2026-11-19 sechsmal thinkingBudget: 1024: bei Hydrogen dreimal allein und zweimal zusammen mit thinkingLevel: "low", bei Argon einmal allein. Alle sechs Anfragen lieferten HTTP 400, während reine Level-Anfragen unmittelbar davor und danach 200 zurückgaben.
- Argon gab eine Validierungsmeldung von Ofox zurück: “Gemini 4 Argon does not support a thinking token budget. Use low, medium or high reasoning effort instead.”
- Hydrogen gab in jedem Fall
"The service is temporarily unavailable. Please try again later."mittype: "api_error"zurück. Das liest sich wie ein Gateway- oder Upstream-Fehler, nicht wie ein Validierungsfehler, und die Antwort sagt nicht, welche Schicht ihn erzeugt hat.
So verhielt sich Ofox’ Gemini-native Route an diesem Datum; das ist nicht Googles dokumentiertes Verhalten. Google dokumentiert einen 400 nur, wenn Budget und Level zusammen gesendet werden; ein allein gesendetes Budget sollte mit einer Warnung auf ein Level abgebildet werden. Google direkt haben wir nicht getestet. In der Praxis heißt das: Wenn Sie bei einer Gemini-4-Anfrage über Ofox diesen 400 mit “temporarily unavailable” sehen, prüfen Sie vor einem erneuten Versuch, ob noch ein thinkingBudget übrig ist.
Die OpenAI-kompatible Route
Beim Arithmetik-Prompt (je ein Lauf) lieferte reasoning_effort: "low" 598 reasoning_tokens und "xhigh" 1.492. Auch auf dieser Route kommt das Level beim Modell an.
Zwei Details der Antwort, die Sie behandeln sollten
- Thought-Parts ohne
includeThoughts. Beobachtet über Ofox am 2026-11-19: Jede native Antwort, die Denken meldete, enthielt zusätzlich einen mit"thought": truemarkierten Part mit einer Zusammenfassung der Gedanken, obwohl wirincludeThoughtsnie gesetzt hatten. Google beschreibt diese Zusammenfassungen als Opt-in. Google direkt haben wir nicht geprüft. Wenn Ihr Code alle Text-Parts zusammenfügt, überspringen Sie Parts, bei denenthoughttrue ist, sonst landet die Zusammenfassung in Ihrer Antwort. - Die Usage-Zählung weicht vom sichtbaren Text ab. Unsere Ein-Zeichen-Antworten meldeten einen
candidatesTokenCountvon 5. Messen Sie anhand der Usage-Felder.
Grenzen dieses Tests
- Jedes Level lief 2-mal auf 3 leichten bis mittelschweren Prompts. Das zeigt, ob ein Level beim Modell ankommt und wie groß sein Effekt auf die Token ist. Eine Qualitätsrangfolge lässt sich daraus nicht ableiten: Die Prompts waren zu leicht, als dass sich die Level bei der Korrektheit unterschieden hätten.
- Die Latenz ist Ende-zu-Ende von unserem Client gemessen, mit 4 parallelen Anfragen, über Ofox.
- Bei Carbon und Neon haben wir nichts gemessen, ebenso nichts direkt über Googles API.
- Zu Googles Listenpreisen kommen die erfolgreichen Anfragen nach unserer Rechnung aus den Usage-Daten auf etwa $0,26. Ofox rechnet zu den Tarifen auf der jeweiligen Modellseite ab.
Rohe Anfragen und Antworten (Schlüssel entfernt) sowie die Skripte liegen in unseren Recherchedateien zu diesem Artikel.
Ein Verfahren zur Wahl des Levels
Googles Rat ist auf jeder Gemini-4-Seite derselbe: Führen Sie Ihre Evaluierungen auf jedem unterstützten Level mit hohem Ausgabelimit durch und behalten Sie das niedrigste Level, das Ihre Qualitätsanforderung erfüllt. Konkret:
1. Schreiben Sie 20 bis 50 Aufgaben mit automatischer Bestanden/Nicht-bestanden-Prüfung. Nehmen Sie echte Anfragen aus Ihrer Anwendung, geprüft über exakte Antworten, Unit-Tests oder Schemavalidierung, und nehmen Sie Ihre schwierigsten Fälle auf. Unser Test zeigt, warum: Leichte Aufgaben bestehen auf jedem Level und sagen nichts aus.
2. Gehen Sie alle unterstützten Level durch und setzen Sie das Level explizit. Ein minimaler Durchlauf gegen Ofox’ native Route:
import os, time, json, urllib.request
URL = "https://api.ofox.io/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}
Bewerten Sie text mit Ihrer eigenen Prüfung. Protokollieren Sie auch finish: Alles außer STOP bedeutet, dass der Lauf nicht normal abgeschlossen wurde; werten Sie ihn weder als bestanden noch als nicht bestanden.
3. Lassen Sie jedes Level mindestens 3- bis 5-mal pro Aufgabe laufen. Identische Anfragen schwankten in unserem Test um bis zu 70 % bei den Denk-Token (Hydrogen low bei der Faktenfrage: 45 gegenüber 78).
4. Wählen Sie das niedrigste Level, dessen Bestehensquote der des besten Levels entspricht, und wägen Sie dann die Mehrkosten des nächsthöheren Levels gegen seine zusätzlichen bestandenen Aufgaben ab, anhand Ihrer eigenen Usage-Zahlen. Zur Einordnung: Auf AAs Aufgaben kostete Hydrogen von high auf xhigh $1,29 mehr pro Aufgabe für 3,1 Indexpunkte.
5. Legen Sie das Level pro Anfragetyp fest, nicht pro Anwendung, und wiederholen Sie den Durchlauf, sobald sich Modell, Prompt-Vorlage oder Preis ändern.
Startpunkte nach Aufgabentyp
Startpunkte zum Testen, abgeleitet aus Googles Hinweisen pro Level und den AA-Kurven oben. Es sind keine gemessenen Ergebnisse für Ihre Last.
| Aufgabe | Start Hydrogen / Neon | Start Carbon / Argon | Höher stufen, wenn | Niedriger stufen, wenn |
|---|---|---|---|---|
| Extraktion, Klassifikation, kurze Faktenantworten | low | low (bei AA war Carbon low nicht günstiger; mit eigenen Daten prüfen) | Prüfungen schlagen fehl | Bereits auf low |
| Chat, Zusammenfassungen, einfache Tool-Aufrufe | low oder medium | low | Antworten lassen Schritte aus oder rufen das falsche Tool auf | Bestehensquote auf dem niedrigeren Level unverändert |
| Interaktives Programmieren, UI-Prototyping | medium | medium | Tests schlagen fehl oder Änderungen sind unvollständig | Tests bestehen weiter und Latenz zählt |
| Programmieren über mehrere Dateien, Agentenschleifen, Dokumentsynthese | high | medium (Standard), dann high | Aufgaben bleiben hängen oder der Agent gibt auf | medium besteht dieselben Aufgaben |
| Schwere Mathematik, Naturwissenschaft, Ursachenanalyse beim Debugging | high, dann xhigh | high | xhigh nur bei Neon/Hydrogen, nachdem high gescheitert ist | Selten; erst die Kosten prüfen |
Google warnt, dass xhigh “can cause overthinking or exhaust max_output_tokens on simpler prompts such as text or JSON extraction” (bei einfacheren Prompts wie Text- oder JSON-Extraktion zu übermäßigem Nachdenken führen oder max_output_tokens ausschöpfen kann). Halten Sie es von Extraktionsaufgaben fern.
Wenn eine Anfrage mit Level fehlschlägt
| Symptom | Wahrscheinliche Ursache | Lösung |
|---|---|---|
400 mit Nennung von thinking_level | Wert für Modell oder API ungültig | Level vor dem Senden gegen die Modell-ID prüfen; siehe Leitfaden zu Gemini-4-API-Fehlern |
400 “service is temporarily unavailable” über Ofox | In unseren Tests ein übrig gebliebenes thinkingBudget | thinkingBudget entfernen und thinkingLevel behalten |
400 bei einem OpenAI-kompatiblen Aufruf, der reasoning_effort und thinking_config in extra_body setzt | Laut Google können beide nicht zusammen verwendet werden | Nur eines verwenden |
HTTP 200 mit leerem oder abgeschnittenem Text, MAX_TOKENS / length | Das Denken hat das Ausgabelimit aufgebraucht | maxOutputTokens erhöhen oder das Level senken; siehe leere oder abgeschnittene Antworten |
Timeouts auf high / xhigh | Langes Schlussfolgern bei schweren Prompts | Googles Migrations-Checklisten empfehlen HTTP-Client-Timeouts von mindestens 15 Minuten oder Hintergrundausführung über Googles API |
| Antworttext beginnt mit der Gedankenzusammenfassung des Modells | Thought-Parts wurden in die Antwort übernommen | Parts überspringen, bei denen thought true ist |
| Mehrstufige Tool-Aufrufe scheitern mit einem Signaturfehler | Thought Signatures wurden nicht unverändert zurückgesendet | Siehe fehlende Thought Signature bei Tool-Aufrufen (Englisch) |
Argon-spezifische Statuscodes finden Sie unter Gemini 4 Argon: API-Fehler. Zum Wiederholungsverhalten auf Ofox siehe den Leitfaden zur Fehlerbehandlung.
Wie es weitergeht
- Erste funktionierende Hydrogen-Anfrage: Gemini 4 Hydrogen API einrichten
- Anfrageformen für Neon: Leitfaden zur Gemini 4 Neon API
- Wechsel von Argon auf Neon, einschließlich Level-Änderungen: Migration von Argon auf Neon
- Überhaupt erst ein Gemini-4-Modell auswählen: Gemini-4-Modellauswahl
Weiterführende Dokumentation
- Gemini-Thinking-Einstellungen auf Ofox:
thinkingLevel,thoughtsTokenCountund das OpenAI-kompatible Feldreasoning_tokens - Überblick über die Gemini-native API: Basis-URL
https://api.ofox.io/geminiund der Headerx-goog-api-key - Generate-Content-Referenz
- Fehlerbehandlung und Wiederholungen
Häufig gestellte Fragen
- Ändert ein höheres Thinking-Level bei Gemini 4 den Preis pro Token?
- Nein. Google rechnet Denk-Token zum Ausgabetarif ab, und der Preis pro Token ist auf jedem Level gleich. Ein höheres Level kostet mehr, weil das Modell mehr Denk-Token erzeugt; bei Agentenaufgaben kann es außerdem mehr Schritte ausführen und mehr Eingabe lesen.
- Lässt sich das Denken bei Gemini 4 abschalten?
- Nein. Laut Google lässt sich das Denken bei Carbon, Argon, Neon und Hydrogen nicht deaktivieren, und minimal ist kein unterstütztes Gemini-4-Level. Die niedrigste dokumentierte Einstellung ist low. In unseren Ofox-Aufrufen vom 2026-11-19 meldete Argon auf low und medium bei kurzen Prompts teilweise keinen thoughtsTokenCount; das beobachtete Denken kann also null sein, obwohl es sich nicht abschalten lässt.
- Sollte ich bei Gemini 4 thinkingBudget statt thinkingLevel verwenden?
- Nein. Google kennzeichnet thinkingBudget bei Gemini 4 als veraltet: Allein gesendet wird es mit einer Warnung auf das nächstgelegene Level abgebildet, zusammen mit thinkingLevel gesendet führt es zu einem 400. Über Ofox gab am 2026-11-19 jede unserer Anfragen mit thinkingBudget HTTP 400 zurück, auch Anfragen nur mit Budget. Entfernen Sie es und setzen Sie nur thinkingLevel.


