Níveis de raciocínio do Gemini 4: como escolher entre low, medium, high e xhigh
Quais níveis de raciocínio cada modelo Gemini 4 aceita, onde o parâmetro entra em cada API, quanto custa uma tarefa em cada nível, o que nossas chamadas de teste mostraram e um procedimento para achar o nível mais baixo que passa nas suas verificações.
O Gemini 4 Carbon e o Argon aceitam low, medium e high, com medium como padrão. O Gemini 4 Neon e o Hydrogen aceitam low, medium, high e xhigh, com high como padrão. Nenhum deles documenta minimal, e em nenhum é possível desligar o raciocínio. Escolha o nível rodando suas próprias tarefas com verificação de aprovado/reprovado em todos os níveis suportados e fique com o mais baixo que passar; use xhigh só quando high falhar. O preço por token é o mesmo em todos os níveis. O que muda é quantos tokens de raciocínio o modelo gasta, e é isso que determina o custo e o tempo de espera.
Nas tarefas de benchmark da Artificial Analysis, levar o Hydrogen de low para xhigh aumentou o custo médio por tarefa cerca de onze vezes (de US$ 0,29 para US$ 3,16), e levar o Neon pela mesma faixa aumentou cerca de nove vezes. Nos dois modelos, o último degrau foi o que rendeu menos pontos. No nosso pequeno teste pela Ofox, o Hydrogen em xhigh usou cerca de três vezes mais tokens de raciocínio que em high e não respondeu melhor aos mesmos prompts.
Este artigo é publicado pela Ofox. Fontes:
- Documentação do Google: níveis suportados, padrões e nomes de parâmetros, a partir do guia de raciocínio do Google, dos guias de cada modelo e da página de compatibilidade com a OpenAI, verificados em 19 de novembro de 2026.
- Artificial Analysis (AA): números de benchmark por nível nas páginas dos modelos, lidos no mesmo dia. São dados de terceiros, não nossos.
- Nossas execuções: 56 requisições em 2026-11-19 para
google/gemini-4-hydrogenegoogle/gemini-4-argonpela Ofox. Esses são os únicos resultados que medimos.
Nessa data, o Gemini 4 Carbon e o Neon não estão disponíveis na Ofox. Tudo o que se diz sobre eles vem do Google ou da AA.
Quais níveis cada modelo Gemini 4 aceita
| Modelo | ID do modelo | Níveis suportados | Padrão | Na Ofox (2026-11-19) |
|---|---|---|---|---|
| Gemini 4 Carbon | gemini-4-carbon | low, medium, high | medium | Não |
| Gemini 4 Argon | gemini-4-argon | low, medium, high | medium | Sim, google/gemini-4-argon |
| Gemini 4 Neon | gemini-4-neon | low, medium, high, xhigh | high | Não |
| Gemini 4 Hydrogen | gemini-4-hydrogen | low, medium, high, xhigh | high | Sim, google/gemini-4-hydrogen |
Fonte: guia de raciocínio do Google e guias do Neon, do Hydrogen, do Carbon e do Argon. Disponibilidade na Ofox: GET /v1/models autenticado, 2026-11-19.
Os checklists de migração do Google resumem a divisão em uma linha: “Carbon and Argon default to medium and cap at high.” (Carbon e Argon usam medium por padrão e vão no máximo até high.) Os guias do Neon e do Hydrogen acrescentam que os dois rejeitam minimal com um erro. Além disso, o mesmo nome fica numa altura diferente em cada escada: high é o topo no Carbon e no Argon, mas o segundo mais alto no Neon e no Hydrogen.
As descrições do Google para o Neon e o Hydrogen:
| Nível | Descrição do Google | Uso sugerido pelo Google |
|---|---|---|
low | O mínimo de tokens, a menor latência | Chat rápido, processamento de alto volume; “still capable on agentic tasks” (ainda capaz em tarefas de agente) |
medium | Menor uso de tokens, respostas mais rápidas | Programação interativa, prototipagem de UI ao vivo, chamadas de ferramentas sensíveis à latência |
high | Equilíbrio entre inteligência e velocidade | Padrão para programação complexa, agentes, chamadas de ferramentas, trabalho multimodal |
xhigh | O máximo de tokens, o raciocínio mais profundo | Problemas difíceis de várias etapas em que high não basta |
No Carbon e no Argon, as descrições sobem um degrau: medium é “recommended for most tasks, including complex code and agentic use cases” (recomendado para a maioria das tarefas, incluindo código complexo e casos de uso com agentes), e high fica para o raciocínio mais difícil, matemática, ciência e trabalho de agentes. O guia do Carbon avisa que em low “quality can drop on hard tasks” (a qualidade pode cair em tarefas difíceis).
Como enviar o nível em cada API
O parâmetro tem nome e posição diferentes em cada API. Um nível no lugar errado ou falha na validação ou nunca chega ao modelo.
| API | Onde vai o nível | Onde os tokens de raciocínio são informados |
|---|---|---|
| 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 |
| Chat Completions compatível com OpenAI | reasoning_effort | usage.completion_tokens_details.reasoning_tokens |
Os valores são strings em minúsculas em todos os casos: "low", "medium", "high", "xhigh".
Interactions API (direto no Google)
Os guias do Neon e do Hydrogen usam este formato:
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" }
}'
A referência da API nativa do Gemini da Ofox lista generateContent, streamGenerateContent, conteúdo em cache e a listagem de modelos, mas nenhum endpoint de Interactions; por isso, envie as requisições de Interactions diretamente ao Google.
generateContent (Google ou Ofox)
Este é o formato de requisição que testamos. Na Ofox, a base é https://api.ofox.io/gemini, a chave vai em x-goog-api-key e o caminho do modelo leva o prefixo google/, conforme a referência do Generate Content e a página de configurações de raciocínio do Gemini da Ofox.
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
}
}'
Para chamar o Google diretamente, use https://generativelanguage.googleapis.com/v1beta/models/gemini-4-hydrogen:generateContent com sua chave do Gemini. thinkingConfig precisa ficar dentro de generationConfig; no nível superior do corpo, ele nunca chega ao modelo.
Rota compatível com OpenAI
A página de compatibilidade do Google mapeia reasoning_effort para os níveis do Gemini 4:
reasoning_effort | thinking_level do Gemini 4 |
|---|---|
minimal | low |
low | low |
medium | medium |
high | high |
xhigh | xhigh (só Neon e Hydrogen) |
Se você omitir reasoning_effort, o modelo usa o próprio padrão. O Google observa que reasoning_effort e thinking_level se sobrepõem, “so they can’t be used at the same time” (por isso não podem ser usados ao mesmo tempo). Pela 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)
As páginas de modelo da Ofox para o Hydrogen e o Argon listam os dois protocolos, openai e gemini; os preços atuais também estão nessas páginas.
Remova o thinkingBudget
thinkingBudget era o controle do Gemini 2.5. O guia de raciocínio do generateContent do Google diz que no Gemini 4 ele está obsoleto: “If passed alone, it maps to the nearest thinkingLevel … and returns a warning; sending thinkingBudget and thinkingLevel together returns a 400 error.” (se enviado sozinho, é mapeado para o thinkingLevel mais próximo e retorna um aviso; enviar thinkingBudget e thinkingLevel juntos retorna erro 400.) Pela Ofox, até a forma só com orçamento foi rejeitada (detalhes na seção de testes). Apague o thinkingBudget de qualquer configuração que você trouxer e defina thinkingLevel no lugar.
Deixe folga em max_output_tokens
Os tokens de raciocínio e a resposta visível dividem um único limite de saída. Segundo o Google, quando o modelo atinge o limite ainda raciocinando, ele para com MAX_TOKENS e “returns truncated or empty output (while still billing for any thinking tokens generated)” (retorna saída truncada ou vazia, mas ainda cobra os tokens de raciocínio gerados). Para gastar menos, baixe o nível, não o limite. Os guias do Neon e do Hydrogen sugerem manter o padrão de 65.536; o guia do Carbon recomenda pelo menos 32.768. Nossas execuções usaram 32.768, e nenhuma foi truncada.
Quanto cada nível custa em tokens, tempo e qualidade
Os preços por token são idênticos em todos os níveis, então a comparação útil é por tarefa. A AA roda as tarefas do seu Intelligence Index em cada nível separadamente e informa o custo médio por tarefa pelos preços de tabela do Google. Os números abaixo vêm das páginas da AA em 19 de novembro de 2026.
Neon (os quatro níveis)
| Nível | AA Intelligence Index | Custo por tarefa | Tempo por tarefa | Tokens de saída por tarefa | Taxa de alucinação |
|---|---|---|---|---|---|
low | 44,1 | US$ 0,75 | 3,7 min | ~21.700 | 18,8% |
medium | 54,9 | US$ 1,90 | 8,3 min | ~50.000 | 16,2% |
high (padrão) | 59,6 | US$ 3,74 | 14,8 min | ~90.200 | 13,9% |
xhigh | 61,4 | US$ 6,44 | 21,5 min | ~141.600 | 14,4% |
Cada degrau acima custa mais e rende menos: de low para medium são 10,8 pontos por US$ 1,16 a mais por tarefa, de medium para high 4,8 pontos por US$ 1,84, e de high para xhigh 1,8 ponto por US$ 2,70, sem melhora na alucinação.
Hydrogen (os quatro níveis)
| Nível | AA Intelligence Index | Custo por tarefa | Tempo por tarefa | Tokens de saída por tarefa | Taxa de alucinação |
|---|---|---|---|---|---|
low | 26,9 | US$ 0,29 | não informado | não informado | não informado |
medium | 41,2 | US$ 0,80 | não informado | não informado | não informado |
high (padrão) | 50,8 | US$ 1,87 | 8,6 min | ~85.000 | 8,7% |
xhigh | 53,9 | US$ 3,16 | 15,2 min | ~154.400 | 8,5% |
Para o Hydrogen em low e medium, os dados da AA trazem índice e custo, mas não tempo, tokens nem alucinação.
Na parte de baixo da escala, o Hydrogen cai muito mais rápido que o Neon: low fica 24 pontos abaixo do padrão, contra 15,5 no Neon. Então, no Hydrogen, low é uma perda real de qualidade, não um ganho de velocidade de graça. De high para xhigh, o Hydrogen ganha 3,1 pontos com cerca de 69% a mais de custo e 77% a mais de tempo.
Carbon (três níveis)
A AA calcula o Carbon pela tarifa que começa em 1º de dezembro (US$ 4/US$ 20 por milhão de tokens). Até 30 de novembro, o Google cobra US$ 2/US$ 10. Todas as tarifas de token do Carbon, inclusive a de entrada em cache, caem pela metade; por isso, a coluna de novembro é o número da AA dividido por dois (conta nossa).
| Nível | AA Intelligence Index | Custo por tarefa (tarifa de dezembro) | Custo por tarefa (tarifa de novembro, nossa divisão por dois) | Tempo por tarefa | Taxa de alucinação | Acurácia no Omniscience |
|---|---|---|---|---|---|---|
low | 54,2 | US$ 7,19 | US$ 3,59 | 30,4 min | 19,8% | 49,2% |
medium (padrão) | 58,3 | US$ 6,59 | US$ 3,29 | 29,6 min | 4,2% | 48,9% |
high | 60,0 | US$ 7,76 | US$ 3,88 | 37,2 min | 11,4% | 58,3% |
O Carbon quebra o padrão. Nas tarefas da AA, low custou mais por tarefa que medium, levou mais ou menos o mesmo tempo, fez 4 pontos a menos e alucinou quase cinco vezes mais. Menos tokens de raciocínio por etapa não garantem uma tarefa mais barata quando o agente precisa de mais etapas para terminar. A AA não explica o resultado; trate-o como um único benchmark, mas não presuma que low economiza dinheiro no Carbon.
Argon (a AA lista dois níveis)
A página do Argon na AA lista apenas high e medium. A entrada do Argon sem sufixo, a que aparece como principal, tem o rótulo “Gemini 4 Argon (High)”. A AA calcula o Argon pela tarifa atual de US$ 2/US$ 10.
| Nível | AA Intelligence Index | Custo por tarefa (tarifa de novembro) | Custo por tarefa (tarifa de dezembro, nossa multiplicação por dois) | Tempo por tarefa | Taxa de alucinação | Acurácia no Omniscience |
|---|---|---|---|---|---|---|
medium (padrão) | 47,6 | US$ 4,31 | US$ 8,63 | 29,1 min | 15,4% | 49,0% |
high | 50,4 | US$ 4,97 | US$ 9,95 | 29,8 min | 4,3% | 48,3% |
Nas tarefas da AA, o Argon high custou 15% mais que o Argon medium, levou mais ou menos o mesmo tempo, fez 2,8 pontos a mais e reduziu a taxa de alucinação de 15,4% (medium) para 4,3% (high). Por isso, se erros factuais saem caro para você, vale testar high primeiro no Argon. A taxa baixa de 4,3% é do Argon high; uma chamada ao Argon sem nível definido roda em medium. Sobre a mudança de dezembro, veja nosso guia do aumento de preço do Carbon e do Argon em dezembro; para um modelo de custo do Neon, veja preços do Gemini 4 Neon por nível de raciocínio.
Por que comparar padrão com padrão engana
Muitas comparações do Gemini 4 trocam o ID do modelo e deixam o nível sem definir. Isso compara posições diferentes em escadas diferentes.
- Os padrões ficam em alturas diferentes. O Neon e o Hydrogen rodam por padrão no segundo nível mais alto; o Carbon e o Argon, no do meio. Neon contra Carbon nos padrões é Neon
high(59,6, US$ 3,74) contra Carbonmedium(58,3, US$ 6,59 na tarifa de dezembro). Nossa comparação entre Neon e Carbon mostra como o veredito depende do par escolhido. - Os números de destaque costumam usar o nível mais alto. As páginas de modelo da AA mostram primeiro o Neon e o Hydrogen em
xhighe o Carbon e o Argon emhigh. Os documentos de metodologia de avaliação do Google, linkados em cada model card, dizem que os resultados são obtidos “with the highest thinking settings unless indicated otherwise” (com as configurações de raciocínio mais altas, salvo indicação em contrário). Um código que nunca define o nível não está rodando a configuração por trás dessas pontuações. - Modelo e nível são uma decisão só. Pelos números da AA, o Neon
medium(54,9, US$ 1,90) pontuou acima do Hydrogenxhigh(53,9, US$ 3,16) com 60% do custo, e o Neonlow(44,1, US$ 0,75) acima do Hydrogenmedium(41,2, US$ 0,80). A disponibilidade pode pesar tanto quanto: o Neon é só do nível pago e não está na Ofox, enquanto o Hydrogen tem um nível gratuito no Google e está na Ofox.
Uma comparação justa define o nível explicitamente dos dois lados, aumenta max_output_tokens para que nenhum lado seja truncado e registra tokens de raciocínio, latência e aprovado/reprovado em cada execução.
O que aconteceu quando rodamos os níveis pela Ofox
Queríamos verificar duas coisas: se o nível chega ao modelo pela Ofox e quanto ele muda o uso de tokens em prompts comuns.
Configuração (2026-11-19). Rota nativa do Gemini na Ofox, POST https://api.ofox.io/gemini/v1beta/models/{model}:generateContent, com generationConfig.thinkingConfig.thinkingLevel definido e maxOutputTokens: 32768. google/gemini-4-hydrogen em low, medium, high e xhigh; google/gemini-4-argon em low, medium e high. Cada nível rodou duas vezes em três prompts, com quatro requisições simultâneas. Lemos usageMetadata.thoughtsTokenCount e candidatesTokenCount e cronometramos cada requisição de ponta a ponta no nosso cliente.
Os prompts:
- Fato simples: o símbolo químico do tungstênio (esperado:
W). - Aritmética em várias etapas: canetas a US$ 3, cadernos a US$ 7, exatamente US$ 100 gastos, pelo menos um de cada, estritamente mais canetas que cadernos; contar as combinações. A resposta é 3: (31, 1), (24, 4) e (17, 7). (10, 10) é empate e não atende a “estritamente mais”.
- Tarefa curta de programação: escrever
merge_intervalsde forma que una intervalos que se tocam e não altere a entrada, avaliada com 9 casos de teste ocultos num subprocesso isolado.
Resultados do Hydrogen
Tokens de raciocínio por execução (repetição 1, repetição 2):
| Prompt | low | medium | high | xhigh |
|---|---|---|---|---|
| Fato simples | 45, 78 | 46, 58 | 84, 87 | 106, 112 |
| Aritmética | 522, 523 | 669, 715 | 690, 786 | 1.734, 1.687 |
| Programação | 424, 541 | 672, 572 | 426, 389 | 2.119, 1.987 |
| Total (6 execuções) | 2.133 | 2.732 | 2.462 | 7.745 |
| Latência somada | 50,1 s | 45,0 s | 44,0 s | 80,3 s |
| Corretas | 6/6 | 6/6 | 6/6 | 6/6 |
As 24 respostas do Hydrogen estavam corretas, e toda resposta de programação passou em 9 de 9 testes. No geral, xhigh usou cerca de 3,1 vezes os tokens de raciocínio de high, e 5 vezes no prompt de programação, para o mesmo código aprovado. low, medium e high ficaram difíceis de distinguir: os totais variaram de 2.133 a 2.732 e não subiram na ordem dos níveis. Até low gerou tokens de raciocínio na pergunta de uma palavra, o que é coerente com a afirmação do Google de que o raciocínio não pode ser desligado.
Resultados do Argon
Tokens de raciocínio por execução:
| Prompt | low | medium | high |
|---|---|---|---|
| Fato simples | nenhum, nenhum | nenhum, nenhum | 105, 105 |
| Aritmética | nenhum, nenhum | 398, 367 | 1.071, 895 |
| Programação | nenhum, nenhum | nenhum, nenhum | 739, 890 |
| Corretas (todos os prompts) | 6/6 | 6/6 | 6/6 |
“Nenhum” significa que a resposta não tinha o campo thoughtsTokenCount nem partes de raciocínio. A página de raciocínio da Ofox diz que é isso que aparece quando o modelo pula o raciocínio numa requisição simples. O Argon em low não informou raciocínio em nenhum prompt; em medium, só no de aritmética; em high, nos três. Todas as respostas ainda assim estavam corretas. No prompt de aritmética em low, o Argon resolveu o problema passo a passo na resposta visível (de 525 a 637 tokens de saída); ou seja, zero tokens de raciocínio não significou zero raciocínio.
No Argon, a latência não acompanhou a contagem de tokens. As duas execuções de aritmética em medium levaram 35,6 s e 59,9 s; as de high, 27,5 s e 25,0 s. Com duas amostras e quatro requisições em paralelo, leia isso como efeito de fila, não como propriedade do nível.
Níveis fora da lista: aceitos, mas não suportados
Dois valores que o Google documenta como não suportados retornaram HTTP 200 pela Ofox: thinkingLevel: "minimal" no Hydrogen e "xhigh" no Argon. Nada nas respostas diz qual nível foi aplicado. Rodamos cada um duas vezes no prompt de aritmética:
| Requisição | Tokens de raciocínio | Nível documentado mais próximo |
|---|---|---|
Hydrogen minimal | 463, 481 | Hydrogen low: 522, 523 |
Argon xhigh | 1.238, 1.141 | Argon high: 1.071, 895 |
Nas nossas execuções, o consumo pareceu o do Hydrogen low e o do Argon high, o que bate com a forma como a tabela de compatibilidade do Google mapeia minimal. É a observação de uma rota em um dia, com duas amostras cada, e não é comportamento documentado. Uma requisição direta ao Google pode rejeitar os dois valores. Não conte com isso: no seu próprio código, mapeie minimal para low e, no Carbon e no Argon, xhigh para high. Nosso guia de erros da API do Gemini 4 traz os resultados de execuções únicas em outros prompts.
thinkingBudget pela Ofox
Enviamos thinkingBudget: 1024 seis vezes em 2026-11-19: no Hydrogen, três vezes sozinho e duas junto com thinkingLevel: "low"; no Argon, uma vez sozinho. As seis retornaram HTTP 400, enquanto requisições só com nível enviadas logo antes e logo depois retornaram 200.
- O Argon retornou uma mensagem de validação da Ofox: “Gemini 4 Argon does not support a thinking token budget. Use low, medium or high reasoning effort instead.”
- O Hydrogen retornou
"The service is temporarily unavailable. Please try again later."comtype: "api_error"em todos os casos. Isso parece uma falha de gateway ou do upstream, não um erro de validação, e a resposta não diz qual camada a gerou.
Foi assim que a rota nativa do Gemini na Ofox se comportou nessa data; não é o comportamento documentado do Google. O Google documenta um 400 apenas quando orçamento e nível são enviados juntos; um orçamento enviado sozinho deveria ser mapeado para um nível com um aviso. Não testamos o Google diretamente. Na prática: se você vir esse 400 de “temporarily unavailable” numa requisição ao Gemini 4 pela Ofox, verifique se sobrou um thinkingBudget antes de tentar de novo.
A rota compatível com OpenAI
No prompt de aritmética (uma execução cada), reasoning_effort: "low" retornou 598 reasoning_tokens e "xhigh" retornou 1.492. O nível chega ao modelo também nessa rota.
Dois detalhes da resposta que vale tratar
- Partes de raciocínio sem
includeThoughts. Observado pela Ofox em 2026-11-19: toda resposta nativa que informou raciocínio também trouxe uma parte marcada com"thought": truecontendo um resumo do raciocínio, embora nunca tenhamos definidoincludeThoughts. O Google descreve esses resumos como opcionais, ativados só a pedido. Não verificamos direto no Google. Se o seu código junta todas as partes de texto, pule as partes em quethoughté true, ou o resumo vaza para a sua resposta. - As contagens de uso diferem do texto visível. Nossas respostas de um caractere informaram
candidatesTokenCountigual a 5. Meça pelos campos de uso.
Limites deste teste
- Cada nível rodou 2 vezes em 3 prompts de dificuldade fácil a média. Isso mostra se um nível chega ao modelo e o tamanho do efeito nos tokens. Não serve para ranquear qualidade: os prompts eram fáceis demais para separar os níveis por acerto.
- A latência é de ponta a ponta no nosso cliente, com 4 requisições simultâneas, pela Ofox.
- Não medimos nada no Carbon nem no Neon, nem diretamente na API do Google.
- Pelos preços de tabela do Google, as requisições bem-sucedidas saem por cerca de US$ 0,26, pela nossa conta a partir dos dados de uso. A Ofox cobra pelas tarifas da página de cada modelo.
As requisições e respostas brutas (com a chave removida) e os scripts estão guardados nos nossos arquivos de pesquisa deste artigo.
Um procedimento para escolher o nível
O conselho do Google é o mesmo em todas as páginas do Gemini 4: rode suas avaliações em todos os níveis suportados com um limite de saída alto e fique com o nível mais baixo que atinge o seu padrão de qualidade. Na prática:
1. Escreva de 20 a 50 tarefas com verificação automática de aprovado/reprovado. Use requisições reais do seu app, verificadas por respostas exatas, testes unitários ou validação de schema, e inclua os seus casos mais difíceis. Nosso teste mostra por quê: tarefas fáceis passam em qualquer nível e não dizem nada.
2. Percorra todos os níveis suportados, definindo o nível explicitamente. Uma varredura mínima na rota nativa da Ofox:
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}
Avalie text com o seu próprio verificador. Registre também finish: qualquer valor diferente de STOP significa que a execução não terminou normalmente; não conte como aprovada nem como reprovada.
3. Rode cada nível pelo menos 3 a 5 vezes por tarefa. No nosso teste, requisições idênticas variaram até 70% em tokens de raciocínio (Hydrogen low no fato simples: 45 contra 78).
4. Escolha o nível mais baixo cuja taxa de aprovação iguala a do melhor nível, e então compare o custo extra do nível seguinte com as aprovações extras que ele traz, usando os seus próprios números de uso. Para ter uma escala: nas tarefas da AA, passar o Hydrogen de high para xhigh custou US$ 1,29 a mais por tarefa por 3,1 pontos de índice.
5. Defina o nível por tipo de requisição, não por app, e rode a varredura de novo sempre que mudar o modelo, o template de prompt ou o preço.
Pontos de partida por tipo de tarefa
Pontos de partida para testar, tirados das orientações do Google por nível e das curvas da AA acima. Não são resultados medidos para a sua carga de trabalho.
| Tarefa | Início Hydrogen / Neon | Início Carbon / Argon | Suba quando | Desça quando |
|---|---|---|---|---|
| Extração, classificação, respostas factuais curtas | low | low (na AA, o Carbon low não saiu mais barato; confira com seus dados) | Aparecerem falhas no verificador | Já está em low |
| Chat, resumos, chamadas de ferramentas simples | low ou medium | low | As respostas pulam etapas ou chamam a ferramenta errada | A taxa de aprovação não muda no nível mais baixo |
| Programação interativa, prototipagem de UI | medium | medium | Os testes falham ou as edições ficam incompletas | Os testes continuam passando e a latência importa |
| Programação em vários arquivos, loops de agente, síntese de documentos | high | medium (padrão), depois high | As tarefas travam ou o agente desiste | medium passa nas mesmas tarefas |
| Matemática difícil, ciência, depuração de causa raiz | high, depois xhigh | high | xhigh só no Neon/Hydrogen, depois que high falhar | Raramente; confira o custo antes |
O Google avisa que xhigh “can cause overthinking or exhaust max_output_tokens on simpler prompts such as text or JSON extraction” (pode causar raciocínio excessivo ou esgotar max_output_tokens em prompts mais simples, como extração de texto ou JSON). Deixe-o fora do trabalho de extração.
Quando uma requisição com nível falha
| Sintoma | Causa provável | Correção |
|---|---|---|
400 mencionando thinking_level | Valor inválido para o modelo ou a API | Valide o nível contra o ID do modelo antes de enviar; veja o guia de erros da API do Gemini 4 |
400 “service is temporarily unavailable” pela Ofox | Nos nossos testes, um thinkingBudget que sobrou | Remova thinkingBudget e mantenha thinkingLevel |
400 numa chamada compatível com OpenAI que define reasoning_effort e thinking_config em extra_body | Segundo o Google, os dois não podem ser usados juntos | Use só um |
HTTP 200 com texto vazio ou cortado, MAX_TOKENS / length | O raciocínio consumiu o limite de saída | Aumente maxOutputTokens ou baixe o nível; veja respostas vazias ou cortadas |
Timeouts em high / xhigh | Raciocínio longo em prompts difíceis | Os checklists de migração do Google recomendam timeouts de cliente HTTP de pelo menos 15 minutos, ou execução em segundo plano na API do Google |
| O texto da resposta começa com o resumo do raciocínio do modelo | Partes de raciocínio foram juntadas à resposta | Pule as partes em que thought é true |
| Chamadas de ferramentas em vários turnos falham com erro de assinatura | As assinaturas de raciocínio não foram devolvidas sem alteração | Veja assinatura de raciocínio ausente em chamadas de ferramentas (em inglês) |
Para códigos de status específicos do Argon, veja erros da API do Gemini 4 Argon. Para o comportamento de novas tentativas na Ofox, veja o guia de tratamento de erros.
Próximos passos
- Primeira requisição funcionando no Hydrogen: configuração da API do Gemini 4 Hydrogen
- Formatos de requisição do Neon: guia da API do Gemini 4 Neon
- Migração do Argon para o Neon, incluindo mudanças de nível: migração do Argon para o Neon
- Escolher um modelo Gemini 4 desde o início: como escolher um modelo Gemini 4
Documentação relacionada
- Configurações de raciocínio do Gemini na Ofox:
thinkingLevel,thoughtsTokenCounte o camporeasoning_tokenscompatível com OpenAI - Visão geral da API nativa do Gemini: URL base
https://api.ofox.io/geminie o headerx-goog-api-key - Referência do Generate Content
- Tratamento de erros e novas tentativas
Perguntas frequentes
- Um nível de raciocínio mais alto no Gemini 4 muda o preço por token?
- Não. O Google cobra os tokens de raciocínio pela tarifa de saída, e o preço por token é o mesmo em todos os níveis. Um nível mais alto custa mais porque o modelo gera mais tokens de raciocínio e, em tarefas de agente, também pode executar mais etapas e ler mais entrada.
- Dá para desligar o raciocínio no Gemini 4?
- Não. Segundo o Google, o raciocínio não pode ser desativado no Carbon, no Argon, no Neon nem no Hydrogen, e minimal não é um nível suportado no Gemini 4. A configuração documentada mais baixa é low. Nas nossas execuções pela Ofox em 2026-11-19, o Argon em low e medium às vezes não informou thoughtsTokenCount em prompts curtos; então o raciocínio observado pode ser zero, mesmo sem ser possível desligá-lo.
- Devo usar thinkingBudget em vez de thinkingLevel no Gemini 4?
- Não. O Google marca thinkingBudget como obsoleto no Gemini 4: enviado sozinho, ele é mapeado para o nível mais próximo com um aviso; enviado junto com thinkingLevel, retorna 400. Pela Ofox, em 2026-11-19, todas as requisições que enviamos com thinkingBudget retornaram HTTP 400, inclusive as que tinham só o orçamento. Remova o parâmetro e defina apenas thinkingLevel.


