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。
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 Carbon | gemini-4-carbon | low、medium、high | medium | 否 |
| Gemini 4 Argon | gemini-4-argon | low、medium、high | medium | 是,google/gemini-4-argon |
| Gemini 4 Neon | gemini-4-neon | low、medium、high、xhigh | high | 否 |
| Gemini 4 Hydrogen | gemini-4-hydrogen | low、medium、high、xhigh | high | 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 |
|---|---|---|
low | token 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) |
medium | token 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 |
xhigh | token 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_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 兼容的 Chat Completions | reasoning_effort | usage.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.io/gemini,Key 放在 x-goog-api-key 里,模型路径带 google/ 前缀。
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
}
}'
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_effort | Gemini 4 thinking_level |
|---|---|
minimal | low |
low | low |
medium | medium |
high | high |
xhigh | xhigh(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.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)
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 |
|---|---|---|---|---|---|
low | 44.1 | $0.75 | 3.7 分钟 | ~21,700 | 18.8% |
medium | 54.9 | $1.90 | 8.3 分钟 | ~50,000 | 16.2% |
high(默认) | 59.6 | $3.74 | 14.8 分钟 | ~90,200 | 13.9% |
xhigh | 61.4 | $6.44 | 21.5 分钟 | ~141,600 | 14.4% |
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 |
|---|---|---|---|---|---|
low | 26.9 | $0.29 | 未列出 | 未列出 | 未列出 |
medium | 41.2 | $0.80 | 未列出 | 未列出 | 未列出 |
high(默认) | 50.8 | $1.87 | 8.6 分钟 | ~85,000 | 8.7% |
xhigh | 53.9 | $3.16 | 15.2 分钟 | ~154,400 | 8.5% |
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 |
|---|---|---|---|---|---|---|
low | 54.2 | $7.19 | $3.59 | 30.4 分钟 | 19.8% | 49.2% |
medium(默认) | 58.3 | $6.59 | $3.29 | 29.6 分钟 | 4.2% | 48.9% |
high | 60.0 | $7.76 | $3.88 | 37.2 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 | $8.63 | 29.1 分钟 | 15.4% | 49.0% |
high | 50.4 | $4.97 | $9.95 | 29.8 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 Carbonmedium(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 Hydrogenxhigh(53.9,$3.16),成本只有后者的 60%;Neonlow(44.1,$0.75)也高于 Hydrogenmedium(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.io/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:
- 简单事实:钨的化学符号(期望答案
W)。 - 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”。
- 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 | low | medium | high | xhigh |
|---|---|---|---|---|
| 简单事实 | 45, 78 | 46, 58 | 84, 87 | 106, 112 |
| 算术 | 522, 523 | 669, 715 | 690, 786 | 1,734, 1,687 |
| 编程 | 424, 541 | 672, 572 | 426, 389 | 2,119, 1,987 |
| 合计(6 次) | 2,133 | 2,732 | 2,462 | 7,745 |
| 延迟合计 | 50.1 秒 | 45.0 秒 | 44.0 秒 | 80.3 秒 |
| 正确数 | 6/6 | 6/6 | 6/6 | 6/6 |
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 | low | medium | high |
|---|---|---|---|
| 简单事实 | 无,无 | 无,无 | 105, 105 |
| 算术 | 无,无 | 398, 367 | 1,071, 895 |
| 编程 | 无,无 | 无,无 | 739, 890 |
| 正确数(全部提示) | 6/6 | 6/6 | 6/6 |
“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 minimal | 463, 481 | Hydrogen low:522, 523 |
Argon xhigh | 1,238, 1,141 | Argon 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.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}
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 | low | low(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 medium | low | 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 | medium | medium | 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 | high | medium(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 xhigh | high | xhigh 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 400 | Google 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
- 跑通第一个 Hydrogen 请求:Gemini 4 Hydrogen API 接入
- Neon 的请求写法:Gemini 4 Neon API 指南
- 从 Argon 迁到 Neon(含级别变化):Argon 到 Neon 迁移
- 一开始该选哪个 Gemini 4 模型:Gemini 4 模型选择
相关文档
- Ofox 上的 Gemini 思考设置:
thinkingLevel、thoughtsTokenCount以及 OpenAI 兼容的reasoning_tokens字段 - Gemini 原生 API 概览:基础地址
https://api.ofox.io/gemini和x-goog-api-key请求头 - Generate Content 参考
- 错误处理与重试
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。


