Dev & EngARTIGO

Gemini 4 Neon está disponível no AI Gateway da Vercel para agentes de código

Gemini 4 Neon está disponível no AI Gateway da Vercel para agentes de código
Imagem gerada por IA
Artigo · Dev & Eng
Leitura
5 min
Código
1
Fontes
1
Em resumo

O AI Gateway da Vercel passou a listar o Gemini 4 Neon, versão mais rápida do modelo do Google voltada a código, agentes e tarefas em várias etapas. Veja como trocar o model ID no seu projeto sem reescrever a integração.

A Vercel atualizou o changelog do AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → Gateway para incluir o Gemini 4 Neon, do Google, como mais uma opção de model ID disponível no serviço. A empresa descreve o modelo como um salto em relação ao Gemini 4 mais leve que já existia no catálogo, prometendo qualidade de saída perto dos modelos maiores da família Gemini 4, mas com respostas mais rápidas. O foco declarado é código, workflows de agentes e tarefas que exigem várias etapas em sequência.

Para quem desenvolve front-end↳Front-end60 conteúdosFront-end em larga escala: quando seu projeto vira um Frankenstein (e como evitar)Dev (Back & Front) · mar 2026Build e bundling no front-end: 7 decisões que impactam performance de verdadeDev (Back & Front) · abr 2026Como modelar APIs pensando no front-end: 8 práticas para evitar retrabalho entre timesDev (Back & Front) · abr 2026Ver tudo em Dev (Back & Front) → e já usa o AI Gateway como camada única para chamar modelos de diferentes provedores, a notícia não é sobre o Gemini 4 Neon em si: é sobre não precisar reescrever nada para experimentar. Trocar de modelo vira questão de mudar uma string.

O que o AI Gateway resolve (e por que o modelo novo cabe nele)

O AI Gateway é a camada da Vercel que expõe modelos de múltiplos provedores (OpenAI, Anthropic, Google, entre outros) atrás de uma única API compatível com o AI SDK. Em vez de integrar o SDK de cada provedor, separado, com sua própria autenticação e formato de resposta, o app fala com o gateway e troca de modelo mudando o model.

Isso importa porque a troca de modelo de IA generativa, hoje, é decisão de produto tanto quanto técnica: custo, latência e qualidade mudam de mês em mês, e o fornecedor que era o melhor ontem pode não ser o melhor na próxima atualização. Ter o Gemini 4 Neon como mais uma entrada no mesmo catálogo é o tipo de atualização que não exige deploy de código novo, só um teste A/B de model ID.

Dentro do Gemini 4 Neon: contexto de 1M tokens e quatro níveis de raciocínio

Segundo a Vercel, o Gemini 4 Neon aceita texto, imagem, vídeo e documentos como entrada, com janela de contexto de 1 milhão de tokens. Isso é relevante para quem constrói agentes que precisam carregar um repositório inteiro, uma base de documentação ou um histórico longo de conversa sem truncar o prompt.

O modelo também suporta:

  • Tool calling: o modelo decide quando chamar uma função externa (buscar dado, rodar código, consultar API) em vez de só gerar texto.
  • Structured outputs: a resposta pode ser forçada a seguir um schema (JSON, por exemplo), o que evita parsing frágil de texto livre no front-end.
  • Grounding com Google Search e Google Maps: o modelo pode ancorar a resposta em busca ou em dados de mapas em tempo real, reduzindo alucinação em perguntas factuais ou geográficas.
  • Quatro níveis de raciocínio: low, medium, high e xhigh, que funcionam como um dial entre velocidade e profundidade de raciocínio por chamada.

Esse último ponto é o que separa o Neon de um modelo só "rápido": a ideia é deixar quem está chamando a API decidir, por requisição, se quer resposta imediata (low) ou raciocínio mais custoso e lento (xhigh) para uma tarefa que justifique o gasto.

Como integrar: o model ID e um exemplo com AI SDK

O identificador do modelo no AI Gateway é google/gemini-4-neon. No exemplo que a própria Vercel publica no changelog, a integração via AI SDK fica assim:

typescript
import { streamText } from 'ai';

const result = streamText({
 model: 'google/gemini-4-neon',
 prompt: 'Write a TypeScript function that debounces async calls.',
});

for await (const text of result.textStream) {
 process.stdout.write(text);
}

O padrão é o mesmo de qualquer outro modelo já configurado no AI Gateway: streamText() recebe o model e o prompt, e o retorno é consumido como stream, token a token, via result.textStream. Não há SDK específico do Google para instalar, nem chave de API separada para gerenciar: a autenticação e o billing passam pelo gateway da Vercel.

Na prática, isso significa que um projeto que já tem streamText() apontando para outro modelo, digamos um Claude ou um GPT, pode testar o Gemini 4 Neon trocando só o valor da string model. Para quem está decidindo entre low, medium, high e xhigh, vale tratar isso como qualquer outro parâmetro de configuração: medir latência e qualidade de saída para o caso de uso real antes de fixar um nível em produção, em vez de assumir que xhigh é sempre a escolha certa.

Fora do navegador: Codex, Cursor e Claude Code

A Vercel também menciona que o Gemini 4 Neon pode ser usado dentro de agentes de código como Codex, Cursor ou outro agente suportado, com um guia específico para isso (o "coding agents guide" citado no changelog). Isso coloca o modelo em dois contextos de uso bem diferentes: como motor de uma feature de IA dentro de um app via AI SDK, e como motor do próprio agente que o dev usa no editor para gerar e revisar código.

Para equipes de front-end que já têm um agente de código configurado, a pergunta prática é se o Gemini 4 Neon compensa trocar o modelo padrão do agente, dado o posicionamento declarado pela Vercel de qualidade perto dos modelos maiores com resposta mais rápida. O changelog não publica benchmark comparativo, então essa é uma decisão que só se resolve testando no fluxo de trabalho real, idealmente no model playground que a própria Vercel disponibiliza para experimentar o modelo antes de comprometer uma integração.

O que ainda fica em aberto

O material divulgado pela Vercel não traz preço por token, não compara latência numérica entre o Gemini 4 Neon e os modelos maiores da família, e não detalha limites de rate limit específicos para o novo model ID. Antes de migrar uma feature de produção para google/gemini-4-neon, vale checar esses pontos diretamente no painel do AI Gateway, já que custo e limite de uso variam por provedor e por nível de raciocínio escolhido.

Também não há, até o momento, indicação de que o suporte a grounding com Google Maps esteja disponível para todas as regiões ou planos do AI Gateway. Quem depende dessa função para features geolocalizadas no front-end deveria validar a disponibilidade antes de desenhar a UI em cima dela.

Fonte: Vercel Changelog

Highlights

  1. Gemini 4 Neon está disponível no AI Gateway com model ID google/gemini-4-neon
  2. O modelo oferece contexto de 1 milhão de tokens, ideal para agentes que carregam repositórios ou documentação inteira
  3. Suporta tool calling, structured outputs, grounding com Google Search e quatro níveis de raciocínio (low, medium, high, xhigh)
  4. Trocar de modelo no código é questão de mudar uma string no parâmetro model do streamText()
  5. Preço por token, latência numérica e rate limits não foram divulgados; teste antes de migrar produção

Este artigo foi escrito por Carina Ferreira, colunista de front-end. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.

Especialista virtual de front-end. Vive de TypeScript, React/Next e da fronteira AI + front (copilots, geração de UI, edge). Obcecada por DX e performance percebida — mede antes de opinar e mostra o antes/depois.

Mais de Carina Ferreira
Ver perfil →