Google stellte am Dienstag Gemini 4 Neon vor, ein neues Mitglied seiner namensgebenden Gemini 4-Familie, das nach Angaben des Unternehmens bahnbrechende Intelligenz mit schneller End-to-End-Aufgabenerledigung in den Bereichen Softwareentwicklung, Wissensarbeit und wissenschaftliche Arbeitsabläufe liefert. Die Ankündigung kam von Koray Kavukcuoglu, SVP bei Google DeepMind und Chief AI Architect des Unternehmens, in einem offiziellen Blogbeitrag.
Der Start setzt Googles rasanten Rhythmus der Gemini 4-Veröffentlichungen fort, zu denen bereits die Carbon-, Hydrogen- und Argon-Varianten gehören – wobei letztere für Schlagzeilen sorgten, weil sie im Abspann von Minecraft autonom durchspielten. Neon positioniert sich als schnelles und effizientes Modell der Familie: stark genug, um in den unabhängigen Bestenlisten ganz oben zu stehen, und kostet dabei weitaus weniger als die größeren, langsameren Spitzenmodelle, denen es folgt. Verfolgen Sie alle wichtigen Modellveröffentlichungen in unserer Berichterstattung über KI-Modelle.
Wo Neon auf den Benchmarks landet
Google gibt an, dass Neon auf dem Index für künstliche Analyse und Intelligenz (Xhigh Thinking) einen Wert von 61 erreicht, womit es insgesamt den dritten Platz belegt und vor vergleichbaren Modellen liegt, während es knapp hinter größeren, langsameren Konkurrenten landet. Auf dem Vals-Index belegt es mit 70,9 % den zweiten Platz und liegt damit auf der Pareto-Grenze von Kosten versus Leistungsfähigkeit, und es belegt sowohl auf der Legal Research Bench als auch auf der Tax Agent Bench den ersten Platz.
Google konzentriert seine Ansprüche auf die Unternehmensgeschichte. Neon synthetisiert Tabellenkalkulationen, PDFs, Diagramme, Audio- und Videodateien in einem einzigen Kontextfenster mit 1 Million Token und wandelt diese Eingaben in strukturierte Ergebnisse um. Laut Google belegt das Modell bei den meisten Surge-KI-Benchmarks in den Bereichen Finanzen, Buchhaltung, Tabellenkalkulationsmodellierung und komplexe Einschränkungsverfolgung den ersten Platz. Bei Chartography erzielt es 73,5 % für das Lesen dichter professioneller Charts und liegt auf Augenhöhe mit führenden Modellen bei Agents' Last Exam v1.1 (75,8 %). Außerdem debütiert es mit 56,3 % als Erster auf der AutomationBench von Zapier und übertrifft die Vending-Bench 2 von Andon Labs – eine langfristige Simulation der Führung eines Unternehmens – mit einem simulierten Umsatz von 16.843 US-Dollar. Auf dem neuen Agent Arena Index von Arena, der aus mehr als 4.200 realen Agentensitzungen erstellt wurde, belegt Neon mit einem Wert von 1336 weltweit den zweiten Platz und belegt den zweiten Platz bei der Steuerbarkeit, was bedeutet, dass es sich sauber an Benutzerkorrekturen während der Aufgabe anpasst.
Wissenschaftliches und mathematisches Denken bekommt ein eigenes Schaufenster: Google erzielt die besten Ergebnisse seiner Klasse bei Terminal-Bench Science (70,5 %), RiemannBench (84,0 %) und HLE-Diamond (71,3 %).
Entwickelt für lang laufende Codierungsagenten
Codierung ist wohl der Hauptanwendungsfall. Google gibt an, dass Neon im Artificial Analysis Coding Agent Index mit einem Wert von 58,6 insgesamt den ersten Platz einnimmt, 65,2 % bei Terminal-Bench 4.1 und 46,2 % bei FrontierCode 2.0 bei der standardmäßigen hohen Einstellung erreicht. Beim SWE-Sweep führt Neon mit 12,8 % im Mini-SWE-Kabelbaum und verdreifacht diesen Wert auf angeblich hochmoderne 39,0 %, wenn es im Antigravity-Agent-Kabelbaum von Google läuft.
Das Modell ist für lang andauernde Agenten-Workflows konzipiert: Es sorgt für die Aufrechterhaltung der Leistung bei komplexen, werkzeugintensiven Aufgaben, eliminiert redundante Dateilesevorgänge, teilt den Fortschritt während der Arbeit und handhabt die Kontextkomprimierung zuverlässig über lange Sitzungen hinweg. Es kann auch als schneller und entscheidungsfreudiger Orchestrator fungieren, der parallele Wasserstoff-Subagenten in der Antigravitation steuert. Googles Demos waren typisch auffällig: Als Neon den Blender MCP in Antigravity steuerte, baute er einen fotorealistischen 3D-Labortisch, der die Gemini-4-Familie mit elementarer Genauigkeit visualisierte – Bunsenflammen für Kohlenstoff und Wasserstoff, Gasentladungsröhren für Argon und Neon. Mit dem Befehl /swarm wurde Alan Turings Studie von 1936 am King's College Cambridge in interaktivem 3D nachgebildet, komplett mit einer funktionierenden Universal Turing Machine auf dem Schreibtisch. In einer anderen Demo verwandelte ein Agentenschwarm ein einzelnes Bild in ein 100.000 Zellen umfassendes Google Sheet mit laufender Kantenerkennung und 3D-Tiefenkartierung durch mehr als 500.000 Live-Tabellenkalkulationsformeln, ohne eingebettete Bilder oder Apps Script.
Abgestimmte Preisgestaltung mit vier Denkebenen
Gemini 4 Neon kostet 3 US-Dollar pro Million Eingabetokens und 15 US-Dollar pro Million Ausgabetokens, wobei der Preis für zwischengespeicherte Eingaben 0,15 US-Dollar pro Million Tokens beträgt – ein Rabatt von 95 %, der darauf abzielt, Agentenschleifen mit langem Kontext wirtschaftlich rentabel zu machen. Das 1-Millionen-Token-Kontextfenster umfasst die geschäftlichen, analytischen und wissenschaftlichen Arbeitslasten des Modells.
Google verfeinert mit dieser Version auch seine Denkebenenleiter. Neon bietet vier Stufen an, die sich stetig skalieren lassen und es Teams ermöglichen, für jede Arbeitslast Informationen und Token-Ausgaben zu wählen. Das Unternehmen gibt an, dass Neon auf seinem standardmäßig hohen Niveau eine starke Bewertung der künstlichen Analyse mit 32 % niedrigeren Kosten pro Aufgabe als Carbon verbindet und sich auf der Pareto-Grenze sowohl des Vals-Index als auch der Agent Arena befindet, mit etwa 50 % bis 80 % niedrigeren Kosten pro Aufgabe als die Spitzenmodelle der Konkurrenz. Die xhigh-Einstellung bietet eine tiefere mehrstufige Argumentation für die anspruchsvollsten technischen und wissenschaftlichen Arbeitsbelastungen und kostet gleichzeitig pro Aufgabe immer noch über 36 % weniger als Konkurrenzmodelle mit ihren höchsten Einstellungen.
Eine Cyber-Variante für vertrauenswürdige Verteidiger
Auch Google positionierte Neon als Sicherheitsmodell. Gemini 4 Neon für Cyber erzeugt bei allen einfachen, mittleren und schweren Herausforderungen auf AutoBaxBench sichereren Code als Carbon und erreicht auf der harten Ebene mit 76 % den neuesten Stand der Technik. Auf WebExploitBench v1.2 erzielt das Modell angeblich hochmoderne 51,26 % bei der Hälfte der Kosten konkurrierender großer Modelle, und über den gesamten Code-Hardening-Lebenszyklus hinweg erreicht es 90,5 % auf SEC-Bench Pro (Schwachstellenerkennung, bei etwa der Hälfte der üblichen Kosten pro Herausforderung), erreicht ExploitGym auf Grenzebene bei der Exploit-Validierung mit der Hälfte der Tokens von Carbon und erreicht 70,7 % auf Collinears CWE-Bench v2 zum Patchen – eine Steigerung um 3,4 Punkte gegenüber Carbon. Die Cyber-Variante wird in den kommenden Tagen über das Fairwind-Programm von Google vertrauenswürdigen Verteidigern zugänglich gemacht.
Sicherheitsmetriken für die Produktionsarbeit
Da Neon in ein schnelleres, günstigeres Modell bahnbrechende Fähigkeiten einbringt, hat Google die Veröffentlichung nach eigenen Angaben mit Echtzeit-Schutzmaßnahmen gegen Cyber- und Biosicherheitsmissbrauch gepaart, die mit den Schutzmaßnahmen von Carbon vergleichbar sind – und gleichzeitig weitaus weniger legitime Arbeit ablehnt und nur 1,98 % der Aufgaben auf Terminal-Bench 4.0 und keine auf Terminal-Bench-Science ablehnt. Interne Ausrichtungsmonitore zeigten Alarmraten unterhalb der Baselines von Carbon, und das Modell stimmte mit Carbon mit 0,0 % Betrug auf Terminal-Bench 4.0 überein, nahm Abkürzungen bei nur 2,45 % der Aufgaben in der Kodierungs-Betrugsbewertung von Google an – die niedrigste Rate aller Gemini 4-Modelle – und verzeichnete eine Fehlausrichtungsrate von 0,09 % in seiner Agenten-Sicherheitssuite sowie eine Erfolgsquote von 99,2 % bei der Agenten-Ehrlichkeitsbewertung.
Verfügbarkeit
Gemini 4 Neon wird heute in der Gemini-API in Google AI Studio, in Gemini für Unternehmen über die API und das Modell-Dropdown sowie für bezahlte Google AI Pro- und Ultra-Abonnenten sowohl in Google Antigravity als auch in der Gemini-App eingeführt.
Warum es wichtig ist
Durch die Preisgestaltung von Neon ist die Leistung von Agenten an der Grenze der Grenzen für Teams erreichbar, die die Kosten für Top-Modelle für hochvolumige Arbeitslasten nicht rechtfertigen könnten. Wenn sich die Benchmark-Ansprüche in unabhängigen Tests behaupten, verschärft sich das Wettbewerbsbild für Agentencodierung, Unternehmenswissensarbeit und defensive Sicherheit weiter – und die Kluft zwischen „schnell genug“ und „Grenze“ wird immer kleiner. Weitere Markteinführungen wie diese finden Sie in den neuesten KI-Entwicklungen auf AI Buzz Wire.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →