O Google apresentou o Gemini 4 Neon na terça-feira, uma nova adição à sua família Gemini 4, chamada de elemento, que a empresa classifica como fornecendo inteligência de nível de fronteira com conclusão rápida de tarefas de ponta a ponta em engenharia de software, trabalho de conhecimento e fluxos de trabalho científicos. O anúncio veio de Koray Kavukcuoglu, vice-presidente sênior do Google DeepMind e arquiteto-chefe de IA da empresa, em uma postagem no blog oficial.

O lançamento continua a rápida cadência de lançamentos do Gemini 4 do Google, que já inclui as variantes Carbono, Hidrogênio e Argônio – a última das quais ganhou as manchetes por jogar de forma autônoma através dos créditos finais do Minecraft. Neon se posiciona como o nível mais rápido e eficiente da família: forte o suficiente para ficar perto do topo das tabelas de classificação independentes e custando muito menos do que os modelos de fronteira maiores e mais lentos que segue. Acompanhe todos os principais lançamentos de modelos em nossa cobertura de modelos de IA.

Onde o Neon chega aos benchmarks

O Google afirma que o Neon obteve 61 pontos no Índice de Inteligência de Análise Artificial em seu nível de pensamento xalto, ficando em terceiro lugar geral e à frente de modelos comparáveis, ficando logo atrás de concorrentes maiores e mais lentos. No Índice Vals ocupa o segundo lugar com 70,9%, colocando-o na fronteira de Pareto de custo versus capacidade, e ocupa o primeiro lugar tanto no Legal Research Bench como no Tax Agent Bench.

A história empresarial é onde o Google está concentrando suas reivindicações. Neon sintetiza planilhas, PDFs, gráficos, áudio e vídeo em uma única janela de contexto de 1 milhão de tokens e transforma essas entradas em resultados estruturados. O Google afirma que o modelo ocupa o primeiro lugar na maioria dos benchmarks Surge AI em finanças, contabilidade, modelagem de planilhas e acompanhamento de restrições complexas. Ele registra 73,5% em Cartografia para leitura de gráficos profissionais densos e tem desempenho equivalente aos modelos líderes no Último Exame de Agentes v1.1 (75,8%). Ele também estreia em primeiro lugar no AutomationBench da Zapier com 56,3% e supera o Vending-Bench 2 da Andon Labs - uma simulação de longo prazo da administração de uma empresa - com US$ 16.843 em receita simulada. No novo Agent Arena Index da Arena, construído a partir de mais de 4.200 sessões de agentes do mundo real, Neon ocupa o segundo lugar globalmente com uma pontuação de 1336 e ocupa o segundo lugar em dirigibilidade, o que significa que se adapta perfeitamente às correções do usuário no meio da tarefa.

O raciocínio científico e matemático ganha sua própria vitrine: o Google reivindica os melhores resultados da categoria em Terminal-Bench Science (70,5%), RiemannBench (84,0%) e HLE-Diamond (71,3%).

Criado para agentes de codificação de longa duração

A codificação é sem dúvida o caso de uso marcante. O Google diz que o Neon ocupa o primeiro lugar geral no Índice de Agente de Codificação de Análise Artificial com uma pontuação de 58,6, com 65,2% no Terminal-Bench 4.1 e 46,2% no FrontierCode 2.0 em sua configuração alta padrão. Na varredura SWE, Neon lidera com 12,8% no arnês mini-SWE e mais que triplica isso, para 39,0% de última geração quando executado dentro do arnês do agente antigravidade do Google.

O modelo foi projetado para fluxos de trabalho de agentes de longa duração: ele sustenta o desempenho em tarefas complexas e que exigem muitas ferramentas, elimina leituras redundantes de arquivos, compartilha o progresso enquanto funciona e lida com a compactação de contexto de maneira confiável em sessões longas. Ele também pode atuar como um orquestrador rápido e de alto julgamento, direcionando subagentes paralelos de hidrogênio na antigravidade. As demonstrações do Google eram caracteristicamente vistosas: conduzindo o Blender MCP em Antigravidade, a Neon construiu uma bancada de laboratório 3D fotorrealista visualizando a família Gemini 4 com precisão elementar - chamas de Bunsen para carbono e hidrogênio, tubos de descarga de gás para argônio e néon. Usando o comando /swarm, ele recriou o estudo de Alan Turing de 1936 no King's College Cambridge em 3D interativo, completo com uma Máquina de Turing Universal funcional sobre a mesa. Em outra demonstração, um enxame de agentes transformou uma única imagem em uma Planilha Google de 100.000 células executando detecção de bordas e mapeamento de profundidade 3D por meio de mais de 500.000 fórmulas de planilhas ao vivo, sem imagens incorporadas ou Apps Script.

Preços ajustados com quatro níveis de pensamento

Gemini 4 Neon custa US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de tokens de saída, com entrada em cache custando US$ 0,15 por milhão de tokens – um desconto de 95% projetado para tornar economicamente viáveis loops de agentes de contexto longo. A janela de contexto de 1 milhão de tokens abrange as cargas de trabalho empresariais, analíticas e científicas do modelo.

O Google também está refinando sua escala de pensamento com este lançamento. O Neon oferece quatro níveis que são escalonados de forma constante, permitindo que as equipes disquem inteligência e gastem tokens para cada carga de trabalho. Em seu alto nível padrão, a empresa diz que o Neon combina uma forte pontuação de Análise Artificial com um custo por tarefa 32% menor do que o Carbon, e fica na fronteira de Pareto do Índice Vals e da Agent Arena com cerca de 50% a 80% menor custo por tarefa do que os principais modelos de fronteira concorrentes. A configuração xhigh adiciona um raciocínio mais profundo em várias etapas para as cargas de trabalho científicas e de engenharia mais difíceis, ao mesmo tempo que custa 36%+ menos por tarefa do que os modelos concorrentes em suas configurações mais altas.

Uma variante cibernética para defensores confiáveis

O Google também posicionou o Neon como modelo de segurança. Gemini 4 Neon para cibernéticos produz código mais seguro do que Carbon em todos os desafios fáceis, médios e difíceis no AutoBaxBench, alcançando o estado da arte no nível difícil com 76%. No WebExploitBench v1.2, o modelo apresenta 51,26% de última geração pela metade do custo dos grandes modelos concorrentes e, em todo o ciclo de vida de fortalecimento de código, pontua 90,5% no SEC-bench Pro (descoberta de vulnerabilidade, a aproximadamente metade do custo normal por desafio), alcança validação de exploração em nível de fronteira no ExploitGym usando metade dos tokens de Carbon e atinge 70,7% no Collinear's CWE-bench v2 para patch – um aumento de 3,4 pontos em relação ao Carbon. A variante cibernética será lançada para defensores de confiança nos próximos dias por meio do programa Fairwind do Google.

Métricas de segurança para trabalho de produção

Como o Neon traz recursos de nível de fronteira para um modelo mais rápido e mais barato, o Google diz que combinou o lançamento com salvaguardas em tempo real contra o uso indevido de cibersegurança e biossegurança comparáveis às proteções do Carbon – enquanto recusou trabalhos muito menos legítimos, recusando apenas 1,98% das tarefas no Terminal-Bench 4.0 e nenhuma no Terminal-Bench-Science. Monitores de alinhamento interno mostraram taxas de alerta abaixo das linhas de base do Carbon, e o modelo combinou Carbon com 0,0% de trapaça no Terminal-Bench 4.0, pegou atalhos em apenas 2,45% das tarefas na avaliação de trapaça de codificação do Google – a taxa mais baixa de qualquer modelo Gemini 4 – e postou uma taxa de ação desalinhada de 0,09% em seu pacote de segurança de agente junto com uma taxa de aprovação de 99,2% na avaliação de honestidade do agente.

Disponibilidade

Gemini 4 Neon está sendo lançado hoje na API Gemini no Google AI Studio, no Gemini para empresas via API e no menu suspenso de modelos, e para assinantes pagos do Google AI Pro e Ultra no Google Antigravity e no aplicativo Gemini.

Por que é importante

Os preços da Neon colocam o desempenho do agente adjacente à fronteira ao alcance de equipes que não poderiam justificar os custos do modelo de nível superior para cargas de trabalho de alto volume. Se as afirmações do benchmark se mantiverem em testes independentes, o cenário competitivo para codificação de agentes, trabalho de conhecimento empresarial e segurança defensiva fica ainda mais estreito – e a lacuna entre “rápido o suficiente” e “fronteira” continua diminuindo. Para mais lançamentos como este, verifique os desenvolvimentos mais recentes de IA no AI Buzz Wire.

---

Fique à frente da IA

Receba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.

Leia mais notícias sobre IA →