Google introducerade Gemini 4 Neon på tisdagen, ett nytt tillägg till sin element-namngivna Gemini 4-familj som företaget fakturerar för att leverera gränsöverskridande intelligens med snabb end-to-end-uppgiftsfullförande över programvaruteknik, kunskapsarbete och vetenskapliga arbetsflöden. Tillkännagivandet kom från Koray Kavukcuoglu, SVP på Google DeepMind och företagets Chief AI Architect, i ett officiellt blogginlägg.

Lanseringen fortsätter Googles snabba takt av Gemini 4-utgåvor, som redan inkluderar varianterna Carbon, Hydrogen och Argon - varav den senare skapade rubriker för att självständigt spela igenom Minecrafts sluttexter. Neon positionerar sig som familjens snabba, effektiva nivå: stark nog att sitta nära toppen av oberoende topplistor samtidigt som den kostar mycket mindre än de större, långsammare frontier-modellerna. Följ alla större modellsläpp i vår AI-modellbevakning.

Där Neon landar på riktmärkena

Google säger att Neon får 61 poäng på Artificial Analysis Intelligence Index på sin höga tankenivå, rankas på tredje plats totalt och före jämförbara modeller samtidigt som han landar precis bakom större, långsammare konkurrenter. På Vals-index rankas den på andra plats med 70,9 %, vilket placerar den på Pareto-gränsen för kostnad kontra förmåga, och den tar förstaplatsen på både Legal Research Bench och Tax Agent Bench.

Företagsberättelsen är där Google koncentrerar sina anspråk. Neon syntetiserar kalkylblad, PDF-filer, diagram, ljud och video inom ett enda 1 miljon tokens sammanhangsfönster och omvandlar dessa indata till strukturerade resultat. Google säger att modellen rankas först på de flesta Surge AI-riktmärken för ekonomi, redovisning, kalkylbladsmodellering och komplexa restriktioner. Den publicerar 73,5 % på Chartography för att läsa täta professionella diagram och presterar i nivå med ledande modeller på Agents' Last Exam v1.1 (75,8 %). Den debuterar också först på Zapiers AutomationBench med 56,3 % och toppar Andon Labs Vending-Bench 2 – en simulering med lång horisont av att driva ett företag – med $16 843 i simulerade intäkter. På Arenas nya Agent Arena Index, byggt från mer än 4 200 verkliga agentsessioner, rankas Neon på andra plats globalt med en poäng på 1336 och på andra plats på styrbarhet, vilket innebär att den anpassar sig rent till användarkorrigeringar mitt i uppdraget.

Vetenskapliga och matematiska resonemang får sin egen skyltfönster: Google hävdar klassens bästa resultat på Terminal-Bench Science (70,5 %), RiemannBench (84,0 %) och HLE-Diamond (71,3 %).

Byggd för långvariga kodningsagenter

Kodning är utan tvekan tältets användningsfall. Google säger att Neon rankas först totalt på Artificial Analysis Coding Agent Index med en poäng på 58,6, postar 65,2 % på Terminal-Bench 4.1 och 46,2 % på FrontierCode 2.0 vid standardinställningen. På SWE-sweep leder Neon med 12,8 % på mini-SWE-selen och mer än tredubblar det till en påstådd toppmodern 39,0 % när man kör inuti Googles Antigravity-agentsele.

Modellen är konstruerad för långvariga agentarbetsflöden: den upprätthåller prestanda genom komplexa, verktygstunga uppgifter, minskar redundanta filläsningar, delar framsteg när den fungerar och hanterar kontextkomprimering på ett tillförlitligt sätt under långa sessioner. Den kan också agera som en snabb, högvärdig orkestrator som styr parallella vätesubagenter i Antigravity. Googles demos var karakteristiskt pråliga: Neon körde Blender MCP i Antigravity och byggde en fotorealistisk 3D-labbänk som visualiserade Gemini 4-familjen med elementär noggrannhet – Bunsen-flammor för kol och väte, gasurladdningsrör för argon och neon. Med hjälp av kommandot /swarm återskapade den Alan Turings studie från 1936 vid King's College Cambridge i interaktiv 3D, komplett med en fungerande Universal Turing Machine på skrivbordet. I en annan demo förvandlade en agentsvärm en enskild bild till en 100 000-cells Google Sheet-körkantsdetektering och 3D-djupkartläggning genom mer än 500 000 levande kalkylbladsformler, utan inbäddade bilder eller Apps Script.

Justerad prissättning med fyra tankenivåer

Gemini 4 Neon kostar 3 USD per miljon inmatade tokens och 15 USD per miljon output-tokens, med cachad indata till ett pris av 0,15 USD per miljon tokens – en rabatt på 95 % för att göra agentslingor med långa sammanhang ekonomiskt lönsamma. Kontextfönstret på 1 miljon token spänner över modellens företags-, analytiska och vetenskapliga arbetsbelastningar.

Google förfinar också sin tankestegen med den här utgåvan. Neon levererar fyra nivåer som skalas stadigt, så att team kan ringa intelligens och token-utgifter för varje arbetsbelastning. På sin standard höga nivå säger företaget att Neon parar ihop ett starkt resultat för artificiell analys med en 32 % lägre kostnad per uppgift än Carbon, och sitter på Pareto-gränsen för både Vals Index och Agent Arena med ungefär 50 % till 80 % lägre kostnad per uppgift än toppkonkurrerande frontiermodeller. Den xhigh-inställningen lägger till djupare resonemang i flera steg för de svåraste tekniska och vetenskapliga arbetsbelastningarna samtidigt som de kostar 36 %+ mindre per uppgift än konkurrerande modeller med sina högsta inställningar.

En cybervariant för betrodda försvarare

Google placerade också Neon som en säkerhetsmodell. Gemini 4 Neon för cyber producerar säkrare kod än Carbon för alla enkla, medelstora och svåra utmaningar på AutoBaxBench, och når toppmoderna på hårdnivån med 76 %. På WebExploitBench v1.2 visar modellen en påstådd toppmodern 51,26 % till halva kostnaden för konkurrerande stora modeller, och över hela kodhärdningslivscykeln får den 90,5 % på SEC-bench Pro (sårbarhetsupptäckt, till ungefär hälften av den vanliga kostnaden per utmaning), uppnår halva exploateringsvalideringsnivån på exploateringsgränsnivån för exploateringsgränsen för G. Carbon, och når 70,7 % på Collinears CWE-bench v2 för patchning — en 3,4-punkts höjning över Carbon. Cybervarianten rullar ut till betrodda försvarare under de kommande dagarna genom Googles Fairwind-program.

Säkerhetsmått för produktionsarbete

Eftersom Neon ger kapaciteter på gränsnivå till en snabbare, billigare modell, säger Google att den parade ihop releasen med realtidsskydd mot cyber- och biosäkerhetsmissbruk som är jämförbart med Carbons skydd – samtidigt som det avvisar mycket mindre legitimt arbete och vägrar bara 1,98 % av uppgifterna på Terminal-S Terminal-S Terminal-Bench 4.0 och ingen. Interna anpassningsmonitorer visade varningsfrekvenser under Carbons baslinjer, och modellen matchade Carbon med 0,0 % fusk på Terminal-Bench 4.0, tog genvägar på bara 2,45 % av uppgifterna i Googles utvärdering av kodfusk – den lägsta frekvensen av alla Gemini 4-modeller – och lade upp en säkerhetsåtgärdssvit på 9 % vid sidan av agentens säkerhetsåtgärd 9. 99,2 % godkänd på agentens ärlighetsutvärdering.

Tillgänglighet

Gemini 4 Neon rullas ut idag i Gemini API i Google AI Studio, i Gemini för företag via API och rullgardinsmenyn för modeller och för betalda Google AI Pro och Ultra-prenumeranter i både Google Antigravity och Gemini-appen.

Varför det är viktigt

Neons prissättning gör att agentprestationer nära gränsen är inom räckhåll för team som inte kunde motivera toppmodellkostnader för stora arbetsbelastningar. Om riktmärkets påståenden håller i sig i oberoende tester, kommer konkurrensbilden för agentkodning, företagskunskapsarbete och defensiv säkerhet att skärpas ytterligare - och klyftan mellan "tillräckligt snabbt" och "gräns" fortsätter att minska. För fler lanseringar som den här, kolla den senaste AI-utvecklingen på AI Buzz Wire.

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →