November 18-án hivatalosan elindult a Google DeepMind új modellje, a Gemini 4 Neon. A család hierarchiájában a nagy, összetett projektekre tartogatott Gemini 4 Carbon és a mindennapi feladatokra szabott Gemini 4 Hydrogen közé ékelődik be, kifejezetten szoftverfejlesztésre, táblázatos-dokumentumos elemzésekre és tudományos munkafolyamatokra kihegyezve.
Árazás, elérhetőség és a gondolkodási szintek
A Neon már elérhető a Gemini API-ban (Google AI Studio, Android Studio), a Vertex AI globális, amerikai és európai régióiban, a Gemini for business csomagban, valamint a Google AI Pro és Ultra előfizetőknél a Gemini appban és a Google Antigravityben. A Digital Trends beszámolója kiemeli, hogy az alkalmazás modellválasztójában a Neon közvetlenül a korábbi Gemini 4 Argon helyére lépett a „Deeper analysis” menüpont alatt, míg a Hydrogen maradt az „Everyday help” opció.
A modell 1 millió tokenes kontextusablakkal dolgozik (szöveget, PDF-et, táblázatot, diagramot, hangot és videót is fogad egyetlen kérésben), az API-díja pedig 3 dollár egymillió bemeneti tokenenként (gyorsítótárazott bemenetnél 95%-os kedvezménnyel 0,15 dollár) és 15 dollár egymillió kimeneti tokenenként. A gondolkodási mélység négy fokozatban állítható: alapértelmezett a high, amellyel a Google szerint a feladatonkénti költség 32%-kal alacsonyabb a Carbonnál, és 50–80%-kal marad el a vezető versenytársak csúcsmodelljeitől; a maximális xhigh szintnél 36% feletti költségelőnyt közöl a cég.
Mit mutatnak a benchmarkok, és hol vezetnek a riválisok?
A Google közölt összehasonlításában az xhigh beállításon futó Neon 61 ponttal a harmadik helyen áll az Artificial Analysis Intelligence Indexen – a cég saját táblázata szerint ezzel megelőzi a Claude Opus 5.5-öt (59) és az OpenAI GPT-6.2 Solt (57) is. A Vals Indexen a második (70,9%), az Agent Arena Indexen 4200 fölötti valós ügynökös munkamenet után 1336 ponttal szintén a második helyen debütált, az Artificial Analysis Coding Agent Indexet (58,6) és a Zapier AutomationBench-et (56,3%) pedig az élen zárta. Fejlesztői környezetben érdemes megjegyezni, hogy az SWE-sweep teszten mini-SWE keretrendszerben 12,8%-ot, míg Google Antigravityban Orchestratorként párhuzamos Hydrogen alügynököket vezérelve 39,0%-ot ért el.
A Digital Trends ugyanakkor józanul jelzi a korlátokat: ezek a számok a Google saját válogatásából származnak, és még ebben az összevetésben sem verhetetlen mindenhol a Neon. A Terminal-Bench 4.1 és a FrontierCode 2.0 fejlesztői teszteken a Claude Opus 5.5 végzett előrébb, a sűrű üzleti diagramok olvasását mérő Chartography teszten pedig a GPT-6.2 Sol maradt az élen.
Kibervédelem és megtagadási arány
A DeepMind külön változatot is ad ki Gemini 4 Neon for cyber néven, amely a következő napokban válik elérhetővé megbízható védelmi csapatok számára a Fairwind Programban. A cég adatai szerint a modell 90,5%-ot ért el a sebezhetőségkereső SEC-bench Pro teszten (körülbelül feleakkora kihívásonkénti költséggel), 51,26%-ot a WebExploitBench v1.2-n és 70,7%-ot a javításokat mérő CWE-bench v2-n. Eközben a hamis riasztásból fakadó felesleges megtagadásokat alacsonyan tartották: a Terminal-Bench 4.0 feladatainak 1,98%-át, a Terminal-Bench-Science tesztnek pedig 0%-át utasította vissza. Az elkövetkező hetek független fejlesztői tesztjei fogják megmutatni, hogy éles kódbázisokon is tartja-e a high alapbeállítás ezt a költség- és pontossági előnyt.
Illusztráció: BytePoint.