Google представила Gemini 4 Neon 18 ноября 2026 года и позиционирует модель для сложной разработки программного обеспечения, работы со знаниями и научных задач. Компания описывает её как модель для длительных процессов с инструментами и большим контекстом. Это заявление производителя о назначении продукта, а не результат независимого теста.

Для разработчика важен не только рейтинг модели, но и её работа с задачами конкретного проекта: изменениями в репозитории, последовательностью вызовов инструментов или анализом технических материалов. Опубликованные Google результаты относятся к отдельным тестам и сами по себе не показывают, как модель справится с задачей конкретной команды. Google: анонс Gemini 4 Neon.
Что показывают опубликованные Google результаты
Google сообщает, что Gemini 4 Neon заняла третье место в Artificial Analysis Intelligence Index с результатом 61 на уровне рассуждений xhigh. Это заявление компании о результате модели в конкретном индексе, а не независимая оценка редакции.
Для научных и математических задач Google приводит 70,5% на Terminal-Bench Science, 84,0% на RiemannBench и 71,3% на HLE-Diamond. Компания называет эти результаты лучшими в соответствующих тестах. Проценты относятся к указанным бенчмаркам, а не к вероятности успеха на произвольной задаче пользователя: смысл показателя зависит от устройства теста и условий оценки.
Telegram-канал «Вайб-кодинг» утверждает, что модель сопоставима с Opus 5.5, занимает первое место в Coding Agent Index и при высоком уровне рассуждений решает задачи на 32% дешевле, чем Carbon. Эти утверждения содержатся в пересказе канала; подтверждающих их сопоставимых данных в публикации Google нет. Их не следует считать установленным рейтингом или гарантией экономии.
Доступ и цена: за что выставляется счёт
В анонсе Google указаны $3 за миллион входных токенов и $15 за миллион выходных. Для кэшированных входных токенов названа цена $0,15 за миллион — на 95% ниже обычной цены входа. Компания также заявляет контекстное окно размером в один миллион токенов. Это размер окна, а не гарантия безошибочной обработки любой длинной задачи или одинакового качества на всём её протяжении.
Google перечисляет несколько вариантов доступа: Gemini API в Google AI Studio, Gemini for business, платные подписки Google AI Pro и Ultra в Google Antigravity, а также подписки Pro и Ultra в приложении Gemini. Это условия, заявленные в анонсе; доступность, тарифы и условия для конкретного аккаунта и региона следует сверять перед использованием.
Цена за токены не равна полной стоимости разработки. Расход зависит от количества входных и выходных токенов, кэшированного контекста и числа обращений. В агентном процессе на стоимость также может влиять количество шагов и вызовов инструментов. Универсальную цену выполнения типового проекта Google не приводит.
Как Google описывает длинные агентные задачи
По словам Google, Neon рассчитана на сложные длительные процессы с инструментами: модель может работать самостоятельно или выступать оркестратором параллельных Hydrogen-субагентов в Google Antigravity. Компания также утверждает, что Neon сокращает повторное чтение файлов, показывает ход работы и справляется с уплотнением контекста в длинных сессиях.
Описание задаёт предполагаемый сценарий: модель выполняет задачу сама либо распределяет работу между субагентами. Оно не демонстрирует, как этот процесс выглядит на практике, и не подтверждает независимой оценкой его надёжность. В публикации Google эти свойства представлены как возможности модели; независимых тестов такого сценария в материалах нет.
Что можно заключить и что остаётся проверить
Анонс Google приводит цену, размер контекстного окна, варианты доступа и результаты на названных бенчмарках. Эти данные не доказывают, что Neon будет быстрее, дешевле или точнее другой модели в конкретной команде: для такого вывода нужны сопоставимые задачи и одинаковые условия оценки.
Публикация не содержит полной таблицы Evaluation, достаточной для сравнения конкурентов по единым критериям, и не сообщает о воспроизводимости приведённых тестов. Независимых тестов в материалах нет; редакционного испытания модели не проводилось. Поэтому результаты бенчмарков следует читать как заявления Google, а сравнения с Opus 5.5 и Carbon и утверждение о Coding Agent Index — как заявления Telegram-канала.
Для решения о внедрении команде можно сравнить модели на собственных репозиторных задачах: зафиксировать одинаковые исходные условия и инструменты, а заранее выбрать критерии — например, корректность изменений, число исправлений и расход токенов. Такой результат будет относиться к проверенным задачам и условиям, а не станет универсальным рейтингом моделей.
Локальные результаты
Локальных результатов проверки Gemini 4 Neon нет. Приведённые показатели и описание сценариев принадлежат Google или Telegram-каналу и не являются редакционным тестом.







