Google stellt Gemini 4 Neon vor, ein günstigeres Coding-Modell zwischen Carbon und Hydrogen

Google veröffentlichte Gemini 4 Neon am 18. November und platzierte damit ein neues Modell in der Gemini-4-Familie zwischen seinem leistungsstärksten Reasoning-Modell Carbon und dem schnellsten, Hydrogen. Neon wird als der Ausgleichspunkt vermarktet: Intelligenz auf Frontier-Niveau zu deutlich geringeren Kosten, direkt ausgerichtet auf Softwareentwicklung, agentisches Coding und Wissensarbeitsaufgaben, die nicht die volle Reasoning-Tiefe von Carbon benötigen, aber trotzdem hohe Genauigkeit verlangen.
Die Einführung ist weniger wichtig, weil sie ein bestimmtes Ranking anführt - Neon belegt im Artificial Analysis Intelligence Index mit einer Punktzahl von 61 bei der höchsten «xhigh»-Denkeinstellung den dritten Gesamtplatz - und wichtiger wegen seiner Kostenposition. Google gibt an, dass Neon bei der Standard-Denkstufe «high» 32 % weniger pro Aufgabe kostet als Carbon, während es bei den für Coding und agentische Arbeit wichtigsten Benchmarks wettbewerbsfähig bleibt.
Preisgestaltung und Verfügbarkeit
Neon ist mit 3 Dollar pro Million Eingabe-Token und 15 Dollar pro Million Ausgabe-Token bepreist, mit einem erheblichen Rabatt von 95 % auf zwischengespeicherte Eingabe-Token, wodurch dieser Satz auf 0,15 Dollar pro Million sinkt. Es verfügt über ein Kontextfenster von einer Million Token. Zum Start ist es in der Gemini-API über Google AI Studio und Gemini for Business, in der Gemini-App und Google Antigravity für zahlende AI-Pro- und Ultra-Abonnenten sowie in Android Studio für Entwickler verfügbar.
Wo Neon tatsächlich gewinnt
Googles eigene Benchmark-Offenlegungen zeigen, dass Neon mehrere agentische und coding-spezifische Indizes direkt anführt, anstatt nur knapp hinter größeren Modellen zu liegen. Es belegt den ersten Gesamtplatz im Coding Agent Index von Artificial Analysis (58,6) und den ersten Platz im AutomationBench von Zapier (56,3 %). Google hob auch Sicherheitskennzahlen neben Fähigkeitskennzahlen hervor. Neon zeigt eine Rate von 2,45 % an Abkürzungen bei Coding-Bewertungen - die niedrigste aller bisherigen Gemini-4-Modelle.
Warum Google ein Modell an dieser Stelle brauchte
Die dreistufige Aufteilung Carbon/Neon/Hydrogen beantwortet ein Problem, das dieses Jahr bei Frontier-Laboren zunehmend häufig geworden ist: Die meisten produktiven KI-Workloads benötigen nicht das leistungsstärkste verfügbare Modell, aber alles auf der schnellsten, günstigsten Stufe laufen zu lassen, riskiert Qualitätseinbußen bei schwierigeren Aufgaben. Googles Veröffentlichung von Neon nur drei Wochen nach Carbon, und Tage vor dem Ende eines Monats, der auch den Börsengang von Anthropic und Microsofts siebenteilige MAI-Modellreihe auf der Ignite sah, unterstreicht, wie komprimiert der Veröffentlichungstakt unter Frontier-KI-Laboren geworden ist.
Ursprünglich berichtet von Google. Lesen Sie den Originalartikel für weitere Details.
Originalquelle ansehen