Google представила Gemini 4 Neon — новую модель искусственного интеллекта семейства Gemini 4, ориентированную на программирование, аналитические задачи, научные исследования и сложные рабочие процессы с участием ИИ-агентов. Главная особенность новинки заключается в попытке совместить производительность моделей высшего класса с более высокой скоростью работы и умеренной стоимостью использования.
Neon занимает промежуточное положение между двумя другими моделями семейства: флагманской Gemini 4 Carbon, предназначенной для наиболее сложных и продолжительных задач, и Gemini 4 Hydrogen, ориентированной на быстрое выполнение повседневных запросов. Таким образом, Google предлагает ещё один вариант для пользователей, которым возможностей облегчённой модели недостаточно, но постоянно обращаться к самой дорогой системе невыгодно.
По заявлению компании, Gemini 4 Neon способна работать с большими массивами информации, анализировать документы разных типов, разбираться в сложных программных проектах и выполнять многоэтапные задачи с использованием инструментов. При этом разработчики сделали акцент не только на качестве ответов, но и на стоимости завершённой задачи.
Официальный анонс опубликован в блоге Google DeepMind 18 ноября 2026 года. Вместе с ним компания представила модельную карту Gemini 4 Neon, в которой раскрыты характеристики, результаты тестирования, ограничения и сведения о безопасности.
Место Gemini 4 Neon в семействе Gemini 4
Линейка Gemini 4 строится вокруг нескольких моделей, рассчитанных на разные сценарии использования. Google не пытается сделать одну систему одинаково эффективной для любого запроса. Вместо этого компания разделяет модели по глубине рассуждений, скорости выполнения задач и предполагаемой нагрузке.
Gemini 4 Neon занимает среднюю позицию в этой иерархии:
- Gemini 4 Carbon: наиболее мощная модель семейства для сложных проектов, длительных вычислений и задач, требующих максимальной глубины рассуждений.
- Gemini 4 Neon: баланс производительности и стоимости для программирования, анализа данных, корпоративных процессов и многоэтапной работы ИИ-агентов.
- Gemini 4 Hydrogen: более быстрая модель для повседневных запросов и задач, где важны оперативность и экономия ресурсов.
Такое разделение позволяет выбирать модель не только по максимальному результату в тестах, но и по характеру конкретной работы. Например, для простого пересказа документа или ответа на короткий вопрос нет необходимости задействовать наиболее дорогую систему. Но если требуется исследовать большой программный проект, сопоставить десятки документов и подготовить обоснованные выводы, более производительная модель может оказаться выгоднее за счёт меньшего количества повторных запросов и исправлений.
Google также подчёркивает, что Neon может выступать как самостоятельный исполнитель или как управляющий компонент в агентной системе. Во втором случае она распределяет задачи между несколькими вспомогательными агентами и контролирует общий процесс.
Миллион токенов контекста и мультимодальная обработка
Одной из наиболее важных характеристик Gemini 4 Neon стало контекстное окно объёмом до одного миллиона токенов. Это позволяет передавать модели большие массивы информации в рамках одного рабочего процесса, не разбивая их на множество независимых запросов.
Для разработчиков и корпоративных пользователей такая возможность особенно полезна. Вместо последовательной загрузки небольших фрагментов можно предоставить модели содержимое нескольких документов, отчётов или частей программного проекта, чтобы она анализировала их взаимосвязи.
Модель поддерживает несколько типов входных данных:
- Текст: инструкции, переписка, исходный код, техническая документация и большие текстовые массивы.
- Изображения: фотографии, скриншоты интерфейсов, схемы, диаграммы и графики.
- Аудио: записи разговоров, совещаний и другие звуковые материалы.
- Видео: видеоматериалы, которые можно использовать в составе мультимодального анализа.
Особенно интересна возможность объединять разные форматы. Например, модель может сопоставить текстовое описание проекта с таблицей, графиком и видеозаписью демонстрации продукта, а затем подготовить структурированный отчёт.
Согласно официальной модельной карте, общий контекст ввода и вывода достигает одного миллиона токенов. Для синхронного режима по умолчанию предусмотрено до 64 тысяч выходных токенов, а в фоновом режиме длительной генерации объём вывода может достигать одного миллиона токенов.
Однако большое контекстное окно само по себе не гарантирует идеального анализа всех переданных данных. Качество результата зависит от структуры материалов, формулировки задачи и способности модели находить действительно важные сведения среди большого объёма информации.
Производительность: сильные результаты в тестах и программировании
Google позиционирует Gemini 4 Neon как модель, способную конкурировать с наиболее продвинутыми системами искусственного интеллекта. В качестве подтверждения компания приводит результаты нескольких независимых и отраслевых тестов.
В Artificial Analysis Intelligence Index версия Neon с максимальным уровнем рассуждений xhigh получила 61 балл. По данным Google, это соответствует третьему месту среди оценённых моделей. В Vals Index результат составил 70,9%, что также относится к числу лучших показателей в опубликованном сравнении.
Отдельное внимание уделено программированию. Gemini 4 Neon рассчитана на работу с большими репозиториями, многофайловую отладку и рефакторинг. Модель может изучать архитектуру проекта, находить взаимосвязи между компонентами, проверять гипотезы и вносить точечные изменения в исходный код.
Среди опубликованных результатов:
- Artificial Analysis Intelligence Index: 61 балл при использовании уровня рассуждений xhigh.
- Vals Index: 70,9%.
- Terminal-Bench 4.1: 65,2% с поправкой на попытки обхода условий тестирования.
- FrontierCode 2.0: 46,2%.
- SWE-sweep: 39% при использовании среды Google Antigravity.
- RiemannBench: 84% в тестировании математических способностей.
- Terminal-Bench Science: 70,5% в научных и технических задачах.
Особенно примечателен результат SWE-sweep. В этом тесте Google сообщает о заметном повышении эффективности при использовании собственной среды Antigravity по сравнению с базовым вариантом мини-SWE harness. Это показывает, насколько сильно результат агентной модели может зависеть не только от её возможностей, но и от инструментов, среды выполнения и организации рабочего процесса.
В то же время результаты бенчмарков следует интерпретировать осторожно. Они не гарантируют, что Neon будет лучше конкурентов в каждом реальном проекте. На итоговую производительность влияют настройки модели, уровень рассуждений, используемый инструментарий и методика конкретного теста. Кроме того, часть показателей опубликована непосредственно Google, поэтому для независимой оценки важны воспроизводимые испытания в одинаковых условиях.
Gemini 4 Neon ориентирована на сложные рабочие процессы
Одна из главных целей разработки Neon — не просто генерировать ответы, а доводить многоэтапную работу до готового результата. Это особенно важно для ИИ-агентов, которые должны последовательно выполнять действия, обращаться к инструментам, анализировать промежуточные результаты и корректировать собственные решения.
В Google Antigravity модель может выступать в роли управляющего агента. Она способна распределять работу между параллельными исполнителями, координировать их действия и собирать результаты в единый итоговый проект.
Google приводит несколько примеров возможностей Neon в такой среде:
- анализ больших программных репозиториев и поиск ошибок в нескольких файлах;
- создание сложных интерактивных 3D-сцен с использованием WebGL и Blender;
- построение интерактивных таблиц на основе исходных изображений и данных;
- выполнение продолжительных задач с использованием внешних инструментов;
- анализ научных материалов и решение сложных математических задач.
Важным преимуществом Google называет способность Neon сохранять последовательность действий в продолжительных сессиях. Модель должна уменьшать количество повторного чтения одних и тех же файлов, сообщать о ходе выполнения и надёжнее работать с сокращением или уплотнением контекста в длительных задачах.
Для бизнеса это может быть полезно при обработке финансовой документации, анализе отчётов, подготовке таблиц, исследовании договоров и автоматизации повторяющихся операций. Вместо отдельных ответов на десятки запросов пользователь получает систему, которая может выполнить целую последовательность взаимосвязанных действий.
Однако автономность не означает отсутствие контроля. Результаты работы агента необходимо проверять, особенно если он изменяет исходный код, работает с корпоративными данными или выполняет операции во внешних сервисах.
Сколько стоит Gemini 4 Neon
Стоимость — одна из ключевых особенностей новинки. Google стремится предложить модель с производительностью высокого класса, но без необходимости постоянно оплачивать использование самой мощной версии семейства.
Для Gemini API опубликованы следующие тарифы:
- Входные токены: 3 доллара за миллион.
- Кэшированные входные токены: 0,15 доллара за миллион.
- Выходные токены: 15 долларов за миллион.
Кэширование позволяет повторно использовать ранее переданный контекст без полной оплаты его повторной обработки по стандартной ставке. Скидка на кэшированные входные токены составляет 95%, что может быть особенно полезно при работе с постоянными инструкциями, большими документами или программными проектами, к которым модель обращается неоднократно.
Для наглядности можно рассмотреть условный запрос с одним миллионом входных токенов и ста тысячами выходных. При стандартной тарификации вход обойдётся в 3 доллара, а выход — в 1,5 доллара. Общая стоимость составит 4,5 доллара без учёта возможных дополнительных условий и особенностей тарификации.
Если входные данные полностью подходят под условия кэширования, стоимость миллиона входных токенов может снизиться до 15 центов. В таком случае основную часть расходов будет формировать генерация ответа.
Важно не путать API-тарифы с ценой пользовательской подписки. Для обычного использования в приложении Gemini действуют условия Google AI Pro и Google AI Ultra, а разработчики оплачивают обращения к API в соответствии с объёмом обработанных токенов.
Google также заявляет, что на стандартном уровне рассуждений Neon обеспечивает на 32% меньшую стоимость задачи по сравнению с Carbon. В некоторых сравнениях с конкурирующими флагманскими моделями компания указывает экономию примерно от 50% до 80%. Эти показатели относятся к стоимости выполнения сопоставимых задач в определённых тестах, а не к универсальной скидке на каждый запрос.
Актуальные условия использования API и тарифы следует проверять в официальной документации Google Gemini API.
Четыре уровня рассуждений для разных задач
Ещё одна особенность Gemini 4 Neon — возможность выбирать глубину рассуждений. Google предусмотрела четыре уровня: low, medium, high и xhigh.
Это позволяет адаптировать поведение модели под конкретную нагрузку:
- Low: быстрые задачи, где не требуется глубокий анализ и многоступенчатое планирование.
- Medium: повседневная работа с документами, кодом и информацией.
- High: более сложные запросы, требующие последовательного анализа и проверки нескольких вариантов.
- Xhigh: наиболее трудные задачи, для которых важны максимальная глубина рассуждений и тщательная проработка решения.
Чем выше уровень рассуждений, тем больше ресурсов модель может потратить на решение задачи. Поэтому максимальный режим не обязательно стоит использовать постоянно. Для простых операций он может оказаться избыточным, увеличивая время и стоимость выполнения без заметного улучшения результата.
В корпоративных системах такая настройка позволяет гибко распределять расходы. Например, классификацию документов можно поручить более быстрому режиму, а сложные финансовые расчёты или анализ программной архитектуры — выполнять с более глубокой проработкой.
Gemini 4 Neon для кибербезопасности
Отдельное направление применения Neon связано с информационной безопасностью. Google разрабатывает специализированный вариант модели для задач защитной кибербезопасности, который должен помогать специалистам находить уязвимости, проверять их эксплуатацию и готовить исправления.
Компания приводит результаты испытаний на нескольких специализированных наборах тестов. Среди них SEC-bench Pro, где модель получила 90,5%, WebExploitBench v1.2 с результатом 51,26% и CWE-bench v2, где показатель составил 70,7%.
Такие возможности могут быть полезны при анализе исходного кода, проверке приложений и поиске ошибок до того, как ими воспользуются злоумышленники. При этом Google подчёркивает, что специализированная версия для киберзащиты распространяется отдельно.
На начальном этапе доступ к Gemini 4 Neon for cyber планируется предоставить доверенным специалистам и организациям в рамках программы Fairwind. Это не означает, что все пользователи обычной Neon автоматически получают доступ к специализированным возможностям тестирования безопасности.
Важно также учитывать двойное назначение подобных инструментов: одни и те же способности могут использоваться как для поиска и устранения уязвимостей, так и для подготовки атак. Поэтому доступ к специализированной версии ограничивается, а Google применяет дополнительные меры контроля.
Где уже доступна Gemini 4 Neon
Google начала поэтапное распространение новой модели 18 ноября 2026 года. Доступ зависит от используемого продукта, типа подписки и сценария работы.
Основные каналы распространения:
- Gemini API и Google AI Studio: разработчики могут использовать модель через API в рамках платного уровня обслуживания.
- Приложение Gemini: доступ предоставляется подписчикам Google AI Pro и Google AI Ultra через меню выбора модели.
- Google Antigravity: Neon доступна пользователям с платными подписками Google AI Pro и Ultra.
- Gemini for business: модель добавляется в корпоративные продукты через API и меню выбора моделей.
- Android Studio: предусмотрена интеграция для разработчиков, работающих с инструментами Google.
Доступность может различаться в зависимости от региона, тарифа и этапа распространения. Поэтому отсутствие Neon в меню приложения не обязательно означает, что модель недоступна окончательно: подключение может происходить постепенно.
Для обычного пользователя наиболее простой способ попробовать модель — открыть приложение Gemini, перейти к выбору модели и проверить, доступна ли Neon в рамках его подписки. Разработчикам стоит ориентироваться на документацию API и Google AI Studio.
Ограничения и вопросы безопасности
Несмотря на высокие результаты тестирования, Gemini 4 Neon не является безошибочной системой. В модельной карте Google прямо указывает на возможность галлюцинаций — ситуаций, когда искусственный интеллект формирует убедительный, но неверный ответ.
Есть и ограничение по актуальности знаний: указанная дата отсечения обучающих данных — март 2026 года. Это означает, что модель не обязательно располагает достоверной информацией о событиях, произошедших позднее. Для получения актуальных сведений ей могут потребоваться внешние инструменты и источники.
Google также сообщает о проведённой оценке рисков в рамках Frontier Safety Framework. Для Neon были использованы результаты предыдущей оценки Gemini 4 Argon в тех областях, где не было необходимости проводить полный цикл критических испытаний заново. При этом компания отмечает, что в отдельных областях, включая кибербезопасность и биологические риски, нельзя полностью исключить достижение уровня возможностей, требующего повышенного внимания.
Это не означает, что модель автоматически представляет угрозу или способна самостоятельно выполнять любые опасные действия. Речь идёт о результатах оценки потенциальных возможностей и необходимости соответствующих защитных механизмов.
Для практического применения особенно важно учитывать следующие ограничения:
- результаты сложных вычислений и анализа необходимо проверять;
- сгенерированный программный код нельзя автоматически считать безопасным;
- при работе с конфиденциальными документами следует учитывать условия обработки данных выбранного сервиса;
- для актуальных сведений необходимо использовать проверяемые внешние источники;
- автономные агенты должны работать с ограниченными правами и контролируемым доступом к инструментам.
Таким образом, Neon стоит рассматривать как мощный инструмент для повышения производительности, а не как полную замену специалистам и независимой проверке результатов.
Выводы
Gemini 4 Neon — важное дополнение к линейке моделей Google. Компания предлагает систему, которая занимает промежуточное положение между флагманской Carbon и более быстрой Hydrogen, сохраняя возможности для сложного программирования, аналитики, научных задач и работы с ИИ-агентами.
К сильным сторонам модели относятся контекстное окно на один миллион токенов, мультимодальная обработка, четыре уровня рассуждений и хорошие результаты в тестах на программирование и аналитические задачи. Отдельного внимания заслуживает стоимость API: 3 доллара за миллион входных токенов и 15 долларов за миллион выходных. Кэшированный ввод обходится значительно дешевле.
Главная идея Neon — сделать производительность высокого класса более доступной для регулярной работы. Это особенно актуально для разработчиков и компаний, которые используют ИИ не только для генерации текста, но и для автоматизации продолжительных процессов.
Тем не менее заявления Google о превосходстве в отдельных тестах необходимо оценивать с учётом методики измерений и используемых сред выполнения. Реальная эффективность будет зависеть от конкретных задач, уровня рассуждений и стоимости всей цепочки операций.
Если Neon подтвердит заявленные характеристики в независимых испытаниях и повседневной эксплуатации, она может стать одним из наиболее интересных вариантов для тех, кому нужна мощная ИИ-модель без постоянных расходов на самый дорогой флагманский уровень.
Часто задаваемые вопросы
Это модель искусственного интеллекта Google из семейства Gemini 4. Она предназначена для сложного программирования, анализа информации, научных задач, корпоративных процессов и работы ИИ-агентов.
Carbon ориентирована на наиболее сложные и продолжительные задачи, Hydrogen — на быстрое выполнение повседневных запросов, а Neon занимает промежуточное положение, сочетая высокую производительность с более умеренной стоимостью.
Официальная цена составляет 3 доллара за миллион входных токенов и 15 долларов за миллион выходных. Для кэшированных входных токенов действует ставка 0,15 доллара за миллион.
Модель поддерживает контекстное окно до одного миллиона токенов, включая входные и выходные данные. Это позволяет анализировать большие документы, программные проекты и мультимодальные материалы.
Да. Модель предназначена для работы с большими репозиториями, поиска ошибок, многофайловой отладки и рефакторинга. Также она может использовать инструменты и выполнять продолжительные задачи в среде Google Antigravity.
Для разработчиков использование Gemini API тарифицируется по объёму токенов. В приложении Gemini доступ к модели предоставляется подписчикам Google AI Pro и Ultra. Условия могут отличаться в зависимости от региона и канала распространения.
Модель может работать с текстом, изображениями, аудио и видео. Благодаря этому она способна объединять сведения из разных типов материалов в одном рабочем процессе.
Это настройки глубины обработки задачи. Low подходит для простых запросов, medium — для повседневной работы, high — для более сложного анализа, а xhigh предназначен для наиболее трудных задач, требующих глубокой проработки.
Google разрабатывает специализированную версию Neon for cyber для поиска уязвимостей, проверки защищённости программ и исправления ошибок. На первом этапе её распространение ограничено участниками программы Fairwind.
Нет. Как и другие большие языковые модели, Neon может допускать ошибки и создавать недостоверные сведения. Результаты анализа, вычислений и генерации кода необходимо проверять, особенно при использовании в критически важных системах.
