Gemini 4 Neon посідає перше місце в рейтингу кодування на тлі стрімкого випуску моделей Google та парадоксу ціноутворення
18 листопада 2026 року Google представила Gemini 4 Neon, позиціонуючи її між моделями Hydrogen та Carbon для складного кодування, корпоративного аналізу та наукових робочих процесів. Хоча модель претендує на перше місце в індексі агентів кодування Artificial Analysis та демонструє високі показники в кібербезпеці, її запуск виявив тимчасові аномалії в ціноутворенні, відсутність сестринської моделі та значну залежність від оцінок, наданих самою компанією.

18 листопада 2026 року Google представила Gemini 4 Neon, четверту модель у своїй сімейці Gemini 4 трохи більш ніж за п'ять тижнів 123.
Орієнтована на розробку програмного забезпечення, корпоративні знання та наукові дослідження, Neon одразу посіла перше місце в індексі кодуючих агентів Artificial Analysis (Artificial Analysis Coding Agent Index) та привернула увагу завдяки спеціалізованому варіанту з кібербезпеки, який виходить у межах обмеженого розгортання 42.

Проте за гучними бенчмарками ховається складніша історія про те, як Google структурує свою флагманську лінійку штучного інтелекту, як вона тарифить глибину міркувань і на чому базується значна частина раннього визнання Neon, яке спирається на власні тестові середовища компанії 563.
Що сталося і чому це важливо
Оголошена Кораєм Кавукчуоглу (Koray Kavukcuoglu), старшим віцепрезидентом Google DeepMind та головним архітектором штучного інтелекту в Google, модель Gemini 4 Neon була створена для проміжного положення між важковаговиком Gemini 4 Carbon та швидкою повсякденною Gemini 4 Hydrogen 278. Google заявляє, що Neon забезпечує міркування передового рівня з пришвидшеним сквозним виконанням у багатокрокових робочих процесах агентів, обробляючи текст, зображення, відео, аудіо та файли PDF у єдиному контекстному вікні обсягом приблизно в один мільйон токенів, а саме 1 048 576 токенів 1239.
Для розробників та корпоративних команд Neon доступна одразу через Gemini API під ідентифікатором `gemini-4-neon`, а також на Google AI Studio, Android Studio, у підключених до Vertex інструментах, на шлюзі Vercel's AI Gateway та в рамках підписок Google AI Pro і Ultra 1043. Вона підтримує виклик функцій, структуровані виведення, виконання коду, використання комп'ютера, пошук за файлами та заземлення (grounding) через Google Search і Maps, водночас пропускаючи генерацію зображень, генерацію аудіо та Live API 123.
Цей реліз важливий, оскільки він сигналізує про зміну в тому, як Google конкурує з OpenAI та Anthropic: замість покладання на єдиний монолітний флагман Google розділяє робочі навантаження агентів між спеціалізованими моделями та конфігурованими рівнями мислення 423. Одночасно з основним релізом Google продемонструвала практичні приклади — такі як 3D-симулятор лижного фрірайду на рельєфі Монблана, інтерактивна 3D-реконструкція кабінету Аллена Тюрінга за архівними фотографіями та електронна таблиця на 100 000 комірок, що використовує 500 000 формул для візуалізації глибини та освітлення з одного зображення 4.
Докази та їхня переконливість
Головним твердженням, що привертає заголовки, є перше місце Neon у свіжому рейтингу Artificial Analysis Coding Agent Index з оцінкою 58,6, у парі з третім загальним місцем (оцінка 61) у загальному індексі Artificial Analysis Intelligence Index v5.0.1 на найвищому налаштуванні міркувань, поступившись лише моделям Claude Fable 5.2 від Anthropic та GPT-6.2 Astra від OpenAI 429.
Згідно з опублікованою методологією Artificial Analysis, індекс Coding Agent Index вираховує середнє значення балів за трьома бенчмарками: FrontierCode-AA 2.0 (132 завдання з розробки ПЗ), Terminal-Bench 4.1 (66 агентських завдань у терміналі) та SWE-Atlas-QnA-AA (124 технічні завдання у форматі запитань і відповідей) 6.
Проте Artificial Analysis прямо застерігає, що її складений бал не означає, що модель з найвищим рейтингом є найкращою для будь-якого робочого процесу, і зазначає, що результати суттєво відрізняються залежно від налаштувань моделі та виконуваних середовищ 6.
Це застереження щодо тестового середовища помітне у власних цифрах Google. У бенчмарку SWE-sweep Neon набирає 12,8% на стандартному мінісередовищі mini-SWE — показник, який зростає більш ніж утричі й досягає 39,0%, якщо запуск відбувається всередині керованого Google середовища Antigravity 279. Іншими словами, майже дві третини цього приросту в бенчмарку забезпечуються довколишнім середовищем агентської оркестрації, а не лише «сирими» вагами моделі 2.
Більшість кількісних тверджень, що поширюються про Neon, походять із допису про запуск від Google DeepMind від 18 листопада та картки моделі, а не з незалежних аудитів 298. Крім того, незалежні та вторинні джерела розходяться в оцінках щодо двох важливих технічних моментів.
По-перше, українське видання «Дзеркало тижня» повідомило, що Neon дебютувала на третьому місці в новому індексі Agent Arena Index після більш ніж 4200 реальних сесій агентів 4, тоді як первинне оголошення Google DeepMind, повторене сайтами FoneArena та AF.net, стверджує, що Neon дебютувала на 2-му місці у світі з оцінкою 1336 278.
По-друге, видання The Decoder писало, що Neon здатна генерувати до одного мільйона вихідних токенів 1, тоді як документація для розробників, яку переглянули Unite.AI та Kie.ai, уточнює, що вхідні токени, токени міркувань та вихідні токени спільно використовують єдине вікна на 1 048 576 токенів, при цьому синхронні відповіді за замовчуванням обмежені 65 536 токенами 39.
Раннє незалежне тестування також дещо охолоджує маркетинговий наратив. Програмний інженер Саймон Віллісон (Simon Willison) запустив Neon на низькому, середньому та високому рівнях міркувань зі своїм порівняльним промптом для бенчмарку та зазначив, що результати Neon виглядали кращими, ніж у Hydrogen, але гіршими, ніж у Carbon 5.
Чотиритижневий спринт у контексті
Вихід Neon завершив надзвичайно стислий графік релізів, навіть за мірками прискорення розвитку ШІ в Google після 2022 року. Траєкторія розвитку ШІ в Google охоплює фундаментальні роботи від машинного навчання для виправлення помилок у пошуку (2001), Google Translate (2006), TensorFlow (2015), AlphaGo та власних TPU (2016) і архітектури Transformer (2017) до BERT (2019), AlphaFold (2020) та PaLM 2 (2023) 11.
Проте її сучасна споживча гонка розпочалася після запуску ChatGPT від OpenAI у листопаді 2022 року, що спричинило екстрені наради в Google та оголошення про Bard 6 лютого 2023 року — перший запуск якого зіпсувала неточна демонстрація космічного телескопа Джеймса Вебба, що призвело до втрати 8%, або 100 мільярдів доларів, з ринкової капіталізації Google 12.
У грудні 2023 року Google перейменувала свій проєкт на Gemini, у лютому 2024 року відмовилася від назви Bard, а протягом 2025 року послідовно оновлювала серії Gemini 1.5 та Gemini 3 12.
У восени 2026 року цей темп стиснувся до кількох днів. Згідно з документацією API, на яку посилається Unite.AI, Google запустила Gemini 4 Argon 13 жовтня 2026 року, Gemini 4 Carbon 10 листопада 2026 року, Gemini 4 Hydrogen 12 листопада 2026 року та Gemini 4 Neon 18 листопада 2026 року 3. Документація моделей DeepMind підтверджує, що Neon було безпосередньо адаптовано з Carbon 9.
У межах безпосереднього 48-годинного вікна навколо дебюту Neon Google також впровадила суміжні оновлення Gemini: 17 листопада вона запустила функції передачі завдань у рамках кампанії «Put Gemini to work for you» (Поставте Gemini на роботу для вас), а пізніше 18 листопада представила тимчасові «інкогніто»-чати в режимі ШІ пошуку разом із Genie 4, інтерактивною 3D-моделлю світу в межах проєкту Genie. Хоча ці споживчі та дослідницькі оголошення поділяють з Neon лише корпоративне таймінг, а не технічну причинно-наслідковий зв'язок, вони підкреслюють масштабний продуктовий наступ Google у листопаді.
Гравці, позиціонування та парадокс ціноутворення
Google позиціонує Neon як робочу конячку для складних завдань високої частоти, залишаючи Carbon для найскладніших архітектурних проблем довгострокового планування, а Hydrogen — для швидкого виконання повсякденних задач 23. У Google Antigravity Neon може працювати самостійно або виступати в ролі оркестратора, який керує паралельними субагентами Hydrogen 427.
Технічні аналітики з The Decoder порівнюють Carbon та Argon з Astra від OpenAI або Fable від Anthropic, позиціонуючи Neon як відповідник Claude Opus або Sol від Google 1. Vercel у день запуску інтегрувала `google/gemini-4-neon` у свій AI Gateway для кодувальних агентів, таких як Codex та Cursor 10.
Водночас структура ціноутворення Google викликала різку критику з боку розробників. Ціна Neon становить 3,00 долара за мільйон вхідних токенів, 0,15 долара за мільйон кешованих вхідних токенів (знижка 95%, яка застосовується автоматично через неявне кешування для запитів довжиною щонайменше 4 096 токенів) та 15,00 доларів за мільйон вихідних токенів, при цьому токени роздумів тарифікуються за ставкою вихідних токенів 123.
Це вище, ніж ціна Hydrogen (1,50 долара за вхід / 7,50 долара за вихід, який також пропонує безкоштовний рівень API) і, що найважливіше, вище за вступну ставку Carbon та Argon у 2,00 долара за вхід / 10,00 доларів за вихід 513.
Оскільки знижка 50% на Carbon та Argon діє до 30 листопада 2026 року, після чого 1 грудня ціни подвоюються до 4,00 долара за вхід і 20,00 долара за вихід, Neon виходить на ринок тимчасово дорожчим за токен, ніж більша флагманська модель Carbon, над якою вона розташована 513.
Після дебюту ChatGPT у листопаді 2022 року Google запустила Bard у лютому 2023 року та перейменувала свою генеративну ШІ-платформу на Gemini у грудні 2023 року, вивівши Gemini 1.5 та 3 на ринок протягом 2025 року, а потім випустила чотири моделі Gemini 4 — Argon, Carbon, Hydrogen та Neon — між 13 жовтня та 18 листопада 2026 року.
1 грудня 2026 року закінчується дія вступних знижок 50% на Gemini 4 Carbon та Argon, що вирішує тимчасове перекручення ціноутворення, за якого Neon коштує дорожче за токен, ніж Carbon. Впровадження розробниками через Vercel, Cursor та Antigravity, а також обмежене розгортання Neon для кібербезпеки в рамках програми Fairwind, перевірить твердження Google щодо вартості за завдання.
Написано за допомогою ШІ за наведеними джерелами та звірено з ними. Відкрийте джерела, щоб перевірити.