Представлена модель Gemini 4 Neon для сложных рабочих процессов
Google DeepMind анонсировала Gemini 4 Neon — новую модель с окном контекста в миллион токенов, ориентированную на автономное программирование, науку и кибербезопасность.

Главное за 30 секунд
Выпуск Gemini 4 Neon демонстрирует развитие моделей, способных выполнять сложные многошаговые задачи автономно, при значительном снижении стоимости токенов и улучшенном контроле безопасности.
- Окно контекста составляет 1 миллион токенов.
- Стоимость: 3 доллара за 1 млн токенов ввода (0,15 доллара с кэшированием) и 15 долларов за 1 млн вывода.
- Достигает 39,0% в тесте SWE-sweep внутри среды Google Antigravity.
- При настройках по умолчанию стоимость задачи на 32% ниже, чем у модели Carbon.
Неочевидное: Внедрение регулируемых уровней мышления позволяет разработчикам находить оптимальный баланс между вычислительной мощностью и бюджетом, адаптируя модель под конкретную задачу без необходимости менять саму архитектуру.
Суть
Компания Google DeepMind представила Gemini 4 Neon — новую модель, ориентированную на быстрое выполнение задач от начала до конца. Модель предназначена для сложных рабочих процессов в разработке программного обеспечения, аналитике и науке. Главная особенность новинки заключается в сочетании высокого уровня интеллекта с более низкими затратами на выполнение задач по сравнению с предыдущими решениями.
Контекст
Выпуск Neon продолжает развитие экосистемы ИИ-инструментов компании, дополняя уже известные решения вроде Carbon, Hydrogen и Argon. Разработчики делают ставку на агентные системы и способность моделей работать автономно в течение длительного времени. Особое внимание уделено интеграции с платформой Google Antigravity, где Neon может выступать в роли координатора для управления параллельными подагентами.

a benchmark table
Детали
Модель поддерживает контекстное окно в 1 миллион токенов, что позволяет обрабатывать таблицы, документы, графики, аудио и видео в рамках одного запроса. Стоимость использования составляет 3 доллара за миллион токенов ввода (с 95-процентной скидкой до 0,15 доллара за кэшированные токены) и 15 долларов за миллион токенов вывода.
В независимых тестированиях Gemini 4 Neon показывает следующие результаты:
- 61 балл в Artificial Analysis Intelligence Index на уровне мышления «xhigh» (3-е место в общем рейтинге).
- 1-е место в бенчмарках Terminal-Bench Science (70,5%), RiemannBench (84,0%) и HLE-Diamond (71,3%).
- На SWE-sweep модель достигает 12,8% в мини-версии и 39,0% в среде Google Antigravity.
- В сфере кибербезопасности модель набирает 90,5% в SEC-bench Pro и 76% на сложном уровне AutoBaxBench.
В качестве примеров работы в Google Antigravity компания приводит создание лыжного симулятора на WebGL2 с нуля (10 200 строк кода), а также генерацию электронной таблицы на 100 000 ячеек с использованием более 500 000 формул для обработки 3D-глубины.
Также по темеАдаптеры для сред исполнения: метод повышения эффективности ИИ-агентов
a chart showing AA Index v5.01 cost per task
Анализ
Данные показывают явный сдвиг в сторону экономической эффективности агентных систем. При настройках по умолчанию модель Neon выполняет задачи на 32% дешевле, чем версия Carbon. Наличие четырех уровней «мышления» (включая xhigh) позволяет гибко распределять ресурсы: для простых задач используется меньше вычислений, а для сложных научных или инженерных проблем активируется глубокое многошаговое рассуждение.
Кроме того, результаты тестов на безопасность (0,0% успешных атак в бенчмарке Gray Swan IPI при высоком уровне мышления) указывают на серьезный прогресс в защите моделей от непрямых инъекций промптов (indirect prompt injection).
Перспектива
Постепенное развертывание Gemini 4 Neon в API и специализированных приложениях (включая программу Fairwind для специалистов по киберзащите) может ускорить внедрение автономных ИИ-агентов в корпоративный сектор. Успех модели будет зависеть от того, насколько стабильно заявленные показатели безопасности и низкий уровень фабрикации фактов подтвердятся в реальных условиях эксплуатации тысячами разработчиков.











