Google veröffentlicht Gemini 4 Neon: angeblich dreimal schneller als Carbon und 40 % günstiger bei der Erledigung von Aufgaben

📅 2026-11-19

Zusammenfassung:

Google bringt offiziell Gemini 4 Neon auf den Markt, ein neues Mitglied der Gemini 4-Serie. Dieses Modell ist für komplexe Programmierung, analytisches Denken und die Ausführung mehrstufiger Aufgaben geeignet und versucht, ein Gleichgewicht zwischen einem hohen Maß an Intelligenz und betrieblicher Effizienz zu finden. Google gibt an, dass in ersten Tests die Gesamtqualität des Neon das Flaggschiffmodell Gemini 4 Carbon erreicht oder sogar übertrifft, Aufgaben jedoch dreimal schneller ausgeführt werden und die gleiche Aufgabe nur 60 % des Carbon kostet.

Zuvor hat Google Gemini 4 Carbon und Gemini 4 Hydrogen für tägliche Aufgaben auf den Markt gebracht. Carbon ist vor allem auf komplexe, langfristige und schwierige Aufgaben ausgerichtet, während bei Hydrogen die schnelle Reaktion und der tägliche Einsatz im Vordergrund stehen. Der dieses Mal eingeführte Neon schließt die Positionierungslücke zwischen den beiden und konzentriert sich auf die Bedienung von Arbeitsszenarien, die starke Denkfähigkeiten erfordern, aber empfindlich auf Ausführungsgeschwindigkeit und Kosten reagieren.

Gemini 4 Neon erzielte 61 Punkte in der Bewertung des Artificial Analysis Intelligence Index und belegte damit den dritten Platz, wenn der xhigh-Denkmodus auf höchster Stufe aktiviert wurde, nur den zweiten Platz hinter einigen größeren und langsameren Modellen. Im Vals-Index-Test belegte es mit 70,9 % den zweiten Platz. Darüber hinaus gab Google an, dass Neon eine herausragende Leistung bei der mehrstufigen Befehlsausführung, der Verarbeitung komplexer Einschränkungen und der Anpassungsfähigkeit aufweist, wenn Benutzer die Aufgabenanforderungen auf halbem Weg ändern.

Im Bereich der Softwareentwicklung legt Neon besonderen Wert auf langlebige intelligente Agenten-Workflows. Es übernimmt Code-Debugging, Refactoring und Projektänderungen über mehrere Dateien hinweg und reduziert wiederholte Dateilesevorgänge während der Ausführung, während gleichzeitig der Aufgabenfortschritt kontinuierlich gemeldet wird. Google hofft, dass das Modell durch diese Verbesserungen nicht nur Code generieren, sondern auch komplexe Arbeiten unabhängig in einer Umgebung ausführen kann, die der echten Softwareentwicklung näher kommt.

In den von Google bekannt gegebenen Testergebnissen erreichte Neon 58,6 Punkte im Artificial Analysis Coding Agent Index, Terminal-Bench 4.1 erreichte 65,2 % und FrontierCode 2.0 erreichte 46,2 %. Im SWE-Sweep-Test lag der Wert bei Verwendung des Mini-SWE-Testframeworks bei 12,8 %, in der GoogleAntigravity-Umgebung stieg er auf 39,0 %. Diese Unterschiede zeigen auch, dass das von intelligenten Agenten verwendete Software-Framework und die Ausführungsumgebung einen erheblichen Einfluss auf die Endergebnisse haben können.

Neon kann auch als Koordinator in Antigravity fungieren, komplexe Aufgaben aufteilen und sie zur parallelen Ausführung an mehrere Gemini 4 Hydrogen-Subagenten übergeben. Auf diese Weise kann das Modell verschiedene Codemodule oder Arbeitsschritte gleichzeitig verarbeiten und dann die Ergebnisse jedes Subagenten integrieren. Bei Entwicklungsaufgaben, die mehrere Dateien und mehrere Funktionsmodule umfassen, dürfte dieser kollaborative Ansatz die Gesamtausführungszeit verkürzen.

Im Hinblick auf unternehmensweite Wissensarbeit unterstützt Neon multimodale Eingaben wie Text, Bilder, Audio und Video, und das einheitliche Kontextfenster kann bis zu 1 Million Token unterstützen. Benutzer können Tabellenkalkulationen, PDFs, Diagramme, Audio-, Video- und andere Materialien in dieselbe Aufgabe einfügen, sodass das Modell umfassend analysiert und strukturierte Ergebnisse generieren kann.

Die von Google veröffentlichten Testdaten zeigen, dass Neon im Vals-Index einen Wert von 70,9 % erreichte und damit sowohl im Rechtsforschungstest als auch im Test der Steuerbehörde den ersten Platz belegte. Im automatisierten Aufgabentest von Zapier AutomationBench erreichte es 56,3 %; In der langfristigen Geschäftssimulation Vending-Bench 2 von Andon Labs erreichte der simulierte Umsatz 16.843 US-Dollar. Darüber hinaus erreichte es 73,5 % beim professionellen Kartenverständnistest von Chartography und 75,8 % beim Agents' Last Exam v1.1-Test.

Wissenschaftliches und mathematisches Denken sind ebenfalls die Fähigkeiten, auf deren Stärkung sich Neon konzentriert. Im Terminal-Bench Science-Test erreichte es 70,5 %; im RiemannBench-Mathetest erreichte es 84,0 %; im HLE-Diamond-Test erreichte es 71,3 %. Diese Ergebnisse spiegeln den Wunsch von Google wider, Neon als allgemeines Modell zu positionieren, das sich nicht nur für die Programmierung eignet, sondern auch in der Lage ist, komplexe wissenschaftliche Forschung, mathematische Analysen und technische Forschungsaufgaben durchzuführen.

Cybersicherheit ist ein weiterer Schwerpunkt dieser Version. Google hat eine spezielle Version von Gemini 4 Neon für Netzwerksicherheitsarbeiten auf den Markt gebracht, die hauptsächlich für die sichere Codegenerierung, die Erkennung von Schwachstellen, die Überprüfung von Penetrationstests und die Codereparatur verwendet wird. Im AutoBaxBench-Test erreichte diese Version bei schwierigen Projekten eine Punktzahl von 76 %; im WebExploitBench v1.2-Test erreichte es 51,26 %. Im SEC-Bench Pro-Schwachstellenerkennungstest lag der Wert bei 90,5 %, im CWE-Bench v2 Code-Hardening-Test erreichte er 70,7 %.

Google gab an, dass Neon zwar seine Netzwerksicherheitsfunktionen verbessert hat, aber immer noch über Funktionen zum Schutz vor schwerwiegendem Missbrauch verfügt, die mit denen von Carbon vergleichbar sind, und dass die Widerstandsfähigkeit des Modells gegenüber böswilliger Eingabeaufforderung weiter verbessert wurde. Die netzwerksicherheitsspezifische Version wird im Rahmen des Fairwind-Programms phasenweise qualifizierten Sicherheitsbeauftragten zur Verfügung gestellt.

In puncto Sicherheit und Zuverlässigkeit legt Google besonderen Wert auf die Verhaltenskontrolle von Neon bei der Durchführung langfristiger, mehrstufiger Aufgaben. Das Unternehmen gibt an, dass das Modell Benutzeranweisungen besser befolgen und Probleme wie fiktive Ergebnisse, unbefugte Erweiterung des Aufgabenumfangs und das Benutzen von Abkürzungen, die nicht den Anforderungen entsprechen, reduzieren kann. In internen Tests waren einige der Verhaltensindikatoren von Neon besser als die des vorherigen Carbon, aber diese Daten stammen hauptsächlich aus Googles eigenem Bewertungssystem und erfordern noch weitere unabhängige Tests zur Überprüfung.

Was den Preis betrifft, so beträgt der von Gemini 4 Neon über die Gemini-API angebotene Standardpreis 3 US-Dollar pro Million Eingabe-Tokens, 0,15 US-Dollar pro Million zwischengespeicherter Eingabe-Tokens und 15 US-Dollar pro Million Ausgabe-Tokens. Im Vergleich dazu beträgt der aktuelle Aktionspreis von Carbon 2 US-Dollar pro Million Input-Tokens und 10 US-Dollar pro Million Output-Tokens. Dieses Angebot gilt jedoch voraussichtlich bis zum 30. November. Ab dem 1. Dezember wird der Standardpreis von Carbon auf 4 US-Dollar pro Million Input-Tokens und 20 US-Dollar pro Million Output-Tokens angepasst. Zu diesem Zeitpunkt wird der Einzel-Token-Preis von Neon 25 % niedriger sein als der von Carbon.

Der einfache Vergleich der Token-Preise spiegelt jedoch nicht vollständig die tatsächlichen Nutzungskosten wider. Google betonte, dass Neon Aufgaben schneller erledigen und den Token-Verbrauch zur Erledigung derselben Arbeit reduzieren kann, sodass bei tatsächlicher Arbeitsbelastung geringere Einzelaufgabenkosten anfallen. Laut von Google veröffentlichten Daten sind die Kosten für die Erledigung von Aufgaben bei Neon im standardmäßigen High-Thinking-Modus um 32 % niedriger als bei Carbon; Im höheren xhigh-Modus hat Neon immer noch einen Kostenvorteil, der spezifische Umfang wird jedoch vom Aufgabentyp und der Modellkonfiguration beeinflusst.

Gemini 4 Neon öffnet sich nun schrittweise. Entwickler können es über die kostenpflichtigen Dienste von Google AI Studio und Gemini API nutzen, und Unternehmenskunden können über Gemini for Business und Antigravity darauf zugreifen. Auf Verbraucherseite können Google AI Pro- und Ultra-Abonnenten Neon in der Gemini-App wählen, und Pro- und Ultra-Nutzer können es auch in Antigravity erleben.

Generell strebt Neon nicht einfach nur eine größere Modellgröße oder höhere Einzeltestergebnisse an, sondern versucht, ein wichtigeres Problem im tatsächlichen Einsatz zu lösen: wie man Modelle mit herausragenden Argumentationsfunktionen dazu bringt, echte Arbeit schneller und zu geringeren Kosten zu erledigen. Für Benutzer, die häufig KI-Agenten anrufen, große Codebasen verarbeiten oder komplexe Büroaufgaben ausführen müssen, kann die Effizienz der Aufgabenerledigung von praktischerer Bedeutung sein als reine Modellparameter und Benchmark-Rankings.

Verwandte Tags

Ähnliche Artikel

Kommentare

0/500
Captcha (click to refresh)
Keine Kommentare