AI-modeller og platforme

Gemini 4 Neon giver en beskeden intelligensforbedring til en lavere pris pr. opgave

Jonas Reeve
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterNeons reelle fordel er operationel hastighed og lavere opgaveomkostninger snarere end…
Vis mere
  • Neons reelle fordel er operationel hastighed og lavere opgaveomkostninger snarere end et betydningsfuldt intelligensspring.
  • Højere indsatsindstillinger kan give bagslag, da Neon xhigh scorede dårligere end high på GDP.pdf-dokumenttesten.
  • Neons omkostning på $6.86 for coding-agent underbyder Opus og Fable, selvom den ligger bag dem på Coding Agent Index.

Artificial Analysis rapporterede den 18. november 2026, at Googles Gemini 4 Neon (xhigh) fik 61 på deres intelligensindeks, ét point mere end Gemini 4 Carbon (high). Neon kostede 6,44 USD pr. opgave på intelligensindekset og tog i gennemsnit cirka 21 minutter, sammenlignet med 7,76 USD og cirka 36 minutter for Carbon ved standardpriser uden rabat.

Evalueringen placerede Neon på en samlet tredjeplads efter GPT-6.2 Astra (max) og Claude Fable 5.2 (max). Den viste også, at Neon brugte cirka 15 % flere outputtokens pr. opgave end Carbon, så besparelsen skyldtes priserne og ikke et lavere tokenforbrug. Outputhastigheden på cirka 110 tokens i sekundet sammenlignet med cirka 57 for Carbon forklarede den kortere gennemførelsestid.

Googles udgivelsesnoter viser, at Gemini 4 Neon blev almindeligt tilgængelig den 18. november 2026 til komplekse arbejdsgange inden for softwareudvikling, vidensarbejde og videnskab. Modellen har fire niveauer for ræsonnering, et samlet kontekstvindue på 1M tokens og understøttelse af lange dekodninger på op til 1M tokens.

Ved høj arbejdsindsats registrerede Artificial Analysis en score på 60 for Neon og en tid på 14,8 minutter pr. opgave på intelligensindekset. På dette niveau matchede Neon Carbon (high) i intelligens, men kostede mindre end halvdelen så meget pr. opgave ved standardpriser. Neon er en proprietær ræsonneringsmodel, der kan modtage tekst, billeder, tale og video, genererer tekst og som standard bruger niveauet high for arbejdsindsats.

Resultater inden for kodning og vidensarbejde

Med Antigravity CLI målte Artificial Analysis en score på 59 for Neon (xhigh) på deres Coding Agent Index, sammenlignet med 55 for Carbon (high) og 58 for både Claude Fable 5.2 (xhigh) og Claude Opus 5.5 (max). Neons gennemsnitspris var 6,86 USD pr. opgave for en kodningsagent, sammenlignet med 12,61 USD for Opus og 15,47 USD for Fable.

På GDP.pdf, en evaluering af ræsonnering i professionelle dokumenter, målte Artificial Analysis en bestået-andel på 33,4 % for Neon (high), sammenlignet med 28,4 % for Carbon (high) og 28,0 % for Neon (xhigh). Den højeste indstilling for arbejdsindsats gav altså ikke det bedste resultat i denne test. Bestået-andelen er den andel af 500 forsøg pr. model fordelt på 100 opgaver inden for 10 fagområder, hvor samtlige kriterier er opfyldt.

På AA-Briefcase målte Artificial Analysis en samlet vurdering på 1700 Elo for Neon (xhigh) på en sammenlignende skala for agentbaseret vidensarbejde og 1771 Elo for præsentationskvalitet. Resultatet for præsentationskvalitet lå 45 point over den hidtidige fører, Claude Sonnet 5.5 (max), der fik 1726.

Resultaterne fra den separate Multimodal Knowledge Agent-evaluering viste en Climb WSR på 56 % for Neon, to procentpoint over Carbon og tæt på Claude Fable 5.2 (max) med 57 %. Climb WSR er den gennemsnitlige vægtede tilfredshedsrate for vanskeligere kriterier i Google DeepMinds evaluering af agenters arbejde med visuelt komplekse projektfiler. MKA er en selvstændig evaluering og ikke en del af intelligensindekset.

Priser og tilgængelighed

Googles API-priser for betalingsabonnementer er 3 USD pr. million inputtokens og 15 USD pr. million outputtokens. Cachelagrede inputtokens koster 0,15 USD efter en rabat på 95 %. Carbon koster med rabat 2 USD pr. million inputtokens og 10 USD pr. million outputtokens frem til den 30. november 2026. Det betyder, at Neon er 50 % dyrere end denne midlertidige pris, men 25 % billigere end Carbons standardpris på 4/20 USD for input/output, oplyste Artificial Analysis. Ved lanceringen var Neon tilgængelig via Googles API og Gemini Enterprise Agent Platform, mens Pro- og Ultra-abonnenter kunne bruge modellen i Antigravity og Gemini-appen.

Intelligensindeksets omfang

Metoden bag intelligensindekset, som ifølge Artificial Analysis muligvis ikke gælder direkte for alle anvendelser, kombinerer ni evalueringer inden for vidensarbejde, kodning, videnskab og almen viden, hvor hver kategori vægter 25 %. Testpakken foregår primært på engelsk og er tekstbaseret, selvom modeller med billedfunktion får billeder i nogle evalueringer. Visuel ræsonnering, taleinput og flersproget ydeevne evalueres separat.

Neons resultater viser dermed en beskeden forbedring af den samlede intelligensscore, mens den største dokumenterede fordel er operationel: hurtigere output og lavere målte omkostninger pr. opgave ved standardpriser. Ydeevnen varierer stadig afhængigt af niveauet for arbejdsindsats og arbejdsbelastningen, mens Carbons midlertidige rabat ændrer den aktuelle sammenligning af tokenpriser. For virksomheder, der vurderer modellen, er de centrale spørgsmål, hvilke arbejdsbelastninger den skal håndtere, hvilket niveau for arbejdsindsats de kræver, og hvad de gennemførte opgaver koster til de aktuelle priser.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.