AI-modeller och plattformar

Gemini 4 Neon ger en liten intelligensökning till lägre kostnad per uppgift

Jonas Reeve
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterNeons verkliga fördel är operativ snabbhet och lägre uppgiftskostnad snarare än ett…
Visa mer
  • Neons verkliga fördel är operativ snabbhet och lägre uppgiftskostnad snarare än ett meningsfullt intelligenskliv.
  • Högre ansträngningsinställningar kan slå fel eftersom Neon xhigh fick sämre resultat än high på GDP.pdf-dokumenttestet.
  • Neons kostnad på $6,86 för kodningsagent understiger Opus och Fable trots att den ligger efter dem på Coding Agent Index.

Artificial Analysis rapporterade den 18 november 2026 att Googles Gemini 4 Neon (xhigh) fick 61 poäng i dess Intelligence Index, en poäng mer än Gemini 4 Carbon (high). Neon kostade 6,44 dollar per Intelligence Index-uppgift och tog i genomsnitt cirka 21 minuter, jämfört med 7,76 dollar och cirka 36 minuter för Carbon vid ordinarie, ej rabatterad prissättning.

Utvärderingen placerade Neon på tredje plats totalt, efter GPT-6.2 Astra (max) och Claude Fable 5.2 (max). Den visade också att Neon använde cirka 15 % fler utmatningstoken per uppgift än Carbon, så besparingen berodde på prissättningen snarare än på minskad tokenanvändning. Utmatningshastigheten på cirka 110 token per sekund, jämfört med cirka 57 för Carbon, förklarade den kortare tiden till slutförande.

Googles versionsinformation visar att Gemini 4 Neon blev allmänt tillgänglig den 18 november 2026 för komplex programvaruutveckling, kunskapsarbete och vetenskapliga arbetsflöden, med fyra nivåer för tänkande, ett enhetligt kontextfönster på 1 miljon token och stöd för lång avkodning på upp till 1 miljon token.

Vid hög beräkningsinsats registrerade Artificial Analysis 60 poäng och 14,8 minuter per Intelligence Index-uppgift för Neon. På den inställningen matchade Neon Carbon (high) i intelligens till mindre än halva kostnaden per uppgift för Carbon vid ordinarie prissättning. Neon är en proprietär resonemangsmodell som tar emot text, bilder, tal och video som indata, genererar text och har high som standardinställning för beräkningsinsats.

Resultat inom programmering och kunskapsarbete

Med Antigravity CLI uppmätte Artificial Analysis 59 poäng för Neon (xhigh) i sitt Coding Agent Index, jämfört med 55 för Carbon (high) och 58 för både Claude Fable 5.2 (xhigh) och Claude Opus 5.5 (max). Neons genomsnittliga kostnad var 6,86 dollar per programmeringsagentuppgift, jämfört med 12,61 dollar för Opus och 15,47 dollar för Fable.

På GDP.pdf, en utvärdering av resonemang kring professionella dokument, uppmätte Artificial Analysis en andel helt godkända resultat på 33,4 % för Neon (high), jämfört med 28,4 % för Carbon (high) och 28,0 % för Neon (xhigh). Den högsta nivån av beräkningsinsats gav alltså inte det bästa resultatet i det här testet. Andelen helt godkända resultat är andelen av modellens 500 försök, fördelade över 100 uppgifter inom 10 yrkesområden, där samtliga kriterier uppfylls.

På AA-Briefcase uppmätte Artificial Analysis ett totalbetyg på 1700 Elo för Neon (xhigh), på en jämförande skala för agentbaserat kunskapsarbete, och 1771 Elo för presentationskvalitet. Presentationsresultatet låg 45 poäng över den tidigare ledaren, Claude Sonnet 5.5 (max), med 1726 poäng.

I den separata utvärderingen Multimodal Knowledge Agent fick Neon en Climb WSR på 56 %, två procentenheter högre än Carbon och nära Claude Fable 5.2 (max), som fick 57 %. Climb WSR är den genomsnittliga viktade nöjdhetsgraden för svårare kriterier i Google DeepMinds utvärdering av agentarbete med visuellt innehållsrika projektfiler. MKA är en fristående utvärdering och ingår inte i Intelligence Index.

Prissättning och tillgänglighet

Googles API-priser för betalnivån är 3 dollar per miljon indatatoken och 15 dollar per miljon utmatningstoken, med cachad indata till priset 0,15 dollar efter 95 % rabatt. Carbons rabatterade pris är 2 dollar per miljon indatatoken och 10 dollar per miljon utmatningstoken fram till den 30 november 2026. Det innebär att Neon kostar 50 % mer än det tillfälliga priset, men 25 % mindre än Carbons ordinarie pris på 4/20 dollar för indata/utdata, uppgav Artificial Analysis. Vid lanseringen var Neon tillgänglig via Googles API och Gemini Enterprise Agent Platform, medan Pro- och Ultra-prenumeranter kunde använda modellen i Antigravity och Gemini-appen.

Intelligence Index – omfattning

Metodiken för Intelligence Index, som enligt Artificial Analysis kanske inte är direkt tillämplig på alla användningsområden, kombinerar nio utvärderingar inom kunskapsarbete, programmering, vetenskap och allmänbildning, där varje kategori väger 25 %. Testsviten är främst på engelska och textbaserad, men modeller med bildförmåga får bilder som indata i vissa utvärderingar. Visuellt resonemang, tal som indata och flerspråkiga prestanda utvärderas separat.

Neons resultat visar alltså en måttlig ökning av den sammansatta intelligensen, medan den tydligare dokumenterade fördelen är operativ: snabbare utdata och lägre uppmätta kostnader per uppgift vid ordinarie prissättning. Prestandan varierar fortfarande beroende på beräkningsinsats och arbetsbelastning, samtidigt som Carbons tillfälliga rabatt påverkar den aktuella jämförelsen av tokenpriser. För företag som utvärderar modellen är de centrala frågorna vilka arbetsbelastningar den ska hantera, vilken nivå av beräkningsinsats som krävs och vad slutförda uppgifter kostar enligt den aktuella prissättningen.

Jonas Reeve är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, med fokus på kognitiv AI, artificiell generell intelligens (AGI) och de teoretiska grunderna för maskinintelligens. Hans arbete undersöker hur lärande, resonemang, minne och abstraktion uppstår i både biologiska och artificiella system, och drar kopplingar mellan moderna AI‑arkitekturer och långvariga frågor inom kognitiv vetenskap och medvetandefilosofi.

Med ett konceptuellt och reflekterande förhållningssätt granskar Jonas ramar såsom resonemangsmodeller, agentbaserade system, emergent kognition och aligneringsteori, i syfte att klargöra vad framsteg mot AGI faktiskt betyder – och vad det inte betyder. Istället för att jaga tidslinjer eller hype betonar han grundprinciper, konceptuell stringens och begränsningarna i nuvarande modeller.

Artiklar skrivna av Jonas Reeve är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, tydlighet och ett ansvarsfullt samtal om avancerade AI‑koncept.