AnmeldenTarif wählen
Blog · Modelltests

Gemini 4 Neon: AA-Index 61, $3 / $15

Googles viertes Gemini-4-Modell in sieben Wochen schließt die Lücke zwischen Carbon und Hydrogen. Offizielle Benchmarks, Kosten und Laufzeiten pro Thinking-Stufe von Artificial Analysis, der Preisvergleich mit Carbon, geschätzte Monatsrechnungen und die noch ausstehenden Teile der Model Card.

Am 18. November hat Google mit Gemini 4 Neon sein viertes Gemini-4-Modell innerhalb von sieben Wochen veröffentlicht. Neon basiert auf Carbon und füllt die Lücke zwischen dem leistungsstärksten Modell Carbon und dem schnellen Hydrogen.

Zum Start erreicht Neon im Artificial Analysis Intelligence Index 61 Punkte und belegt damit Platz drei – einen Punkt vor Carbon. Im Vals Index landet es mit 70,9 % auf Rang zwei. Die API-Preise liegen bei $3 pro Million Input-Token, $15 pro Million Output-Token und $0.15 für Cache-Reads bei einem Kontextfenster von 1 Million Token.

Kurz gesagt: Auf der Standardstufe high erreicht Neon denselben AA-Index-Wert wie Carbon, kostet pro Aufgabe aber weniger als die Hälfte und läuft mehr als doppelt so schnell – damit eignet es sich für Multi-File-Debugging, Refactorings und lange Agent-Läufe. Die Stufe xhigh bringt nur einen Punkt mehr, verteuert die Aufgabe jedoch um rund 70 %. Bis zum 30. November gilt für Carbon noch der Einführungspreis von $2 / $10, sodass Neon pro Token in diesem Zeitraum teurer ist. Auf CodingPass steht Neon in Go, Plus und Pro bereit.

Einordnung in der Gemini-4-Familie

Offizielle Übersicht der Gemini-4-Familie: Carbon, Neon und Hydrogen im Vergleich mit Einsatzzweck, AA Intelligence Index 60 / 61 / 54, Preisen, Thinking-Stufen, Tempo, Abo-Tarifen und Verfügbarkeit
Vergleich der Gemini-4-Familie. Quelle: Google-Blog, 18. November 2026.

Die Aufgabenverteilung innerhalb der Serie ist klar getrennt: Carbon übernimmt die schwersten Langläufer, Hydrogen erledigt schnelle Alltagsaufgaben, und Neon bedient komplexe Code- und Agent-Workflows, bei denen Carbon zu langsam und zu teuer wäre.

Positionierung, AA Intelligence Index, API-Preise, Thinking-Stufen und Abo-Verfügbarkeit der drei Gemini-4-Modelle
CarbonNeonHydrogen
EinsatzzweckSchwierigste Langzeitprojekte und tiefe ForschungKomplexe Programmierung, Wissensarbeit und wissenschaftliches ReasoningAlltägliche Programmierung und schnelle, günstige Agent-Workflows
AA Intelligence Index606154
API-Preis (Input / Output pro 1 Mio. Token)$4 / $20 (bis 30. Nov. $2 / $10)$3 / $15$1.50 / $7.50
Thinking-Stufenlow, medium, highlow, medium, high, xhighlow, medium, high, xhigh
Gemini-App-AboGoogle AI UltraGoogle AI Pro und UltraAlle Nutzer

Technisch verarbeitet Neon Text, Bilder, Videos, Audio und PDFs und gibt ausschließlich Text aus. Das Kontextfenster umfasst 1.048.576 Token; die synchrone Ausgabe ist standardmäßig auf 65.536 Token begrenzt und lässt sich per Long Decode auf 1 Million erweitern. Unterstützt werden Computer Use, Code-Ausführung, Dateisuche, Function Calling, strukturierte Ausgaben sowie Grounding über Google Search und Maps. Bild- und Audiogenerierung sowie die Live API fehlen. Der Wissensstand reicht bis März 2026.

Argon taucht in der Grafik nicht mehr auf. In der Modellauswahl der Gemini-App stehen jetzt Auto, Hydrogen, Neon und Carbon; Gemini 3.1 Pro und Argon wurden entfernt – viele Pro-Abonnenten bemerkten das erst beim Öffnen der App. Auf der API-Preisseite bleibt Argon zum selben Tarif wie Carbon gelistet.

Offizielle Benchmarks: 16 von 19 Kategorien vorne

Offizielle Benchmark-Tabelle: Gemini 4 Neon gegen Claude Opus 5.5 und GPT-6.2 Sol in 19 Kategorien aus Fähigkeitsindizes, agentischem Programmieren, Wissensarbeit, Naturwissenschaft, Reasoning, Multimodalität, langem Kontext und Cybersicherheit, davon 16 Siege für Neon
Offizielle Benchmark-Tabelle, die blaue Spalte zeigt Neon. Quelle: Gemini-4-Neon-Model-Card von Google DeepMind.

Als Vergleichsgegner nennt die Tabelle lediglich Claude Opus 5.5 und GPT-6.2 Sol. Die im AA Intelligence Index vor Neon platzierten Modelle GPT-6.2 Astra (62) und Claude Fable 5.2 (65) fehlen. Google begründet das damit, dass Neon vergleichbare Modelle anführt und nur hinter größeren, langsameren Modellen zurückbleibt. Laut Artificial Analysis erledigt GPT-6.2 Astra (Max) eine Aufgabe allerdings in 11,5 Minuten für $4.00 und ist damit günstiger und schneller als Neon auf xhigh ($6.44, 22,6 Minuten).

Zwei der drei Niederlagen entfallen auf Coding-Benchmarks:

  • Terminal-Bench 4.1: 65,2 %, Opus 5.5 liegt bei 65,8 %.
  • FrontierCode 2.0: 46,2 % (Standardstufe high), Opus 5.5 erreicht 47,3 %.
  • Chartography (dichte Fachdiagramme): 73,5 %, Sol kommt auf 75,1 %.

Am deutlichsten fällt der Vorsprung bei langem Kontext und Automatisierung aus: Auf GraphWalks (256k bis 1M) erzielt Neon 95,2 % gegenüber 66,8 % bei Opus 5.5 und 80,1 % bei Sol. In Zapiers AutomationBench liegt Neon bei 56,3 %, die beiden Konkurrenten bewegen sich um 42 %.

Weitere Ergebnisse aus unabhängigen Ranglisten:

  • Vals: 70,87 % im Vals Index (Platz 2 unter 42 Modellen); Platz 1 im Finance Index (68,32 %), Legal Index (78,36 %) sowie in der Legal Research Bench und Tax Agent Bench. In 7 von 14 Vals-Rankings liegt Neon auf der Pareto-Front aus Score und Kosten.
  • Agent Arena Index: 1336 Punkte über mehr als 4.200 echte Agent-Sessions (Platz 2); ebenfalls Platz 2 bei der Steuerbarkeit (Steerability), also wie sauber das Modell auf Korrekturen mitten in der Aufgabe reagiert.
  • Surge AI: Mehrheitlich Platz 1 in Finanzen, Buchhaltung, Tabellenmodellierung und komplexer Regelbefolgung.
  • Vending-Bench 2 (Andon Labs, Langzeitsimulation eines Geschäftsbetriebs): $16,843, Platz 1.
  • Agents' Last Exam v1.1: 75,8 %, auf Augenhöhe mit den Spitzenmodellen.
  • Wissenschaft und Mathematik: Klassenbester in Terminal-Bench Science (70,5 %), RiemannBench (84,0 %) und HLE-Diamond (71,3 %).

Eigene Messungen von Artificial Analysis zur Wissensarbeit:

  • AA-Briefcase: 1700 Elo insgesamt; 1771 Elo bei der Präsentationsqualität (Platz 1, 45 Punkte vor dem bisherigen Spitzenreiter Claude Sonnet 5.5 Max).
  • GDP.pdf (Auswertung von Fachdokumenten): 33,4 % auf high, 5 Prozentpunkte vor Carbon.
  • MKA (Googles Multimodale Wissensarbeits-Evaluation): 56 %, 2 Prozentpunkte vor Carbon; Platz 1 hält Fable 5.2 (Max) mit 57 %.
Video · GoogleSheets CV Lab: Gemini 4 NeonAuf YouTube ansehen
Eine Gruppe von Neon-Agents verwandelt ein Foto ohne eingebettete Bilder und ohne Apps Script in ein Google Sheet mit 100.000 Zellen und über 500.000 Formeln für Kantenerkennung, 3D-Tiefenkarten und Neubeleuchtung. Der Link öffnet YouTube; bevor du klickst, wird nichts von YouTube geladen.
Video · GoogleTuring Machine 1936: Gemini 4 NeonAuf YouTube ansehen
Neon rekonstruiert anhand von Archivfotos Alan Turings Arbeitszimmer im King's College in Cambridge von 1936 als interaktive 3D-Szene inklusive funktionierender universeller Turing-Maschine auf dem Schreibtisch. Der Link öffnet YouTube; bevor du klickst, wird nichts von YouTube geladen.

Programmieren und Agent-Workflows

Neon ist gezielt auf lange Agent-Läufe abgestimmt: Es bricht bei dichter Tool-Nutzung seltener ab, liest Dateien seltener doppelt, meldet Zwischenstände und komprimiert den Kontext in langen Sessions zuverlässiger. Bei Änderungen über mehrere Dateien hinweg arbeitet es laut Google mit gezielten, minimalinvasiven Eingriffen („targeted, surgical edits“) statt ungefragter Umbauten. In internen Google-Antigravity-Tests erzielte es die bisher niedrigste Halluzinationsrate („lowest fabrication rate“) aller Gemini-4-Modelle.

Die Ergebnisse in den Coding-Benchmarks:

  • AA Coding Agent Index: 58,6 Punkte, Gesamtrang 1. Auf xhigh erreicht Neon in der Antigravity CLI 59 Punkte und liegt damit auf dem Niveau von Claude Fable 5.2 (xhigh, 58) und Claude Opus 5.5 (Max, 58) in Claude Code. Der Unterschied liegt bei den Kosten pro Aufgabe: $6.86 bei Neon gegenüber $12.61 bei Opus 5.5 und $15.47 bei Fable 5.2.
  • CursorBench 4.1: 65,4 %, Opus 5.5 kommt auf 58,1 %.
  • SWE-sweep: 39,0 % im eigenen Harness gegenüber 10,1 % bei Opus 5.5 und 8,3 % bei Sol.

Die 39,0 % auf SWE-sweep stammen allerdings aus Google Antigravity. Im einheitlichen mini-SWE-Harness fällt Neon auf 12,8 % zurück, knapp vor Sol mit 11,6 %. Google räumt selbst ein, dass der hohe Wert zeigt, was das Antigravity-Harness herausholt – außerhalb von Antigravity spiegeln die 12,8 % die Basisstärke besser wider.

In der von Vals selbst durchgeführten Terminal-Bench 4.0 erreicht Neon 61,62 % (Platz 7 von 69 Modellen).

In Antigravity ist zudem ein Zusammenspiel aus großem und kleinem Modell vorgesehen: Neon plant und steuert als Orchestrator, während Hydrogen als Sub-Agent Routineänderungen, Dependency-Updates und Tests abarbeitet und bei Blockaden wieder an Neon übergibt.

Video · GoogleGemini Elements 3D: Gemini 4 NeonAuf YouTube ansehen
Neon baut in Google Antigravity über Blender MCP und /swarm einen fotorealistischen 3D-Labortisch auf – mit Bunsenbrenner-Flammen für Carbon und Hydrogen sowie Gasentladungsröhren für Argon und Neon. Der Link öffnet YouTube; bevor du klickst, wird nichts von YouTube geladen.
Video · GoogleChamonix Ski Simulator: Gemini 4 NeonAuf YouTube ansehen
Neon programmiert in Google Antigravity von Grund auf einen First-Person-WebGL2-Skisimulator auf Basis realer Höhendaten von Mont Blanc und Chamonix – mit 10.200 Zeilen eigenen Shadern, 120-Hz-Skiphysik und sechs Abfahrten ohne fertige Assets. Der Link öffnet YouTube; bevor du klickst, wird nichts von YouTube geladen.

Wer von Argon wechselt, sollte in den ersten Tagen den Output-Verbrauch beobachten: In eigenen Generierungstests verbrauchten Carbon, Hydrogen und Neon jeweils das Drei- bis Vierfache der Output-Token von Argon. Das deckt sich mit den Messungen von Artificial Analysis, wonach Neon pro Aufgabe noch mehr Output-Token erzeugt als Carbon.

Thinking-Stufen und Kosten pro Aufgabe

Verlauf von AA Intelligence Index gegen Kosten pro Aufgabe: Gemini 4 Neon auf low, medium, high und xhigh im Vergleich zu Gemini 4 Carbon, Claude Opus 5.5 und GPT-6.2 Sol
Index-Wert und Kosten pro Aufgabe für Neons vier Thinking-Stufen. Quelle: Google-Blog.

Neon bietet die vier Stufen low, medium, high und xhigh, wobei high der Standard ist. Da Argon standardmäßig auf medium läuft, empfiehlt sich beim Umstieg auf Neon ein explizites medium, wenn Laufzeit und Verbrauch stabil bleiben sollen.

Artificial Analysis hat alle vier Stufen durchgemessen:

Von Artificial Analysis gemessener Intelligence Index, Kosten pro Aufgabe und Zeit pro Aufgabe nach Thinking-Stufe
Modell (Stufe)AA Intelligence IndexKosten / AufgabeZeit / Aufgabe
Gemini 4 Neon (low)44$0.753,7 Min.
Gemini 4 Neon (medium)55$1.908,3 Min.
Gemini 4 Neon (high, Standard)60$3.7414,8 Min.
Gemini 4 Neon (xhigh)61$6.4422,6 Min.
Gemini 4 Carbon (high)60$7.7634,2 Min.
Gemini 4 Hydrogen (xhigh)54$3.1614,9 Min.
GPT-6.2 Sol (Max)57$1.017,9 Min.
GPT-6.2 Astra (Max)62$4.0011,5 Min.
Claude Opus 5.5 (Max)59$10.0424,5 Min.
Claude Fable 5.2 (Max)65$26.5441,1 Min.
Balken- und Streudiagramm von Artificial Analysis zu den Kosten pro Aufgabe: Neon low $0.75, medium $1.90, high $3.74, xhigh $6.44, Carbon high $7.76, GPT-6.2 Sol $1.01, Claude Fable 5.2 $26.54
Kosten pro Aufgabe im Intelligence Index. Quelle: Artificial Analysis.
Balken- und Streudiagramm von Artificial Analysis zur Zeit pro Aufgabe: Neon low 3,7 Min., medium 8,3 Min., high 14,8 Min., xhigh 22,6 Min., Carbon high 34,2 Min.
Laufzeit pro Aufgabe im Intelligence Index. Quelle: Artificial Analysis.

Die Stufe high trifft das beste Verhältnis: Sie zieht beim Intelligence Index mit Carbon (high) gleich und halbiert Kosten sowie Laufzeit. Auf xhigh steigen die Kosten um über 70 % für einen einzigen Zusatzpunkt, und auf GDP.pdf fällt das Ergebnis sogar von 33,4 % auf 28,0 % ab.

Die Ersparnis kommt vom Token-Preis. Laut AA gibt Neon rund 15 % mehr Output-Token pro Aufgabe aus als Carbon. Günstiger wird es nur durch die um 25 % niedrigeren Token-Preise, schneller durch den höheren Durchsatz von etwa 110 Token pro Sekunde gegenüber rund 57 bei Carbon.

Carbons $7.76 gelten ab dem 1. Dezember. Bis Ende November greift noch der halbe Einführungspreis, was rechnerisch rund $3.88 pro Aufgabe entspricht – günstiger als Neon auf xhigh und auf dem Niveau von Neon high.

Darunter ist Sol noch günstiger. GPT-6.2 Sol (Max) erreicht 57 Punkte für $1.01 und 7,9 Minuten pro Aufgabe, während Neon auf medium bei 55 Punkten und $1.90 liegt.

Google nennt im eigenen Blog weitere Vergleichswerte: Auf high liege Neon um 32 % unter Carbons Task-Kosten und auf Vals sowie Agent Arena 50 % bis 80 % unter konkurrierenden Top-Modellen; xhigh sei noch immer mindestens 36 % günstiger als die Höchststufen der Konkurrenz.

Je nach Benchmark kann sich die Reihenfolge jedoch umkehren. In Plotlys Datenanalyse-Benchmark über 43 Aufgaben erhielten alle vier Gemini-4-Modelle die Note A, die Gesamtkosten lagen aber bei $6 für Hydrogen, $11 für Carbon, $13 für Argon und $17 für Neon. Grund sind einerseits die noch laufenden Einführungspreise für Carbon und Argon, andererseits liefert das Test-Harness so viel Führung im Prompt, dass das Ergebnis überall stimmt und allein die standardmäßig erzeugten Denk- und Output-Token den Preis treiben – dort ist Neon mit Standardstufe high im Nachteil.

API-Preise und Monatsrechnung

Offizielle API-Preise der Gemini-4-Modelle pro Million Token in US-Dollar
ModellInputOutput (inkl. Thinking-Token)Cache-Reads
Gemini 4 Hydrogen$1.50$7.50$0.075
Gemini 4 Neon$3.00$15.00$0.15
Gemini 4 Carbon / Argon (bis 30. Nov.)$2.00$10.00$0.10
Gemini 4 Carbon / Argon (ab 1. Dez.)$4.00$20.00$0.20

Für Neon gibt es keinen Free Tier; Denk-Token werden zum Output-Preis abgerechnet. Beim Caching steht nur implizites Caching bereit (automatischer Treffer ab einem gemeinsamen Präfix von 4.096 Token zu 5 % des Input-Preises); explizites Caching wird nicht unterstützt.

Im Vergleich zur eigenen Familie kostet Neon pro Token doppelt so viel wie Hydrogen. Gegenüber Carbon und Argon ist es bis zum 30. November 50 % teurer und ab dem 1. Dezember 25 % günstiger.

Die Kosten einer einzelnen Anfrage berechnen sich wie folgt:

Kosten pro Anfrage = neuer Input × Input-Preis + Cache-Treffer × Cache-Preis + Output × Output-Preis

Bei angenommenen 20.000 Input-Token pro Anfrage (davon die Hälfte aus dem Cache) und 2.000 Output-Token ergibt sich folgende geschätzte Monatsrechnung:

Geschätzte Monatsrechnung bei 20.000 Input-Token (50 % Cache-Treffer) und 2.000 Output-Token pro Anfrage
ModellPro Anfrage10.000 Anfragen100.000 Anfragen1 Mio. Anfragen
Gemini 4 Hydrogen$0.031$308$3,075$30,750
Gemini 4 Neon$0.062$615$6,150$61,500
Gemini 4 Carbon (bis 30. Nov.)$0.041$410$4,100$41,000
Gemini 4 Carbon (ab 1. Dez.)$0.082$820$8,200$82,000

Diese Schätzung rechnet mit festen 2.000 Output-Token. Auf höheren Thinking-Stufen wächst der Output-Anteil deutlich und bestimmt stärker die Gesamtrechnung.

Kontingente auf CodingPass

CodingPass rechnet zu Googles offiziellen API-Preisen ab. Neon ist ab Go verfügbar, Carbon erst ab Plus.

Monatliche Token-Kontingente der Gemini-4-Modelle in CodingPass Go, Plus und Pro
ModellMindesttarifGoPlusPro
Gemini 4 HydrogenGo305M1.0B2.5B
Gemini 4 NeonGo205M508M1.3B
Gemini 4 ArgonGo205M761M1.9B
Gemini 4 CarbonPlus—761M1.9B

In Go liegt das Monatskontingent für Neon bei $60, das entspricht rund 2,050 Anfragen und einem 5-Stunden-Limit von etwa 342 Anfragen. Nach der Preiserhöhung für Carbon und Argon am 1. Dezember halbiert sich deren Token-Reichweite im selben Kontingent.

Terminal
curl https://codingpass.ai/v1/chat/completions \  -H "Authorization: Bearer $CODINGPASS_API_KEY" \  -H "Content-Type: application/json" \  -d '{    "model": "gemini-4-neon",    "reasoning_effort": "medium",    "messages": [{"role": "user", "content": "Refactor src/billing/ to remove the duplicated proration logic"}]  }'

In Claude Code startest du das Modell mit claude --model gemini-4-neon; in OpenCode, Cline und anderen OpenAI-kompatiblen Tools trägst du gemini-4-neon in die Modellliste ein.

Cybersicherheit: Neon for cyber

Mit Gemini 4 Neon for cyber stellt Google eine spezialisierte Variante für sichere Code-Generierung, Schwachstellensuche, Exploit-Prüfung und Patching vor. Das Modell ist nicht über die reguläre API verfügbar, sondern öffnet in den kommenden Tagen über das Fairwind Program für zugelassene Verteidiger.

Bei sicherem Code, Penetrationstests und Schwachstellensuche beansprucht Google jeweils Platz eins: Auf AutoBaxBench schlägt Neon das größere Carbon in den Stufen leicht, mittel und schwer; auf WebExploitBench v1.2 und SEC-bench Pro liegen die Kosten rund halb so hoch wie bei vergleichbaren großen Modellen.

AutoBaxBench-Balkendiagramm: Gemini 4 Neon 76,0 %, Gemini 4 Carbon 74,0 %, Claude Fable 5.2 und Claude Opus 5.5 jeweils 68,0 %, GPT-6 Astra 57,0 %, Muse Wonder 49,0 %
AutoBaxBench, sichere Code-Generierung. Quelle: Google-Blog.
WebExploitBench-v1.2-Balkendiagramm: Gemini 4 Neon 51,26 %, Gemini 4 Carbon 44,65 %, GPT-6 Astra 38,99 %, Claude Opus 5.5 37,06 %
WebExploitBench v1.2, Penetrationstests. Quelle: Google-Blog.
SEC-bench-Pro-Balkendiagramm: Gemini 4 Neon 90,5 %, GPT-6.2 Sol 88,3 %, Gemini 4 Carbon 88,2 %, GPT-6 Astra 85,4 %, GPT-6.1 Sol 78,8 %, DeepSeek-V4.1-Flash 62,8 %
SEC-bench Pro, Schwachstellensuche. Quelle: Google-Blog.

In zwei Disziplinen reicht es nicht für Platz eins. Bei ExploitGym, das die Ausnutzbarkeit von Schwachstellen prüft, landet Neon hinter Carbon, verbraucht laut Google aber nur halb so viele Token.

ExploitGym-Balkendiagramm: Gemini 4 Carbon 54,8 % (10 Std.) und 53,5 % (6 Std.), Gemini 4 Neon 48,3 % (10 Std.) und 47,9 % (6 Std.), GPT-6 Astra 42,4 %, Claude Mythos 5.2 39,2 %, GPT-6.1 Sol 35,1 %, Claude Opus 5.5 34,5 %
ExploitGym, Prüfung der Ausnutzbarkeit. Quelle: Google-Blog.

Beim Patchen von Sicherheitslücken auf CWE-Bench v2 liegt Neon 3,4 Prozentpunkte vor Carbon, hinter dem Spitzenreiter Claude Fable 5.2. In der offiziellen Model-Card-Tabelle führt Google in dieser Zeile nur Opus 5.5 und Sol als Vergleich.

CWE-Bench-v2-Balkendiagramm: Claude Fable 5.2 75,0 %, Gemini 4 Neon 70,7 %, Gemini 4 Carbon 67,3 %, Claude Opus 5.5 67,1 %, GPT-6.2 Astra 66,8 %, Muse Wonder 66,1 %, GPT-6.2 Sol 66,0 %
CWE-Bench v2, Patchen von Schwachstellen. Quelle: Google-Blog.

Sicherheit und Alignment

Bei den Schutzmechanismen übernimmt Neon das Niveau von Carbon, lehnt legitime Anfragen aber deutlich seltener fälschlich ab: Auf Terminal-Bench 4.0 liegt die Ablehnungsrate bei 1,98 %, auf Terminal-Bench-Science bei 0 %.

Weitere Kennzahlen zum Agent-Verhalten:

  • 0,0 % Cheating-Rate auf Terminal-Bench 4.0 (gleichauf mit Carbon); 2,45 % Abkürzungen in Googles interner Coding-Cheating-Evaluation, der niedrigste Wert aller Gemini-4-Modelle.
  • 0,09 % Fehlverhalten in der Agent-Safety-Suite und 99,2 % Bestehensquote im Agent-Ehrlichkeitstest.
  • Im Vergleich zu Carbon sinken je nach Thinking-Stufe unvollständige Aufgabenbearbeitung („under-service“) um 43 % bis 56 % und eigenmächtige Grenzüberschreitungen („overreach“) um 15 % bis 35 %.
  • Auch die Alarmrate bei Abweichungen zwischen Chain-of-Thought und tatsächlicher Aktion liegt unter der von Carbon.
Gray Swan Indirect Prompt Injection Benchmark, Erfolgsquote bei 15 Versuchen: Gemini 4 Neon, Carbon und Hydrogen bei 0,0 %, Gemini 4 Argon 0,7 %, Claude Opus 5.5 1,0 %, GPT-6.2 Sol 2,3 %, GPT-6.2 Astra 2,4 %, Claude Fable 5.2 4,1 %
Gray Swan Indirect Prompt Injection, niedrigere Werte sind besser. Quelle: Google-Blog.

Beim Gray-Swan-Test für indirekte Prompt Injections werden bösartige Anweisungen in Webseiten, E-Mails, Dokumenten und Code versteckt. Auf der höchsten Thinking-Stufe und mit aktiven Echtzeit-Schutzfiltern erreicht Neon eine Angriffserfolgsrate von 0,0 %.

Die meisten Zahlen dieses Abschnitts stammen aus Googles internen Tests. Laut Model Card erscheint der vollständige Safety & Security Report erst in den kommenden Tagen. Eine neue Bewertung kritischer Fähigkeiten nach dem Frontier Safety Framework wurde nicht durchgeführt; stattdessen übernimmt Google die Einstufungen von Argon, weil Neons Leistungszuwachs unterhalb der Schwelle für eine Neubewertung (Material Capability Change) geblieben sei. Unter „Known Limitations“ steht lediglich der Standardsatz, dass das Modell halluzinieren könne – genauere Grenzen werden sich erst mit dem vollständigen Sicherheitsbericht zeigen.

Gemini-App und weitere Kanäle

In der Gemini-App ist Neon für Google-AI-Pro- und -Ultra-Abonnenten über den Punkt „Deeper analysis“ in der Modellauswahl erreichbar. Google hebt drei Einsatzbereiche hervor:

  • Texte und Auswertungen: Liest hochgeladene Tabellen, PDFs und Fotos präziser und zieht bei Bedarf Kontext aus Gmail und Google Docs für Berichte und Zusammenfassungen heran.
  • Web-Recherche: Bindet bei zeitkritischen Themen wie Preisvergleichen oder Marktanalysen selbstständig aktuelle Webquellen ein.
  • Tasks: Mehrstufige Aufgaben in Gemini laufen jetzt schneller und sparsamer als mit größeren Modellen, etwa beim Prüfen auffälliger Strom- oder Heizkosten auf Rechnungen oder beim Abgleichen mehrerer Belege für eine Erstattungsanfrage.

Weitere Kanäle:

  • Entwickler: Bezahlter Tarif der Gemini API in Google AI Studio und Android Studio.
  • Google Antigravity: Bezahlte Abos von Google AI Pro und Ultra in Desktop-App, CLI und IDE-Erweiterungen.
  • Unternehmen: Gemini for business per API oder Modell-Dropdown.

Ob vergünstigte oder Studenten-Abos von Google AI Pro Neon in Antigravity direkt zum Start auswählen können, war am Veröffentlichungstag uneinheitlich: Einige Nutzer erhielten bereits Zugriff, andere sahen den Hinweis auf zahlende Pro- und Ultra-Abos.

Empfehlungen nach Workload

Wahl von Gemini-4-Modell und Thinking-Stufe nach Workload
WorkloadEmpfehlungBegründung und Kompromiss
Alltägliche Code-Änderungen, Tests, DokuHydrogen oder Neon auf mediumNeon medium liegt bei 55 Punkten und $1.90 pro Aufgabe; Hydrogen kostet pro Token die Hälfte
Multi-File-Debugging, Repo-Refactorings, lange Agent-LäufeNeon auf highGleicher Index-Wert wie Carbon high bei weniger als halben Task-Kosten und 14,8 statt 34,2 Minuten Laufzeit
Hartnäckig blockierte AufgabenNeon auf xhigh oder Carbonxhigh bringt 1 Punkt mehr bei 70 % höheren Kosten; bis 30. November ist Carbon günstiger
Finanzen, Recht, Tabellen und DiagrammeNeon auf highPlatz 1 im Vals Finance und Legal Index; bei AA GDP.pdf schlägt high xhigh
Hohes Volumen einfacher, preissensibler AufrufeHydrogen oder GPT-6.2 SolSol (Max) erreicht im AA-Test 57 Punkte bei $1.01 pro Aufgabe
Schwachstellensuche und PenetrationstestsFairwind Program beantragenNeon for cyber ist nur Programmmitgliedern vorbehalten, nicht in der regulären API

Für den Einstieg bietet sich ein klares Muster an: Bestehende Argon- oder Carbon-Workloads auf Neon mit Stufe high umstellen, bei knappem Kontingent auf medium zurückgehen und xhigh für Fälle reservieren, die auf high steckenbleiben.

Häufige Fragen

Ist Neon auch in Go enthalten?
Ja. Neon steht in Go, Plus und Pro bereit, wird vom gemeinsamen Monatskontingent abgerechnet und unterliegt denselben 5-Stunden- und Wochenlimits.
Wie wird Neon abgerechnet?
Input, Output und Cache-Reads werden zu Googles offiziellen API-Preisen berechnet: $3 / $15 / $0.15 pro Million Token. Thinking-Token zählen als Output. Alle Regeln stehen unter Nutzungslimits.
Läuft Neon in Claude Code?
Ja. Nach dem Setzen von ANTHROPIC_BASE_URL auf CodingPass startest du es mit claude --model gemini-4-neon. Konfigurationsbeispiele für weitere Tools findest du auf der Modellseite.
Bleibt Argon weiter nutzbar?
Ja. Argon bleibt auf Googles API-Preisseite und als gemini-4-argon auf CodingPass verfügbar. Entfernt wurde es lediglich aus der Modellauswahl der Gemini-App.
Abfahrt

Gemini 4 Neon, in deinem Agent.

Go, Plus und Pro enthalten Neon, abgerechnet zu offiziellen API-Preisen. Keine Überraschungskosten, jederzeit kündbar.

  • Request-ID in jeder Antwort
  • Volle Erstattung bei höchstens 5 % Nutzung
  • Keine Überraschungskosten
Go wählenOpenCode-Anleitung

$10/Monat bis zur Kündigung.