AIGenerato
EN · IT · ES

Google lancia Gemini 4 Neon più economico, alla pari dei principali rivali su programmazione, diritto e scienza

Un nuovo modello AI a basso costo di Google è competitivo rispetto ai leader più costosi sui compiti difficili, e puoi già iniziarne l'uso oggi.

Gemini 4 Neon, di Google.
Immagine: dal video dell’annuncio, deepmind.google

Cosa puoi farci

  • Un analista aziendale potrebbe inserire fogli di calcolo, PDF, grafici, audio e video insieme e ricevere in output deliverable strutturati partendo dal mix 1.
  • Uno sviluppatore potrebbe scrivere codice multi-file, fare debug e rifattorizzare interi repository con modifiche chirurgiche tramite Google Antigravity 1.
  • Un team di cybersecurity potrebbe testare le proprie difese chiedendo a Neon di generare codice sicuro e di sondare i sistemi alla ricerca di vulnerabilità, spendendo la metà di quanto costerebbero i modelli rivali più grandi 1.

Cosa fa il modello e la rapidità con cui assegna i punteggi

Google DeepMind afferma che il nuovo modello offre "intelligenza di livello frontier" per lo sviluppo software complesso, il lavoro conoscitivo e i flussi di lavoro scientifici 1. Al suo livello di thinking xhigh, si piazza al #3 complessivo nell'Artificial Analysis Intelligence Index con un punteggio di 61, posizionandosi subito dietro modelli più grandi e più lenti . Sulla lista indipendente dei benchmark Vals, Neon si classifica al #2 con un punteggio del 70,9% e occupa la cosiddetta Pareto frontier, ovvero il gruppo di modelli che offrono le migliori prestazioni per il loro prezzo .

Neon si classifica inoltre al #2 per steerable nell'aggiornato Agent Arena Index, il che significa che si adatta con pulizia quando un utente lo corregge a metà compito in oltre 4.200 sessioni reali di agenti, esordendo al #2 globale con un punteggio di 1.336 1. A livello interno, Google afferma che presenta il tasso di fabrication più basso mai registrato nei test su Google Antigravity .

Dove porta — con i numeri

Per carichi di lavoro enterprise e analitici, Google dichiara che Neon si posiziona al primo posto sia sulla Legal Research Bench sia sulla Tax Agent Bench, e guida le categorie Surge AI relative a finanza, contabilità, modellazione di fogli di calcolo e rispetto di vincoli complessi. Ha ottenuto il 73,5% su Chartography, un test di lettura di grafici professionali fitti, e ha eguagliato i modelli leaders sull'Agents' Last Exam v1.1 con il 75,8% 1. Si è anche aggiudicato la Vetta su AutomationBench di Zapier al 56,3% e su Vending-Bench 2 di Andon Labs, una simulazione a lungo termine dal valore segnalato di 16.843$ .

Nella scienza e nella matematica, Neon si è classificato primo su Terminal-Bench Science con il 70,5%, ha raggiunto l'84,0% su RiemannBench e ha segnato il 71,3% su HLE-Diamond 1. Per il coding, Google afferma che è al #1 complessivo sull'Artificial Analysis Coding Agent Index con 58,6, ha raggiunto il 65,2% su Terminal-Bench 4.1 e il 46,2% su FrontierCode 2.0 . Su SWE-sweep, un test di debugging e rifattorizzazione multi-file, Neon ha registrato il 12,8% sul mini harness e il 39,0% dopo essere stato eseguito su Google Antigravity .

Per la difesa informatica, secondo quanto riferito, Neon produce codice più sicuro del precedente modello Gemini 4 Carbon attraverso sfide facili, medie e difficili su AutoBaxBench, raggiungendo il 76% sul tier difficile, secondo Google 1. Ha anche ottenuto punteggi all'avanguardia su WebExploitBench v1.2 al 51,26% e su SEC-bench Pro al 90,5%, mentre costa circa la metà per sfida rispetto ad alcuni grandi modelli rivali .

Demo concrete dal lancio

Google ha condiviso diverse dimostrazioni live costruite dentro Google Antigravity per mostrare cosa Neon sa gestire end-to-end. In una delle showcase, uno strumento denominato Blender MCP con /swarm è stato impiegato per creare un bancone da laboratorio 3D fotorealistico che mostrava i nomi dei modelli accanto all'accuratezza elementale, abbinando le fiamme di Bunsen per Gemini 4 Carbon e Hydrogen ai tubi a scarica di gas ad alto voltaggio per Gemini 4 Argon e Neon. Un secondo progetto è stato creato completamente da zero come simulatore di sci freeride in prima persona WebGL2, basato su terreni reali del Mont Blanc e di Chamonix. Univa 10.200 righe di shader personalizzati a fisica degli sci a 120 Hz distribuita su sei piste alpine, con tracce di carve dinamiche, valanghe a lastre e Web Audio spaziale, tutto senza asset preconfezionati. Una terza demo ha ricreato lo studio del King's College Cambridge di Alan Turing nel 1936 in 3D interattivo, completo di una Universal Turing Machine funzionante sulla sua scrivania 1. Google ha inoltre dimostrato uno swarm di agenti Neon che trasforma una singola immagine in un foglio Google Sheet da 100.000 celle, utilizzando oltre 500.000 formule live per effettuare edge detection, mappare la profondità 3D e riilluminare la scena in sei modalità.

Prezzo e accesso

Il pricing annunciato da Google è di 3$ per milione di token di input, con uno sconto del 95% che porta i token di input in cache a 0,15$ per milione, e 15$ per milione di token di output 1. Neon supporta una context window da 1 milione di token e offre quattro livelli di thinking steerabili che permettono ai team di bilanciare intelligenza e spesa in token . Google afferma che al suo livello di thinking alto predefinito, Neon genera un costo per compito inferiore del 32% rispetto a Gemini 4 Carbon, e si posiziona sulla Pareto frontier con un costo per compito approssimativamente inferiore dal 50% all'80% rispetto ai principali modelli frontier rivali; a thinking xhigh, costa comunque almeno il 36% in meno per compito rispetto alla concorrenza al loro massimo setting .

Neon è diventato disponibile a partire dal 18 novembre 2026. È accessibile tramite la Gemini API all'interno di Google AI Studio, attraverso Gemini for business e dagli abbonati paganti a Google AI Pro e Ultra che usano Google Antigravity oppure l'app Gemini.

I fatti principali

  • Prezzo: 3$ per milione di token di input e 15$ per milione di token di output
  • Si classifica #2 sulla Vals Index e #3 complessivo sull'Artificial Analysis Intelligence Index (thinking xhigh)
  • Context window da 1 milione di token con quattro livelli di thinking steerabili
  • Sale al 39,0% su SWE-sweep quando eseguito su Google Antigravity
  • Disponibile a partire dal 18 novembre 2026 via API, AI Studio e app Gemini

Fonti

  1. Introducing Gemini 4 Neon

Se questa notizia riguarda te o la tua azienda, o usa qualcosa che ti appartiene, chiedi una correzione o la rimozione. Come funzionano le richieste

Continua a leggere