NotizieAzioniGoogle DeepMind presenta Gemini 4 Neon: intelligenza di livello frontier con completamento delle attività più rapido ed economico

Google DeepMind presenta Gemini 4 Neon: intelligenza di livello frontier con completamento delle attività più rapido ed economico

Autore: Google DeepMind Blog·

Punti chiave

  • •Google DeepMind ha lanciato Gemini 4 Neon il 18 novembre 2026, collocandolo tra Carbon per i progetti più difficili e a lungo orizzonte e Hydrogen per la rapida esecuzione quotidiana nella famiglia Gemini 4.
  • •Il modello si classifica terzo nell'Artificial Analysis Intelligence Index con un punteggio di 61 e secondo nel Vals Index, dove si trova sulla frontiera di Pareto: nessun modello concorrente abbina un punteggio più alto a un costo per attività inferiore.
  • •Neon è prezzato a 3 dollari per milione di token di input, 0,15 dollari per milione di token di input in cache e 15 dollari per milione di token di output, con una finestra di contesto da 1 milione di token e quattro livelli di thinking.
  • •Nei benchmark di cybersecurity, Neon for cyber ha raggiunto risultati allo stato dell'arte, tra cui il 90,5% su SEC-bench Pro e il 51,26% su WebExploitBench v1.2, con l'accesso per i difensori affidati in rollout tramite il Fairwind Program.
  • •DeepMind riporta metriche di sicurezza e allineamento migliorate, tra cui 0,0% di imbrogli su Terminal-Bench 4.0, il più basso tasso di fabbricazione registrato nei test interni Antigravity e uno 0,0% di tasso di successo degli attacchi di prompt injection indiretta nel benchmark Gray Swan al livello di thinking massimo.
Google DeepMind presenta Gemini 4 Neon: intelligenza di livello frontier con completamento delle attività più rapido ed economico

Google DeepMind ha presentato Gemini 4 Neon il 18 novembre 2026, un nuovo modello che, secondo l'azienda, abbina un'intelligenza di livello frontier al rapido completamento end-to-end delle attività nei flussi di lavoro complessi di ingegneria del software, lavoro conoscitivo e scienza. L'annuncio è stato redatto da Koray Kavukcuoglu, SVP di Google DeepMind e Chief AI Architect di Google. Due fili conduttori attraversano l'annuncio — la posizione di Neon nelle classifiche indipendenti e il costo di ogni attività completata — e sono gli stessi leva che i team valutano quando decidono se un modello può realisticamente sostenere carichi di lavoro agent in produzione.

Risultati nei benchmark, prezzi e disponibilità

Secondo Google DeepMind, Neon si colloca davanti ai modelli comparabili e terzo in assoluto con un punteggio di 61 nell'Artificial Analysis Intelligence Index al livello di thinking xhigh, piazzandosi appena dietro modelli più grandi e lenti. Nel Vals Index, Neon si classifica secondo e si trova sulla frontiera di Pareto — una posizione che significa che nessun modello concorrente abbina un punteggio più alto a un costo per attività più basso. Oltre alla capacità grezza, l'azienda afferma di continuare a rendere i propri modelli più collaborativi: Neon si classifica secondo per steerability — adattandosi in modo pulito alle correzioni dell'utente a metà attività — nel nuovo Agent Arena Index. Il modello eccelle inoltre nel seguire istruzioni multi-step e si basa sui progressi continui di DeepMind per contrastare la fabbricazione di risultati, registrando il più basso tasso di fabbricazione mai registrato dall'azienda nei test interni su Google Antigravity.

Neon è prezzato a 3 dollari per milione di token di input, con token di input in cache disponibili a 0,15 dollari per milione (uno sconto del 95%) e token di output a 15 dollari per milione. Offre una finestra di contesto da 1 milione di token. Lo sconto sugli input in cache si applica direttamente ai flussi di lavoro agent descritti più avanti nell'annuncio, in cui sessioni di lunga durata rileggono ripetutamente grandi quantità di contesto, mentre l'ampia finestra è ciò che rende possibile la sintesi in un unico contesto di fogli di calcolo, PDF, grafici, audio e video.

Il modello è disponibile oggi nella Gemini API in Google AI Studio, in Gemini for business (tramite API e menu a tendina dei modelli), per gli abbonati paganti Google AI Pro e Ultra in Google Antigravity, e per gli abbonati Pro e Ultra nell'app Gemini.

Prestazioni nel lavoro aziendale, analitico e scientifico

Il lavoro aziendale vive in fogli di calcolo, PDF, grafici, audio e video. DeepMind afferma che Neon può sintetizzare tutti questi input in un'unica finestra di contesto da 1 milione di token e trasformarli in deliverable strutturati. Le valutazioni indipendenti collocano Neon tra i modelli migliori: si piazza secondo nel Vals Index con un punteggio del 70,9%, e primo sia nel Legal Research Bench sia nel Tax Agent Bench.

Neon mostra anche forti vittorie tra le categorie su Surge AI, classificandosi primo nella maggior parte dei benchmark su finanza, contabilità, modellazione di fogli di calcolo e seguito di vincoli complessi. Ottiene il 73,5% su Chartography per la lettura di grafici professionali densi e performa alla pari dei modelli leader su Agents' Last Exam v1.1 (75,8%). Conquista il primo posto assoluto sia su AutomationBench di Zapier al 56,3% sia su Vending-Bench 2 di Andon Labs a 16.843 dollari — quest'ultima una simulazione a lungo orizzonte della gestione di un'attività. Debutta inoltre secondo al mondo con un punteggio di 1336 nel nuovo Agent Arena Index di Arena, basato su più di 4.200 sessioni agent nel mondo reale.

Nel ragionamento scientifico e matematico — che comprende analisi quantitativa, matematica e problemi di ricerca tecnica — Neon è il migliore della classe su Terminal-Bench Science (70,5%), RiemannBench (84,0%) e HLE-Diamond (71,3%).

Progettato per codice pronto per la produzione

Progettato per flussi di lavoro agent di lunga durata, Neon sostiene le prestazioni attraverso complesse attività ad alto uso di strumenti dall'inizio alla fine, sia in esecuzione standalone sia agendo come Orchestrator rapido e con alto giudizio che dirige sottagenti Hydrogen in parallelo in Google Antigravity. Riduce le letture ridondanti dei file, condivide i progressi mentre lavora e gestisce in modo affidabile la compattazione del contesto nelle sessioni lunghe.

Nei flussi di lavoro principali per sviluppatori e ricercatori, Neon raggiunge prestazioni frontier ed è competitivo con i modelli leader della sua classe. Si classifica primo in assoluto nell'Artificial Analysis Coding Agent Index con un punteggio di 58,6, ottiene il 65,2% su Terminal-Bench 4.1 e il 46,2% alla sua impostazione predefinita high su FrontierCode 2.0. Per il codice pronto per la produzione, Neon gestisce debug e refactoring multi-file su più repository con modifiche mirate e chirurgiche. Su SWE-sweep, guida già nella harness mini-SWE al 12,8% e più che triplica il risultato raggiungendo un stato dell'arte del 39,0% in Google Antigravity, dimostrando — secondo DeepMind — ciò che la harness Antigravity sblocca.

DeepMind ha inoltre evidenziato progetti dimostrativi realizzati con Neon in Google Antigravity:

  • Guidando Blender MCP, Gemini 4 Neon ha usato /swarm per costruire un banco di laboratorio 3D fotorealistico che visualizza i nomi dei modelli con precisione elementale, abbinando fiamme da becco di Bunsen per Gemini 4 Carbon e Gemini 4 Hydrogen a tubi a scarico gas ad alta tensione per Gemini 4 Argon e Neon.
  • Il modello ha scritto da zero un simulatore di sci freeride in prima persona WebGL2 sul terreno di elevazione reale del Monte Bianco e di Chamonix, combinando 10.200 righe di shader personalizzati, fisica dello sci a 120 Hz su sei piste alpine, tracce dinamicamente tallonate, valanghe di lastricati e Web Audio spaziale, senza alcuna risorsa predefinita.
  • Usando /swarm, Neon ha reperito foto d'archivio per ricreare in 3D interattivo lo studio del 1936 di Alan Turing al King's College di Cambridge — dalla King's Chapel all'esterno alla stanza X.8 all'interno — completa di una Universal Turing Machine funzionante sulla scrivania.
  • Uno sciame di agenti Gemini 4 Neon ha trasformato una singola immagine in un Google Sheet da 100.000 celle senza immagini incorporate e senza Apps Script, usando oltre 500.000 formule di foglio di calcolo attive per eseguire il rilevamento dei bordi, mappare la profondità 3D e ri-illuminare la scena in sei modalità interattive.

Efficienza e controllo per flussi di lavoro di livello produttivo

DeepMind afferma di perfezionare i livelli di thinking a ogni nuova versione dei modelli per offrire ai team un controllo più fine e una progressione più fluida da un livello all'altro. Neon offre quattro livelli di thinking che scalano in modo costante, permettendo ai team di regolare intelligenza e spesa di token in base alle esigenze di ogni carico di lavoro. Tale controllo riflette come i team di produzione consumano realmente i modelli: il costo per attività, non il prezzo al token, è la cifra che scala con l'utilizzo.

Nei benchmark di terze parti, Neon eroga alte prestazioni a un costo per attività inferiore. Al suo livello di thinking predefinito high, abbina un alto punteggio nell'Artificial Analysis Intelligence Index a un costo per attività inferiore del 32% rispetto a Carbon. Si colloca inoltre sulla frontiera di Pareto sia nel Vals Index sia in Agent Arena a high, con un costo per attività più o meno inferiore dal 50% all'80% rispetto ai principali modelli frontier concorrenti. Il livello di thinking xhigh aggiunge un ragionamento multi-step più profondo per i carichi di lavoro ingegneristici, analitici e scientifici più difficili: Neon registra il suo punteggio di intelligenza più alto a questo livello, costando comunque il 36% o più in meno per attività rispetto ai modelli concorrenti alle loro impostazioni massime.

Progettato per una difesa informatica rapida, efficiente e di livello frontier

Man mano che il coding agentico scala, DeepMind osserva che generare codice sicuro fin dall'inizio è fondamentale. Gemini 4 Neon for cyber produce codice più sicuro di Carbon su tutte le sfacilità easy, medium e hard di AutoBaxBench, raggiungendo lo stato dell'arte sul livello hard al 76%.

Mettere in sicurezza i sistemi significa anche trovare in modo proattivo le vulnerabilità prima degli attaccanti, e il penetration testing è stato una pietra miliare della cybersecurity aziendale. Su WebExploitBench v1.2, Neon è allo stato dell'arte al 51,26%, alla metà del costo dei grandi modelli concorrenti.

Per rafforzare il codice esistente, Neon for cyber eroga prestazioni di livello frontier lungo l'intero ciclo di vita del code hardening — ricerca delle vulnerabilità, validazione e patching — risultando al tempo stesso più veloce ed economicamente efficiente dei grandi modelli frontier:

  • Ricerca di vulnerabilità nel codice: Neon raggiunge prestazioni allo stato dell'arte su SEC-bench Pro al 90,5%, costando all'incirca la metà per sfida.
  • Validazione del rischio tramite exploit: per stabilire la priorità delle vulnerabilità da correggere, i difensori si affidano ai modelli per verificare quali vulnerabilità sono sfruttabili. Su ExploitGym, Neon raggiunge prestazioni di livello frontier usando la metà dei token di Carbon.
  • Patching delle vulnerabilità: correggere la causa radice delle vulnerabilità è un passaggio fondamentale del ciclo di vita della difesa informatica. Neon raggiunge il 70,7% su CWE-bench v2 di Collinear, con un incremento di 3,4 punti percentuali rispetto a Carbon.

Gemini 4 Neon for cyber sarà reso disponibile nei prossimi giorni ai difensori affidati nell'ambito del Fairwind Program.

Progettato per un'esecuzione sicura e affidabile

Gemini 4 Neon si basa sui miglioramenti dello stack di sicurezza di Gemini 4, mantenendo protezioni di livello Gemini 4 Carbon contro l'uso improprio grave e gli attacchi di prompt injection, avanzando ulteriormente sull'allineamento del modello e sul comportamento agentico. Per un modello pensato per sostenere lavoro impegnativo e di lunga durata in produzione, DeepMind si è concentrata su tre aree:

Mitigazione dei rischi di sicurezza legati all'uso improprio di capacità frontier. Poiché Neon porta capacità di livello frontier a un modello più veloce ed economico, DeepMind lo ha abbinato a forti salvaguardie in tempo reale contro usi impropri in ambito informatico e biosicuritario, comparabili alle protezioni di Carbon, rifiutando al contempo molto meno lavoro legittimo in queste aree — rifiutando, per esempio, solo l'1,98% delle attività su Terminal-Bench 4.0 e lo 0% su Terminal-Bench-Science.

Avanzamento dell'allineamento e del comportamento disciplinato del modello. Nell'uso interno per il coding, i tassi di allerta del monitoraggio di disallineamento delle catene di pensiero e delle azioni di DeepMind sono rimasti al di sotto delle basi già basse stabilite da Carbon, suggerendo una propensione all'allineamento migliorata per Neon, e lo stesso monitoraggio è dislocato per proteggere Neon sulle superfici esterne. Neon è addestrato a completare lavoro multi-step senza scorciatoie, senza fabbricare risultati e senza superare i limiti fissati dall'utente, migliorando continuamente l'equilibrio tra portare a termine le richieste e restare nell'ambito. Ha eguagliato Carbon con uno 0,0% di imbrogli su Terminal-Bench 4.0 e ha ricorso a scorciatoie solo nel 2,45% delle attività nella valutazione di DeepMind sugli imbrogli nel coding — il tasso più basso tra i modelli Gemini 4. Ha inoltre raggiunto un tasso di azioni disallineate dello 0,09% nella suite di sicurezza agentica di DeepMind e un tasso di superamento del 99,2% nella sua valutazione sull'onestà degli agenti. Nella valutazione del comportamento agentico, Neon parte dalla solida base di Carbon riducendo ulteriormente il sotto-servizio del 43%–56% e l'eccesso di intervento del 15%–35% a diversi livelli di impegno.

Protezione degli utenti dagli attacchi indiretti di prompt injection. Nel benchmark IPI di Gray Swan, Neon è più resiliente degli altri modelli della sua classe quando istruzioni dannose vengono inserite nelle pagine web, e-mail, documenti o codice a cui accede. Con le salvaguardie in tempo reale al suo livello di thinking massimo, Neon ha respinto ogni attacco del benchmark Gray Swan, eguagliando lo 0,0% di tasso di successo degli attacchi raggiunto solo dagli altri modelli Gemini.

Ulteriori dettagli sono disponibili nella scheda del modello Gemini 4 Neon.

Progettato per un'analisi più approfondita nell'app Gemini

Nell'app Gemini, Gemini 4 Neon è orientato al lavoro che richiede ragionamento di livello frontier e risposte rapide:

  • Scrittura e lavoro conoscitivo di qualità superiore: Neon scrive con chiarezza, con risposte ben strutturate e un tono naturale e diretto. Legge con maggiore precisione gli allegati come fogli di calcolo, PDF e foto, trasforma materiale denso in report e riepiloghi utili e recupera dettagli rilevanti dalle app Google come Gmail e Docs.
  • Ricerca e analisi affidabili: Neon incorpora frequentemente dettagli da fonti sul web per mantenere le risposte aggiornate su temi in rapida evoluzione, come confrontare i prezzi dei fornitori prima di un acquisto importante o predisporre un brief complesso con i più recenti dati di mercato.
  • Aiuto più rapido per le attività più difficili: le attività in Gemini possono ora girare su Neon, portando avanti lavori complessi e multi-step più rapidamente ed efficientlye rispetto ai modelli più grandi. Gli utenti possono fare di più dilatando i limiti di utilizzo quando delegano impegni tediosi, come analizzare le bollette per capire perché un addebito è aumentato improvvisamente o verificare più ricevute e documenti per negoziare un rimborso.

La posizione di Neon nella famiglia Gemini 4

Neon è progettato per coding complesso, ragionamento analitico e flussi di lavoro aziendali di livello produttivo. Nella famiglia Gemini 4, Carbon affronta i progetti più difficili e a lungo orizzonte e Hydrogen gestisce la rapida esecuzione quotidiana, mentre Neon bilancia profondità ed efficienza — erogando ragionamento di livello frontier per flussi di lavoro complessi e ad alta frequenza in modo più rapido ed economicamente efficiente. Per i team, la suddivisione in livelli diventa una decisione di instradamento: abbinare la difficoltà e la frequenza di ogni carico di lavoro al modello le cui economie per attività si adattano meglio.

Dettagli del rollout

Gemini 4 Neon inizia il rollout oggi:

  • Per gli sviluppatori: sviluppare con il tier a pagamento della Gemini API in Google AI Studio e Android Studio; gli abbonati paganti Google AI Pro e Ultra possono provare Neon in Google Antigravity, e tutti gli abbonati Pro e Ultra possono provarlo in AI Studio.
  • Per le aziende: usare Gemini 4 Neon in Gemini for business, tramite API o menu a tendina dei modelli, e in Google Antigravity.
  • Per i consumatori: gli abbonati Google AI Pro e Ultra possono selezionare Gemini 4 Neon dal menu a tendina dei modelli nell'app Gemini.
  • Per i difensori informatici: i membri idonei del Fairwind Program inizieranno a ricevere l'accesso nei prossimi giorni; per richiedere l'accesso al Fairwind Program, contattare il proprio team Cloud.

Informazioni sull'autore

Koray Kavukcuoglu è uno dei più importanti esperti mondiali di intelligenza artificiale. In qualità di SVP di Google DeepMind, guida lo sviluppo dei modelli di AI generativa più avanzati di Google DeepMind e la loro integrazione a scala nei prodotti di Google. Prima del ruolo attuale, è stato VP of Research presso Google DeepMind, dove ha fondato il team di deep learning e il suo team ha inaugurato importanti scoperte di ricerca come DQN (Deep Q-Network) e WaveNet.

L'annuncio originale è disponibile sul blog di Google DeepMind all'indirizzo https://deepmind.google/blog/introducing-gemini-4-neon/