Google DeepMind introduceert Gemini 4 Neon: intelligentie op topniveau met snellere, goedkopere taakuitvoering
Belangrijkste punten
- •Google DeepMind lanceerde op 18 november 2026 Gemini 4 Neon, gepositioneerd tussen Carbon voor de zwaarste langlopende projecten en Hydrogen voor snelle dagelijkse uitvoering binnen de Gemini 4-familie.
- •Het model staat derde op de Artificial Analysis Intelligence Index met een score van 61 en tweede op de Vals Index, waar het op het Paretofrontier zit: geen enkel concurrerend model combineert een hogere score met lagere kosten per taak.
- •Neon kost $3 per miljoen inputtokens, $0,15 per miljoen cached inputtokens en $15 per miljoen outputtokens, met een contextvenster van 1 miljoen tokens en vier denkniveaus.
- •Op cybersecuritybenchmarks behaalde Neon for cyber state-of-the-art resultaten, waaronder 90,5% op SEC-bench Pro en 51,26% op WebExploitBench v1.2, met toegang voor vertrouwde verdedigers via het Fairwind Program.
- •DeepMind meldt verbeterde veiligheids- en uitlijningsmetrics, waaronder 0,0% valsspelen op Terminal-Bench 4.0, het laagste geregistreerde fabricatiecijfer in interne Antigravity-tests en een aanvalssuccespercentage van 0,0% tegen indirecte prompt-injectie op Gray Swan's benchmark op het hoogste denkniveau.

Google DeepMind introduceerde op 18 november 2026 Gemini 4 Neon, een nieuw model dat volgens het bedrijf intelligentie op topniveau combineert met snelle end-to-end taakuitvoering binnen complexe software-engineering-, kenniswerk- en wetenschappelijke workflows. De aankondiging is geschreven door Koray Kavukcuoglu, SVP van Google DeepMind en Chief AI Architect bij Google. In de aankondiging lopen twee rode draden door elkaar — hoe Neon scoort op onafhankelijke ranglijsten en wat elke afgeronde taak kost — en dat zijn precies de factoren waarmee teams rekening houden bij de vraag of een model realistisch productie-agentworkloads kan dragen.
Benchmarkresultaten, prijzen en beschikbaarheid
Volgens Google DeepMind scoort Neon hoger dan vergelijkbare modellen en staat het overall derde met een score van 61 op de Artificial Analysis Intelligence Index op zijn xhigh-denkniveau, net achter grotere, langzamere modellen. Op de Vals Index staat Neon tweede en zit hij op het Paretofrontier — een positie die betekent dat geen enkel concurrerend model een hogere score combineert met lagere kosten per taak. Naast pure capaciteit werkt het bedrijf volgens eigen zeggen verder aan gebruiksvriendelijkere modellen: Neon staat tweede op stuurbaarheid — het soepel verwerken van gebruikerscorrecties middenin een taak — op de nieuwe Agent Arena Index. Het model blinkt ook uit in het opvolgen van meerstaps-instructies en bouwt voort op de lopende voortgang van DeepMind bij het terugdringen van fabricatie, met het tot nu toe laagste fabricatiecijfer van het bedrijf in interne Google Antigravity-tests.
Neon kost $3 per miljoen inputtokens, met cached inputtokens tegen $0,15 per miljoen (een korting van 95%) en outputtokens tegen $15 per miljoen. Het biedt een contextvenster van 1 miljoen tokens. De korting op cached input sluit direct aan bij de agentworkflows die later in de aankondiging worden beschreven, waarin langlopende sessies herhaaldelijk grote context opnieuw lezen, terwijl het brede venster de synthese van spreadsheets, PDF's, grafieken, audio en video in één context mogelijk maakt.
Het model wordt vandaag uitgerold in de Gemini API in Google AI Studio, in Gemini voor bedrijven (via de API en het modelkeuzemenu), voor betalende Google AI Pro- en Ultra-abonnees in Google Antigravity, en voor Pro- en Ultra-abonnees in de Gemini-app.
Levert prestaties voor zakelijk, analytisch en wetenschappelijk werk
Zakelijk werk bestaat uit spreadsheets, PDF's, grafieken, audio en video. DeepMind zegt dat Neon al deze invoer kan samenvoegen binnen één contextvenster van 1 miljoen tokens en er gestructureerde resultaten van kan maken. Onafhankelijke evaluaties rangschikken Neon bij de topmodellen: het staat tweede op de Vals Index met een score van 70,9%, en eerste op zowel de Legal Research Bench als de Tax Agent Bench.
Neon boekt ook sterke resultaten in diverse categorieën op Surge AI, met een eerste plaats op de meeste benchmarks rond financiën, accounting, spreadsheetmodellering en complexe constraint-opvolging. Het scoort 73,5% op Chartography voor het lezen van dichte professionele grafieken en presteert op het niveau van toonaangevende modellen op Agents' Last Exam v1.1 (75,8%). Het behaalt de eerste plaats overall op zowel Zapier's AutomationBench met 56,3% als Andon Labs' Vending-Bench 2 met $16.843 — de laatste een langlopende simulatie van het runnen van een bedrijf. Het debuteert ook wereldwijd op de tweede plaats met een score van 1336 op Arena's nieuwe Agent Arena Index, gebaseerd op meer dan 4.200 echte agentsessies.
Op wetenschappelijk en wiskundig redeneren — van kwantitatieve analyse tot wiskunde en technische onderzoeksvragen — is Neon klassebest op Terminal-Bench Science (70,5%), RiemannBench (84,0%) en HLE-Diamond (71,3%).
Gebouwd voor productieklaar code
Ontworpen voor langlopende agentworkflows, behoudt Neon zijn prestaties gedurende complexe, toolintensieve taken van begin tot eind — of het nu standalone draait of fungeert als snelle, scherp oordelende Orchestrator die parallelle Hydrogen-subagents aanstuurt in Google Antigravity. Het vermindert overbodige bestandreads, deelt voortgang tijdens het werk en behandelt contextcompressie betrouwbaar in lange sessies.
In kernworkflows voor ontwikkelaars en onderzoekers behaalt Neon frontierprestaties en is het concurrerend met de toonaangevende modellen in zijn klasse. Het staat overall eerste op de Artificial Analysis Coding Agent Index met een score van 58,6, haalt 65,2% op Terminal-Bench 4.1 en scoort 46,2% op de standaard high-instelling op FrontierCode 2.0. Voor productieklaar code handelt Neon multi-bestandsdebugging en refactoring over repositories af met gerichte, chirurgische aanpassingen. Op SWE-sweep leidt het al op de mini-SWE-harness met 12,8% en meer dan verdrievoudigt dat naar een state-of-the-art 39,0% in Google Antigravity, wat volgens DeepMind laat zien wat de Antigravity-harness mogelijk maakt.
DeepMind benadrukte ook demonstratieprojecten die met Neon in Google Antigravity zijn gebouwd:
- Aangedreven door Blender MCP gebruikte Gemini 4 Neon /swarm om een fotorealistische 3D-labtafel te bouwen die modelnamen elementair accuraat visualiseert, met Bunsenbranders voor Gemini 4 Carbon en Gemini 4 Hydrogen en hoogspanningsgasontladingsbuizen voor Gemini 4 Argon en Neon.
- Het model schreef van scratch een first-person WebGL2-freeride-skisimulator op echte hoogtedata van de Mont Blanc en Chamonix, met 10.200 regels custom shaders, 120 Hz-skifysica over zes alpiene afdalingen, dynamische gesneden sporen, plavei-avalanches en ruimtelijke Web Audio, zonder één voorgefabriceerd asset.
- Met /swarm haalde Neon archieffoto's op om Alan Turings studie uit 1936 aan King's College, Cambridge in interactieve 3D na te bouwen — van King's Chapel buiten tot kamer X.8 binnen — met een werkende Universal Turing Machine op het bureau.
- Een Gemini 4 Neon agent-swarm veranderde één afbeelding in een Google Sheet van 100.000 cellen, zonder ingesloten afbeeldingen en zonder Apps Script, met meer dan 500.000 live spreadsheetformules voor edgedetectie, 3D-diepte-mapping en het opnieuw belichten van de scène in zes interactieve modi.
Efficiëntie en controle voor productie-workflows
DeepMind zegt met elke nieuwe modelrelease de denkniveaus te verfijnen om teams fijnere controle en een soepelere overgang tussen niveaus te geven. Neon biedt vier denkniveaus die geleidelijk opschalen, zodat teams intelligentie en tokenverbruik kunnen afstemmen op elke workload. Die controle weerspiegelt hoe productieteams modellen werkelijk consumeren: de kosten per taak, niet de per-token prijs, is het cijfer dat meeschaalt met gebruik.
Op benchmarks van derden levert Neon hoge prestaties tegen lagere kosten per taak. Op het standaard high-denkniveau combineert het een hoge Artificial Analysis Intelligence Index-score met 32% lagere kosten per taak dan Carbon. Het zit ook op het Paretofrontier op zowel de Vals Index als Agent Arena op high, met circa 50% tot 80% lagere kosten per taak dan toonaangevende concurrerende frontiermodellen. Het xhigh-denkniveau voegt diepere, meerstaps-redenering toe voor de zwaarste engineering-, analyse- en wetenschappelijke workloads: Neon haalt op dit niveau zijn hoogste intelligentiescore, terwijl het nog steeds 36% of meer minder per taak kost dan concurrerende modellen op hun hoogste instelling.
Gebouwd voor snelle, efficiënte cyberdefensie op topniveau
Nu agentisch code schalen, is het volgens DeepMind cruciaal om vanaf het begin veilige code te genereren. Gemini 4 Neon for cyber produceert veiligere code dan Carbon op alle easy-, medium- en hard-uitdagingen op AutoBaxBench, met state-of-the-art op het hard-niveau (76%).
Systemen beveiligen betekent ook proactief zwakke plekken vinden voordat aanvallers dat doen; pentesting is een hoeksteen van zakelijke cybersecurity. Op WebExploitBench v1.2 is Neon state-of-the-art (51,26%) tegen de helft van de kosten van concurrerende grote modellen.
Om bestaande code te versterken levert Neon for cyber frontierprestaties over de gehele code-hardingslevenscyclus — het vinden, valideren en patchen van kwetsbaarheden — terwijl het sneller en kostenefficiënter is dan grote frontiermodellen:
- Het vinden van kwetsbaarheden: Neon behaalt state-of-the-art prestaties op SEC-bench Pro met 90,5%, tegen circa de helft van de kosten per uitdaging.
- Het valideren van risico via exploitatie: om te prioriteren welke kwetsbaarheden moeten worden opgelost, vertrouwen verdedigers op modellen die controleren welke kwetsbaarheden exploiteerbaar zijn. Op ExploitGym behaalt Neon frontierprestaties met de helft van de tokens van Carbon.
- Het patchen van kwetsbaarheden: het verhelpen van de oorzaak van kwetsbaarheden is een cruciale stap in de cyberverdedigingslevenscyclus. Neon haalt 70,7% op Collinear's CWE-bench v2, een stijging van 3,4 procentpunten ten opzichte van Carbon.
Gemini 4 Neon for cyber wordt de komende dagen uitgerold naar vertrouwde verdedigers als onderdeel van het Fairwind Program.
Ontworpen voor veilige, betrouwbare uitvoering
Gemini 4 Neon bouwt voort op verbeteringen uit de Gemini 4-veiligheidsstack en behoudt bescherming op Gemini 4 Carbon-niveau tegen ernstig misbruik en prompt-injectie, terwijl het verder gaat op modeluitlijning en agentisch gedrag. Voor een model dat zwaar, langlopend productiewerk moet dragen, richtte DeepMind zich op drie gebieden:
Het beperken van frontier-misbruikveiligheidsrisico's. Omdat Neon frontiercapaciteiten brengt naar een sneller, goedkoper model, heeft DeepMind het gekoppeld aan sterke realtime-beveiliging tegen cyber- en bioveiligheidsmisbruik, vergelijkbaar met de Carbon-bescherming, terwijl het aanzienlijk minder legitiem werk in deze gebieden weigert — bijvoorbeeld slechts 1,98% van de taken op Terminal-Bench 4.0 en 0% op Terminal-Bench-Science.
Het verbeteren van uitlijning en gedisciplineerd modelgedrag. Bij intern codegebruik bleven de waarschuwingspercentages van DeepMind's keten-van-gedachten- en actie-misuitlijningsmonitor onder de al lage baselines van Carbon, wat wijst op verbeterde uitlijningsneiging van Neon; dezelfde monitor beschermt Neon op externe oppervlakken. Neon is getraind om meerstaps-werk af te ronden zonder hoeken af te snijden, resultaten te verzinnen of gebruikersgrenzen te overschrijden. Het scoorde gelijk aan Carbon met 0,0% valsspelen op Terminal-Bench 4.0 en nam slechts op 2,45% van de taken shortcuts op DeepMind's coding-cheating-evaluatie — het laagste percentage van elk Gemini 4-model. Het behaalde ook een misuitlijningsactiepercentage van 0,09% op DeepMind's agentische veiligheidssuite en een slagingspercentage van 99,2% op de agent-honesty-evaluatie. Op de evaluatie van agentisch gedrag bouwt Neon voort op Carbon's sterke baseline door onderdienstverlening met 43%–56% en overreach met 15%–35% verder te verminderen over verschillende inspanningsniveaus.
Gebruikers beschermen tegen indirecte prompt-injectieaanvallen. Op Gray Swan's IPI-benchmark is Neon veerkrachtiger dan andere modellen in zijn klasse wanneer kwaadaardige instructies worden geplant in de webpagina's, e-mails, documenten of code die het raadpleegt. Met realtime-beveiliging op het hoogste denkniveau weerstond Neon elke aanval binnen de Gray Swan-benchmark, met hetzelfde succespercentage van 0,0% dat alleen door andere Gemini-modellen wordt gehaald.
Meer details zijn te vinden in de Gemini 4 Neon-modelkaart.
Gebouwd voor diepere analyse in de Gemini-app
In de Gemini-app is Gemini 4 Neon gericht op werk dat redenering op topniveau en snelle reacties vereist:
- Hoogwaardiger schrijf- en kenniswerk: Neon schrijft helder, met goed gestructureerde antwoorden en een natuurlijke, directe toon. Het leest uploads zoals spreadsheets, PDF's en foto's nauwkeuriger, zet dicht materiaal om in behulpzame rapporten en samenvattingen, en haalt relevante details op uit Google-apps als Gmail en Docs.
- Betrouwbaar onderzoek en analyse: Neon verwerkt regelmatig details uit bronnen op het web om antwoorden actueel te houden bij snel bewegende onderwerpen, zoals het vergelijken van prijzen tussen leveranciers vóór een grote aankoop of het samenstellen van een complexe briefing met de nieuwste marktdata.
- Snellere hulp bij zwaardere taken: taken in Gemini kunnen nu op Neon draaien en werken complexe, meerstaps-opdrachten sneller en efficiënter af dan met grotere modellen. Gebruikers kunnen meer doen en de gebruikerslimieten verder rekken bij het uitbesteden van vervelende klussen, zoals het analyseren van facturen om uit te vinden waarom een energierekening pieschoog was, of het controleeren van meerdere kwitanties en documenten om een terugbetting te onderhandelen.
De plek van Neon in de Gemini 4-familie
Neon is gebouwd voor complexe code, analytisch redeneren en productie-grade zakelijke workflows. Binnen de Gemini 4-familie pakt Carbon de zwaarste, langlopende projecten op en verzorgt Hydrogen snelle dagelijkse uitvoering, terwijl Neon diepte en efficiëntie balanceert — en redenering op topniveau levert voor complexe, frequent voorkomende workflows, sneller en kostenefficiënter. Voor teams wordt de indeling een routeringsbeslissing: elke workload afstemmen op het model wiens economie per taak het beste past.
Details van de uitrol
Gemini 4 Neon wordt vandaag uitgerold:
- Voor ontwikkelaars: bouw met de paid tier van de Gemini API in Google AI Studio en Android Studio; betalende Google AI Pro- en Ultra-abonnees kunnen Neon proberen in Google Antigravity, en alle Pro- en Ultra-abonnees kunnen het in AI Studio proberen.
- Voor bedrijven: gebruik Gemini 4 Neon in Gemini voor bedrijven, via de API of het modelkeuzemenu, en in Google Antigravity.
- Voor consumenten: Google AI Pro- en Ultra-abonnees kunnen Gemini 4 Neon selecteren in het modelkeuzemenu van de Gemini-app.
- Voor cyberdefenders: in aanmerking komende Fairwind Program-leden krijgen de komende dagen toegang; vraag toegang tot het Fairwind Program via je Cloud-accountteam.
Over de auteur
Koray Kavukcuoglu is een van de vooraanstaande experts in kunstmatige intelligentie ter wereld. Als SVP van Google DeepMind leidt hij de ontwikkeling van Google DeepMind's meest geavanceerde generatieve AI-modellen en hun integratie in Google's producten op grote schaal. Vóór zijn huidige rol was hij VP of Research bij Google DeepMind, waar hij het deep learning-team oprichtte en zijn team grote onderzoeksdoorbraken pionierde zoals DQN (Deep Q-Network) en WaveNet.
De originele aankondiging is te vinden op de Google DeepMind-blog op https://deepmind.google/blog/introducing-gemini-4-neon/