Google DeepMind представляет Gemini 4 Neon: интеллект передового уровня с более быстрым и дешевым выполнением задач
Ключевые выводы
- •Google DeepMind выпустила 18 ноября 2026 года Gemini 4 Neon, позиционируя ее в семействе Gemini 4 между Carbon для самых сложных долгосрочных проектов и Hydrogen для быстрого повседневного исполнения.
- •Модель занимает третье место в Artificial Analysis Intelligence Index со счетом 61 и второе место в Vals Index, где она находится на границе Парето: ни одна конкурирующая модель не сочетает более высокий счет с более низкой стоимостью задачи.
- •Neon стоит 3 доллара за миллион входных токенов, 0,15 доллара за миллион кэшированных входных токенов и 15 долларов за миллион выходных токенов, с контекстным окном в 1 миллион токенов и четырьмя уровнями рассуждений.
- •В кибербенчмарках Neon для киберзащиты достигла лучших в классе результатов, включая 90,5% в SEC-bench Pro и 51,26% в WebExploitBench v1.2; доступ для доверенных защитников развертывается через Fairwind Program.
- •DeepMind сообщает об улучшенных показателях безопасности и выравнивания, включая 0,0% жульничества в Terminal-Bench 4.0, самый низкий зафиксированный уровень фабрикации во внутреннем тестировании Antigravity и 0,0% успешности атак непрямой инъекции промптов в бенчмарке Gray Swan на максимальном уровне рассуждений.

Google DeepMind представила 18 ноября 2026 года Gemini 4 Neon — новую модель, которая, по словам компании, сочетает интеллект передового уровня с быстрым сквозным выполнением задач в сложных процессах разработки ПО, работы со знаниями и научных исследованиях. Автором анонса выступил Корай Кавукчуоглу, старший вице-президент Google DeepMind и главный архитектор ИИ в Google. Через весь анонс проходят две линии — позиции Neon в независимых рейтингах и стоимость каждой выполненной задачи, — и это те же факторы, которые команды взвешивают, решая, способна ли модель реально выдерживать производственные агентные рабочие нагрузки.
Результаты бенчмарков, цены и доступность
По данным Google DeepMind, Neon опережает сопоставимые модели и занимает третье место в общем зачете со счетом 61 в Artificial Analysis Intelligence Index на уровне рассуждений xhigh, уступая лишь более крупным и медленным моделям. В Vals Index Neon занимает второе место и находится на границе Парето — позиции, означающей, что ни одна конкурирующая модель не сочетает более высокий счет с более низкой стоимостью задачи. Помимо чистых возможностей, компания заявляет, что продолжает делать свои модели более удобными в работе: Neon занимает второе место по управляемости (аккуратно адаптируясь к пользовательским правкам в середине задачи) в новом Agent Arena Index. Модель также превосходит в следовании многошаговым инструкциям и опирается на постоянный прогресс DeepMind в борьбе с фабрикацией результатов, показав самый низкий уровень фабрикации компании на внутреннем тестировании в Google Antigravity.
Цена Neon составляет 3 доллара за миллион входных токенов, кэшированные входные токены доступны по 0,15 доллара за миллион (скидка 95%), выходные токены — 15 долларов за миллион. Модель предлагает контекстное окно в 1 миллион токенов. Скидка на кэшированный ввод напрямую соответствует описанным далее в анонсе агентным процессам, в которых длительные сессии многократно перечитывают большой контекст, а широкое окно делает возможным синтез таблиц, PDF, диаграмм, аудио и видео в едином контексте.
Модель развертывается сегодня в Gemini API в Google AI Studio, в Gemini для бизнеса (через API и выпадающий список моделей), для платных подписчиков Google AI Pro и Ultra в Google Antigravity, а для подписчиков Pro и Ultra — в приложении Gemini.
Результаты для корпоративной, аналитической и научной работы
Корпоративная работа сосредоточена в таблицах, PDF, диаграммах, аудио и видео. По словам DeepMind, Neon может синтезировать все эти данные в едином контекстном окне в 1 миллион токенов и превращать их в структурированные результаты. Независимые оценки относят Neon к лучшим моделям: она занимает второе место в Vals Index со счетом 70,9% и первое место сразу в Legal Research Bench и Tax Agent Bench.
Neon также демонстрирует уверенные победы по категориям в Surge AI, занимая первое место в большинстве бенчмарков по финансам, бухгалтерскому учету, моделированию в таблицах и следованию сложным ограничениям. Она набирает 73,5% в Chartography за чтение насыщенных профессиональных диаграмм и показывает результаты на уровне ведущих моделей в Agents' Last Exam v1.1 (75,8%). Она занимает первое место в общем зачете и в AutomationBench от Zapier с результатом 56,3%, и в Vending-Bench 2 от Andon Labs с результатом 16 843 доллара — последний представляет собой долгосрочную симуляцию ведения бизнеса. Модель также дебютирует на втором месте в мире со счетом 1336 в новом Agent Arena Index от Arena, основанном на более чем 4200 реальных агентных сессиях.
В области научных и математических рассуждений — от количественного анализа до математики и технических исследовательских задач — Neon является лучшей в классе в Terminal-Bench Science (70,5%), RiemannBench (84,0%) и HLE-Diamond (71,3%).
Создана для производственного кода
Спроектированная для длительных агентных процессов, Neon сохраняет производительность на протяжении сложных задач с интенсивным использованием инструментов от начала до конца — как автономно, так и в роли быстрого Оркестратора с высоким уровнем суждений, координирующего параллельные субагенты Hydrogen в Google Antigravity. Она сокращает избыточные чтения файлов, делится прогрессом по мере работы и надежно справляется с уплотнением контекста в длинных сессиях.
В основных процессах разработчиков и исследователей Neon достигает производительности передового уровня и конкурирует с ведущими моделями своего класса. Она занимает первое место в общем зачете Artificial Analysis Coding Agent Index со счетом 58,6, набирает 65,2% в Terminal-Bench 4.1 и 46,2% на стандартном уровне high в FrontierCode 2.0. Для производственного кода Neon выполняет многофайловую отладку и рефакторинг в репозиториях с помощью точечных, хирургических правок. В SWE-sweep она уже лидирует на мини-стенде mini-SWE с результатом 12,8% и более чем утраивает его до передового 39,0% в Google Antigravity, что, по словам DeepMind, демонстрирует возможности стенда Antigravity.
DeepMind также представила демонстрационные проекты, созданные с помощью Neon в Google Antigravity:
- Управляя Blender MCP, Gemini 4 Neon с помощью /swarm создала фотореалистичную 3D-лабораторную стойку, визуализируя названия моделей с элементной точностью: пламя горелки Бунзена для Gemini 4 Carbon и Gemini 4 Hydrogen и газоразрядные трубки высокого напряжения для Gemini 4 Argon и Neon.
- Модель с нуля написала симулятор фристайл-лыж от первого лица на WebGL2 на реальных данных высот Мон-Блана и Шамони, объединив 10 200 строк собственных шейдеров, лыжную физику со 120 Гц на шести альпийских трассах, динамические следы от резаных поворотов, лавины из снежных плит и пространственное Web Audio без единого готового ассета.
- С помощью /swarm в Google Antigravity Neon извлекла архивные фотографии, чтобы воссоздать рабочий кабинет Алана Тьюринга 1936 года в Кембридже в интерактивном 3D — от Королевской капеллы снаружи до комнаты X.8 внутри — с работающей универсальной машиной Тьюринга на столе.
- Роевой агент Gemini 4 Neon в Google Antigravity превратил одно изображение в Google-таблицу на 100 000 ячеек без встроенных изображений и Apps Script, использовав более 500 000 живых формул для обнаружения границ, картирования 3D-глубины и перенастройки освещения сцены в шести интерактивных режимах.
Эффективность и контроль для производственных процессов
DeepMind заявляет, что с каждым выпуском моделей совершенствует уровни рассуждений, чтобы дать командам более тонкий контроль и более плавный переход между уровнями. Neon предлагает четыре уровня, которые масштабируются равномерно, позволяя командам настраивать интеллект и расход токенов под потребности каждой задачи. Такой контроль отражает то, как производственные команды реально потребляют модели: масштабируется с использованием не цена за токен, а стоимость за задачу.
По данным сторонних бенчмарков, Neon обеспечивает высокую производительность при более низкой стоимости задачи. На стандартном уровне рассуждений high она сочетает высокий счет Artificial Analysis Intelligence Index со стоимостью задачи на 32% ниже, чем у Carbon. Она также находится на границе Парето в Vals Index и Agent Arena на уровне high — примерно на 50–80% ниже стоимость задачи, чем у ведущих конкурирующих моделей передового уровня. Уровень xhigh добавляет более глубокие многошаговые рассуждения для самых сложных инженерных, аналитических и научных нагрузок: Neon показывает здесь свой максимальный счет интеллекта, при этом стоимость задачи на 36% и более ниже, чем у конкурирующих моделей на их максимальных настройках.
Создана для быстрой и эффективной киберзащиты передового уровня
По мере масштабирования агентной разработки, отмечает DeepMind, критически важно с самого начала генерировать безопасный код. Gemini 4 Neon для киберзащиты создает более безопасный код, чем Carbon, во всех легких, средних и сложных заданиях AutoBaxBench, достигая лучшего результата в сложном уровне — 76%.
Защита систем также означает проактивный поиск уязвимостей раньше злоумышленников: пентест всегда был краеугольным камнем корпоративной кибербезопасности. В WebExploitBench v1.2 Neon показывает лучший результат — 51,26% — при половине стоимости конкурирующих крупных моделей.
Для укрепления существующего кода Neon для киберзащиты обеспечивает производительность передового уровня на всем цикле закалки кода — поиск уязвимостей, валидацию и патчинг — оставаясь быстрее и экономичнее крупных моделей передового уровня:
- Поиск уязвимостей в коде: Neon достигает лучшего в классе результата в SEC-bench Pro — 90,5% — при примерно половинной стоимости за задание.
- Валидация риска через эксплуатацию: чтобы приоритизировать уязвимости для устранения, защитники полагаются на модели, проверяющие их эксплуатируемость. В ExploitGym Neon достигает производительности передового уровня, используя вдвое меньше токенов, чем Carbon.
- Патчинг уязвимостей: устранение первопричины уязвимостей — критический этап цикла киберзащиты. Neon набирает 70,7% в CWE-bench v2 от Collinear, улучшая результат Carbon на 3,4 процентного пункта.
Gemini 4 Neon для киберзащиты станет доступна доверенным защитникам в ближайшие дни в рамках Fairwind Program.
Спроектирована для безопасного и надежного исполнения
Gemini 4 Neon опирается на улучшения стека безопасности Gemini 4 — сохраняя защиту уровня Gemini 4 Carbon против серьезного злоупотребления и инъекций промптов и одновременно продвигаясь дальше в выравнивании модели и агентном поведении. Для модели, предназначенной для требовательной длительной работы в продакшене, DeepMind сосредоточилась на трех областях:
Снижение рисков злоупотребления возможностями передового уровня. Поскольку Neon приносит возможности передового уровня в более быструю и дешевую модель, DeepMind дополнила ее надежными средствами защиты реального времени против злоупотреблений в кибербезопасности и биобезопасности, сопоставимыми с защитой Carbon, при значительно меньшем отказе от легитимных задач в этих областях — например, отказываясь всего от 1,98% задач в Terminal-Bench 4.0 и 0% в Terminal-Bench-Science.
Продвижение выравнивания и дисциплинированного поведения модели. При внутреннем использовании для кодирования частота срабатываний монитора рассогласования цепочек рассуждений и действий оставалась ниже и без того низких базовых показателей Carbon, что говорит об улучшенной склонности Neon к выравниванию; тот же монитор развернут для защиты Neon на внешних поверхностях. Neon обучена выполнять многошаговую работу без срезания углов, фабрикации результатов и выхода за пользовательские границы, продолжая улучшать баланс между выполнением запросов и соблюдением рамок. Она сравнялась с Carbon с показателем 0,0% жульничества в Terminal-Bench 4.0 и пошла на сокращения лишь в 2,45% задач в оценке кодингового жульничества DeepMind — самый низкий показатель среди моделей Gemini 4. Она также достигла частоты несогласованных действий 0,09% в наборе агентной безопасности DeepMind и 99,2% прохождения оценки честности агента. В оценке агентного поведения Neon улучшает сильную базу Carbon, дополнительно снижая недостаточность сервиса на 43–56% и чрезмерное расширение полномочий на 15–35% на разных уровнях усилий.
Защита пользователей от непрямых инъекций промптов. В бенчмарке IPI от Gray Swan Neon более устойчива, чем другие модели ее класса, когда вредоносные инструкции внедряются в посещаемые ею веб-страницы, письма, документы или код. Со средствами защиты реального времени на максимальном уровне рассуждений Neon отразила каждую атаку в бенчмарке Gray Swan, повторив уровень успешности атак 0,0%, достигнутый до сих пор только другими моделями Gemini.
Подробнее см. в карточке модели Gemini 4 Neon.
Создана для более глубокого анализа в приложении Gemini
В приложении Gemini модель Gemini 4 Neon ориентирована на задачи, требующие рассуждений передового уровня и быстрых ответов:
- Более качественное письмо и работа со знаниями: Neon пишет ясно, со структурированными ответами и естественным прямым тоном. Она точнее читает загруженные файлы — таблицы, PDF и фотографии, превращает плотный материал в полезные отчеты и резюме и извлекает релевантные данные из приложений Google, таких как Gmail и Docs.
- Надежные исследования и анализ: Neon часто включает данные из источников по всему вебу, поддерживая актуальность ответов по быстро меняющимся темам — например, при сравнении цен у поставщиков перед крупной покупкой или подготовке сложной справки с последними рыночными данными.
- Более быстрая помощь в сложных задачах: задачи в Gemini теперь могут выполняться на Neon, быстрее и эффективнее справляясь со сложными многошаговыми заданиями, чем более крупные модели. Пользователи могут делать больше, растягивая лимиты использования, при передаче рутинных дел — например, при анализе счетов для выявления причины скачка коммунальных платежей или сверке нескольких чеков и документов для переговоров о возврате средств.
Место Neon в семействе Gemini 4
Neon создана для сложного кодирования, аналитических рассуждений и производственных корпоративных процессов. В семействе Gemini 4 Carbon берет на себя самые сложные долгосрочные проекты, Hydrogen — быстрое повседневное исполнение, а Neon балансирует между глубиной и эффективностью, обеспечивая рассуждения передового уровня для сложных высокочастотных процессов быстрее и экономичнее. Для команд такая градация превращается в решение о маршрутизации: сопоставление сложности и частоты каждой задачи с моделью, чья экономика за задачу подходит лучше всего.
Детали развертывания
Gemini 4 Neon начинает развертывание сегодня:
- Для разработчиков: создание на платном тарифе Gemini API в Google AI Studio и Android Studio; платные подписчики Google AI Pro и Ultra могут попробовать Neon в Google Antigravity, а все подписчики Pro и Ultra — в AI Studio.
- Для предприятий: Gemini 4 Neon доступна в Gemini для бизнеса (через API или выпадающий список моделей) и в Google Antigravity.
- Для потребителей: подписчики Google AI Pro и Ultra могут выбрать Gemini 4 Neon в выпадающем списке моделей в приложении Gemini.
- Для специалистов по кибербезопасности: подходящие участники Fairwind Program начнут получать доступ в ближайшие дни; для запроса доступа к Fairwind Program обратитесь к вашей команде по работе с Cloud.
Об авторе
Корай Кавукчуоглу — один из ведущих мировых экспертов в области искусственного интеллекта. В должности старшего вице-президента Google DeepMind он руководит разработкой передовых генеративных ИИ-моделей Google DeepMind и их интеграцией в продукты Google в масштабе. До нынешней должности он был вице-президентом по исследованиям в Google DeepMind, где основал команду глубокого обучения; его команда совершила крупные исследовательские прорывы, такие как DQN (Deep Q-Network) и WaveNet.
Оригинальный анонс доступен в блоге Google DeepMind по адресу https://deepmind.google/blog/introducing-gemini-4-neon/