Google представила Gemini 4 Neon для розробки та роботи з даними

Google представила Gemini 4 Neon — модель для програмування, аналізу даних і тривалих завдань із використанням інструментів. Компанія оприлюднила результати тестів, ціни API та способи доступу.

· 4 хв читання · 4 коментарі

Google представила Gemini 4 Neon — модель для програмування, аналізу даних і тривалих завдань із використанням інструментів. Як пише «Хабр» у перекладі анонсу від 20 листопада 2026 року, Google оприлюднила результати тестів, ціни API та способи доступу. Neon поступово з’являється в Gemini API через Google AI Studio, у Gemini for business, Google Antigravity і застосунку Gemini для підписників Google AI Pro та Ultra.

Що вміє Neon і як вона показала себе в тестах

Контекстне вікно моделі — 1 млн токенів. Модель може опрацювати матеріали різних типів — таблиці, PDF, діаграми, аудіо та відео — в одному контекстному вікні й підготувати структурований результат. Великий контекст сам собою не гарантує правильної відповіді, але для команди, у якої відомості розкидані по файлах, це корисна можливість.

Google позиціонує Neon як модель для тривалих процесів, у яких агент багаторазово звертається до інструментів і отримує правки від користувача. У Google Antigravity вона може працювати самостійно або координувати субагентів Hydrogen у режимі Orchestrator. Згідно з описом в анонсі, модель рідше повертається до вже прочитаних файлів, повідомляє про перебіг завдання та стискає контекст під час тривалої роботи.

В Artificial Analysis Intelligence Index на рівні міркування xhigh Neon набрала 61 бал і посіла третє місце в загальному заліку. В Agent Arena Index вона вийшла на друге місце з 1336 балами за результатами понад 4200 сеансів. Це оцінки поведінки в заданих умовах, а не обіцянка, що будь-який робочий процес обійдеться без перевірки людиною.

Для розробки Google наводить 58,6 бала в Artificial Analysis Coding Agent Index і 65,2% у Terminal-Bench 4.1. Результат SWE-sweep особливо добре показує вплив середовища: 12,8% у спільному середовищі mini-SWE проти 39,0% у Google Antigravity. Тому порівнювати лише назву моделі, не зважаючи на інструменти навколо неї, було б надто зручно для презентації та не дуже корисно для вибору.

Серед демонстрацій — написаний з нуля WebGL2-симулятор лижного фрирайду з даними про висоти Монблану та Шамоні. Інший приклад: агенти перетворили зображення на Google-таблицю зі 100 000 клітинок, використавши понад 500 000 формул без Apps Script і вбудованих зображень. Це приклади можливостей, а не типові завдання, за які вебкоманди платитимуть щодня.

Ціна, налаштування та межі доступу

Мільйон вхідних токенів в API коштує 3 долари, мільйон вихідних — 15 доларів. Для кешованих вхідних токенів указано ціну 0,15 долара за мільйон, тобто знижку 95%. У Neon чотири рівні міркування: збільшення глибини підвищує витрату токенів. Рівень high установлено за замовчуванням, xhigh призначено для найскладніших завдань.

Google окремо порівнює вартість не лише за токен, а й за виконане завдання. За її даними, на рівні high Neon обходиться на 32% дешевше за Carbon у розрахунку на завдання. Такий показник варто розглядати разом з умовами тесту: витрати залежать від обраного рівня міркування й того, скільки кроків знадобиться агенту.

Для завдань із захисту наведено результати пошуку та виправлення вразливостей: 90,5% у SEC-bench Pro і 70,7% у CWE-bench v2. Google також повідомляє про покращення в дотриманні інструкцій і стійкості до непрямих промпт-ін’єкцій. Але окрема версія Neon for cyber поки доступна не всім: найближчими днями доступ до неї почнуть отримувати перевірені фахівці з Fairwind Program.

Що це означає для вебкоманд

Розробникам тут цікаві не лише генерація коду, а й робота з кількома файлами, налагодження, рефакторинг і тривалі завдання з використанням інструментів. Для власників сайтів і маркетологів корисним може виявитися сценарій, у якому відомості з таблиць, документів і діаграм збираються в єдиний аналіз. Якщо команда вже використовує ШІ в таких процесах, у неї з’явився ще один варіант з оприлюдненими цінами та результатами випробувань.

Практичну перевірку я б починав із конкретного робочого завдання й фіксував три речі: якість результату, кількість необхідних виправлень і підсумкові витрати. Особливо для завдань із доступом до репозиторію або внутрішніх документів: заявлені показники безпеки не скасовують перевірки змін і права людини вирішувати, що передавати в роботу.

Моя думка

Мені подобається, що в анонсі поряд з ефектними демонстраціями є ціни та результати в різних середовищах. Різниця між 12,8% і 39,0% у SWE-sweep нагадує просту річ: агент працює не у вакуумі. Інструменти й організація процесу впливають на результат не менше, ніж гучне ім’я в меню вибору моделі.

Я б не видавав лижний симулятор за аргумент на користь купівлі моделі для підтримки звичайного сайту. А от здатність розібратися в кодовій базі та врахувати правки під час виконання завдання вже варто випробувати самостійно. Можливість знизити вартість повторно використовуваного контексту завдяки кешованим токенам теж варто перевірити на власних завданнях. Бажано до того, як черговий експеримент непомітно стане частиною продакшену.

Джерела

Звідки новина. Текст — переказ своїми словами, факти — з джерела, думка — автора.

  1. [Перевод] Google представляет Gemini 4 Neon habr.com

Про автора

Гіга Кікнадзе

старший full-stack-розробник

Створюю вебсервіси й підтримую кілька проєктів на різних стеках. Люблю прості рішення, особливо коли їх не називають «тимчасовим компромісом» п’ять років поспіль.

Усі публікації автора

SEO 4 хв читання

Google описала пошук і ШІ як єдиний продукт під час звіту за III квартал 2026 року

Google розглядає звичайний пошук, AI Overviews і AI Mode як частини єдиного продукту та розвиває агентні функції. Терміни змін для всіх користувачів і вплив на сайти поки не визначені.

Написати коментар

Не публікується. Надішлемо посилання, щоб підтвердити коментар.

Без посилань і реклами. Перший коментар публікується після перевірки. Надсилаючи коментар, ви погоджуєтеся з політикою конфіденційності.

  1. У нас в учебном проекте данные для дашборда лежали в CSV, PDF и отдельных заметках, и собрать их вручную в одну схему заняло больше времени, чем сама верстка. Контекст на 1 млн токенов звучит полезно, но я бы всё равно проверяла результат на пропущенных полях и ссылках между данными — на каком тесте Neon это проверяли?

    1. Гіга Кікнадзе Автор публікації

      @karla.yanez, у Google в анонсе для этого сценария указаны тесты на программирование и длительные задачи с инструментами, но отдельной проверки именно на пропущенные поля и связи между CSV, PDF и заметками я не вижу. Так что миллион токенов — это вместительный стол, а не гарантия, что модель правильно разложит по нему данные; тут нужна сверка со схемой и источниками.

      1. @giga_kiknadze, а в анонсе есть детали, как саме оцінювали Neon на тривалих задачах із інструментами — наприклад, чи перевіряли не лише фінальну відповідь, а й пропущені поля та коректність зв’язків між джерелами? Для вебкоманд це важлива різниця: модель може швидко зібрати чернетку схеми, але помилку в даних ми потім легко перенесемо у дашборд.

      2. Для небольшого центра я бы сначала проверил это на одном реальном наборе: расписание в таблице, правила в PDF и заметки сотрудников. Если после обработки всё равно вручную сверять поля и источники, выигрыш во времени быстро съест стоимость API; для обычного сайта с расписанием такая связка может оказаться лишней.