
Gemini 4 Neon in Antigravity: 762 Tool-Aufrufe bei einer 512K-Obergrenze
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 188 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 205 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 124 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 110 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Dreizehn Sitzungen, 762 Tool-Aufrufe und eine Zahl, die in keinem von Googles Launch-Materialien auftaucht: 512.000. Das ist das Kontextfenster, das Antigravitys eigene Dokumentation Gemini 4 Neon zugesteht – gegenüber den 1.048.576 Token, die die Gemini API für dasselbe Modell zu 3,00 $ für die Eingabe und 15,00 $ für die Ausgabe verkauft. Beide Zahlen stammen von Google, wurden in derselben Woche veröffentlicht, und keine der beiden Seiten erwähnt die andere. Das Tool-Aufruf-Protokoll stammt aus einem Hands-on-Thread, den @kimmonismus am 18. November 2026 veröffentlichte – dreizehneinhalb Stunden, nachdem Antigravitys Neon-Beitrag erschienen war, und fünfunddreißig Minuten nach dem von DeepMind; das heißt, das Modell, für das er laut eigener Darstellung „Early Access“ hatte, war bereits allgemein verfügbar, als er auf Veröffentlichen klickte.
Dieser Zeitpunkt ist wichtig dafür, wie viel Gewicht man dem Thread beimessen sollte, nicht dafür, ob er nützlich ist. Er ist der detaillierteste öffentliche Bericht, den jemand über Gemini 4 Neon bei anhaltender agentischer Arbeit veröffentlicht hat, und das Interessante sind nicht die Demos. Es ist die Form des Logs, die auf eine Weise nachprüfbare Arithmetik ist, wie es „er hat 17 interaktive Demos gebaut“ nicht ist.
Die 762 Anrufe, aufgeschlüsselt
Der Verfasser des Beitrags ging im Nachhinein Antigravitys Protokolle durch und zählte jeden Aufruf über diese dreizehn Sitzungen hinweg zusammen, die alle mit der Denkstufe „Extra High“ liefen. Die Aufschlüsselung, selbstberichtet und ungeprüft:
• Dateilesevorgänge — 313
• Bearbeitungen — 266
• Neue Dateien erstellt — 104
• Shell-Befehle — 43
• Sub-Agenten gestartet — 13
• Web-Suchen — 2
• Andere Anrufe, einschließlich Aufgabenaktualisierungen — 21
Diese ergeben genau 762, was das Erste ist, was man prüfen sollte, und das Erste, was sich bestätigt. Teilt man durch dreizehn, erhält man ungefähr 58,6 Tool-Aufrufe pro Sitzung – ein Wert, der verdächtig nahe an den 58,6 liegt, die Neon im Artificial Analysis Coding Agent Index erzielt. Zufall, aber ein einprägsamer, wenn man versucht, beide Zahlen im Kopf zu behalten.

Das aussagekräftigere Verhältnis ist dasjenige, zu dessen Prüfung Googles eigene Positionierung einlädt. Der Launch-Beitrag behauptet, Neon „reduziere redundante Dateilesevorgänge“ und „bewältige Kontextkompaktierung in langen Sitzungen zuverlässig“. In diesem Protokoll sind Lesevorgänge 313 von 762 Aufrufen, also 41 %. Schreibvorgänge – 266 Bearbeitungen plus 104 neue Dateien, 370 Aufrufe – machen 48,6 % aus. Das sind 1,18 Schreibvorgänge pro Lesevorgang. Ein Modell, das sich durch eine Codebasis quälte, um Dinge zu finden, würde das umgekehrte Verhältnis zeigen; ein Modell, das bereits weiß, wohin es will, liest einmal und schreibt. Die dreizehn Sitzungen eines einzelnen Nutzers sind kein Beleg für eine allgemeine Eigenschaft, aber sie weisen in die Richtung, die die Behauptung vorhersagt, und es ist das einzige öffentliche Protokoll, in dem die Behauptung geprüft wird.
Die beiden Zahlen, die am seltsamsten wirken, sind Subagenten und Websuchen. Dreizehn Subagenten über dreizehn Sitzungen sind genau einer pro Sitzung – ein konsistentes Delegationsmuster statt eines gelegentlichen. Zwei Websuchen bei 762 Aufrufen sind 0,26 %, was für ein Modell, das Google als Orchestrator beschreibt, der parallele Hydrogen-Subagenten steuert, bemerkenswert nach innen gerichtet ist. Dies war ein Lauf gegen lokalen Code, keine Recherche, und das Protokoll spiegelt das wider.
Was der Demo-Lauf tatsächlich zeigt
Siebzehn interaktive Demos, acht davon gezeigt. Die acht sichtbaren umfassen einen 3D-Arena-Shooter mit Gegnerwellen, Lebenspunkten, Munition und Nachladen; einen Rail-Shooter namens Solaris Trench; eine zerstörbare Voxel-Arena namens Terra Breaker, die in einem Browsertest stabile 60 Bilder pro Sekunde hielt; ein Jet-durch-Canyon-Spiel namens Aero Canyon mit zwölf Toren und einer gespeicherten Bestzeit; ein Physikrätsel mit Hebeln und einem Ballwerfer; eine Partikelfeld-Lichtshow; einen Vorbeiflug an einem Schwarzen Loch mit einstellbarer Linsenverzerrung; und ein anklickbares Sonnensystem.
Die neun, die nicht gezeigt wurden, sind der Teil des Threads, der nicht bewertet werden kann, und die ehrliche Lesart von „17 Demos“ ist, dass es sich um eine Aussage über die Menge handelt, mit acht angehängten Beispielen. Was die acht Beispiele belegen, ist Breite: ein einzelnes Modell, das WebGL-Szenen, Physik, audiogesteuerte Visuals und UI-Zustandsverwaltung in einem Durchgang erzeugt, in einer Qualität, die ein Hobbyist veröffentlichen würde. Das ist ein echtes Fähigkeitssignal, selbst wenn die Anzahl nicht überprüfbar ist.
Die vom Beitragsverfasser gemeldeten Fehlermodi sind nützlicher als die Erfolge, weil sie konkret sind. Der erste Build der 3D-Arena „brach mit einem Serverfehler ab“ und benötigte einen zweiten Durchgang, um fertig zu werden – ein Infrastrukturfehler, kein Modellfehler, aber einer, der einen kompletten Versuch kostete. Neon fügte Aero Canyon einen Autopilot-Modus hinzu, der nie angefordert worden war, was der Beitragsverfasser als nicht angefragten Funktionsumfang kennzeichnete. Danach testete er nur den Autopiloten, sodass die Qualität des manuellen Flugs selbst für eine von ihm erstellte Demo unbekannt bleibt. Das Sonnensystem wurde mit veralteten Mondzahlen ausgeliefert und erst nach seinem Hinweis auf die aktuellen Zahlen des JPL korrigiert; Größen und Umlaufbahnen sind weiterhin nicht maßstabsgetreu.
Der letzte ist der interessanteste Datenpunkt im Thread, denn er ist eine saubere Demonstration einer Korrektur während der Aufgabenbearbeitung: ein sachlicher Fehler, vom Nutzer gemeldet, in einer Folgeantwort behoben. Google behauptet, Neon liege bei der Steuerbarkeit in Arenas neuem Agent Arena Index auf Platz zwei. Eine Anekdote bestätigt keine Bestenlistenposition, aber es ist das Verhalten, das die Bestenliste zu messen vorgibt, in freier Wildbahn beobachtet.
Drei Fehlerbehebungen, selbst bewertet
Der Programmierabschnitt besteht aus drei fehlerhaften Programmen mit vorhandenen Testsuiten, die jeweils repariert und dann vom Verfasser selbst überprüft werden, statt anhand des Berichts des Modells.
• Booking checker — vorher 1 von 5 Tests bestanden, nachher 5 von 5.
• Aufgabenplaner — 8 von 14 Prüfungen vorher, 14 von 14 nachher.
• Async-Loader — 10 von 16 Prüfungen vorher, 16 von 16 nachher.
Zusammengefasst: 19 von 35 vorher bestanden, 35 von 35 nachher, also 54,3 % bis 100 %. Ein perfektes Ergebnis ist die Zahl, bei der man misstrauisch werden sollte, und die ehrlichen Einschränkungen betreffen alle die Stichprobe, nicht das Ergebnis. Drei Programme sind drei Programme. Die Testsuiten waren bereits vorhanden, was den offensichtlichen Fehlermodus beseitigt, bei dem ein Modell Tests schreibt, die zu seiner eigenen Korrektur passen; es beseitigt aber nicht die Auswahl: Das waren Programme, die der Poster ausgewählt hat, und eine Korrektur, die die sichtbaren Fehler behob, könnte immer noch auf Weisen falsch sein, die die Suite nicht abdeckt. Was der Lauf zeigt, ist, dass das Modell beim Korrigieren nichts verschlechtert hat — 35 von 35 bedeutet, dass die zuvor bestandenen Tests weiterhin bestanden, und das ist der Fehlermodus, der in der Praxis tatsächlich zuschlägt.
Antigravity gibt Neon 512K, nicht 1M
Nun die Zahl, die nicht im Thread steht und die ändern sollte, wie Sie den Rest davon lesen. Die Modelldokumentation von Antigravity gibt im Eintrag zu Gemini 4 Neon das Kontextfenster mit „bis zu 512K Token“ an. Die Gemini-API-Dokumentation für dasselbe Modell nennt ein einheitliches Fenster von 1.048.576 Token, und Artificial Analysis führt 1.000.000 für das Modell auf. Gleiche Gewichte, gleiche Preisliste, ungefähr die Hälfte des Kontexts – je nachdem, über welche Oberfläche man es aufruft.

Google hat keine Erklärung für die Diskrepanz veröffentlicht, und dieser Beitrag wird keine erfinden. Verifizierbar ist, dass beide Zahlen live sind, beide von Google stammen und beide an den Modellcode gemini-4-neon geknüpft sind. Die praktische Konsequenz ist einfach: Wenn Ihre Bewertung von Neon lautet: „Es hält ein großes Monorepo im Kontext“, dann ist diese Bewertung von der Oberfläche abhängig. Ein Repository mit 600.000 Token passt in die API und passt nicht in Antigravity. Wenn Sie zwischen den beiden wählen, messen Sie an der Oberfläche, auf der Sie tatsächlich ausliefern werden, denn die Obergrenze ist nicht dieselbe.
Der Rest des Antigravity-Bildes ist konventioneller. Neon ist das Standardmodell für neue Unterhaltungen in jedem Plan, der es enthält – den kostenpflichtigen Plänen Google AI Pro, Google AI Ultra und Gemini Enterprise. In Free oder Google AI Plus ist es nicht enthalten. Die Denkstufen-Leiter umfasst Low, Medium, High (Standard) und Extra, wobei die CLI sie als low, medium, high und xhigh über --model gemini-4-neon-xhigh oder --effort xhigh. Der Thread lief durchgehend auf Extra High, der Einstellung, die Google selbst für seine zentrale Kennzahl im Intelligence Index verwendet, und die laut API-Dokumentation für schwierige mehrstufige Probleme vorbehalten bleiben sollte.
Das sollte man eher als eine Asymmetrie bei der Quellenlage denn als einen Mangel hervorheben. Nahezu jede im Umlauf befindliche Neon-Benchmark-Zahl – der Intelligence Index von 61,4, der Coding Agent Index von 58,64 – ist ein xhigh-Wert. Die meisten werden das Modell mit der Standardstufe High betreiben. Artificial Analysis veröffentlicht beides, und der Standardwert liegt bei 59,6 – volle drei Punkte unter dem Titelwert. Ein Protokoll über 762 Aufrufe bei xhigh zeigt, wie die Obergrenze aussieht; es zeigt nicht, was Ihre Standardkonfiguration kostet oder erreicht.
Wo der Thread zu weit geht
Drei Behauptungen in diesem Thread leisten mehr, als die Belege hergeben, und sie verdienen es, benannt zu werden, weil sie wiederholt werden.
{{1}}Die Einordnung als „Early Access“ ist am eindeutigsten.{{/1}} Antigravitys eigener Blogbeitrag zu Neon erschien am {{2}}18. November 2026 um 08:00 UTC{{/2}}; DeepMinds Launch-Beitrag am {{3}}21:00 UTC{{/3}}; der Thread am {{4}}21:35 UTC{{/4}}. Welchen Zugang der Verfasser früher am Tag auch gehabt haben mag – der von ihm veröffentlichte Beitrag erschien nach der allgemeinen Verfügbarkeit, und ihn als Vorab-Vorschau vor dem Launch zu lesen, wäre ein Fehler. Das macht die Beobachtungen nicht falsch. Es bedeutet jedoch, dass „Ich hatte Early Access“ eine rhetorische Funktion erfüllt, die durch die Zeitstempel nicht gedeckt ist.
Zweitens ist „17 interaktive Demos“ eine Mengenangabe mit acht Exponaten. Die acht gezeigten sind wirklich vielfältig und funktionieren tatsächlich, und das ist der nützliche Teil. Die neun zurückgehaltenen sind nicht prüfbar, und keine noch so große Detailfülle über die acht schließt diese Lücke.
Drittens ist das Ergebnis von 35 von 35 behobenen Fällen ein Ergebnis über drei Programme. Es ist die Art von Zahl, die als „Neon behebt alles, was man ihm gibt“ zitiert wird, und die korrekte Lesart ist enger: Bei drei bereits fehlerhaften Programmen mit vorhandenen Testsuites hat es jede fehlschlagende Prüfung behoben, ohne die bestandenen zu brechen. Das ist ein gutes Ergebnis und eine kleine Stichprobe, und beide Hälften dieses Satzes müssen zusammen transportiert werden.
Ein Beleg ist erwähnenswert. Patrick Loeber, Mitglied des technischen Stabs bei Google DeepMind, antwortete auf den Thread: {{1}}„Toller Thread, danke, dass du damit gebaut und dein Feedback geteilt hast!!“{{/1}} Das ist keine Verifizierung irgendeiner darin genannten Zahl. Es ist die Anerkennung eines Google-Mitarbeiters, dass der Durchlauf stattgefunden hat, was mehr ist, als die meisten Hands-on-Threads bekommen.
Was es kostet, das selbst auszuprobieren
Die Ökonomie eines solchen Feldtests ist unglamourös und entscheidend. Bei 3,00 US-Dollar pro Million Eingabe-Tokens und 15,00 US-Dollar pro Million Ausgabe-Tokens ist eine Sitzung mit 762 Aufrufen und starker Kontextwiederverwendung kein 5-Dollar-Experiment – die Ausgabeseite, einschließlich Denk-Tokens, dominiert, und xhigh vervielfacht sie. Googles eigene Darstellung ist, dass Neon in der standardmäßigen High-Einstellung pro Aufgabe etwa 32 % weniger kostet als Gemini 4 Carbon (vom Anbieter berichtet, nicht unabhängig reproduziert) und dass die xhigh-Einstellung für Probleme gedacht ist, bei denen High nicht ausreicht. Eine Demo-Suite mit xhigh auszuführen, während man das Standardverhalten evaluierte, ist ein Weg, ein Mehrfaches dessen auszugeben, was die Entscheidung erforderte.

Der günstigere Weg, diese Evaluierung durchzuführen, besteht darin, zuerst die Oberfläche und das Denkniveau festzulegen und dann das Modell zu variieren. Auf unserer Seite der Katalogumfasst derzeit google/gemini-4-carbon und google/gemini-4-argon, beide zum Listenpreis des Anbieters von 2,00 $ bzw. 10,00 $ mit 0 % Aufschlag obendrauf – eine Änderung der Anbieterpreise ist auf unserer Seite am selben Tag live, an dem sie beim Anbieter eintritt, was hier relevant ist, weil Carbons Einführungspreis am 30. November 2026 ausläuft und auf 4,00 $/20,00 $ steigt. Gemini 4 Neon ist Stand 19. November 2026 nicht im Katalog, daher ist dies keine Empfehlung, es über uns aufzurufen; es ist der Vergleich, den Sie heute tatsächlich durchführen können – gegen das Modell, mit dem Google Neon in fast jedem Absatz seiner Ankündigung vergleicht.
Wenn Sie ein nicht erprobtes Modell statt eines bekannten testen, ist die Routing-Ebene auch der günstige Ort, um das Risiko zu begrenzen: Automatisches Failover bedeutet, dass eine Sitzung, die mitten im Lauf abbricht – wie es beim ersten 3D-Arena-Build der Fall war –, mit einem anderen Modell erneut versucht werden kann, ohne das Harness neu aufzubauen. Und mit der Routing-DSL können Sie einen Planner und einen Executor zu einem einzigen Aufruf zusammensetzen, wenn Sie das Orchestrator-(Neon-)Muster reproduzieren möchten, ohne an die 512K-Obergrenze von Antigravity gebunden zu sein.
Was zu sehen
Der nächste Beweis, der die offenen Fragen klären würde, ist kein weiterer Demo-Thread. Es ist ein Tool-Call-Protokoll von jemandem, der mit der Standardeinstellung High auf einem Repository arbeitet, das groß genug ist, um an die jeweils geltende Kontextobergrenze zu stoßen, veröffentlicht mit den Fehlern darin. Die Lücke zwischen 512K und 1M ist das, worauf man besonders achten sollte, denn eine Dokumentationsabweichung, die einen Release-Zyklus übersteht, ist normalerweise eine Produktentscheidung und kein Versehen – und wenn Antigravity das Fenster absichtlich halbiert, ist das eine Tatsache, die man kennen sollte, bevor man einen Workflow darauf standardisiert.
Bis dahin lautet die faire Zusammenfassung von Gemini 4 Neon in Antigravity so: ein detailliertes öffentliches Protokoll über dreizehn Sitzungen, das ein Modell zeigt, das mehr schreibt als liest, einmal pro Sitzung delegiert, drei kleine Programme perfekt repariert, acht gute Demos aus angeblich siebzehn baut und mit ungefähr der Hälfte des Kontexts läuft, den die API bewirbt. Jede dieser Aussagen ist überprüfbar. Keine davon ist ein Benchmark.
