Eine generierte Titelkarte mit der Aufschrift „Gemini 4 Neon's Stickman Game“ und dem Untertitel „die Schwarm-Behauptung, nicht die Demo“, daneben zwei Karten: links „Das Artefakt“ mit einem 62,5-Sekunden-Video in 756 x 403, das ein Browserspiel zeigt, ohne aufgezeichneten Prompt und ohne aufgezeichnete Einstellungen; rechts „Die Aufzeichnung“ mit drei datierten Google-Posts – 10. Nov.: /swarm wird ausgeliefert, 12. Nov.: Orchestrator wird ausgeliefert, 18. Nov.: Neon wird ausgeliefert – über einer Fußzeile mit dem Text „Ein geposteter Clip; drei datierte Google-Posts; eine ungetestete Trainingsbehauptung.“
Guides & Insights

Gemini 4 Neons Stickman-Spiel: Der Schwarm-Anspruch, nicht die Demo

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Am 19. November 2026 um 20:41 UTC veröffentlichte ein Account, der als @chetaslua postet, ein 62,5-Sekunden-Video eines Strichmännchen-Kampfspiels für zwei Spieler und vier Sätze Text. Das Spiel sei, so hieß es, „von Schwärmen von Gem​ini 4 Neon, reinem JS-Code, gemacht“. Das Modell habe, so hieß es, „einen unverwechselbaren Geschmack und unterscheide sich im positiven Sinne von O​penAI und A​nthropic“. Und dann die entscheidende Zeile: „Die Vorteile davon, keine Destillation zu betreiben und sich Zeit für RSI zu nehmen, zeigen sich jetzt.“ Gem​ini 4 Neon war zu diesem Zeitpunkt seit einem Tag allgemein verfügbar; es war am 18. November erschienen, während Gemini 4 Carbon und Gem​ini 4 Hydrogen bereits vorher verfügbar waren. Das ist also kein Leak und keine Vorschau. Es ist eine Behauptung darüber, wie das Modell gebaut wurde und wie es verwendet wurde, veröffentlicht von jemandem, der nicht G​oogle ist, einen Tag nach dem Launch, mit einem angehängten Video und sonst nichts.

Das meiste, was bisher über Neon geschrieben wurde, drehte sich um seine Zahlen, und die Zahlen sind wirklich interessant: 61 im Artificial Analysis Intelligence Index auf der Einstellung „Extra High“, Platz eins im Coding Agent Index mit 58,6 und ein Standard-Aufwandsniveau, das Carbon bei den Kosten pro Aufgabe unterbietet. Dieser Artikel handelt von der anderen Hälfte des Beitrags – der Hälfte, die besagt, dass das Modell das Produkt von Swarms und einer Trainingsphilosophie ist, die Google nirgendwo beschrieben hat. Das sind trennbare Behauptungen. Eine davon erweist sich als nahezu vollständig dokumentiert – von Google, mit Datumsangaben. Für die andere gibt es überhaupt keinen öffentlichen Beleg, und der Unterschied zwischen beiden ist der nützliche Teil.

Was „made by swarms“ tatsächlich bezeichnet

Es gibt die Versuchung, „swarms“ als Offenlegung über das Training zu lesen: ein Modell, das von Flotten von Kopien seiner selbst rekursiv erstellt wird. Nichts in dem Beitrag stützt das, und alles in Googles eigenen Veröffentlichungen deutet in eine andere Richtung. Es gibt genau eine Sache im Gemini-4-Datensatz, die als „Swarm“ bezeichnet wird, und sie ist eine Produktfunktion, keine Trainingsmethode.

Am 10. November 2026 veröffentlichte das Antigravity-Team einen Beitrag mit dem Titel „Gemini 4 Carbon und /swarm“. Der relevante Satz beschreibt das Harness, nicht das Modell: /swarm „leitet Ihren Prompt an eine Familie von Agenten weiter: einen Koordinator, der spezialisierte parallele Worker in isolierten Git-Worktrees startet, sodass Änderungen nie kollidieren, und adversarische Verifizierer, die darauf spezialisiert sind, Tests auszuführen und Diffs zu hinterfragen.“ Jeder Agent arbeitet über „ein gemeinsames, ausschließlich anfügendes Message Board“ zusammen, das im Leerlauf zu null Tokenkosten parkt und in dem Moment aktiv wird, in dem ein Agent Eingaben benötigt. Agenten können unterschiedlichen Modellen zugewiesen werden, sodass ein Koordinator auf einem Modell schlussfolgern kann, während Worker auf einem anderen schreiben.

Das ist ein Schwarm im üblichen technischen Sinn: parallele Prozesse mit einer gemeinsamen Warteschlange und einem Verifikationsschritt. Es sagt nichts darüber aus, wie Gem​ini 4 Neon trainiert wurde. Ob der Verfasser das meinte oder etwas Lockereres, lässt sich aus vier Sätzen nicht rekonstruieren – aber wenn du die Behauptung an den Aufzeichnungen messen willst, ist der Schwarm der Aufzeichnungen ein datiertes Antigravity-Feature und nichts weiter.

Das Zwei-Spieler-Detail, das G​oogle veröffentlichte

Hier hört der Beitrag auf, auf interessante Weise vage zu sein. Der Antigravity-Beitrag, der Gem​ini 4 Neon ankündigt und am 18. November veröffentlicht wurde, enthält ein Demo-Video mit Untertitel; der Untertitel lautet: „Mit Gem​ini 4 Neon und /swarm erstellt Antigravity ein mehrstufiges 2-Spieler-Spiel, das im integrierten Browser läuft, während der Agent als zweiter Spieler spielt.“

Lies das im Zusammenhang mit dem Tweet. Ein Zwei-Spieler-Spiel mit mehreren Leveln, von einem Schwarm aufgebaut, mit dem Agenten als zweitem Spieler, im Browser, aus der eigenen Dokumentation des Anbieters, veröffentlicht einen Tag vor dem Video. Der Tweet sagt nicht, dass es aus Antigravity stammt – er nennt weder die App noch die API noch AI Studio und gibt weder einen Prompt noch ein Effort-Level noch eine Tokenanzahl noch eine Quelldatei an. Doch der einzige öffentlich demonstrierte Schwarm-Weg zu einem Zwei-Spieler-Browserspiel ist der von Antigravity, und es ist dokumentiert, dass er mit genau diesem Modell funktioniert.

Das verifiziert den Clip nicht. Eine untertitelte Demo eines Anbieters und ein Video eines Drittanbieters sind unterschiedliche Arten von Belegen, und keines von beiden ist eine Spezifikation. Was es jedoch tut, ist, den interessanten Teil des Beitrags konkret zu machen: „von Schwärmen gemacht“ ist überhaupt keine Aussage über das Training, wenn es das bedeutet, was G​oogles eigenes Material mit dem Wort meint. Es ist eine Aussage über ein Harness, das seit neun Tagen ausgeliefert wird.

Drei Daten, die den Schwarm dokumentieren

Die Schwarm-Story hat eine Zeitleiste – mehr, als die meisten Behauptungen zur Launch-Woche bekommen. Alle drei Einträge stammen von Google selbst, aus dem Antigravity-Blog:

• 10. November 2026 — Gemini 4 Carbon erscheint mit /swarm in der Vorschau. Koordinator, parallele Worker in isolierten Worktrees, adversariale Verifizierer, gemeinsames Message Board, Modell-Pinning pro Rolle.

• 12. November 2026 — Gem​ini 4 Hydrogen wird mit Orchestrator ausgeliefert, einer Dropdown-Option, die Arbeit zwischen Hydrogen und einem stärkeren Modell innerhalb einer einzigen Trajektorie hin- und herreicht. Der Beitrag behauptet eine Aufgaben-Erfolgsquote nahe Carbon bei Terminal-Bench 4.1 bei 24 % weniger Kontingentverbrauch und 19 % schnellerer Fertigstellung und merkt an, dass „Zehntausende von Schwärmen“ in den zwei Tagen seit /swarm live ging gestartet worden seien.

• 18. November 2026 — Gem​ini 4 Neon wird ausgeliefert, und Orchestrator erhält ein Gespann aus Neon als Planer und Hydrogen als Ausführendem. Derselbe Beitrag behauptet, dass Neon auf seiner standardmäßigen Denkstufe „High“ pro Aufgabe 32 % günstiger läuft als Carbon, und führt es im Artificial Analysis Intelligence Index bei „Extra High“ mit 61 Punkten.

A generated single-column scoreboard titled 'Gemini 4 Neon — the scoreboard' with six rows: swarm harness /swarm, preview 10 Nov 2026; Orchestrator role planner, paired with Hydrogen; AA Intelligence Index 61 at xhigh; default effort high, 32% cheaper per task; cost per index task $6.44; training disclosure none published. A footer reads 'Per Google Antigravity posts and Artificial Analysis; RSI and distillation claim unaudited.'

Das ist die gesamte öffentliche Darstellung von Gem​ini 4 swarms, und es ist eine Produktdarstellung. Beachten Sie, was in allen drei Beiträgen fehlt: Die Wörter „Distillation“, „Selbstverbesserung“, „Reinforcement Learning“ und „Post-Training“ kommen nicht vor. Der Orchestrator-Absatz über Routing kommt dem, das Verhalten von Modellen als System statt als Modell zu beschreiben, von allen am nächsten, und er handelt ausdrücklich von Modellauswahl zur Inferenzzeit, nicht von Training.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 ranked 6 of 95, $3.00 input and $15.00 output per million tokens, $6.44 cost per Intelligence Index task, 21.5 minutes per task against a 12.4-minute median, 283 million output tokens during the evaluation against a 65.4-million median, a verbosity rank of 92 of 94, and a 3.482% output-to-input token ratio.

Die RSI-Behauptung kommt ohne Beleg.

Die zweite Hälfte des Beitrags ist der Teil, hinter dem kein unterstützendes Dokument steht, und es lohnt sich, genau zu benennen, warum, denn die Behauptung ist nicht offensichtlich falsch – sie ist auf eine bestimmte Weise nicht überprüfbar.

Beginnen wir mit dem Akronym. In dieser Literatur wird „RSI“ für mindestens zwei verschiedene Dinge verwendet: recursive self-improvement, also dass ein Modell an der Verbesserung seines Nachfolgers mitwirkt, und rejection-sampling iteration, also wiederholte Runden aus Sampling, Filtern und Fine-Tuning an den verbliebenen Kandidaten. „Taking time with RSI“ liest sich eher wie Ersteres. Beide Lesarten sind eine Aussage über die Trainingspipeline, und G​oogle hat nichts veröffentlicht, was eine Entscheidung zwischen ihnen erlauben würde, geschweige denn eine Bestätigung.

Prüfen Sie die Seiten, die es enthalten würden. Die Gemini-Modellseite von DeepMind führt Gem​ini 4 Neon unter „November 2026“ ohne Tagesangabe auf und behandelt Fähigkeiten, Preis und Verfügbarkeit; Destillation, Selbstverbesserung, Reinforcement Learning oder Post-Training werden dort nirgends erwähnt. Der Antigravity-Beitrag handelt von der Harness-Integration. Die Modellkarte ist der Ort, an dem eine Aussage zum Trainingsprozess normalerweise auftauchen würde, und die Neon-Karte enthält keine: Sieben ihrer Felder geben denselben Satz aus, „Gem​ini 4 Neon is adapted from Gemini 4 Carbon“, und verweisen auf die Carbon-Karte, ohne Parameteranzahl und ohne Vorkommen von „distill“, „prune“ oder „quantize“.

Dieser letzte Punkt bringt die beiden Hälften des Tweets in ein Spannungsverhältnis zueinander. „Adapted from Gemini 4 Carbon“ ist eine Aussage über die Ableitung. Ein aus einem anderen Modell abgeleitetes Modell ist auf den ersten Blick kein Modell, das ohne Destillation gebaut wurde – es sei denn, „adapted“ leistet eine Arbeit, die keiner von uns sehen kann. Der Beitrag behauptet das Fehlen einer Technik, die das einzige offizielle Dokument zur Herkunft des Modells weder ausschließt noch bestätigt. Das könnte alles wahr sein. Es ist nicht überprüfbar, und die Person, die die Behauptung aufstellt, hat nicht offengelegt, wie sie zu ihr kommt.

Der falsifizierbare Teil desselben Satzes ist leichter zu testen, und dort leisten die Zahlen einen Beitrag. Wenn Neon wirklich das Produkt eines geduldigen, nicht destillierten Trainingsprozesses ist, würde man den Ertrag eher bei der Fähigkeit pro Token als bei der Geschwindigkeit erwarten. Was der unabhängige Tracker zeigt, ist ein Modell, das leistungsfähig und ungewöhnlich teuer im Betrieb ist: 61 auf dem Index bei Extra High, aber 6,44 US-Dollar pro Indexaufgabe, 21,5 Minuten pro Aufgabe gegenüber einem Median von 12,4 Minuten und 283 Millionen generierte Ausgabe-Token während des Indexlaufs gegenüber einem Median von 65,4 Millionen – ein Rang für Weitschweifigkeit nahe dem unteren Ende des Feldes. Das ist ein Profil, das zu einem Modell passt, das lange nachdenkt. Es passt aber auch zu vielen anderen Dingen. Es klärt die Trainingsfrage in keiner Richtung, und keine veröffentlichte Zahl tut das.

Was der Clip belegt und was nicht

Zieht man die Philosophie ab, ist das Artefakt dünner als das Argument darum herum. Das Video ist 756 mal 403 groß, läuft 62,5 Sekunden und zeigt einen Zweispieler-Strichmännchen-Kämpfer, der in einem Browser läuft. Es gibt keinen Prompt im Beitrag, keinen Modellversionsstring, keine Denkstufe, keine Token-Abrechnung und keine Aussage darüber, ob ein Agent oder vierzig den Code erzeugt haben. „Pure JS code“ ist eine Aussage über die Ausgabesprache; es ist keine Aussage darüber, wie der Code erzeugt wurde, und keine Messung der Qualität.

Was der Clip belegt, ist begrenzt, aber real: Ein im Browser spielbares Zwei-Spieler-Spiel in reinem JavaScript lässt sich mit diesem Modell über einen Swarm-Harness erzeugen, und jemand hat es innerhalb eines Tages nach der allgemeinen Verfügbarkeit geschafft. Das ist eine Fähigkeitsdemonstration, und der eigene Beitrag des Anbieters bestätigt deren Grundzüge. Was er nicht belegt, ist irgendeine Aussage über das Training, denn eine Demo kann eine solche nicht tragen – die Kausalkette von einem Trainingsprozess zu einem Strichmännchen-Spiel läuft durch zu viele Entscheidungen, als dass sie in einem Video sichtbar wäre, und niemand Beteiligter hat die Einstellungen veröffentlicht, mit denen man es erneut ausführen könnte.

Darin mündet die ehrliche Lesart des gesamten Beitrags. Die Schwarm-Hälfte ist dokumentiert, datiert und im Prinzip reproduzierbar. Die Trainings-Hälfte ist die Behauptung eines Beobachters über Arbeit, die er nicht selbst geleistet hat, veröffentlicht ohne das eine, was sie überprüfbar machen würde: eine Quelle. Behandelt man das Erste als Beschreibung einer ausgelieferten Funktion und das Zweite als kursierende Hypothese, wird der Beitrag nützlich statt bloß interessant.

Eine Version des Tests, die Sie überprüfen können

Wenn es sich bei der Schwarm-Behauptung um eine Harness-Behauptung handelt, lässt sie sich an Ihrem eigenen Traffic testen, was bei der Trainings-Behauptung nicht möglich ist. Die benötigten Bausteine sind ein Koordinator, Worker und ein Verifier – und die günstigste Variante besteht darin, jede Rolle an ein Modell zu binden, das Sie bereits aufrufen können.

• Halte das Briefing fest – den Prompt, die Effort-Stufe und das jeder Rolle zugewiesene Modell. Ohne diese drei ist ein erneuter Lauf ein anderes Experiment.

• Messe die Schleife, nicht das Artefakt — Gesamttoken, Wanduhrzeit und wie viele Verifier-Runden der Diff überstand, bevor er akzeptiert wurde.

• {{1}}Halte den Prüfer adversarial{{/1}} — das Antigravity-Design kombiniert einen Builder mit etwas, das eigens darauf ausgelegt ist, seine Ausgabe zu brechen, und diese zweite Rolle leistet den Großteil der Qualitätsarbeit.

Ein praktischer Hinweis dazu, wo dies heute laufen kann: Gem​ini 4 Neon ist nicht im OrcaRouter-Katalog, der derzeit 217 Modellkennungen enthält und in der Gem​ini-4-Familie nur google/gemini-4-carbon und google/gemini-4-argon, beide zu $2.00 pro Million Tokens für Eingaben und $10.00 für Ausgaben gelistet, mit Cache-Reads zu $0.10. Eine Coordinator-Worker-Aufteilung auf unserer Seite bedeutet also, auf diese beiden aufzuteilen statt sich auf Neon festzulegen, und die Routing-DSL ist der Ort, um das auszudrücken — einen Planer und einen Executor zu einem einzigen Aufruf zusammenzusetzen, und der Failover-Pfad verhindert, dass ein ausgefallener Worker den Lauf mitreißt. Zum Vergleich: Derselbe Neon-Traffic kostet zum veröffentlichten Preis $3.00 und $15.00 pro Million, wobei Batch und Flex zum halben Preis zu haben sind — das ist die Zahl, die du gegen jedes von dir gebaute Harness halten solltest.

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing the model header labelled by Google dated 2026-11-10, a 1,048,576-token context window accepting text, image, audio, video and documents and returning text, both the /v1/chat/completions and v1beta generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, a 10.60 s performance figure, zero-data-retention availability, and an OpenAI-compatible Python sample calling google/gemini-4-carbon through https://api.orcarouter.ai/v1.

Worauf es sich zu achten lohnt, ist nicht der nächste Clip. Es ist die Frage, ob irgendjemand — G​oogle oder die Person, die das hier gepostet hat — ein Tool-Call-Log oder eine Token-Anzahl aus einem Swarm-Lauf auf Gem​ini 4 Neon bei einer angegebenen Effort-Stufe veröffentlicht. Das würde eine Demo in eine Messung verwandeln und es ermöglichen, die Swarm-Behauptung so zu prüfen, wie es bei einem ausgelieferten Feature sein sollte. Die RSI-Behauptung braucht etwas anderes: eine Trainings-Offenlegung, die derzeit auf keiner G​oogle-Seite existiert, und bis es eine gibt, ist die zutreffendste Aussage darüber, dass sie unbestätigt und nicht, dass sie falsch ist.