
Gemini 4 Neon Video: Ein Artefakt-Export, keine Generierung
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 185 tok/s
- openaiNEUOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 pro 1 Mio. Tokens · 76 tok/s
- openaiNEUOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 pro 1 Mio. Tokens · 151 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 234 tok/s
- AlibabaNEUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 pro 1 Mio. Tokens · 125 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 94 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 212 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 99 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 · 82 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 105 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 68 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 pro 1 Mio. Tokens · 36 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 39 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 · 222 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 104 tok/s
Am 21. November 2026 um 08:07 UTC veröffentlichte der Account @dotey — 宝玉 auf X — einen 60,03-sekündigen Clip in 1920×1080 mit einer einzigen chinesischen Zeile darüber: 做视频效果也不错, ungefähr „auch bei Video nicht schlecht“. Es ging um Gemini 4 Neon, das eine Woche alte Modell von Google, und der Link unter dem Satz verwies auf ein Open-Source-Projekt namens open-artifact, im Beitrag beschrieben als das Artifact (Skill) für Videoproduktion. Der Clip hatte 230 Likes und 76 Antworten, als wir ihn am 22. November lasen. Es sieht aus wie ein produziertes Stück Motion Design.
Es ist kein generiertes Video. Googles eigene Modelldokumentation für Gemini 4 Neon nennt genau einen Ausgabetyp – und nur einen: Text – und der daraus entstandene Film ist ein Programm: HTML-, CSS- und JavaScript-Szenen, die als Funktion der Zeit gezeichnet werden, plus eine synthetisierte Filmmusik, gerendert von einer lokalen Webseite und per Export-Schaltfläche dieser Seite als MP4 exportiert. Der Unterschied ist keine Pedanterie. Er verändert, worin das Modell gut ist, was ein zweiter Schnitt kostet und ob das, was man kauft, ein Renderer oder ein Autor ist.
Was in dem Beitrag tatsächlich steht
Der gesamte öffentliche Nachweis der Behauptung besteht aus einem Satz-Tag und einem 60-Sekunden-Anhang. Es gibt keinen Prompt, keine Szenenanzahl, keine Denkstufe, keine Token-Anzahl und keine Aussage darüber, ob der Film aus der API, Google AI Studio, Antigravity oder etwas anderem stammt. Der Beitrag sagt nicht einmal, dass der Clip mit dem verlinkten Skill erstellt wurde – er präsentiert den Skill als den Weg, diese Art von Arbeit zu erledigen, und den Clip als Grund, sich dafür zu interessieren. Lies ihn als Empfehlung mit angehängter Demo, nicht als Test.
Eine Sache sollte man wissen, bevor man die Empfehlung abwägt. Das Repository ist fünf Tage alt: GitHub führt es als am 17. November 2026 erstellt, mit 135 Stars und 25 Forks zum Zeitpunkt des Schreibens, unter Apache-2.0 lizenziert, und ein Release – 0.12.2 –, das am 21. November veröffentlicht wurde, am selben Tag wie der Beitrag. In seiner README heißt es, es habe als baoyu-design begonnen, und die Credit-Zeile im Lizenzabschnitt lautet „Copyright 2026 Jim Liu 宝玉“. Das ist derselbe 宝玉, den das Konto, das den Beitrag veröffentlicht hat, als Anzeigenamen verwendet. Die Person, die Ihnen sagt, dass Neon darin gut sei, zeigt also ein Tool, das ihren Namen in der Copyright-Zeile trägt. Das macht die Demo nicht falsch. Es macht sie aber zu einer Demo des Machers, und die ehrliche Lesart ist, dass sie zeigt, was die Pipeline in geschickten Händen produzieren kann, nicht, was ein durchschnittlicher Prompt beim ersten Versuch produziert.
Die Modellkarte gibt an: Ausgabe: Text

Google veröffentlichte Gemini 4 Neon am 18. November 2026 für 3 US-Dollar pro Million Eingabe-Tokens und 15 US-Dollar pro Million Ausgabe-Tokens, wobei zwischengespeicherte Eingaben 0,15 US-Dollar kosten. Der Launch-Beitrag beschreibt, wie es Tabellen, PDFs, Diagramme, Audio und Video liest. Die Modellseite geht weiter und beantwortet die Frage, die der Beitrag offenlässt: Unter „Unterstützte Datentypen“ listet sie „Eingaben: Text, Bild, Video, Audio und PDF“ und dann, in einer eigenen Zeile, „Ausgabe: Text“. Dieselbe Seite kennzeichnet die Audiogenerierung als nicht unterstützt. Der Kontext umfasst 1.048.576 Tokens, standardmäßig 65.536 Tokens Ausgabe und bei langem Decode bis zu der vollen Million.
Genau in dieser Asymmetrie beginnt die Verwirrung. Video ist etwas, das dieses Modell ansieht, nicht etwas, das es erzeugt. Die Kartenansicht auf derselben Dokumentationsseite ist lockerer formuliert – dort steht „Modalitäten: Text, Bild, Audio, Video, PDF“, ohne zu sagen, welche Richtung welche ist – und wer diese Zeile nur überfliegt, könnte vernünftigerweise zu dem Schluss kommen, Neon gebe Video aus. Das tut es nicht. In Googles eigenem Stack ist das Erzeugen von Einzelbildern eine andere Modellreihe; Neons Beitrag zu einem bewegten Bild ist der Code, der es zeichnet.
Wie ein Textmodell einen Film erzeugt
Der Motion-Artifact-Typ in open-artifact legt den Mechanismus ausdrücklich offen. Ein Film ist ein Ordner aus kleinen JSON-Dokumenten: eine Szenenliste mit Bühnengröße und Bildrate, ein JavaScript-Modul pro Szene, das sie aus einer Zeitvariablen t zeichnet, ein Score-Modul, das Musik und Effekte synthetisiert, und ein optionales Narrationsmodul für Untertitel und Voiceover. Vom Modell wird nichts als Video gerendert. Die lokale Seite spielt die Dokumente ab, so wie ein Browser eine Seite abspielt, und Export verwandelt diese Wiedergabe in eine Datei.
Die eigene Dokumentation des Skills ist offen über die Arbeitsteilung, und die Details sind die, die zählen, wenn Sie entscheiden, ob Sie dies ausprobieren möchten:
• Länge — ein Film dauert 10 bis 30 Sekunden, es sei denn, du bittest um mehr, mit einer harten Obergrenze von 300 Sekunden. Der Clip im Beitrag ist 60,03 Sekunden lang, also hat sein Autor darum gebeten.
• Export — MP4 mit standardmäßig 720p oder 1080p, mit voller, halber oder einem Viertel der Bildrate, plus GIF, HTML und ZIP. Der Anhang ist 1920×1080, die Nicht-Standardoption.
• Wer schreibt die Datei — die Anweisungen sagen dem Agenten, überhaupt keine Video- oder Audiodatei zu erstellen. Der Export ist Aufgabe der Seite, und Standbilder zur Prüfung einer Szene werden von Headless Chrome erzeugt.
• Sicherheitsleitplanken — keine Szene unter einer Sekunde, nicht mehr als drei Schnitte oder Blitze pro Sekunde, und alle Untertitel stammen aus Zeilen, die die Person geliefert hat, statt aus Zeilen, die das Modell erfindet.
Also passieren drei Dinge nacheinander: Das Modell schreibt ein kleines Programm, ein Browser zeichnet es, und ein Encoder – das Projekt liefert Rust/WebAssembly-Crates für die GIF- und MOV-Kodierung – schreibt den Container. Nur der erste Schritt beinhaltet Gemini 4 Neon. Ein 60-Sekunden-1080p-Film mit einer Filmmusik ist eine beachtliche Menge Code, die ein einzelnes Modell in einer Handvoll Turns korrekt hinbekommen muss, und das ist ein echtes Kompliment. Es ist ein Kompliment über Software-Engineering, und genau dort sind Neons veröffentlichte Zahlen am stärksten.
Was ein Film auf Neons Preisliste kostet

Nichts in dem Beitrag offenbart den Token-Verbrauch, daher handelt es sich im Folgenden um Arithmetik mit Googles Listenpreis und nicht um eine Messung. Ein Film mit zehn Szenen bedeutet einen langen ersten Durchgang, mehrere Lese- und Schreibrunden gegen den Dokumentenspeicher und einiges an erneutem Lesen, während das Modell seine eigenen Szenen prüft. Sagen wir 150.000 Eingabe-Token und 25.000 Ausgabe-Token für einen funktionierenden Film: 0,45 $ Eingabe bei 3 $ pro Million und 0,375 $ Ausgabe bei 15 $ pro Million, also etwa 83 Cent. Ein schlankerer Durchlauf mit 40.000 Eingabe- und 8.000 Ausgabe-Token kommt auf 24 Cent. Bei gecachter Eingabe bewegt sich die Zahl wirklich — bei 0,15 $ pro Million kosten 120.000 gecachte Eingabe-Token etwa zwei Cent statt 36 Cent, und der gesamte Lauf fällt unter 50 Cent.
Vergleichen Sie das mit dem, was unabhängige Tests das Modell pro Aufgabe kosten. Artificial Analysis bewertet Gemini 4 Neon mit 61 auf seinem Intelligence Index bei xhigh-Aufwand, mit 106 Ausgabe-Tokens pro Sekunde, 22,3 Minuten und 6,44 US-Dollar pro Index-Aufgabe. Ein Film ist billiger als eine Index-Aufgabe, und darin liegt die nützliche Überraschung: Der teure Teil dieses Workflows ist nicht der Film, sondern die Iteration.
Und bei der Iteration kehren sich die ökonomischen Verhältnisse um. Ein Videomodell, das pro Sekunde abrechnet, stellt jeden Take in Rechnung; ein codegezeichneter Film stellt die Tokens in Rechnung, die ihn schreiben, und nichts für das Rendern. Ändere eine Farbe, exportiere erneut, und du hast null Tokens verbraucht – die Kosten sind deine eigene CPU und die Zeit, die headless Chrome braucht, um 1.800 Frames zu zeichnen. Das ist eine wirklich andere Kostenkurve als bei generativem Video, und es ist das stärkste Argument für den Beitrag, das der Beitrag selbst nicht vorbringt.
Um es klar zu sagen: Gemini 4 Neon ist nicht in unserem Katalog. Die beiden Gemini-4-Modelle, die OrcaRouter anbietet, sind Gemini 4 Argon und Gemini 4 Carbon, beide zu 2,00 $ Eingang und 10,00 $ Ausgang pro Million zum Listenpreis des Anbieters ohne Aufschlag — das ist der Vergleich, den ein Leser tatsächlich braucht, denn Carbon ist das Modell, gegen das Neon bepreist wird, und Argon ist der günstigere Weg, dieselbe Artefakt-Schleife laufen zu lassen, während Sie sich entscheiden. Beide liegen hinter einem Schlüssel, sodass eine Code-Schreib-Sitzung, die mitten im Film eine Zeitüberschreitung hat, ohne einen zweiten Vertrag oder eine Codeänderung ausweichen kann.
Wo die Behauptung am schwächsten ist
Die stärkste Version des skeptischen Arguments ist nicht, dass der Clip gefälscht ist – die Pipeline ist öffentlich und der Mechanismus dokumentiert, sodass jeder seine Form reproduzieren kann. Sie ist, dass ein guter, mit Code gezeichneter Film ein Programmier-Benchmark mit Regisseurshut ist, und die Programmierwerte dieses Modells bereits seine besten Werte sind. Neon steht nach Googles eigenen Angaben bei 58,6 im Coding Agent Index und bei 65,2 % in Terminal-Bench 4.1, sodass „gut darin, Filme zu machen“ womöglich größtenteils „gut darin, Animationscode zu schreiben“ bedeutet – was wir bereits wussten und was sich nicht auf ein Modell übertragen lässt, das schlechteren Code schreibt.
Nach dem Lesen aller verfügbaren Informationen bleiben drei konkrete Lücken:
• Attribution — es werden keine Einstellungen offengelegt, und sowohl die Laufzeit von 60 Sekunden als auch die Auflösung von 1080p weichen von den Standardwerten des Skills ab, sodass jemand Entscheidungen getroffen hat, die wir nicht sehen können.
• Auswahl — Ein Clip ist ein Highlight, und die Demo eines Makers wird vom Maker ausgewählt. Es gibt keine Fehlerquote, kein Beispiel für den ersten Versuch und keinen Vergleich mit demselben Prompt auf Carbon.
• Was „gut“ bedeutet – die visuelle Qualität gehört teilweise zum Template und zu den Designregeln des Skills, nicht zum Modell. Ein anderer Artefakttyp mit schwächerem Scaffolding würde das Modell weniger schmeicheln.
Nichts davon ist ein Ausschlusskriterium, und das gilt in beide Richtungen: Ein mit Code gezeichneter Film lässt sich zudem auf eine Weise prüfen, wie es bei einem Diffusion-Render nicht möglich ist. Wenn ein Frame falsch ist, dann ist er in einer Datei falsch, die man lesen kann, und an einer Zeile, auf die man zeigen kann.
So probieren Sie es selbst aus
Der Weg ist kurz genug, um ihn in einem Absatz zu beschreiben. Das Projekt benötigt Node 22.18 oder neuer, liefert ein Plugin-Bundle über GitHub Releases aus und führt Antigravity unter seinen unterstützten Hosts auf – installieren Sie den entpackten Ordner mit agy plugin install oder kopieren Sie ihn nach ~/.gemini/config/plugins/open-artifact und starten Sie neu. Das ist zufällig der Host, auf dem Gemini 4 Neon das Standardmodell für neue Unterhaltungen bei Tarifen ist, die es enthalten, sodass die beiden Teile ohne Konfiguration zusammenfinden. Der erste Prompt ist ein Satz: eine zwanzigsekündige Startanimation für diese App oder eine Titelkarte für jenes Projekt. Dann sehen Sie sich Standbilder an, bevor Sie etwas für einen Export ausgeben – genau der Workflow, den der Skill selbst empfiehlt.
Tu das einmal, bevor du dem Beitrag glaubst, und achte auf zwei Zahlen statt auf das Bild: wie viele Durchläufe es dauert, bis die erste Szene korrekt gezeichnet wird, und wie viel von der Eingaberechnung auf Cache-Lesevorgänge entfällt. Das sagt dir, ob die Schleife für deine Arbeit günstig ist. Der Clip zeigt dir, dass es möglich ist; nur deine eigene Token-Zahl sagt dir, ob es sich lohnt.

Die offene Frage ist nicht, ob Gemini 4 Neon in einer Videodatei landen kann – es kann das nachweislich, über ein Programm, das es selbst geschrieben hat. Die Frage ist, ob Google das als erstklassige Ausgabe behandelt. Derzeit ist die Artefakt-Schicht von Drittanbietern abhängig, der Export ist Aufgabe einer lokalen Seite, und die dokumentierte Ausgabe des Modells ist Text. Wenn sich das ändert, wird sich auch die ehrliche Einordnung dieses Clips ändern: von einer cleveren Nutzung eines Coding-Modells zu einer Feature-Liste. Bis dahin ist das Lob, das es wert ist, wiederholt zu werden, das engere – Neon schreibt Animationscode gut genug, dass jemand, der die Tooling-Infrastruktur baut, sich dafür entschieden hat, es damit vorzuführen.
