
Gemini 4 Neon di Antigravity: 762 Pemanggilan Alat pada Batas 512K
- OrcaBARUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 juta token · 188 tok/s
- tencentBARUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 juta token · 205 tok/s
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 87 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 juta token · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 juta token · 124 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 110 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 juta token · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
Tiga belas sesi, 762 panggilan alat, dan satu angka yang tidak muncul di mana pun dalam materi peluncuran Google: 512.000. Itulah jendela konteks yang diberikan dokumentasi Antigravity sendiri untuk Gemini 4 Neon, dibandingkan dengan 1.048.576 token yang dijual Gemini API untuk model yang sama dengan harga $3,00 masuk dan $15,00 keluar. Kedua angka itu milik Google, diterbitkan pada minggu yang sama, dan tidak ada satu pun halaman yang menyebut yang lain. Log panggilan alat berasal dari utas hands-on yang dipublikasikan @kimmonismus pada 18 November 2026, tiga belas setengah jam setelah pos Neon Antigravity terbit dan tiga puluh lima menit setelah pos DeepMind, yang berarti model yang ia sebut memiliki "early access" itu sudah tersedia secara umum saat ia menekan terbit.
Timing itu penting untuk menentukan seberapa besar bobot yang diberikan pada utas tersebut, bukan untuk menentukan apakah utas itu berguna. Ini adalah laporan publik paling terperinci yang pernah diterbitkan siapa pun tentang Gemini 4 Neon yang melakukan kerja agentic berkelanjutan, dan bagian yang menarik bukanlah demonya. Yang menarik adalah bentuk lognya, yakni aritmetika yang dapat diperiksa, sedangkan “ia membuat 17 demo interaktif” tidak demikian.
Rincian dari 762 panggilan tersebut
Pemosting menelusuri kembali log Antigravity setelah kejadian dan menghitung setiap panggilan di ketiga belas sesi tersebut, yang semuanya dijalankan pada tingkat pemikiran Extra High. Rinciannya, dilaporkan sendiri dan tidak diaudit:
• Pembacaan file — 313
• Suntingan — 266
• File baru dibuat — 104
• Perintah shell — 43
• Sub-agen dibuat — 13
• Penelusuran web — 2
• Panggilan lainnya, termasuk pembaruan tugas — 21
Itu berjumlah tepat 762, yang merupakan hal pertama yang perlu diperiksa dan hal pertama yang terpenuhi. Bagi dengan tiga belas dan Anda mendapatkan sekitar 58,6 panggilan tool per sesi, angka yang secara mencurigakan berada dekat dengan 58,6 skor Neon pada Artificial Analysis Coding Agent Index — kebetulan, tetapi kebetulan yang mudah diingat jika Anda mencoba mengingat kedua angka itu sekaligus.

Rasio yang lebih informatif adalah rasio yang justru diajak untuk Anda uji oleh positioning Google sendiri. Posting peluncuran mengklaim Neon “memangkas pembacaan berkas yang redundan” dan “menangani pemadatan konteks secara andal dalam sesi panjang.” Dalam log ini, pembacaan mencakup 313 dari 762 panggilan, atau 41%. Penulisan — 266 penyuntingan ditambah 104 berkas baru, 370 panggilan — mencakup 48,6%. Itu berarti 1,18 operasi tulis untuk setiap pembacaan. Model yang meraba-raba melalui basis kode untuk mencari berbagai hal akan menunjukkan rasio sebaliknya; model yang sudah tahu ke mana tujuannya membaca sekali lalu menulis. Tiga belas sesi dari satu pengguna bukanlah bukti sifat umum, tetapi itulah arah yang diprediksi klaim tersebut, dan itu adalah satu-satunya log publik tentang klaim itu yang benar-benar dijalankan.
Dua angka yang paling tampak aneh adalah sub-agen dan pencarian web. Tiga belas sub-agen di tiga belas sesi berarti tepat satu per sesi — pola delegasi yang konsisten, bukan sesekali. Dua pencarian web dari 762 panggilan adalah 0,26%, yang bagi model yang digambarkan Google sebagai orkestrator yang mengarahkan subagen Hydrogen paralel sungguh sangat berorientasi ke dalam. Ini adalah eksekusi terhadap kode lokal, bukan riset, dan log mencerminkan itu.
Apa yang sebenarnya ditunjukkan oleh jalannya demo
Tujuh belas demo interaktif, delapan di antaranya ditampilkan. Delapan yang terlihat mencakup penembak arena 3D dengan gelombang musuh, kesehatan, amunisi, dan isi ulang; penembak rel bernama Solaris Trench; arena voxel yang dapat dihancurkan bernama Terra Breaker yang mempertahankan 60 frame per detik secara stabil dalam uji peramban; game melintasi ngarai dengan jet bernama Aero Canyon dengan dua belas gerbang dan waktu terbaik yang tersimpan; teka-teki fisika dengan tuas dan peluncur bola; pertunjukan cahaya medan partikel; terbang lintas lubang hitam dengan pelensaan yang dapat disesuaikan; dan tata surya yang dapat diklik.
Sembilan yang tidak ditampilkan adalah bagian dari thread yang tidak dapat dievaluasi, dan pembacaan jujur atas "17 demo" adalah bahwa itu merupakan klaim tentang volume dengan delapan sampel yang dilampirkan. Yang ditetapkan oleh delapan sampel tersebut adalah keluasan: satu model yang menghasilkan adegan WebGL, fisika, visual yang digerakkan audio, dan manajemen status UI dalam satu sesi, dengan kualitas yang akan diposting oleh seorang penghobi. Itu adalah sinyal kemampuan yang nyata meskipun jumlahnya tidak dapat diaudit.
Mode kegagalan yang dilaporkan pemosting lebih berguna daripada keberhasilannya, karena spesifik. Build pertama arena 3D "terhenti karena error server" dan perlu percobaan kedua untuk diselesaikan — kegagalan infrastruktur, bukan kegagalan model, tetapi menghabiskan satu percobaan penuh. Neon menambahkan mode autopilot ke Aero Canyon yang tidak pernah diminta, yang ditandai pemosting sebagai cakupan yang tidak diminta. Ia kemudian hanya menguji autopilot, jadi kualitas penerbangan manual tetap tidak diketahui bahkan untuk demo yang ia buat. Tata surya dirilis dengan jumlah bulan yang sudah usang dan baru dikoreksi ke angka JPL saat ini setelah ia menandainya; ukuran dan orbitnya masih belum berskala.
Yang terakhir itu adalah titik data paling menarik dalam utas ini, karena merupakan demonstrasi yang jelas tentang koreksi di tengah tugas: sebuah kesalahan faktual, yang ditandai oleh pengguna, diperbaiki dalam tindak lanjut. Google mengklaim Neon berada di peringkat kedua dalam hal steerability pada Agent Arena Index baru milik Arena. Satu anekdot tidak mengonfirmasi posisi papan peringkat, tetapi itulah perilaku yang diklaim papan peringkat itu diukur, yang teramati di dunia nyata.
Tiga perbaikan bug, dinilai sendiri
Bagian pemrograman berisi tiga program rusak dengan rangkaian uji yang sudah ada; masing-masing diperbaiki lalu diverifikasi oleh pemostingnya sendiri, bukan berdasarkan laporan model itu sendiri.
• Pemeriksa pemesanan — 1 dari 5 tes lulus sebelumnya, 5 dari 5 setelahnya.
• Penjadwal tugas — 8 dari 14 pemeriksaan sebelum, 14 dari 14 sesudah.
• Async loader — 10 dari 16 pemeriksaan sebelumnya, 16 dari 16 sesudahnya.
Secara agregat: 19 dari 35 lulus sebelumnya, 35 dari 35 sesudahnya, atau 54,3% menjadi 100%. Skor sempurna adalah angka yang perlu dicurigai, dan kaveat jujurnya semuanya ada pada sampelnya, bukan pada hasilnya. Tiga program tetap tiga program. Rangkaian tes sudah ada sebelumnya, yang menghilangkan mode kegagalan jelas ketika sebuah model menulis tes agar sesuai dengan perbaikannya sendiri, tetapi itu tidak menghilangkan seleksi: ini adalah program yang dipilih pemosting untuk dibawa, dan perbaikan yang menyelesaikan kegagalan yang terlihat bisa tetap salah dengan cara yang tidak dicakup oleh rangkaian tes. Yang ditunjukkan oleh proses ini adalah bahwa model tidak membuat regresi apa pun saat memperbaiki — 35 dari 35 berarti tes yang sebelumnya lulus tetap lulus, yang merupakan mode kegagalan yang benar-benar berdampak dalam praktik.
Antigravity memberi Neon 512K, bukan 1M
Sekarang angka yang tidak ada dalam thread ini dan seharusnya mengubah cara Anda membaca sisa thread ini. Dokumentasi model Antigravity, pada entri Gemini 4 Neon, menyatakan jendela konteks sebagai "hingga 512K token." Dokumentasi Gemini API untuk model yang sama menyatakan jendela terpadu 1.048.576 token, dan Artificial Analysis mencantumkan 1.000.000 untuk model tersebut. Bobot yang sama, kartu tarif yang sama, konteksnya kira-kira setengahnya, tergantung dari platform mana Anda memanggilnya.

Google belum menerbitkan penjelasan atas selisih tersebut, dan artikel ini tidak akan mengarangnya. Yang dapat diverifikasi adalah bahwa kedua angka tersebut sama-sama berlaku, sama-sama milik Google, dan sama-sama terlampir pada kode model gemini-4-neon. Konsekuensi praktisnya jelas: jika evaluasi Anda terhadap Neon adalah "ia menampung monorepo besar dalam konteks," evaluasi itu bergantung pada permukaan. Repositori 600.000 token muat di API dan tidak muat di Antigravity. Jika Anda memilih di antara keduanya, ukurlah pada permukaan yang benar-benar akan Anda gunakan untuk merilis, karena batas maksimumnya tidak sama.
Sisa gambaran Antigravity lebih konvensional. Neon adalah model default untuk percakapan baru di setiap paket yang menyertakannya — Google AI Pro berbayar, Google AI Ultra, dan Gemini Enterprise. Model ini tidak tersedia di Free atau Google AI Plus. Tangga thinking-nya berjalan dari Low, Medium, High (default), dan Extra, dengan CLI menuliskannya sebagai low, medium, high dan xhigh melalui --model gemini-4-neon-xhigh atau --effort xhigh. Thread ini berjalan sepenuhnya pada Extra High, yaitu pengaturan yang digunakan Google sendiri untuk angka Intelligence Index utamanya, dan yang direkomendasikan dokumentasi API agar disisihkan untuk masalah multi-langkah yang sulit.
Hal itu layak ditandai sebagai asimetri sumber data, bukan sebagai cacat. Hampir setiap angka benchmark Neon yang beredar — Intelligence Index 61,4, Coding Agent Index 58,64 — adalah angka xhigh. Sebagian besar orang akan menjalankan model pada pengaturan High bawaan. Artificial Analysis memang menerbitkan keduanya, dan angka bawaannya adalah 59,6, tiga poin penuh di bawah angka utama. Log 762 panggilan pada xhigh memberi tahu Anda seperti apa batas atasnya; itu tidak memberi tahu Anda berapa biaya atau skor yang akan dihasilkan konfigurasi bawaan Anda.
Di mana utas itu melampaui batas
Tiga klaim dalam utas ini membawa bobot lebih besar daripada yang didukung bukti, dan layak disebutkan karena akan diulang.
Pembingkaian "akses awal" adalah yang paling jelas. Tulisan blog Antigravity sendiri tentang Neon terbit pukul 08.00 UTC pada 18 November 2026; tulisan peluncuran DeepMind pukul 21.00 UTC; utasnya pukul 21.35 UTC. Apa pun akses yang dimiliki pemosting itu lebih awal pada hari tersebut, tulisan yang ia terbitkan muncul setelah ketersediaan umum, dan membacanya sebagai pratinjau pra-peluncuran adalah kesalahan. Itu tidak membuat pengamatannya salah. Itu berarti "Saya mendapat akses awal" melakukan kerja retoris yang tidak didukung oleh stempel waktu.
Kedua, "17 demo interaktif" adalah klaim jumlah yang disertai delapan contoh. Delapan yang ditampilkan benar-benar beragam dan benar-benar berfungsi, dan itulah bagian yang berguna. Sembilan yang ditahan tidak dapat diaudit, dan sebanyak apa pun detail tentang delapan yang ditampilkan tidak menutup celah tersebut.
Ketiga, hasil perbaikan 35 dari 35 adalah hasil tentang tiga program. Itu jenis angka yang dikutip sebagai “Neon memperbaiki semua yang Anda berikan,” dan pembacaan yang benar lebih sempit: pada tiga program yang sudah rusak sebelumnya dengan rangkaian pengujian yang sudah ada, ia menyelesaikan setiap pemeriksaan yang gagal tanpa merusak yang sudah lulus. Itu hasil yang baik dan sampel yang kecil, dan kedua bagian kalimat itu harus disampaikan bersama.
Satu bukti pendukung patut dicatat. Patrick Loeber, anggota staf teknis di Google DeepMind, membalas thread tersebut: "thread yang bagus, terima kasih telah membangun dengan ini dan membagikan masukan Anda!!" Itu bukan verifikasi atas angka apa pun di dalamnya. Itu adalah pengakuan dari seorang Googler bahwa eksekusi tersebut benar-benar terjadi, yang lebih dari yang didapatkan kebanyakan thread pengalaman langsung.
Berapa biaya untuk mencobanya sendiri
Ekonomi dari uji lapangan seperti ini tidak glamor dan menentukan. Dengan $3,00 per juta token masukan dan $15,00 per juta token keluaran, sesi 762 panggilan dengan penggunaan ulang konteks yang berat bukanlah eksperimen $5 — sisi keluaran, termasuk token berpikir, mendominasi, dan xhigh melipatgandakannya. Pernyataan Google sendiri adalah bahwa Neon pada pengaturan High default-nya memakan biaya sekitar 32% lebih rendah per tugas daripada Gemini 4 Carbon (dilaporkan vendor, tidak direproduksi secara independen), dan bahwa pengaturan xhigh ditujukan untuk masalah di mana High tidak memadai. Menjalankan suite demo pada xhigh ketika Anda sedang mengevaluasi perilaku default adalah cara untuk menghabiskan beberapa kali lipat dari yang dibutuhkan oleh keputusan tersebut.

Cara yang lebih murah untuk menjalankan evaluasi ini adalah menetapkan permukaan dan tingkat berpikir terlebih dahulu, lalu memvariasikan model. Di sisi kami katalog saat ini memuat google/gemini-4-carbon dan google/gemini-4-argon, keduanya pada harga daftar penyedia $2,00 dan $10,00 dengan markup 0% di atasnya — perubahan tarif vendor berlaku di sisi kami pada hari yang sama saat masuk ke upstream, yang penting di sini karena tarif pengenalan Carbon berakhir pada 30 November 2026 dan naik menjadi $4,00/$20,00. Gemini 4 Neon belum ada di katalog per 19 November 2026, jadi ini bukan rekomendasi untuk memanggilnya melalui kami; ini adalah perbandingan yang benar-benar dapat Anda jalankan hari ini, terhadap model yang dijadikan tolok ukur oleh Google untuk Neon di hampir setiap paragraf pengumumannya.
Jika Anda menguji model yang belum terbukti alih-alih model yang sudah dikenal, lapisan perutean juga menjadi tempat yang murah untuk membatasi risiko: failover otomatis berarti sesi yang mati di tengah proses — seperti yang terjadi pada build arena 3D pertama — dapat dicoba ulang pada model lain tanpa membangun ulang harness, dan DSL perutean memungkinkan Anda menyusun planner dan executor menjadi satu panggilan jika Anda ingin mereproduksi pola Orchestrator (Neon) tanpa terikat pada batas 512K milik Antigravity.
Apa yang harus ditonton
Bukti berikutnya yang akan menjawab pertanyaan-pertanyaan terbuka bukanlah utas demo lain. Itu adalah log pemanggilan alat dari seseorang yang menjalankannya pada pengaturan High default, di repositori yang cukup besar untuk menekan batas atas konteks mana pun yang berlaku, yang dipublikasikan dengan kegagalannya tetap dibiarkan. Selisih 512K versus 1M adalah hal spesifik yang perlu diperhatikan, karena perbedaan dokumentasi yang bertahan melewati satu siklus rilis biasanya merupakan keputusan produk, bukan kelalaian — dan jika Antigravity sengaja membagi dua jendelanya, itu fakta yang layak diketahui sebelum Anda menstandarkan alur kerja berdasarkan hal itu.
Sampai saat itu, ringkasan yang adil tentang Gemini 4 Neon di Antigravity adalah ini: satu log publik terperinci, sepanjang tiga belas sesi, yang menunjukkan model yang menulis lebih banyak daripada membaca, mendelegasikan sekali per sesi, memperbaiki tiga program kecil dengan sempurna, membangun delapan demo bagus dari tujuh belas yang diklaim, dan berjalan pada sekitar setengah konteks yang diiklankan API. Setiap klausa tersebut dapat diperiksa. Tidak satu pun darinya adalah tolok ukur.
