Kartu judul bertuliskan Gemini 4 Neon: Model 'Kecil' Google Tidak Memiliki Ukuran yang Dipublikasikan, dengan subjudul satu unggahan X, tiga angka yang dapat diperiksa, dan ukuran yang belum pernah dilihat siapa pun di luar Google, di atas tiga baris bernomor: unggahan itu menyebut Neon kecil tanpa jumlah parameter yang dipublikasikan untuk model Gemini 4 mana pun; Neon mencetak 61,4 pada xhigh dan 59,6 pada high default dibandingkan 60,0 milik Carbon, unggul 1,4 poin atau tertinggal 0,4 poin; Carbon dirilis 10 November dan Neon 18 November, selisih delapan hari, dengan klausul RSI yang tidak mencantumkan data pelatihan apa pun. Kaki halaman berbunyi skor menurut indeks Artificial Analysis v5.0.1, dibaca 20 November 2026; klaim ukuran belum diaudit.
Guides & Insights

Gemini 4 Neon: Model 'Kecil' Google Tidak Punya Ukuran yang Dipublikasikan

Penulis

Elias Hawthorne

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

Pada 01.57 UTC tanggal 20 November, sebuah postingan muncul di X yang menyebut G​emini 4 Neon sebagai model kecil milik G​oogle — “jauh di depan Argon dan Carbon”, bersaing dengan Claude Opus 5.5 dan Claude Fable 5.2, dan, dalam empat kata penutupnya, bukti RSI. Postingan itu diedit tiga kali sebelum akhirnya tidak diubah lagi dan mendapat 316 suka saat kami membacanya. Setiap klausa lainnya dapat diperiksa terhadap sebuah dokumen. Kata “small” tidak bisa. Cari jumlah parameter atau urutan ukuran di seluruh dokumentasi G​oogle untuk G​emini 4 Neon, G​emini 4​ Carbon, G​emini 4​ Argon, dan G​emini 4 Hydrogen dan Anda tidak akan menemukan apa pun: tidak ada jumlah parameter, tidak ada angka parameter aktif, tidak ada kalimat yang memeringkatkan keempatnya berdasarkan ukuran, dan — baik di halaman model DeepMind maupun di kartu model — tidak ada satu pun penggunaan kata “small” untuk merujuk pada salah satunya.

Itu tidak membuat postingan tersebut salah. Itu membuatnya tidak dapat difalsifikasi pada kata sentralnya sendiri, yang merupakan masalah berbeda dan lebih menarik: klaim tersebut menggabungkan pengukuran yang dapat diperiksa siapa saja (skor) dengan deskripsi bagian dalam model yang tidak dapat diperiksa siapa pun di luar Google, lalu menarik kesimpulan tentang bagaimana model dilatih dari bagian yang tidak dapat diverifikasi. Di bawah ini, klaim tersebut diuraikan menjadi tiga bagian dan masing-masing diuji terhadap apa yang dipublikasikan. Semua skor adalah Artificial Analysis pada indeks v5.0.1 sebagaimana dibaca pada 20 November 2026; semua yang dinyatakan Google diberi label demikian; apa pun yang disimpulkan ditandai sebagai inferensi.

Apa yang sebenarnya dikatakan oleh postingan itu

Tanpa kerangka penyajian, ada tiga pernyataan. Pertama: Neon adalah model kecil milik Google. Kedua: sebagai model kecil, ia “jauh lebih maju daripada Argon dan Carbon”, yaitu model yang lebih kecil telah menyalip model-model saudaranya yang lebih besar. Ketiga: hasil itu adalah wujud dari “RSI dan yang semacamnya”. Yang kedua bermuara pada aritmetika, yang pertama bermuara pada definisi yang belum dipublikasikan Google, dan yang ketiga tidak dapat diuraikan sama sekali — itu adalah klaim tentang proses pelatihan tanpa masukan yang diungkapkan.

Perlu dicatat sebelum berhitung: framing ini tidak unik bagi satu akun. Sehari sebelumnya, pengguna lain yang memposting mengaitkan demo Neon dengan “swarms” dan dengan “tidak melakukan distilasi serta meluangkan waktu dengan RSI”. Kosakatanya beredar lebih cepat daripada dukungan dokumen apa pun, dan itulah tepatnya alasan kata-kata individualnya layak ditakar nilainya.

G​oogle tidak pernah menyebut Neon sebagai model kecil

Google memang menjelaskan masing-masing dari keempat model, dan deskripsinya cukup spesifik untuk dikutip. Dari dokumentasi model Gemini API, sebagaimana diterbitkan minggu ini:

• G​emini 4​ Carbon — “Model penalaran terkuat kami, dibangun untuk rekayasa perangkat lunak yang kompleks, pekerjaan pengetahuan multimodal, penalaran ilmiah, dan pertahanan keamanan siber.”

• G​emini 4 Neon — “Kecerdasan tingkat frontier dengan penyelesaian tugas end-to-end yang cepat di seluruh alur kerja rekayasa perangkat lunak, pekerjaan pengetahuan, dan sains yang kompleks.”

• G​emini 4​ Argon — “Model penalaran frontier G​emini 4 kami yang efisien, memberikan respons lebih cepat dan pengeluaran token per giliran lebih rendah dibandingkan dengan G​emini 4​ Carbon…”

• G​emini 4 Hydrogen — “Menghadirkan kecerdasan mutakhir bagi semua orang, dengan kecepatan dan efisiensi untuk pengodean sehari-hari dan alur kerja agentik.”

Tiga dari empat kalimat itu membahas kecepatan dan biaya. Tidak satu pun membahas ukuran, dan tidak ada halaman Google yang dapat kami baca yang menggunakan kata “small” untuk salah satu dari keempatnya. Menurut dokumentasi yang sama, model yang Google tunjuk untuk pekerjaan sehari-hari berbiaya rendah adalah Gemini 3.5 Flash-Lite — yang bukan bagian dari keluarga ini dan bukan yang dibahas dalam postingan. Jadi “Neon adalah yang kecil” bukanlah ringkasan dari posisi Google. Itu adalah inferensi pembaca dari perilaku, yang dinyatakan seolah-olah itu spesifikasi.

Kartu harga juga menentang pembacaan literal. Neon adalah model termahal dalam keluarga ini per token: $3,00 masuk dan $15,00 keluar per juta, tetap, tanpa tier gratis dan tanpa kedaluwarsa, dibandingkan Carbon dan Argon pada $2,00 dan $10,00 hingga 30 November serta Hydrogen pada $1,50 dan $7,50 dengan tier gratis. Model kecil yang biayanya 50% lebih tinggi per token daripada model unggulan yang dibandingkan dengannya bukanlah kecil dalam pengertian yang biasanya dimaksud pembeli. Apa pun yang kecil dari Neon, itu bukan tagihannya.

Di mana angkanya memang mendukung klaim tersebut

Bagian skor dari postingan tersebut dapat diperiksa dan sebagian besar tetap berlaku — dengan satu substitusi yang mengubah putusannya. Pada Intelligence Index di setiap pengaturan terdalam yang dipublikasikan untuk masing-masing model:

• G​emini 4 Neon — 61.4 pada xhigh (59.6 pada defaultnya, high)

• G​emini 4​ Carbon — 60,0 pada high, yang merupakan batas atasnya; model ini tidak memiliki tingkat xhigh

• G​emini 4 Hydrogen — 54 pada xhigh

• Gemini 4 Argon — 50 pada pengaturan tinggi, juga batas maksimumnya

Jadi, “jauh di depan Argon” itu benar dan tidak tipis: 11 poin. “Jauh di depan Carbon” sama sekali tidak benar. Neon unggul 1,4 poin atas Carbon, dan hanya jika Anda mendorongnya ke tingkat berpikir yang tidak dimiliki Carbon. Pada pengaturan yang direkomendasikan kedua vendor — high bawaan Neon versus high Carbon — Neon tertinggal 0,4 poin. Bentuk terkuat dari postingan itu seharusnya adalah yang jujur: Neon adalah model pertama dalam keluarga ini yang mencetak skor di atas flagship, sekitar satu poin, jika Anda bersedia membayar untuk tingkat terdalam.

“Dalam hitungan minggu” juga secara harfiah benar, dan perhitungannya layak disebutkan karena itu satu-satunya fakta bertanggal di postingan tersebut. Carbon tersedia secara umum pada 10 November. Neon tersedia secara umum pada 18 November. Delapan hari memisahkan model unggulan dan model yang digambarkan telah melampauinya.

A single-column scoreboard titled Gemini 4 Neon - the scoreboard, with six rows: Intelligence Index 61.4 at xhigh and 59.6 at default high; Carbon at its ceiling 60.0 at high; cost per index task $6.44 against Carbon's $7.76; list price $3.00 in and $15.00 out per million; output tokens on the suite 123M against Carbon's 205M; published parameter count none, for any Gemini 4 model. The footer reads scores per Artificial Analysis index v5.0.1, prices per Google's rate card, size claim unaudited.

Satu perbandingan yang dilewatkan postingan itu

Kalimat “bersaing dengan Opus / Fable” adalah bagian yang justru meremehkan diri sendiri, karena versi yang lebih menyanjungnya memerlukan angka yang tidak digunakan dalam postingan itu. Pada indeks yang sama, Claude Opus 5.5 mencetak 59 pada upaya maksimalnya dan Claude Fable 5.2 mencetak 65. Skor Neon 61,4 karena itu berada di antara keduanya: unggul 2,4 poin dari Opus 5.5 pada pengaturan terdalam Neon, tetapi tertinggal 3,6 poin dari Fable 5.2. “Bersaing dengan” adil untuk yang pertama dan terlalu bermurah hati untuk yang kedua.

Yang membuatnya menjadi cerita nyata adalah berapa biaya poin-poin itu, diukur per tugas yang diselesaikan bukan per token:

• Biaya per tugas Intelligence Index — G​emini 4 Neon $6.44, Claude Opus 5.5 $10.04, Claude Fable 5.2 $26.54

• Harga daftar per juta, input / output — Neon $3.00 / $15.00, Opus 5.5 $4.00 / $20.00, Fable 5.2 $8.00 / $40.00

• Waktu per tugas indeks — Neon 21,5 menit pada xhigh dan 14,8 pada high; Opus 5.5 25,7 pada max; Fable 5.2 41,6 pada max

• Kecepatan output — Neon 110 token per detik, Opus 5.5 112, Fable 5.2 sekitar 110

Empat kali lebih murah per tugas daripada Fable 5.2 untuk 3,6 poin indeks adalah argumen yang lebih baik daripada apa pun di tulisan asli, dan sama sekali tidak bergantung pada satu kata pun tentang ukuran. Itu juga argumen yang bertahan terhadap bantahan terdekat: pada harga Fable 5.2, selisih 3,6 poin adalah hal termurah di daftar untuk ditutup jika beban kerja membutuhkannya, dan tidak relevan jika tidak.

The Artificial Analysis page for Gemini 4 Neon, headed Gemini 4 Neon: Intelligence, Performance & Price Analysis, showing intelligence 61 with 110 tokens per second, $3.00 input and $15.00 output per million tokens, a 1M token context window, and the notes that it scores 61 on the Intelligence Index against a median of 44, costs $6.44 per task, and takes 21.5 minutes per task against a median of 12.4.

Kecil dalam hal kecepatan, bukan ukuran

Jika ada tafsiran yang dapat dipertahankan untuk “kecil” di sini, itu adalah tafsiran yang diukur oleh pelacak, bukan yang tidak diungkapkan oleh kartu model, dan ini tentang kerja per tugas, bukan parameter. Pada tingkat upaya tinggi yang sama, Neon menyelesaikan rangkaian Intelligence Index dalam 123 juta token keluaran berbanding 205 juta milik Carbon, dalam 14,8 menit berbanding 41,8 menit milik Carbon. Itu berarti jejak token 40% lebih kecil dan tugas yang selesai hampir tiga kali lebih cepat, dan ini adalah hal terdekat dengan bukti untuk intuisi postingan tersebut yang tersedia secara publik: apa pun Neon, ia melakukan pekerjaan yang sama dengan lebih sedikit kerja yang dikeluarkan daripada model yang disebut G​oogle sebagai model terkuatnya.

Tetapi itu adalah inferensi dari perilaku, dan perilaku memiliki penjelasan lain — decoder yang lebih efisien, anggaran berpikir yang berbeda, jejak penalaran yang lebih pendek — yang tak satu pun mengharuskan jumlah parameter yang lebih kecil. Angka-angka yang sama juga konsisten dengan Neon yang sekadar merupakan model yang lebih baru dan lebih terlatih dengan ukuran sebanding, yang merupakan penjelasan paling tidak eksotis yang tersedia.

Pembingkaian soal kecepatan juga runtuh di titik yang tidak diperiksa postingan. Neon bukan model tercepat di keluarga ini. G​emini 4 Hydrogen berjalan pada 167 token per detik dibandingkan 110 milik Neon, dan menyelesaikan tugas indeks dalam 15,4 menit pada xhigh — nyaris menyamai 14,8 milik Neon pada high, dengan harga setengahnya. Jika “kecil dan cepat” adalah klaimnya, Hydrogen adalah model yang digambarkan klaim itu, dan Hydrogen mendapat skor 54.

An infographic titled Small as speed, not as size, with six rows: output tokens for one index suite 123M on Neon's default and 205M on Carbon; time per index task 14.8 minutes on Neon's default and 41.8 on Carbon; output speed 110 tokens per second on Neon and 167 on Hydrogen; score at the deepest setting Neon 61.4 and Hydrogen 54; fastest model in the family Hydrogen at half Neon's price; parameter count behind any of it unpublished. The footer reads tokens, time, speed and scores per Artificial Analysis index v5.0.1, read 20 November 2026; prices per Google's rate card; size claims unaudited.

Mengapa 'RSI' yang berperan di sini

Peningkatan diri secara rekursif, dalam makna yang dimiliki frasa itu dalam penelitian AI, berarti sebuah lab menggunakan sebuah model untuk meningkatkan penerusnya secara terukur — sebuah loop dengan model di dalamnya, bukan sekadar irama rilis yang cepat. Tidak ada yang dipublikasikan yang mendukung pembacaan itu atas rilis ini, dan tulisan tersebut tidak menawarkan apa pun untuk mendukungnya: tidak ada angka komputasi, tidak ada pengungkapan tentang data apa Neon dilatih, tidak ada bukti bahwa model G​emini mana pun berkontribusi pada pelatihan Neon.

Yang Google terbitkan tentang silsilah hanyalah satu klausa, yang diulang. Kartu model untuk Gemini 4 Neon dan Gemini 4 Hydrogen sama-sama menyatakan bahwa model tersebut “diadaptasi dari Gemini 4 Carbon” — kalimat yang sama di tujuh slot yang sama pada kedua kartu, tanpa definisi “diadaptasi”, tanpa jumlah parameter, dan tanpa penjelasan tentang apa yang berubah. Menelusuri kembali kartu Carbon akan mengarah ke Argon, yang kartunya menyatakan bahwa model itu “bukan modifikasi atau fine-tune dari model sebelumnya”. Setiap kartu Gemini 4 memberikan batas pengetahuan yang sama, Maret 2026, di sepanjang lima minggu peluncuran. Empat model, satu pipeline data, satu kata yang tidak terdefinisi: itu adalah deskripsi dari basis pelatihan bersama, yang biasa, bukan dari sebuah loop.

Jeda delapan hari antara Carbon dan Neon adalah jadwal. Jadwal memadat karena alasan-alasan yang tidak ada hubungannya dengan perbaikan diri — model dasar bersama, peluncuran bertahap, kalender peluncuran — dan pengamatan bahwa yang ini memadat bukanlah bukti untuk salah satu alasan itu. Jika sebuah lab memang membangun model dengan model, cara Anda mengetahuinya adalah lab itu mengatakannya, atau bahwa sebuah benchmark mengukurnya. Tidak ada yang terjadi.

Apa yang bisa menyelesaikannya

Tiga pengungkapan akan mengubah postingan itu dari sebuah asersi menjadi temuan, dan ketiganya adalah hal yang dapat G​oogle publikasikan minggu ini:

• Jumlah parameter atau angka parameter aktif untuk model Gemini 4 mana pun. Satu angka akan membuat “small” dapat diperiksa dan akan segera mengonfirmasi atau menggugurkan premis tersebut.

• Definisi “adapted from” pada kartu model. Frasa tersebut muncul tujuh kali pada kartu Neon dan tidak pernah dijelaskan; “based on” digunakan untuk Carbon-to-Argon dan sama-sama tidak didefinisikan.

• Pernyataan apa pun tentang kontribusi pelatihan — data apa yang baru di Neon dibandingkan Carbon, atau model mana, jika ada, yang menghasilkan sinyal pelatihan. Tanpa ketiga hal itu, RSI hanyalah sepatah kata dalam sebuah unggahan.

Apa yang harus dilakukan dengan ini pada hari Senin

Konsekuensi praktisnya kecil, dan justru bertentangan dengan apa yang disiratkan oleh postingan tersebut. Tidak ada bagian dalam catatan yang mengatakan bahwa Neon adalah model kecil yang mengalahkan model besar; yang dikatakan adalah bahwa Neon adalah model berbiaya $3/$15 yang mencetak satu poin di atas plafon Carbon saat didorong dan setengah poin di bawah default Carbon saat tidak. Itu adalah keputusan tangga penyetelan, bukan keputusan ukuran, dan tangga tersebut membentang sejauh 17.3 poin indeks dari low (44.1) hingga xhigh (61.4) — jauh lebih besar daripada selisih antara dua model mana pun dalam keluarga tersebut. Tingkat mana yang Anda pilih lebih penting daripada model mana yang Anda pilih.

Ada dua hal bertanggal yang layak dimasukkan ke kalender, terlepas dari bagaimana pertanyaan tentang ukuran itu diselesaikan. Carbon dan Argon menjadi dua kali lipat pada 1 Desember, dari $2.00 dan $10.00 menjadi $4.00 dan $20.00 per juta token, sementara kartu tarif Neon tidak memiliki masa berlaku. Dengan harga hari ini, Neon 17% lebih murah per tugas indeks yang diselesaikan daripada Carbon ($6.44 versus $7.76); setelah 1 Desember, selisih itu melebar tanpa Neon mengubah apa pun. Siapa pun yang membaca pos “model kecil” dan menyimpulkan bahwa Neon adalah opsi hemat memiliki arah yang benar karena alasan yang salah — Neon lebih murah per tugas karena menghasilkan lebih sedikit, bukan karena lebih kecil, dan menjadi jauh lebih murah pada tanggal yang sudah diumumkan Google.

Di sisi kami, google/gemini-4-carbon dan google/gemini-4-argon ada di katalog dengan harga daftar penyedia tanpa markup, yang berarti penyesuaian 1 Desember tiba pada hari yang sama saat tiba di Google. Gemini 4 Neon belum ada di katalog, jadi hal berguna yang bisa dikatakan tentangnya bukanlah harga, melainkan bentuk: saat dirilis, permintaan yang layak ditulis adalah yang menyebut Neon dan beralih ke Carbon jika Neon terkena pembatasan laju atau error. Model yang keunggulan utama yang dipublikasikan adalah menyelesaikan tugas dengan cepat adalah model yang sebaiknya memiliki failover di belakangnya, bukan menjadi satu-satunya titik ketergantungan. Satu kunci sudah mencakup anggota keluarga lainnya saat ini, jadi uji perbandingan terhadap Carbon atau Argon tidak memakan biaya selain token.

Kesimpulan jujurnya adalah yang sempit. Sebuah unggahan yang menyatakan bahwa model kecil sebuah lab menyalip model-model besarnya telah membuat klaim tentang ukuran. Belum ada yang mempublikasikan ukuran. Skor menunjukkan bahwa model cepat berada dalam jarak satu poin dari model yang lebih lambat dalam delapan hari, yang sudah cukup menarik dengan sendirinya, dan kisah pelatihan yang melekat padanya, untuk saat ini, hanyalah sebuah keterangan.

Dibandingkan dalam artikel ini1

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari