Kartu judul yang dihasilkan bertuliskan 'Gemini 4 Neon Video' dengan subjudul 'Ekspor artefak, bukan generasi', ikon film-strip berlabel '60,03 s · 1920×1080 · 21 Nov 2026', dan ikon jendela peramban berlabel 'scene adalah HTML, CSS dan JS' dengan panah bertanda MP4 yang menunjuk ke ikon file.
Guides & Insights

Gemini 4 Neon Video: Ekspor Artefak, Bukan Generasi

Penulis

jinhao.song

Tanggal Terbit

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

Pada 08:07 UTC tanggal 21 November 2026, akun @dotey — 宝玉 di X — mengunggah klip berdurasi 60,03 detik pada 1920×1080 dengan satu baris bahasa Mandarin di atasnya: 做视频效果也不错, kira-kira "tidak buruk juga untuk video." Subjeknya adalah G​emini 4 Neon, model G​oogle yang baru berumur seminggu, dan tautan di bawah kalimat itu mengarah ke proyek sumber terbuka bernama open-artifact, yang dalam postingan tersebut disebut sebagai Artifact (skill) untuk produksi video. Klip itu memiliki 230 suka dan 76 balasan saat kami membacanya pada 22 November. Sepertinya ini adalah karya desain gerak yang diproduksi.

Itu bukan video yang dihasilkan. Dokumentasi model Google sendiri untuk Gemini 4 Neon mencantumkan satu jenis keluaran dan hanya satu — teks — dan film yang dihasilkan darinya adalah sebuah program: adegan HTML, CSS, dan JavaScript yang digambar sebagai fungsi waktu, ditambah skor musik yang disintesis, dirender oleh halaman web lokal dan diekspor ke MP4 oleh tombol ekspor halaman tersebut. Perbedaan ini bukan sekadar perdebatan semantik. Ini mengubah apa yang model itu kuasai, berapa biaya untuk potongan kedua, dan apakah yang Anda beli adalah renderer atau penulis.

Apa yang sebenarnya dikatakan oleh postingan itu

Catatan publik lengkap atas klaim itu hanyalah tag satu kalimat dan lampiran berdurasi 60 detik. Tidak ada prompt, tidak ada jumlah adegan, tidak ada tingkat thinking, tidak ada jumlah token, dan tidak ada pernyataan apakah film tersebut dihasilkan dari API, G​oogle AI Studio, Antigravity, atau sesuatu yang lain. Postingan itu bahkan tidak mengatakan klip tersebut dibuat dengan skill yang ditautkannya — postingan itu menyajikan skill tersebut sebagai cara untuk melakukan pekerjaan semacam ini, dengan klip sebagai alasan untuk peduli. Bacalah sebagai rekomendasi dengan demo terlampir, bukan sebagai uji.

Satu hal perlu diketahui sebelum menimbang rekomendasi. Repositori ini baru berumur lima hari: GitHub mencatatnya dibuat pada 17 November 2026, dengan 135 bintang dan 25 fork pada saat penulisan, berlisensi Apache-2.0, dan sebuah rilis — 0.12.2 — yang dirilis pada 21 November, hari yang sama dengan postingan. README-nya menyebutkan bahwa proyek ini bermula sebagai baoyu-design, dan baris kredit di bagian lisensi berbunyi "Copyright 2026 Jim Liu 宝玉". Itu adalah 宝玉 yang sama dengan yang digunakan akun yang memposting sebagai nama tampilannya. Jadi orang yang memberi tahu Anda bahwa Neon bagus dalam hal ini sedang menunjukkan alat yang mencantumkan nama orang tersebut di baris hak cipta. Itu tidak membuat demo tersebut palsu. Tetapi itu menjadikannya demo seorang pembuat, dan pembacaan yang jujur adalah bahwa demo itu menunjukkan apa yang dapat dihasilkan pipeline di tangan yang terampil, bukan apa yang dihasilkan prompt rata-rata pada percobaan pertama.

Kartu model menyatakan output: teks

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

Google merilis Gemini 4 Neon pada 18 November 2026 dengan harga $3 per juta token input dan $15 per juta token output, dengan input yang di-cache seharga $0,15. Postingan peluncuran menggambarkannya membaca spreadsheet, PDF, bagan, audio, dan video. Halaman model melangkah lebih jauh dan menjawab pertanyaan yang dibiarkan terbuka oleh postingan tersebut: di bawah Jenis data yang didukung, halaman itu mencantumkan "Input: Teks, Gambar, Video, Audio, dan PDF" lalu, pada barisnya sendiri, "Output: Teks." Halaman yang sama menandai pembuatan audio sebagai tidak didukung. Konteksnya 1.048.576 token, dengan 65.536 token output secara default dan hingga satu juta penuh dengan decode panjang.

Asimetri itulah yang menjadi awal kebingungan. Video adalah sesuatu yang ditonton model ini, bukan sesuatu yang dihasilkannya. Tampilan kartu di situs dokumentasi yang sama lebih longgar — ia mencantumkan "Modalitas: Teks, Gambar, Audio, Video, PDF" tanpa menyebut arah mana yang mana — dan pembaca yang sekilas membaca baris itu bisa dengan wajar menyimpulkan bahwa Neon menghasilkan video. Neon tidak melakukannya. Dalam tumpukan Google sendiri, pembuatan frame adalah lini model yang berbeda; kontribusi Neon terhadap gambar bergerak adalah kode yang menggambarnya.

Bagaimana model teks menghasilkan film

Jenis artefak motion di dalam open-artifact menjelaskan mekanismenya secara eksplisit. Sebuah film adalah folder berisi dokumen JSON kecil: daftar scene dengan ukuran panggung dan frame rate, satu modul JavaScript per scene yang menggambarnya dari variabel waktu t, modul skor yang menyintesis musik dan efek, serta modul narasi opsional untuk takarir dan sulih suara. Model tidak merender apa pun sebagai video. Halaman lokal memutar dokumen tersebut seperti browser memutar halaman, dan Export mengubah pemutaran itu menjadi file.

Dokumentasi skill itu sendiri blak-blakan tentang pembagian kerja, dan detail-detailnya itulah yang penting jika Anda sedang mempertimbangkan apakah akan mencoba ini:

• Durasi — sebuah film berjalan 10 hingga 30 detik kecuali Anda meminta lebih, dengan batas maksimum 300 detik. Klip dalam postingan berdurasi 60.03 detik, jadi penulisnya meminta lebih.

• Ekspor — MP4 pada 720p secara default atau 1080p, pada frame rate penuh, setengah, atau seperempat, plus GIF, HTML, dan ZIP. Lampirannya berukuran 1920×1080, opsi non-default.

• Siapa yang menulis file — instruksi memberi tahu agen untuk sama sekali tidak membuat file video maupun audio. Ekspor adalah tugas halaman, dan gambar diam untuk memeriksa sebuah scene digambar oleh Chrome headless.

• Pagar pengaman — tidak ada adegan di bawah satu detik, tidak lebih dari tiga potongan atau kilatan per detik, dan setiap takarir berasal dari kalimat yang diberikan orang tersebut, bukan kalimat yang diciptakan model.

Jadi ada tiga hal yang terjadi secara berurutan: model menulis sebuah program kecil, browser menggambarnya, dan sebuah encoder — proyek ini menyertakan crate Rust/WebAssembly untuk pengodean GIF dan MOV — menulis container-nya. Hanya langkah pertama yang melibatkan Gemini 4 Neon. Film 1080p berdurasi 60 detik dengan skor musik adalah jumlah kode yang serius untuk bisa diselesaikan dengan benar oleh satu model dalam beberapa putaran, dan itu adalah pujian yang nyata. Itu adalah pujian tentang rekayasa perangkat lunak, yang justru merupakan area terkuat dari angka-angka yang dipublikasikan Neon.

Berapa harga satu film di daftar harga Neon

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

Tidak ada dalam postingan yang mengungkapkan penggunaan token, jadi berikut ini adalah aritmetika berdasarkan harga daftar Google, bukan pengukuran. Film dengan sepuluh adegan berarti giliran pertama yang panjang, beberapa putaran baca-tulis terhadap penyimpanan dokumen, dan cukup banyak pembacaan ulang saat model memeriksa adegannya sendiri. Anggap saja 150.000 token masukan dan 25.000 token keluaran untuk film yang berfungsi: $0,45 untuk masukan dengan $3 per juta dan $0,375 untuk keluaran dengan $15 per juta, atau sekitar 83 sen. Proses yang lebih ramping dengan 40.000 masukan dan 8.000 keluaran menjadi 24 sen. Masukan yang di-cache adalah bagian yang benar-benar mengubah angka — dengan $0,15 per juta, 120.000 token masukan yang di-cache berbiaya sekitar dua sen, bukan 36 sen, dan seluruh proses turun di bawah 50 sen.

Bandingkan itu dengan biaya pengujian independen untuk model per tugas. Artificial Analysis memberi G​emini 4 Neon skor 61 pada Intelligence Index-nya pada upaya xhigh, dengan 106 token keluaran per detik, 22,3 menit, dan $6,44 per tugas indeks. Sebuah film lebih murah daripada tugas indeks, dan itulah kejutan yang berguna di sini: bagian yang mahal dari alur kerja ini bukanlah filmnya, melainkan iterasinya.

Dan iterasi adalah titik ketika logika ekonominya berbalik. Model video per detik menagih setiap pengambilan; film yang digambar lewat kode menagih token yang menulisnya dan tidak menagih apa pun untuk render. Ubah satu warna, ekspor ulang, dan Anda tidak menghabiskan token sama sekali — biayanya adalah CPU Anda sendiri dan berapa lama pun yang dibutuhkan headless Chrome untuk menggambar 1.800 frame. Itu kurva biaya yang benar-benar berbeda dari video generatif, dan itu argumen terkuat yang mendukung postingan tersebut, yang justru tidak diutarakan oleh postingan itu sendiri.

Perlu dinyatakan secara terus terang: G​emini 4 Neon tidak ada dalam katalog kami. Dua model G​emini 4 yang memang dilayani OrcaRouter adalah Gemini 4 Argon dan Gemini 4 Carbon, keduanya dengan harga $2.00 masuk dan $10.00 keluar per juta pada harga daftar penyedia tanpa markup tambahan — dan itulah perbandingan yang sebenarnya dibutuhkan pembaca, karena Carbon adalah model yang menjadi acuan harga Neon dan Argon adalah cara yang lebih murah untuk menjalankan loop artefak yang sama sementara Anda memutuskan. Keduanya berada di balik satu kunci, sehingga sesi penulisan kode yang kehabisan waktu di tengah film dapat melakukan failover tanpa kontrak kedua atau perubahan kode.

Di mana klaimnya paling lemah

Versi terkuat dari argumen skeptis bukanlah bahwa klip itu palsu — pipeline-nya publik dan mekanismenya terdokumentasi, jadi siapa pun dapat mereproduksi bentuknya. Melainkan bahwa film bagus yang digambar dengan kode adalah tolok ukur pengodean yang memakai topi sutradara, dan angka pengodean model ini sudah menjadi angka terbaiknya. Neon berada di 58,6 pada Coding Agent Index dan 65,2% pada Terminal-Bench 4.1 menurut laporan Google sendiri, jadi "pandai membuat film" mungkin sebagian besar berarti "pandai menulis kode animasi," yang sudah kita ketahui dan yang tidak dapat digeneralisasikan ke model yang menulis kode lebih buruk.

Tiga celah spesifik masih tersisa setelah membaca semua yang tersedia:

• Atribusi — {{1}}tidak ada pengaturan yang diungkapkan{{/1}}, dan durasi 60 detik serta resolusi 1080p keduanya menyimpang dari default skill, jadi seseorang membuat pilihan yang tidak dapat kita lihat.

• Seleksi — satu klip adalah sorotan, dan demo milik pembuat dipilih oleh pembuatnya. Tidak ada tingkat kegagalan, tidak ada contoh percobaan pertama, dan tidak ada perbandingan terhadap prompt yang sama di Carbon.

• Apa arti "baik" — kualitas visual sebagian merupakan hasil dari templat dan aturan desain skill, bukan model. Jenis artefak lain dengan kerangka pendukung yang lebih lemah akan membuat model tampak kurang mengesankan.

Tidak ada dari semua itu yang mendiskualifikasi, dan hal ini berlaku dua arah: film yang digambar dengan kode juga dapat diaudit dengan cara yang tidak dimiliki render difusi. Jika sebuah frame salah, kesalahannya ada dalam berkas yang bisa Anda baca dan baris yang bisa Anda tunjuk.

Cara mencobanya sendiri

Jalurnya cukup singkat untuk dijelaskan dalam satu paragraf. Proyek ini membutuhkan Node 22.18 atau yang lebih baru, merilis bundel plugin melalui GitHub Releases, dan mencantumkan Antigravity di antara host yang didukung — pasang folder yang diekstrak dengan agy plugin install, atau salin ke ~/.gemini/config/plugins/open-artifact, lalu mulai ulang. Kebetulan, itu adalah host tempat G​emini 4 Neon menjadi model default untuk percakapan baru pada paket yang menyertakannya, sehingga kedua bagian itu bertemu tanpa konfigurasi. Prompt pertama adalah satu kalimat: animasi peluncuran dua puluh detik untuk aplikasi ini, atau kartu judul untuk proyek itu. Kemudian Anda melihat gambar diam sebelum mengeluarkan biaya apa pun untuk ekspor, yang merupakan alur kerja yang direkomendasikan oleh skill itu sendiri.

Lakukan itu sekali sebelum mempercayai postingan, dan perhatikan dua angka alih-alih gambarnya: berapa banyak giliran yang dibutuhkan sebelum adegan pertama tergambar dengan benar, dan berapa banyak dari tagihan input yang merupakan pembacaan cache. Itu memberi tahu Anda apakah loop ini murah untuk pekerjaan Anda. Klipnya memberi tahu Anda bahwa itu mungkin; hanya jumlah token Anda sendiri yang memberi tahu Anda apakah itu sepadan.

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

Pertanyaan terbuka bukanlah apakah G​emini 4 Neon bisa berakhir di file video — jelas bisa, melalui program yang ia tulis. Pertanyaannya adalah apakah G​oogle memperlakukan itu sebagai output kelas satu. Saat ini lapisan artefaknya pihak ketiga, ekspornya menjadi tugas halaman lokal, dan output terdokumentasi model adalah teks. Jika itu berubah, pembingkaian jujur untuk klip ini akan ikut berubah: dari penggunaan cerdas model coding menjadi daftar fitur. Sampai saat itu, pujian yang layak diulang adalah yang lebih sempit — Neon menulis kode animasi cukup baik sehingga orang yang membangun tooling memilih memamerkannya dengan itu.