Una scheda del titolo generata che recita «Gemini 4 Neon Is Adapted From Carbon» con il sottotitolo «One sentence, repeated seven times, and never defined», accanto a un diagramma ad albero genealogico: Gemini 4 Argon sopra Gemini 4 Carbon, con l'etichetta «based on», che si dirama verso il basso fino a Gemini 4 Hydrogen e Gemini 4 Neon, entrambi con l'etichetta «adapted from».
Guides & Insights

Gemini 4 Neon è un adattamento di Carbon: ciò che la scheda non definirà

Autore

Elias Hawthorne

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

La scheda del modello pubblicata per Gem​ini 4 Neon dice esattamente una cosa sulla provenienza del modello, e lo dice sette volte: “Gem​ini 4 Neon è adattato da Gemini 4 Carbon.” Questo è l’intero resoconto pubblicato del rapporto tra Gem​ini 4 Neon, Gemini 4 Carbon, Gemini 4 Argon e Gem​ini 4 Hydrogen. Nessun conteggio dei parametri, nessuna dichiarazione di ciò che è stato adattato, nessuna definizione della parola. Sei settimane di rilasci di Gemini 4 dipendono da quella singola clausola non definita, e ora viene letta su X e nei riepiloghi di lancio come se “adattato” fosse un termine tecnico con un significato consolidato. Non è un significato che Google abbia stabilito.

Quanto segue separa le tre cose facili da confondere qui: ciò che la scheda riporta letteralmente, ciò che questo implica e ciò che al momento è congettura. Qualunque citazione proviene da una pagina di Google DeepMind recuperata il 19 e il 20 novembre 2026; qualsiasi cosa sia inferita è etichettata come inferenza e mantenuta in un paragrafo a sé, così puoi ometterla senza perdere i fatti.

Sette frasi identiche

La scheda si articola sotto le intestazioni Informazioni sul modello, Dati del modello, Implementazione e sostenibilità, Distribuzione, Valutazione, Uso previsto e limitazioni, e Sicurezza e protezione. In sette di questi spazi il testo del corpo è la stessa clausola, seguita da un rimando alla scheda Carbon:

• Dipendenze del modello — “Gemini 4 Neon è adattato da Gemini 4 Carbon.”

• Architettura — la stessa frase, poi “vedi la scheda del modello Gemini 4 Carbon.”

• Dataset di addestramento — la stessa frase, poi lo stesso riferimento a Carbon.

• Elaborazione dei dati di addestramento — la stessa frase, poi lo stesso puntatore.

• Hardware — la stessa frase, poi lo stesso puntatore.

• Software — la stessa frase, poi lo stesso puntatore.

• Uso accettabile — la stessa frase, poi lo stesso riferimento.

La scheda non tace mai sulla discendenza. Non è mai nemmeno specifica. “Adattato da” porta con sé un puntatore invece di un contenuto: tutto ciò che un lettore vorrebbe sapere — numero di parametri, quali livelli sono cambiati, se un modello più piccolo è stato addestrato contro uno più grande, quali dati fossero nuovi — è delegato a un documento riguardante un modello diverso, e nemmeno quel documento risponde a una sola di queste domande. La scheda Carbon dice che Carbon è “basato su Gemini 4 Argon” e poi rimanda ad Argon, il quale afferma che Argon è “un modello transformer su larga scala a miscela sparsa di esperti (MoE)” e “non è una modifica né un fine-tuning di un modello precedente”. Seguire la catena dall’inizio alla fine ti dice che Neon discende da qualcosa che discende da qualcosa che è nuovo. Non ti dice che cosa abbia fatto “discendere”.

Due frasi, nessuna differenza dichiarata

Il confronto più interessante non è quello tra Neon e la sua società madre. È il vocabolario che Google usa in tutta la famiglia, perché lo stesso editore usa due frasi diverse per due relazioni diverse e non spiega mai perché:

• Gemini 4 Argon, scheda pubblicata il 13 ottobre 2026 — “non una modifica né un fine-tuning di un modello precedente”. Usato una volta, in Dipendenze del modello.

• Gemini 4 Carbon, scheda pubblicata il 10 novembre 2026 — “basato su Gemini 4 Argon.” Utilizzato sei volte, in Dipendenze del modello, Architettura, Dataset di addestramento, Hardware, Software e Utilizzo accettabile.

• Gem​ini 4 Hydrogen, scheda pubblicata il 12 novembre 2026 — “adattato da Gemini 4 Carbon.” Usato sette volte, negli stessi sette punti in cui Neon lo usa.

• Gem​ini 4 Neon, scheda pubblicata il 18 novembre 2026 — “adattata da Gemini 4 Carbon.” Sette volte.

A generated four-column comparison card headed 'The Gemini 4 family — four cards, four rows', counting one lineage phrase across the published model cards: Argon published 13 October 2026, 'not a modification', stated once; Carbon 10 November 2026, 'based on Argon', six times; Hydrogen 12 November 2026, 'adapted from Carbon', seven times; Neon 18 November 2026, same phrase, seven times; every card listing a March 2026 knowledge cutoff.

Quindi “adattato da” non è una frase coniata per Neon. Hydrogen l'ha usata sei giorni prima, e le due schede la usano in modo identico — stessa formulazione, stessi slot, stesso genitore. Qualunque cosa significhi adattamento qui, è la relazione standard per un modello costruito su Carbon, ed è visibilmente distinta nel testo da “basato su”, che è la relazione di Carbon con Argon. Nessuna delle due frasi è definita da nessuna parte nella documentazione della famiglia. Un lettore che suppone che “adattato da” significhi qualcosa di più debole o più ristretto rispetto a “basato su” sta supponendo; un lettore che suppone che le due frasi significhino la stessa cosa sta supponendo con la stessa forza nella direzione opposta.

Cosa dice la sezione sull'architettura

Questa è la parte che i riassunti in circolazione saltano. La scheda Neon non contiene alcuna occorrenza di “distill,” “distillation,” “prune,” “quantize” o “mixture-of-experts,” nessun numero di parametri, e la parola “smaller” non compare. La sezione sull’architettura è una sola frase e un rimando a Carbon. Né la scheda usa mai “post-trained” — la parola esatta che il thread su X da cui è nato questo articolo ha notato che mancava. Quell’assenza è reale e verificabile.

Screenshot of the Google DeepMind model card page for Gemini 4 Neon, showing the published date of 18 November 2026, the Model Information tabs, and the Model dependencies line reading 'Gemini 4 Neon is adapted from Gemini 4 Carbon.'

L’unico punto in cui la scheda nomina le tecniche di addestramento è la sezione Sicurezza e protezione, in una frase che inizia con «La sicurezza e la protezione sono state integrate in Gem​ini 4 Neon lungo l’intero ciclo di vita dell’addestramento e della distribuzione, inclusi il filtraggio dei dati di pre-addestramento, l’allineamento post-addestramento (fine-tuning supervisionato e apprendimento per rinforzo)…» A una lettura rapida, sembra l’informativa che il resto della scheda omette. Non lo è. La stessa frase, identica parola per parola, compare sulla scheda Carbon e sulla scheda Hydrogen. La scheda Argon non la riporta affatto. È uno schema di processo di sicurezza applicato a ogni modello costruito su Carbon, e usarlo come prova che Neon sia stato post-addestrato con apprendimento per rinforzo equivale a leggere un testo standard come se fosse un’informativa sull’addestramento. La scheda non dice che Neon sia stato post-addestrato. Non dice che non lo sia stato.

Il termine è l'unico fatto datato

La scheda fornisce però un dato concreto e verificabile sulla provenienza, ed è facile trascurarlo perché si trova sotto «Limitazioni note» anziché vicino al paragrafo sull'architettura: «La data limite delle conoscenze di Gemini 4 Neon è marzo 2026, sebbene in alcuni ambiti le conoscenze del modello possano essere meno aggiornate.»

• Gemini 4 Argon — marzo 2026 (la scheda lo indica per la famiglia: «Il termine ultimo delle conoscenze per Gemini 4 è marzo 2026»).

• Gemini 4 Carbon — Marzo 2026.

• Gem​ini 4 Hydrogen — marzo 2026.

• Gem​ini 4 Neon — marzo 2026.

Quattro modelli nell'arco di cinque settimane, quattro cutoff identici. Qualunque cosa sia stata aggiunta tra Argon a ottobre e Neon a novembre, non era una nuova fetta del mondo; qualsiasi guadagno di capacità deriva da metodo, selezione dei dati o compute di addestramento su materiale che la famiglia già possedeva. È un vincolo reale per la lettura «hanno addestrato un modello nuovo sopra», ed è l'unica affermazione quantitativa sulla costruzione del modello che la scheda faccia.

La scoperta dell'MCC che nessuno ha citato

Nascosto nella sezione Frontier Safety Assessment c’è un confronto che Google ha condotto e non ha inserito nei materiali di lancio. L’azienda ha valutato se Neon mostrasse “nuove capacità significative o incrementi materiali delle prestazioni rispetto alla versione più recente del modello soggetta a una valutazione critica delle capacità, che era Gemini 4 Argon”. La sua conclusione: “Gemini 4 Neon ha mostrato un aumento della capacità generale nell’ambito della nostra valutazione MCC rispetto a Gemini 4 Argon, tuttavia questo resta al di sotto della nostra soglia MCC”.

Leggilo come una dichiarazione sulle capacità, non sulla sicurezza. La valutazione interna di Google stessa colloca Neon al di sopra di Argon, e la card riporta quindi in avanti le valutazioni delle capacità e le determinazioni di soglia di Argon invece di rieseguirle, sulla base del fatto che nulla di sostanziale è cambiato. Il 61 sull'Intelligence Index riportato dalla card non è dunque solo un numero di fornitore in una tabella: è coerente con una constatazione interna secondo cui il derivato supera il modello da cui discende.

La stessa sezione è il punto in cui i due fratelli «adattati da» smettono di essere intercambiabili. La scheda di Hydrogen dice l’opposto di quella di Neon: «Gemini 4 Hydrogen non ha mostrato un aumento sostanziale della capacità generale secondo la nostra valutazione MCC rispetto a Gemini 4 Argon». Stesso genitore, stessa frase, esito opposto. Quindi «adattato da Gemini 4 Carbon» non è un’etichetta che indica un punto di forza. Descrive una famiglia di derivati, almeno uno dei quali ha aggiunto capacità misurabile e almeno uno dei quali no.

Il che produce una curiosa tabella dei prezzi. Fino al 30 novembre 2026, Gem​ini 4 Neon costa $3,00 per milione di token di input e $15,00 per milione di token di output, mentre Gemini 4 Argon — il modello rispetto al quale Neon viene confrontato e che, internamente, supera — costa $2,00 e $10,00. Il derivato costa il 50% in più per token rispetto all'antenato di cui eredita le valutazioni. Dal 1° dicembre, quando Carbon e Argon passano a $4,00/$20,00, la situazione si inverte e Neon diventa il 25% più economico di entrambi. Nessuno dei due dati dice nulla sulle dimensioni del modello: il prezzo per token è una decisione commerciale e Google non ha mai fissato il prezzo di questa famiglia in base al numero di parametri.

Perché i tagli ai prezzi vanno contro Matryoshka

L’ipotesi più specifica in circolazione è che la famiglia sia annidata — che Carbon contenga Neon come una bambola Matryoshka ne contiene una più piccola, e che Neon sia stato ottenuto distillando il modello più grande in uno più economico, possibilmente con apprendimento per rinforzo aggiuntivo in aggiunta. È un’ipotesi ragionevole. Spiega perché un derivato condividerebbe un limite temporale delle conoscenze, perché la scheda rimanderebbe all’architettura del modello padre e perché Google eviterebbe “post-trained” per un modello che, secondo questa lettura, non era tanto post-addestrato quanto estratto.

Tre elementi nella documentazione pubblica depongono contro la versione semplice. Il primo è il prezzo: un modello distillato e più piccolo costa normalmente meno per token del suo modello insegnante, e Neon è stato lanciato a un prezzo superiore del 50% rispetto alla tariffa introduttiva di Carbon. Un modello meno costoso da servire venduto a un prezzo premium è possibile — è ciò che rappresenta un livello più veloce — ma elimina l'elemento più forte di prova indiziaria a favore dell'interpretazione della distillazione. Il secondo è Hydrogen: il modello più economico della famiglia, $1,50/$7,50 con l'unico livello gratuito, riporta la medesima formulazione “adapted from Gemini 4 Carbon” negli stessi sette slot. Se la frase descrivesse una tecnica specifica, due modelli agli estremi opposti della scala dei prezzi non la riporterebbero entrambi. Il terzo è che la scheda stessa, quando vuole parlare di efficienza, lo fa nella Description — “Neon balances depth and efficiency” — e non nella sezione Architettura, che è priva di contenuto.

La posizione onesta è che il linguaggio della scheda distingue tre relazioni — nuovo modello, basato su, adattato da — senza definirne nessuna, e che l'ipotesi Matryoshka è una lettura plausibile di un documento sottospecificato, non un risultato. Un modello a matrioska di solito mostra un conteggio dei parametri e una storia sulle dimensioni per l'erogazione. Questa scheda non mostra né l'uno né l'altra, e l'unica affermazione che riguarda le dimensioni è una frase di posizionamento.

Quattro carte, tre trappole di confronto

Chiunque costruisca una tesi “Neon versus Carbon” a partire da questi documenti si imbatte in tre discrepanze distinte, e ciascuna è facile da incontrare.

• Versione dell'indice. La scheda Neon riporta “AA Index v5.0.1: 61”, contro Claude Opus 5.5 a 59 e GPT-6.2 Sol a 57, risultati datati novembre 2026. La scheda Carbon, pubblicata tre settimane prima, riporta “AA Index v5.0: 59”, contro Opus 5.5 a 58 e Gemini 4 Argon a 50, risultati datati ottobre 2026. Il suffisso è cambiato tra le due schede, quindi un divario di due punti misurato su versioni diverse dell'indice non è un divario di due punti.

• Livello di pensiero. Il 61 è un tetto massimo, non un valore predefinito. Artificial Analysis, il cui indice Google sta citando, pubblica quattro punteggi di Neon su v5.0.1: 44,1 con livello basso, 54,9 con livello medio, 59,6 con livello alto — il livello a cui Neon è effettivamente impostato come predefinito — e 61,4 con livello extra alto. Carbon si attesta a 60,0. Quindi la configurazione predefinita del modello ottiene un punteggio inferiore a quello del suo modello padre, mentre la sua configurazione massima lo supera, e la scheda del fornitore riporta solo il massimo. Entrambi i set di cifre provengono dal tracker, non da Google, ed entrambi erano aggiornati al 20 novembre 2026.

• Versione del benchmark e harness. La scheda di Neon elenca Terminal-bench 4.1 al 65.2% corretto per cheating, contro Opus 5.5 al 65.8% — una perdita. La scheda di ottobre di Carbon elenca “Terminal-Bench 4.0 (AA)” al 65.2%. Due schede, lo stesso numero, versioni diverse del benchmark: una coincidenza, non un confronto. Le righe di SWE-sweep sono peggiori: Neon elenca 39.0% su un “provider harness” e 12.8% su un “Mini-SWE harness”, mentre Carbon elenca un singolo 9.6% senza qualificatore di harness. Quelle sono tre configurazioni e non possono essere allineate come un miglioramento di 29 punti.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing ranks 46 of 96 and 73 of 95, 110 output tokens per second, $3.00 input and $15.00 output per million tokens, an intelligence index of 61 at xhigh effort, and the note that the model is slow per task and very verbose.

Tutto il resto sulla scheda Neon è dichiarato dal fornitore e non riprodotto: CursorBench 4.1 al 65,4% (Opus 5.5 58,1%), FrontierCode 2.0 al 46,2% (47,3%, una sconfitta), GraphWalks da 256k a 1M al 95,2% (66,8%), AutomationBench 56,3% (42,5%), SEC-bench Pro 90,5%, RiemannBench 84,0%. Due dei punteggi relativi al coding sono inferiori a quelli di un concorrente, cosa che vale la pena segnalare perché i riepiloghi di lancio citano le vittorie e tralasciano queste.

Cosa lo risolverebbe

Quattro cose sposterebbero «adattato» dall’inferenza al fatto. Nessuna esiste ancora.

• Un conteggio dei parametri o una dichiarazione dell'hardware di serving per Neon. La sezione Hardware è un rimando a Carbon; una cifra reale distinguerebbe immediatamente un derivato potato o distillato da una variante gemella riaddestrata.

• Il Gem​ini 4 Neon Safety & Security Report, che secondo la scheda “sarà disponibile nei prossimi giorni”. I rapporti sulla sicurezza hanno storicamente incluso dettagli sulle capacità che la scheda pubblica omette.

• Dati sull'efficienza dei token a qualità equivalente. La documentazione di lancio di Google sostiene che Neon offra un «uso dei token più snello» e la scheda non quantifica nulla. Se Neon genera davvero meno token per attività rispetto a Carbon, la questione della discendenza conta meno di quella della fattura.

• Qualsiasi dichiarazione di Google che definisca “adattato da” in contrapposizione a “basato su”. Fino ad allora, le due espressioni sono una distinzione che l’editore ha tracciato e ha declinato di spiegare.

Come usare un modello sottospecificato

Niente di tutto questo è un motivo per evitare il modello. È un motivo per valutarlo anziché dedurlo dalla scheda. Neon è disponibile solo a pagamento — nessuna quota gratuita — con quattro livelli di ragionamento (low, medium, high come predefinito, xhigh), una finestra unificata da 1.048.576 token con output sincrono da 64K e decodifica lunga fino a 1M, solo caching implicito, batch e flex a metà tariffa ($1,50/$7,50), e priorità a 1,8× ($5,40/$27,00; input in cache a $0,27 in quel livello rispetto a $0,15 standard). La generazione audio, la generazione di immagini e la Live API sono contrassegnate come non supportate; l'esecuzione di codice, l'uso del computer, il function calling, gli output strutturati, la ricerca file, il contesto URL ed entrambe le opzioni di grounding sono supportati.

La conseguenza pratica di una provenienza poco specificata è che dovresti misurare ciò che la scheda omette — i token di output per attività completata — con l'impostazione che useresti effettivamente in produzione. Esegui le stesse 20 o 30 attività su Neon con l'impostazione alta e su Carbon con la sua impostazione predefinita media, conta i token anziché i token per dollaro e confronta con la tua fattura. Un modello che costa il 50% in più per token e consuma il 30% in meno per attività è più economico; uno che costa il 50% in più ed è ugualmente verboso non lo è, e nessuna scheda di questa famiglia ti dirà quale dei due hai.

Il nostro catalogo è una risposta parziale alla seconda metà di quel problema. Include “google/gemini-4-carbon” e “google/gemini-4-argon”, e non include Gem​ini 4 Neon — la pagina del modello oggi non restituisce nulla, quindi nulla di quanto segue va interpretato come un’offerta di routing per quel modello. Ciò che il router ti offre mentre valuti è una singola chiave e una singola fattura per i modelli che stai confrontando, con il prezzo di listino del provider trasferito senza ricarico, così l’aumento del 1º dicembre su Carbon e Argon (input da $2,00 a $4,00, output da $10,00 a $20,00) arriva sulla tua fattura lo stesso giorno in cui arriva sulla pagina dei prezzi di Google, invece di essere assorbito nel margine di un rivenditore. E poiché una catena di fallback può collocare Carbon dietro Neon, un derivato non comprovato può gestire il traffico di produzione senza essere l’unica cosa tra i tuoi utenti e un’interruzione del servizio.

La questione aperta non è se «adattato da» sia onesto — lo è chiaramente, per quanto questo possa valere. È se una scheda che ripete sette volte una clausola non definita, viene pubblicata senza un conteggio dei parametri e rimanda architettura, dati, hardware e software a un documento parallelo sia un'informativa sufficiente per un modello che costa più per token di quello da cui discende. Alla luce delle prove attuali, Google ci ha detto la forma dell'albero genealogico e nulla dei rami. Il Safety & Security Report, quando arriverà, è il prossimo documento che vale la pena leggere.