Scheda del titolo con la scritta Gemini 4 Neon in Antigravity, con il sottotitolo 762 chiamate agli strumenti, tredici sessioni, un tetto di 512K, sopra tre schede che riportano 762 chiamate agli strumenti, 13 sessioni e 512K di contesto in Antigravity, con in calce cifre sulle chiamate agli strumenti autodichiarate dai log Antigravity di un utente, 18 novembre 2026; non verificate.
Guides & Insights

Gemini 4 Neon in Antigravity: 762 chiamate agli strumenti con un tetto di 512K

Autore

jinhao.song

Data di pubblicazione

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

Tredici sessioni, 762 chiamate agli strumenti e un numero che non compare da nessuna parte nel materiale di lancio di Google: 512.000. È la finestra di contesto che la documentazione di Antigravity stessa attribuisce a Gemini 4 Neon, contro i 1.048.576 token che l'API Gemini vende per lo stesso modello a 3,00 $ per input e 15,00 $ per output. Entrambe le cifre sono di Google, pubblicate la stessa settimana, e nessuna delle due pagine menziona l'altra. Il registro delle chiamate agli strumenti proviene da un thread hands-on che @kimmonismus ha pubblicato il 18 novembre 2026, tredici ore e mezza dopo la pubblicazione del post di Antigravity su Neon e trentacinque minuti dopo quello di DeepMind, il che significa che il modello a cui descrive di avere avuto "accesso anticipato" era già disponibile al pubblico quando ha pubblicato.

Quel tempismo conta per quanto peso dare al thread, non per se sia utile. È il resoconto pubblico più dettagliato che qualcuno abbia pubblicato di Gemini 4 Neon impegnato in un lavoro agentico sostenuto, e la parte interessante non sono le demo. È la struttura del log, che è aritmetica verificabile in un modo in cui «ha costruito 17 demo interattive» non lo è.

Le 762 chiamate, analizzate nel dettaglio

L'autore del post ha riesaminato a posteriori i log di Antigravity e ha conteggiato ogni chiamata in quelle tredici sessioni, tutte eseguite al livello di pensiero Extra High. La ripartizione, autodichiarata e non verificata:

• Letture di file — 313

• Modifiche — 266

• Nuovi file creati — 104

• Comandi shell — 43

• Sotto-agenti generati — 13

• Ricerche sul web — 2

• Altre chiamate, inclusi gli aggiornamenti delle attività — 21

La loro somma è esattamente 762, la prima cosa da verificare e la prima che regge. Dividi per tredici e ottieni circa 58,6 chiamate di strumenti per sessione, un valore che si colloca sospettosamente vicino al 58,6 che Neon ottiene sull'Artificial Analysis Coding Agent Index — una coincidenza, ma memorabile se stai cercando di tenere entrambi i numeri a mente.

A single-column scoreboard titled Gemini 4 Neon in Antigravity — the scoreboard, with six rows reading Sessions run at Extra High 13, Tool calls total 762, File reads 313 (41%), Edits plus new files 370 (48.6%), Sub-agents spawned 13 and Web searches 2 (0.26%), footed with Self-reported from one user's Antigravity logs, 18 November 2026; unaudited. Context window in Antigravity: 512K per Google's docs.

Il rapporto più informativo è quello che il posizionamento di Google stesso ti invita a mettere alla prova. Il post di lancio sostiene che Neon «riduce le letture ridondanti dei file» e «gestisce in modo affidabile la compattazione del contesto nelle sessioni lunghe». In questo log, le letture sono 313 su 762 chiamate, ovvero il 41%. Le scritture — 266 modifiche più 104 nuovi file, 370 chiamate — sono il 48,6%. Si tratta di 1,18 operazioni di scrittura per ogni lettura. Un modello che si aggirasse freneticamente in una base di codice cercando di individuare le cose mostrerebbe il rapporto opposto; un modello che sa già dove sta andando legge una volta e scrive. Le tredici sessioni di un singolo utente non costituiscono una prova di una proprietà generale, ma vanno nella direzione prevista dalla tesi, e rappresentano l'unico log pubblico in cui la tesi viene messa alla prova.

I due numeri che sembrano più strani sono i sotto-agenti e le ricerche web. Tredici sotto-agenti su tredici sessioni sono esattamente uno per sessione — un modello di delega costante anziché occasionale. Due ricerche web su 762 chiamate sono lo 0,26%, il che, per un modello che Google descrive come un orchestratore che dirige sotto-agenti Hydrogen in parallelo, è straordinariamente rivolto verso l'interno. Si trattava di un'esecuzione su codice locale, non di ricerca, e il log lo riflette.

Che cosa mostra effettivamente la demo

Diciassette demo interattive, otto delle quali mostrate. Gli otto esemplari visibili spaziano da uno sparatutto arena 3D con ondate di nemici, salute, munizioni e ricarica; a uno sparatutto su rotaia chiamato Solaris Trench; a un'arena voxel distruggibile chiamata Terra Breaker che manteneva un costante 60 fotogrammi al secondo in un test su browser; a un gioco con un jet che attraversa un canyon chiamato Aero Canyon, con dodici porte e un miglior tempo salvato; a un puzzle fisico con leve e un lanciatore di palline; a uno spettacolo di luci con campo di particelle; a un sorvolo di un buco nero con lensing regolabile; e a un sistema solare cliccabile.

I nove che non sono stati mostrati sono la parte del thread che non può essere valutata, e una lettura onesta di "17 demo" è che si tratta di un'affermazione sul volume con otto esempi allegati. Ciò che gli otto esempi stabiliscono è l'ampiezza: un singolo modello che produce scene WebGL, fisica, visuali guidate dall'audio e gestione dello stato dell'interfaccia utente in un'unica sessione, a un livello di qualità che un hobbista pubblicherebbe. Questo è un vero segnale di capacità anche se il conteggio non è verificabile.

I modi in cui ha fallito segnalati dall'autore del post sono più utili dei successi, perché sono specifici. La prima build dell'arena 3D "si è interrotta per un errore del server" e ha richiesto un secondo passaggio per essere completata: un guasto infrastrutturale, non un fallimento del modello, ma che è costato un tentativo completo. Neon ha aggiunto ad Aero Canyon una modalità autopilota che non era mai stata richiesta, cosa che l'autore del post ha segnalato come ambito non richiesto. Poi ha testato solo l'autopilota, quindi la qualità del volo manuale resta sconosciuta anche per una demo che ha costruito. Il sistema solare è stato rilasciato con un numero di lune non aggiornato ed è stato corretto con i numeri attuali del JPL solo dopo che lui l'ha segnalato; dimensioni e orbite non sono ancora in scala.

Quest'ultimo è il dato più interessante del thread, perché è una chiara dimostrazione di correzione in corso d'opera: un errore fattuale, segnalato dall'utente, corretto in un messaggio successivo. Google sostiene che Neon si classifichi secondo per capacità di essere guidato nel nuovo Agent Arena Index di Arena. Un singolo aneddoto non conferma una posizione in classifica, ma è il comportamento che la classifica dichiara di misurare, osservato sul campo.

Tre correzioni di bug, autovalutate

La sezione di programmazione è composta da tre programmi difettosi con suite di test esistenti, ciascuno corretto e poi verificato dall'autore del post stesso anziché dal resoconto del modello.

• Verificatore prenotazioni — 1 test su 5 superato prima, 5 su 5 dopo.

• Utilità di pianificazione — 8 controlli su 14 prima, 14 su 14 dopo.

• Loader asincrono — 10 controlli su 16 prima, 16 su 16 dopo.

Totale: 19 su 35 superati prima, 35 su 35 dopo, ovvero dal 54,3% al 100%. Un punteggio perfetto è il dato di cui sospettare, e le avvertenze oneste riguardano tutte il campione, non il risultato. Tre programmi sono tre programmi. Le suite di test erano preesistenti, il che elimina l'ovvia modalità di errore in cui un modello scrive test adatti alla propria correzione, ma non elimina la selezione: questi erano programmi che l'autore del post ha scelto di portare, e una correzione che risolveva i fallimenti visibili potrebbe comunque essere sbagliata in modi che la suite non copre. Ciò che l'esecuzione mostra è che il modello non ha introdotto regressioni durante la correzione — 35 su 35 significa che i test che prima passavano continuavano a passare, ed è questa la modalità di errore che colpisce davvero nella pratica.

Antigravity dà a Neon 512K, non 1M

Ora, il numero che non è nel thread e che dovrebbe cambiare il modo in cui leggi il resto. La documentazione dei modelli di Antigravity, alla voce Gemini 4 Neon, indica la finestra di contesto come «fino a 512K token». La documentazione dell’API Gemini per lo stesso modello indica una finestra unificata da 1,048,576 token, e Artificial Analysis ne indica 1,000,000 per il modello. Stessi pesi, stesso listino prezzi, circa metà del contesto, a seconda dell’interfaccia da cui lo chiami.

Antigravity's model documentation page for Gemini 4 Neon, showing the heading Gemini 4 Neon, the paragraph explaining that it is the default model for new conversations on every plan that includes it, a Thinking levels bullet listing Low, Medium, High (default) and Extra with the CLI spellings low, medium, high and xhigh and the example --model gemini-4-neon-xhigh, a Context window bullet reading Up to 512K tokens, and an Availability bullet listing Google AI Ultra, Google AI Pro and Gemini Enterprise but not Free or Plus.

Google non ha pubblicato una spiegazione per questo divario, e questo articolo non ne inventerà una. Ciò che è verificabile è che entrambi i numeri sono attivi, entrambi di Google ed entrambi associati al codice del modello gemini-4-neon. La conseguenza pratica è semplice: se la tua valutazione di Neon è «riesce a tenere in contesto un grande monorepo», quella valutazione dipende dalla superficie. Un repository da 600.000 token entra nell'API e non entra in Antigravity. Se stai decidendo tra i due, misura sulla superficie su cui rilascerai effettivamente, perché il tetto non è lo stesso.

Il resto del quadro di Antigravity è più convenzionale. Neon è il modello predefinito per le nuove conversazioni su ogni piano che lo include — Google AI Pro a pagamento, Google AI Ultra e Gemini Enterprise. Non è disponibile nei piani Free o Google AI Plus. La scala di ragionamento comprende Low, Medium, High (predefinito) ed Extra, con la CLI che li scrive low, medium, high e xhigh tramite --model gemini-4-neon-xhigh o --effort xhigh. Il thread è stato eseguito interamente con Extra High, l'impostazione che Google stessa usa per il valore principale dell'Intelligence Index e quella che la documentazione API raccomanda di riservare ai problemi complessi a più passaggi.

Vale la pena segnalarlo come un'asimmetria nelle fonti più che come un difetto. Quasi ogni numero di benchmark Neon in circolazione — il 61.4 dell'Intelligence Index, il 58.64 del Coding Agent Index — è un numero xhigh. La maggior parte delle persone eseguirà il modello al suo High predefinito. Artificial Analysis pubblica entrambi, e il valore predefinito è 59.6, tre punti pieni sotto il dato di punta. Un log di 762 chiamate a xhigh ti dice che aspetto ha il tetto; non ti dice quanto costerà o che punteggio otterrà la tua configurazione predefinita.

Dove il thread va troppo oltre

Tre affermazioni nel thread hanno un peso maggiore di quanto le prove giustifichino, e vale la pena identificarle perché verranno ripetute.

La formulazione "accesso anticipato" è la più chiara. Il post sul blog di Antigravity su Neon pubblicato alle 08:00 UTC del 18 novembre 2026; il post di lancio di DeepMind alle 21:00 UTC; il thread alle 21:35 UTC. Qualunque accesso avesse l'autore del post prima nel corso della giornata, il pezzo che ha pubblicato è uscito dopo la disponibilità generale, e leggerlo come un'anteprima pre-lancio sarebbe un errore. Ciò non rende sbagliate le osservazioni. Significa però che "ho ottenuto l'accesso anticipato" sta facendo un lavoro retorico che i timestamp non supportano.

In secondo luogo, «17 demo interattive» è un'affermazione sul volume con otto elementi mostrati. Gli otto mostrati sono davvero vari e funzionano davvero, ed è questa la parte utile. I nove trattenuti non sono verificabili, e nessuna quantità di dettagli sugli otto colma questa lacuna.

Terzo, il risultato di 35 correzioni su 35 è un risultato che riguarda tre programmi. È il tipo di numero che viene citato come «Neon sistema tutto ciò che gli dai», e la lettura corretta è più ristretta: su tre programmi già rotti in partenza, con suite di test esistenti, ha risolto ogni controllo fallito senza rompere quelli che passavano. È un buon esito e un campione piccolo, ed entrambe le metà di quella frase devono essere comunicate insieme.

Va segnalato un elemento di conferma. Patrick Loeber, membro del personale tecnico di Google DeepMind, ha risposto al thread: "bel thread, grazie per averlo costruito con noi e per aver condiviso il tuo feedback!!" Non si tratta di una verifica di alcun numero in esso contenuto. È un dipendente Google che riconosce che l'esecuzione è avvenuta, il che è più di quanto ottengano la maggior parte dei thread hands-on.

Quanto costa provarlo da soli

L'economia di un test sul campo come questo è poco glamour e decisiva. A 3,00 $ per milione di token di input e 15,00 $ per milione di output, una sessione da 762 chiamate con forte riutilizzo del contesto non è un esperimento da 5 $: il lato output, inclusi i token di pensiero, domina, e xhigh lo moltiplica. La stessa impostazione di Google è che Neon, con la sua impostazione predefinita High, costa circa il 32% in meno per attività rispetto a Gemini 4 Carbon (dichiarato dal fornitore, non riprodotto in modo indipendente), e che l'impostazione xhigh è per problemi in cui High non basta. Eseguire una suite demo a xhigh quando stavi valutando il comportamento predefinito è un modo per spendere diverse volte quanto richiesto dalla decisione.

Our own OrcaRouter catalogue page filtered to gemini-4, headed Models and reading 2 models, 1 providers, one API key, one bill, showing two results — Google: Gemini 4 Carbon at $2.00 per million input tokens with a 1M context window, identified as google/gemini-4-carbon, and Google: Gemini 4 Argon identified as google/gemini-4-argon — alongside a How to call any model panel and the filter sidebar. Gemini 4 Neon is not among the results.

Il modo più economico per eseguire questa valutazione è fissare prima la superficie e il livello di ragionamento, poi variare il modello. Da parte nostra il catalogo attualmente include google/gemini-4-carbon e google/gemini-4-argon, entrambi al prezzo di listino del fornitore di $2,00 e $10,00 con 0% di ricarico — una variazione della tariffa del fornitore è attiva da parte nostra lo stesso giorno in cui arriva a monte, il che qui conta perché la tariffa introduttiva di Carbon scade il 30 novembre 2026 e passa a $4,00/$20,00. Gemini 4 Neon non è nel catalogo al 19 novembre 2026, quindi questa non è una raccomandazione a chiamarlo tramite noi; è il confronto che puoi effettivamente eseguire oggi, rispetto al modello su cui Google confronta Neon in quasi ogni paragrafo del suo annuncio.

Se stai testando un modello non ancora collaudato anziché uno conosciuto, il livello di routing è anche il punto economico in cui circoscrivere il rischio: il failover automatico significa che una sessione che muore a metà esecuzione — come è successo alla prima build dell'arena 3D — può essere ritentata su un modello diverso senza ricostruire l'harness, e il DSL di routing ti consente di comporre un planner e un executor in un'unica chiamata se vuoi riprodurre il pattern Orchestrator (Neon) senza essere vincolato al limite di 512K di Antigravity.

Cosa guardare

Il prossimo elemento di prova che risolverebbe le questioni aperte non è un altro thread dimostrativo. È un log delle chiamate agli strumenti di qualcuno che opera con l'impostazione predefinita High, su un repository abbastanza grande da spingersi contro qualunque limite di contesto applicabile, pubblicato lasciando dentro gli errori. Il divario tra 512K e 1M è l'aspetto specifico da tenere d'occhio, perché una discrepanza nella documentazione che sopravvive a un ciclo di rilascio è di solito una decisione di prodotto anziché una svista — e se Antigravity dimezza deliberatamente la finestra, è un fatto che vale la pena conoscere prima di standardizzare su di essa un flusso di lavoro.

Fino ad allora, la sintesi equa di Gemini 4 Neon in Antigravity è questa: un log pubblico dettagliato, esteso per tredici sessioni, che mostra un modello che scrive più di quanto legge, delega una volta per sessione, corregge perfettamente tre piccoli programmi, costruisce otto buone demo su diciassette dichiarate e gira a circa metà del contesto pubblicizzato dall'API. Ognuna di quelle affermazioni è verificabile. Nessuna di esse è un benchmark.