Card del titolo che recita Gemini 4 Neon: il modello "piccolo" di Google non ha dimensioni pubblicate, con il sottotitolo un post su X, tre numeri verificabili e una dimensione che nessuno fuori da Google ha visto, sopra tre righe numerate: il post definisce Neon piccolo senza che sia stato pubblicato il numero di parametri per alcun modello Gemini 4; Neon ottiene 61,4 con xhigh e 59,6 con default high contro il 60,0 di Carbon, un vantaggio di 1,4 punti o un deficit di 0,4 punti; Carbon è stato rilasciato il 10 novembre e Neon il 18 novembre, otto giorni, con la clausola RSI che non cita alcun dato di addestramento. Il piè di pagina riporta punteggi secondo l'indice Artificial Analysis v5.0.1, letti il 20 novembre 2026; dichiarazioni sulle dimensioni non verificate.
Guides & Insights

Gemini 4 Neon: il modello 'Small' di Google non ha dimensioni pubblicate

Autore

Elias Hawthorne

Data di pubblicazione

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

Alle 01:57 UTC del 20 novembre, su X è comparso un post che definiva Gemini 4 Neon il modello small di Google — “molto più avanti di Argon e Carbon”, competitivo con Claude Opus 5.5 e Claude Fable 5.2 e, nelle sue quattro parole conclusive, prova di RSI. È stato modificato tre volte prima di stabilizzarsi e aveva 316 like quando l’abbiamo letto. Ogni altra clausola può essere verificata rispetto a un documento. La parola “small” no. Cerca un conteggio dei parametri o un ordinamento per dimensione nella documentazione di Google per Gemini 4 Neon, Gemini 4 Carbon, Gemini 4 Argon e Gemini 4 Hydrogen e non trovi nulla: nessun conteggio dei parametri, nessun dato sui parametri attivi, nessuna frase che classifichi i quattro per dimensione e — sia nella pagina del modello DeepMind sia nelle model card — nemmeno un uso della parola “small” in riferimento a uno di essi.

Ciò non rende sbagliato il post. Lo rende non falsificabile sulla sua parola centrale, il che è un problema diverso e più interessante: l’affermazione accorpa una misurazione che chiunque può verificare (il punteggio) con una descrizione degli interni del modello che nessuno al di fuori di Google può verificare, e poi trae una conclusione su come il modello sia stato addestrato dalla metà non verificabile. Di seguito, l’affermazione viene scomposta nelle sue tre parti e ciascuna viene confrontata con quanto pubblicato. Tutti i punteggi sono Artificial Analysis su index v5.0.1 come letti il 20 novembre 2026; tutto ciò che è dichiarato da Google è etichettato come tale; qualsiasi cosa inferita è contrassegnata come inferenza.

Cosa dice effettivamente il post

Al netto della cornice, ci sono tre asserzioni. Prima: Neon è il modello piccolo di G​oogle. Seconda: in quanto modello piccolo, è “molto più avanti di Argon e Carbon”, cioè un modello più piccolo ha superato i fratelli più grandi. Terza: questo risultato è ciò che sembra “RSI e simili”. La seconda si risolve in aritmetica, la prima si risolve in una definizione che G​oogle non ha pubblicato, e la terza non si risolve affatto — è un’affermazione su un processo di addestramento senza input divulgati.

Vale la pena notarlo prima di fare i conti: questa impostazione non è esclusiva di un solo account. Un giorno prima, un altro autore di un post aveva attribuito una demo di Neon agli “sciami” e al “non fare distillazione e prendersi tempo con RSI”. Il vocabolario circola più velocemente di quanto qualsiasi documento lo supporti, ed è proprio per questo che vale la pena valutare il costo delle singole parole.

Google non chiama mai Neon un modello piccolo

G​oogle descrive ciascuno dei quattro modelli, e le descrizioni sono abbastanza specifiche da poter essere citate. Dalla documentazione dei modelli dell'API G​emini, come pubblicata questa settimana:

• G​emini 4​ Carbon — “Il nostro modello di ragionamento più potente, progettato per l'ingegneria del software complessa, il lavoro della conoscenza multimodale, il ragionamento scientifico e la difesa informatica.”

• G​emini 4 Neon — "Intelligenza di livello frontier con un rapido completamento end-to-end delle attività attraverso complessi flussi di lavoro di ingegneria del software, lavoro intellettuale e scienza."

• G​emini 4​ Argon — «Il nostro efficiente modello di ragionamento frontier G​emini 4, che offre risposte più rapide e un minor consumo di token per turno rispetto a G​emini 4​ Carbon…»

• G​emini 4 Hydrogen — “Porta un’intelligenza all’avanguardia a tutti, con velocità ed efficienza per la programmazione quotidiana e i flussi di lavoro agentici.”

Tre di quelle quattro frasi riguardano velocità e costo. Nessuna riguarda le dimensioni, e nessuna pagina G​oogle che abbiamo potuto leggere usa la parola “small” per nessuna delle quattro. Secondo la stessa documentazione, il modello che G​oogle indica per il lavoro quotidiano a basso costo è G​emini 3.5 Flash-Lite — che non fa parte di questa famiglia e non è l'argomento del post. Quindi “Neon è quello piccolo” non è una sintesi del posizionamento di G​oogle. È un'inferenza del lettore a partire dal comportamento, presentata come se fosse una specifica.

Anche la scheda prezzi depone contro la lettura più immediata. Neon è il modello più costoso della famiglia per token: 3,00 $ in ingresso e 15,00 $ in uscita per milione, a tariffa fissa, senza livello gratuito e senza scadenza, a fronte di Carbon e Argon a 2,00 $ e 10,00 $ fino al 30 novembre e di Hydrogen a 1,50 $ e 7,50 $ con un livello gratuito. Un modello piccolo che costa il 50% in più per token rispetto al modello di punta con cui viene confrontato non è piccolo nel senso in cui i compratori usano di solito questa parola. Qualunque cosa abbia di piccolo Neon, non è certo il conto.

Dove i numeri supportano davvero l’affermazione

La metà del post relativa ai punteggi è verificabile e per lo più regge — con una sostituzione che cambia il verdetto. Sull’Intelligence Index, alla configurazione più profonda pubblicata di ciascun modello:

• Gemini 4 Neon — 61,4 a xhigh (59,6 al suo valore predefinito, high)

• G​emini 4​ Carbon — 60,0 su high, che è il suo tetto massimo; il modello non ha il livello xhigh

• Gemini 4 Hydrogen — 54 a xhigh

• G​emini 4​ Argon — 50 al livello alto, che è anche il suo limite

Quindi “molto avanti rispetto ad Argon” è vero e non di poco: 11 punti. “Molto avanti rispetto a Carbon” non è affatto vero. Neon supera Carbon di 1,4 punti, e solo quando lo si spinge a un livello di ragionamento che Carbon non ha. Alle impostazioni consigliate da entrambi i fornitori — l’impostazione alta predefinita di Neon contro quella alta di Carbon — Neon è indietro di 0,4 punti. La versione più forte del post sarebbe stata quella onesta: Neon è il primo modello di questa famiglia a superare il modello di punta, di circa un punto, se sei disposto a pagare per il livello più profondo.

“Nel giro di settimane” è anche letteralmente vero, e vale la pena esplicitare l’aritmetica perché è l’unico fatto datato nel post. Carbon è diventato disponibile a livello generale il 10 novembre. Neon è diventato disponibile a livello generale il 18 novembre. Otto giorni separano il flagship dal modello descritto come quello che lo ha superato.

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.

L'unico confronto che il post ha saltato

La frase «compete con Opus / Fable» è quella che si sminuisce, perché la versione più lusinghiera richiede un numero che il post non ha usato. Sullo stesso indice, Claude Opus 5.5 ottiene 59 con il suo massimo sforzo e Claude Fable 5.2 ottiene 65. Il 61,4 di Neon si colloca quindi tra i due: davanti a Opus 5.5 di 2,4 punti con l’impostazione più profonda di Neon, dietro Fable 5.2 di 3,6. «Compete con» è equo per il primo e generoso per il secondo.

Ciò che ne fa una vera storia è quanto costano quei punti, misurato per attività completata anziché per token:

• Costo per attività dell'Intelligence Index — G​emini 4 Neon $6,44, Claude Opus 5.5 $10,04, Claude Fable 5.2 $26,54

• Prezzo di listino per milione, input / output — Neon $3,00 / $15,00, Opus 5.5 $4,00 / $20,00, Fable 5.2 $8,00 / $40,00

• Tempo per attività di indicizzazione: Neon 21,5 minuti con xhigh e 14,8 con high; Opus 5.5 25,7 con max; Fable 5.2 41,6 con max

• Velocità di output — Neon 110 token al secondo, Opus 5.5 112, Fable 5.2 circa 110

Quattro volte più economico per attività rispetto a Fable 5.2 per 3,6 punti indice è un argomento migliore di qualsiasi cosa nel post originale, e non dipende da una sola parola sulla dimensione. È anche l’argomento che sopravvive all’obiezione più immediata: al prezzo di Fable 5.2, un divario di 3,6 punti è la cosa più economica da colmare tra quelle in gioco se il carico di lavoro lo richiede, e irrilevante se non lo richiede.

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.

Piccolo in termini di velocità, non di dimensioni.

Se esiste una lettura difendibile di “small” in questo contesto, è quella che misura il tracker anziché quella che la model card omette, e riguarda il lavoro per attività plutôt che i parametri. A parità di impegno elevato, Neon ha completato la suite Intelligence Index in 123M token di output contro i 205M di Carbon, in 14,8 minuti contro i 41,8 di Carbon. Si tratta di un'impronta di token inferiore del 40% e di un'attività che si completa quasi tre volte prima, ed è la cosa più vicina a una prova dell'intuizione del post che esista pubblicamente: qualunque cosa sia Neon, svolge lo stesso lavoro con meno lavoro emesso rispetto al modello che G​oogle definisce il suo più forte.

Ma questa è un'inferenza dal comportamento, e il comportamento ha altre spiegazioni — un decoder più efficiente, un budget di ragionamento diverso, una traccia di ragionamento più breve — nessuna delle quali richiede un numero di parametri inferiore. Gli stessi numeri sono anche compatibili con il fatto che Neon sia semplicemente un modello più recente e meglio addestrato di dimensioni comparabili, che è la spiegazione meno esotica disponibile.

La narrazione sulla velocità si rompe anche in un punto che il post non guarda. Neon non è il modello più veloce della famiglia. G​emini 4 Hydrogen gira a 167 token al secondo contro i 110 di Neon, e completa un’attività di indicizzazione in 15,4 minuti a xhigh — a un soffio dai 14,8 di Neon a high, a metà prezzo. Se il claim è “piccolo e veloce”, Hydrogen è il modello che descrive, e Hydrogen ottiene 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.

Perché qui è 'RSI' a fare il lavoro

L'auto-miglioramento ricorsivo, nel senso in cui l'espressione ha nella ricerca sull'IA, significa che un laboratorio usa un modello per migliorare in modo misurabile il suo successore — un ciclo con un modello al suo interno, non semplicemente una cadenza di rilascio rapida. Nulla di quanto pubblicato sostiene questa lettura di questo rilascio, e il post non offre nulla a sostegno: nessuna cifra di calcolo, nessuna divulgazione di ciò su cui è stato addestrato Neon, nessuna prova che un qualsiasi modello G​emini abbia contribuito all'addestramento di Neon.

Ciò che Google pubblica sulla discendenza è una sola clausola, ripetuta. Le schede modello sia di Gemini 4 Neon sia di Gemini 4 Hydrogen affermano che il modello è “adattato da Gemini 4 Carbon” — la stessa frase negli stessi sette slot su entrambe le schede, senza una definizione di “adattato”, senza un conteggio dei parametri e senza alcuna indicazione di cosa sia cambiato. Risalendo dalla scheda di Carbon si arriva ad Argon, la cui scheda dice che “non è una modifica né un fine-tuning di un modello precedente”. Ogni scheda di Gemini 4 riporta la stessa data limite delle conoscenze, marzo 2026, nell’arco di cinque settimane di rilasci. Quattro modelli, un’unica pipeline dati, una parola non definita: è la descrizione di una base di addestramento condivisa, cosa del tutto ordinaria, non di un loop.

L'intervallo di otto giorni tra Carbon e Neon è una questione di pianificazione. Le tempistiche si comprimono per ragioni che non hanno nulla a che fare con l'auto-miglioramento — un modello di base condiviso, un rilascio a fasi, un calendario di lancio — e il fatto che questa si sia compressa non è una prova a favore di nessuna di esse. Se un laboratorio avesse davvero costruito un modello con un modello, il modo in cui lo sapresti è che lo avrebbe dichiarato, oppure che un benchmark lo avrebbe misurato. Non è successo né l'uno né l'altro.

Cosa lo risolverebbe

Tre divulgazioni trasformerebbero il post da un'affermazione in un risultato, e tutte e tre sono cose che G​oogle potrebbe pubblicare questa settimana:

• Un conteggio dei parametri o un dato sui parametri attivi per qualsiasi modello G​emini 4. Un solo numero renderebbe “small” verificabile e confermerebbe o confuterebbe immediatamente la premessa.

• Una definizione di “adapted from” sulle model card. La frase compare sette volte sulla card Neon e non viene mai spiegata; “based on” è usato per Carbon-to-Argon ed è altrettanto indefinito.

• Qualsiasi dichiarazione sul contributo all'addestramento — quali dati erano nuovi in Neon rispetto a Carbon, o quale modello, se presente, ha generato segnale di addestramento. In assenza di tutti e tre, RSI resta una parola in un post.

Che fare con questo lunedì

La conseguenza pratica è piccola, ed è l’opposto di ciò che il post implica. Nulla nella documentazione dice che Neon sia un modello piccolo che ha battuto uno grande; dice che Neon è un modello da $3/$15 che ottiene un punto sopra il tetto di Carbon quando viene spinto e mezzo punto sotto il default di Carbon quando non viene spinto. Questa è una decisione sulla scala di tuning, non una decisione sulla dimensione, e la scala copre 17,3 punti indice da low (44,1) a xhigh (61,4) — molto più del divario tra due modelli qualsiasi della famiglia. Quale gradino si sceglie conta più di quale modello si sceglie.

Due cose con una data meritano di essere segnate in calendario, indipendentemente da come si risolverà la questione delle dimensioni. Carbon e Argon raddoppiano il 1° dicembre, passando da 2,00 $ e 10,00 $ a 4,00 $ e 20,00 $ per milione di token, mentre il listino prezzi di Neon non prevede scadenze. Ai prezzi odierni Neon costa il 17% in meno per ogni attività di indicizzazione completata rispetto a Carbon (6,44 $ contro 7,76 $); dopo il 1° dicembre quel divario si allarga senza che Neon cambi nulla. Chiunque legga il post sul “modello piccolo” e concluda che Neon sia l’opzione economica ha la direzione giusta ma per il motivo sbagliato — costa meno per attività perché emette meno, non perché sia più piccolo, e diventa molto più economico a una data che Google ha già pubblicato.

Da parte nostra, google/gemini-4-carbon e google/gemini-4-argon sono in catalogo al prezzo di listino del provider, senza ricarico, il che significa che il passaggio del 1° dicembre arriva lo stesso giorno in cui arriva su Google. Gemini 4 Neon non è ancora in catalogo, quindi la cosa utile da dire al riguardo non è un prezzo ma una forma: quando arriverà, la richiesta che vale la pena scrivere è una che nomina Neon e ripiega su Carbon se Neon è limitato per frequenza o restituisce errori. Un modello il cui principale vantaggio pubblicato è completare rapidamente le attività è uno dietro cui vuoi un failover, non un singolo punto di dipendenza. Oggi una chiave copre il resto della famiglia, quindi un test di confronto con Carbon o Argon non costa altro che i token.

La chiusura onesta è quella più stretta. Un post che afferma che il modello piccolo di un laboratorio ha superato quelli grandi ha avanzato un’affermazione sulle dimensioni. Nessuno ha pubblicato una dimensione. I punteggi dicono che un modello veloce è arrivato a meno di un punto da uno più lento in otto giorni, il che è già abbastanza interessante di per sé, e la storia sull’addestramento che vi è allegata è, per ora, una didascalia.

Confrontati in questo articolo1

Rilevato da questo articolo · Benchmark: Artificial Analysis · aggiornato ogni giorno