Una card del titolo generata che recita 'Gemini 4 Neon's Stickman Game' con il sottotitolo 'la rivendicazione dello swarm, non la demo', accanto a due card: a sinistra 'L'artefatto' elenca un video di 62,5 secondi a 756 x 403 che riproduce un gioco per browser senza prompt e senza impostazioni registrate, a destra 'Il record' elenca tre post Google datati — 10 nov rilascio di /swarm, 12 nov rilascio di Orchestrator, 18 nov rilascio di Neon — sopra un piè di pagina che recita 'Una clip pubblicata; tre post Google datati; una dichiarazione di addestramento non testata.'
Guides & Insights

Stickman Game di Gemini 4 Neon: The Swarm Claim, non la demo

Autore

jinhao.song

Data di pubblicazione

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

At 20:41 UTC on 19 November 2026, an account posting as @chetaslua put up a 62.5-second video of a two-player stickman fighting game and four sentences of text. The game, it said, was “Made by swarms of Gem​ini 4 Neon, pure JS code.” The model, it said, “has distinct taste and is different from O​penAI and A​nthropic in a good way.” And then the load-bearing line: “The benefits of not doing distillation and taking time with RSI are showing now.” Gem​ini 4 Neon had been generally available for one day at that point, having gone out on 18 November, with Gemini 4 Carbon and Gem​ini 4 Hydrogen already shipping ahead of it. So this is not a leak and not a preview. It is a claim about how the model was built and how it was used, published by someone who is not G​oogle, one day after launch, with a video attached and nothing else.

Gran parte di ciò che è stato scritto finora su Neon riguarda i suoi numeri, e i numeri sono davvero interessanti: 61 sull’Artificial Analysis Intelligence Index con l’impostazione Extra High, primo posto sul Coding Agent Index con 58,6 e un livello di impegno predefinito che batte Carbon sul costo per attività. Questo articolo riguarda l’altra metà del post — la metà che dice che il modello è il prodotto di sciami e di una filosofia di addestramento che G​oogle non ha descritto da nessuna parte. Sono affermazioni separabili. Una di esse risulta quasi interamente documentata, da G​oogle, con date. L’altra non ha alcun riscontro pubblico, e la differenza tra le due è la parte utile.

Che cosa indica realmente 'made by swarms'

C’è la tentazione di leggere “swarms” come una rivelazione sull’addestramento: un modello costruito da flotte di copie di se stesso, in modo ricorsivo. Niente nel post lo supporta, e tutto ciò che G​oogle pubblica in proprio indica altrove. C’è esattamente una cosa nella documentazione di Gem​ini 4 chiamata swarm, ed è una funzionalità del prodotto, non un metodo di addestramento.

Il 10 novembre 2026, il team Antigravity ha pubblicato un post intitolato “Gemini 4 Carbon e /swarm”. La frase rilevante è una descrizione dell'harness, non del modello: /swarm “passa il tuo prompt a una famiglia di agenti: un coordinatore che avvia worker paralleli specializzati in worktree Git isolati, così le modifiche non entrano mai in collisione, e verificatori adversariali dedicati a eseguire test e a contestare i diff.” Ogni agente collabora su “una bacheca dei messaggi condivisa e di sola aggiunta, sulla quale gli agenti sostano a costo zero in token quando sono inattivi e si attivano nell'istante in cui un agente ha bisogno di input.” Gli agenti possono essere assegnati a modelli diversi, così un coordinatore può ragionare su un modello mentre i worker scrivono su un altro.

Quello è uno swarm nel senso comune dell'ingegneria: processi paralleli con una coda condivisa e un passaggio di verifica. Non dice nulla su come sia stato addestrato Gem​ini 4 Neon. Se l'autore del post intendesse quello, o qualcosa di più vago, non è ricostruibile da quattro frasi — ma se stai cercando di collocare l'affermazione rispetto alla documentazione, lo swarm della documentazione è una funzionalità datata di Antigravity e nulla più.

Il dettaglio a due giocatori pubblicato da Google

Ecco dove il post smette di essere vago in modo interessante. Il post di Antigravity che annuncia Gemini 4 Neon, pubblicato il 18 novembre, contiene un video dimostrativo con didascalia che recita: «Usando Gemini 4 Neon con /swarm, Antigravity crea la struttura di un gioco a due giocatori a più livelli che gira nel browser integrato mentre l'agente gioca come secondo giocatore.»

Leggilo accanto al tweet. Un gioco a due giocatori a più livelli, strutturato da uno swarm, con l’agente come secondo giocatore, in un browser, dalla documentazione dello stesso fornitore, pubblicata un giorno prima del video. Il tweet non dice che sia uscito da Antigravity — non nomina né l’app, né l’API né AI Studio, e non fornisce alcun prompt, alcun livello di effort, alcun numero di token e alcun file sorgente. Ma l’unico percorso swarm dimostrato pubblicamente verso un gioco browser a due giocatori è quello di Antigravity, ed è documentato come funzionante con questo esatto modello.

Ciò non verifica la clip. Una demo con didascalie di un fornitore e un video di terze parti sono tipi diversi di prova, e nessuna delle due è una specifica. Quello che fa, però, è rendere specifica la parte interessante del post: “creato da sciami” non è affatto un’affermazione sull’addestramento, se significa ciò che G​oogle intende con quella parola nel proprio materiale. È un’affermazione su un harness che è in distribuzione da nove giorni.

Tre date che documentano lo sciame

La storia dello swarm ha una cronologia, il che è più di quanto si possa dire per la maggior parte delle dichiarazioni della settimana di lancio. Tutte e tre le voci sono di G​oogle, dal blog Antigravity:

• 10 novembre 2026 — Gemini 4 Carbon arriva con /swarm in anteprima. Coordinatore, worker paralleli in worktree isolati, verificatori avversariali, bacheca condivisa, pinning del modello per ruolo.

• 12 novembre 2026 — Gemini 4 Hydrogen viene rilasciato con Orchestrator, un'opzione a menu a tendina che fa passare il lavoro avanti e indietro tra Hydrogen e un modello più potente all'interno di una singola traiettoria. Il post sostiene un successo quasi pari a Carbon sui task di Terminal-Bench 4.1, consumando il 24% in meno di quota e terminando il 19% più velocemente, e osserva che "decine di migliaia di sciami" erano stati lanciati nei due giorni successivi /swarm è diventato disponibile.

• 18 novembre 2026 — Gemini 4 Neon è disponibile, e Orchestrator ottiene un abbinamento con Neon nel ruolo di planner e Hydrogen in quello di executor. Lo stesso post sostiene che Neon, con il suo livello di pensiero High predefinito, costa il 32% in meno per attività rispetto a Carbon, e lo posiziona a 61 sull'Artificial Analysis Intelligence Index al livello Extra High.

A generated single-column scoreboard titled 'Gemini 4 Neon — the scoreboard' with six rows: swarm harness /swarm, preview 10 Nov 2026; Orchestrator role planner, paired with Hydrogen; AA Intelligence Index 61 at xhigh; default effort high, 32% cheaper per task; cost per index task $6.44; training disclosure none published. A footer reads 'Per Google Antigravity posts and Artificial Analysis; RSI and distillation claim unaudited.'

Questo è tutto il resoconto pubblico degli sciami di Gem​ini 4, ed è un resoconto di prodotto. Nota cosa è assente da tutti e tre i post: le parole “distillation”, “self-improvement”, “reinforcement learning” e “post-training” non compaiono. Il paragrafo dell’Orchestrator sul routing è quanto di più vicino ciascuno di essi arrivi a descrivere il comportamento del modello come un sistema anziché come un modello, ed è esplicitamente incentrato sulla selezione del modello al momento dell’inferenza, non sull’addestramento.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 ranked 6 of 95, $3.00 input and $15.00 output per million tokens, $6.44 cost per Intelligence Index task, 21.5 minutes per task against a 12.4-minute median, 283 million output tokens during the evaluation against a 65.4-million median, a verbosity rank of 92 of 94, and a 3.482% output-to-input token ratio.

La richiesta RSI arriva senza ricevuta.

La seconda metà del post è la parte che non ha alcun documento a supporto, e vale la pena essere precisi sul perché, poiché l'affermazione non è ovviamente sbagliata — è inverificabile in un modo specifico.

Partiamo dall'acronimo. In questa letteratura “RSI” è usato per almeno due cose diverse: auto-miglioramento ricorsivo, cioè un modello che partecipa al miglioramento del suo successore, e iterazione con campionamento per rifiuto, cioè cicli ripetuti di campionamento, filtraggio e fine-tuning sui campioni sopravvissuti. “Prendersi tempo con RSI” sembra più riferirsi alla prima. In entrambi i casi si tratta di un'asserzione sulla pipeline di addestramento, e Google non ha pubblicato nulla che permetta di scegliere tra le due, figuriamoci di confermarne una.

Controlla le pagine che lo riporterebbero. La pagina del modello Gemini di DeepMind elenca Gem​ini 4 Neon sotto “novembre 2026” senza giorno e tratta capacità, prezzo e disponibilità; non menziona da nessuna parte distillazione, auto-miglioramento, apprendimento per rinforzo o post-addestramento. Il post su Antigravity riguarda l’integrazione dell’harness. La model card è il luogo in cui normalmente emergerebbe un’affermazione sul processo di addestramento, e la card di Neon non ne riporta alcuna: sette delle sue caselle riportano la stessa clausola, “Gem​ini 4 Neon è adattato da Gemini 4 Carbon,” e rimandano alla card di Carbon, senza conteggio dei parametri e senza alcuna occorrenza di “distill,” “prune” o “quantize.”

Quel ultimo punto mette in tensione tra loro le due metà del tweet. “Adattato da Gemini 4 Carbon” è un’affermazione di derivazione. Un modello adattato da un altro modello non è, di per sé, un modello costruito senza distillazione — a meno che “adattato” non stia svolgendo una funzione che nessuno di noi può vedere. Il post afferma l’assenza di una tecnica che l’unico documento ufficiale sulla provenienza del modello si astiene dal confermare o escludere. Potrebbe essere tutto vero. Non è verificabile, e chi avanza l’affermazione non ha mostrato il procedimento.

La parte falsificabile della stessa frase è più facile da verificare, ed è lì che i numeri fanno un po' di lavoro. Se Neon è davvero il prodotto di un processo di addestramento paziente e non distillato, ci si aspetterebbe il rendimento in capacità per token anziché in velocità. Ciò che mostra il tracker indipendente è un modello capace e insolitamente costoso da eseguire: 61 sull'indice a Extra High, ma $6,44 per attività dell'indice, 21,5 minuti per attività contro una mediana di 12,4 minuti, e 283 milioni di token di output generati durante l'esecuzione dell'indice contro una mediana di 65,4 milioni — una posizione nella classifica di verbosità vicina al fondo del campo. È un profilo coerente con un modello che pensa a lungo. È anche coerente con molte altre cose. Non risolve la questione dell'addestramento in un senso o nell'altro, e nessun dato pubblicato lo fa.

Cosa il clip stabilisce e cosa non stabilisce

Togli la filosofia e l’artefatto è più scarno dell’argomentazione che lo circonda. Il video è 756 per 403, dura 62,5 secondi e mostra un picchiaduro stickman a due giocatori che gira in un browser. Nel post non c’è nessun prompt, nessuna stringa di versione del modello, nessun livello di pensiero, nessuna contabilità dei token e nessuna indicazione se a produrre il codice sia stato un agente o quaranta. “Codice JS puro” è un’affermazione sul linguaggio di output; non è un’affermazione su come è stato prodotto il codice, e non è una misura della qualità.

Ciò che la clip stabilisce è circoscritto ma reale: un gioco a due giocatori giocabile nel browser in JavaScript puro può essere realizzato con questo modello tramite un harness a sciame, e qualcuno ci è riuscito entro un giorno dalla disponibilità generale. Si tratta di una dimostrazione di capacità, e il post dello stesso fornitore ne conferma l'impostazione. Ciò che non stabilisce è alcuna affermazione sull'addestramento, perché una demo non può sostenerla — la catena causale da un processo di addestramento a un gioco con omini stilizzati passa attraverso troppe decisioni per essere visibile in un video, e nessuno dei coinvolti ha pubblicato le impostazioni che permetterebbero di rieseguirlo.

È qui che approda la lettura onesta dell'intero post. La metà relativa allo swarm è documentata, datata e riproducibile in linea di principio. La metà relativa all'addestramento è un'affermazione di un osservatore su un lavoro che non ha svolto, pubblicata senza l'unica cosa che la renderebbe verificabile, cioè una fonte. Se si tratta la prima come la descrizione di una funzionalità rilasciata e la seconda come un'ipotesi in circolazione, il post diventa utile invece che semplicemente interessante.

Una versione del test che puoi verificare

Se l'affermazione sullo swarm è un'affermazione sull'harness, può essere testata sul tuo stesso traffico, cosa che l'affermazione sull'addestramento non può. I componenti che ti servono sono un coordinatore, dei worker e un verificatore — e la versione più economica consiste nell'assegnare ciascun ruolo a un modello che puoi già chiamare.

• Annota il brief — il prompt, il livello di effort e il modello associato a ciascun ruolo. Senza questi tre elementi, una nuova esecuzione è un esperimento diverso.

• Misura il ciclo, non l'artefatto — token totali, tempo effettivo (wall-clock) e quanti round di verifica ha superato il diff prima di passare.

Mantieni il verificatore in modalità avversariale — il design di Antigravity affianca a chi costruisce qualcosa di dedicato a rompere il suo output, e quel secondo ruolo svolge la maggior parte del lavoro sulla qualità.

Una nota pratica su dove può essere eseguito oggi: Gem​ini 4 Neon non è nel catalogo OrcaRouter, che attualmente contiene 217 identificatori di modello e, nella famiglia Gem​ini 4, solo google/gemini-4-carbon e google/gemini-4-argon, entrambi elencati a $2,00 in ingresso e $10,00 in uscita per milione di token, con letture dalla cache a $0,10. Quindi una suddivisione coordinatore-worker dalla nostra parte significa dividere tra quei due invece di fissare Neon, e il DSL di routing è il luogo in cui esprimerlo — combina un planner e un executor in un'unica chiamata, e il percorso di failover impedisce che un worker morto trascini con sé l'esecuzione. Per confronto, lo stesso traffico Neon alla sua tariffa pubblicata è di $3,00 e $15,00 per milione, con batch e flex a metà, che è il numero da tenere contro qualsiasi harness tu costruisca.

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing the model header labelled by Google dated 2026-11-10, a 1,048,576-token context window accepting text, image, audio, video and documents and returning text, both the /v1/chat/completions and v1beta generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, a 10.60 s performance figure, zero-data-retention availability, and an OpenAI-compatible Python sample calling google/gemini-4-carbon through https://api.orcarouter.ai/v1.

La cosa da tenere d'occhio non è il prossimo clip. È se qualcuno — G​oogle, o la persona che ha pubblicato questo — pubblica un registro delle chiamate agli strumenti o un conteggio dei token di un'esecuzione di uno sciame su Gem​ini 4 Neon a un livello di effort dichiarato. Questo trasformerebbe una demo in una misurazione e permetterebbe di verificare l'affermazione sullo sciame come si dovrebbe fare per una funzionalità rilasciata. L'affermazione sull'RSI richiede qualcosa di diverso: un'informativa sull'addestramento che al momento non esiste su nessuna pagina di G​oogle; e finché non esisterà, la cosa più accurata da dire al riguardo è che non è confermata, anziché che è falsa.