Una card del titolo generata che recita 'Gemini 4 Neon's Three.js Demo' con il sottotitolo 'Quindici secondi, una frase, nessun prompt', accanto a un piccolo diagramma di un divario tra dichiarazione e misurazione: un fotogramma video etichettato 'pubblicato il 19 nov 2026, 1920x1080, 15.0s' da un lato e una checklist etichettata 'prompt, livello di impegno, numero di token, file sorgente' dall'altro, con la maggior parte delle caselle vuote.
Guides & Insights

La demo Three.js di Gemini 4 Neon: cosa mostra davvero in 15 secondi

Autore

Gideon Frost

Data di pubblicazione

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

Il 19 novembre 2026, uno sviluppatore che pubblica come @chetaslua ha pubblicato una clip di quindici secondi con una sola frase allegata: Gem​ini 4 Neon aveva realizzato la motion graphic al suo interno, in “pure @threejs”, e il ballo del robot alla fine spacca. Il video è 1920×1080 e dura quindici secondi. Questa è l'intera documentazione pubblica — nessun prompt, nessun file sorgente, nessun livello di ragionamento, nessun conteggio di token, nessuna dichiarazione che indichi se provenga dall'API, da AI Studio o da Antigravity. Gem​ini 4 Neon è un modello reale e generalmente disponibile; la pagina dei modelli DeepMind di Goog​le lo elenca sotto novembre 2026, e Artificial Analysis gli ha assegnato un punteggio e un prezzo. Ma una clip pubblicata è un'affermazione, non una misurazione, e la distanza tra queste due cose è la parte utile di questa storia. Gemini 4 Carbon entra in scena solo come il fratello da cui, secondo Goog​le, Neon è adattato e quello che il nostro catalogo effettivamente include — non è l'oggetto qui.

Quindici secondi, zero impostazioni registrate

Parti da ciò che si può verificare dal post stesso, perché è un elenco breve e vale la pena vedere quanto è breve.

• L’affermazione — che Gemini 4 Neon abbia realizzato la grafica animata, in puro three.js. Questa è l’attribuzione dell’autore del post. Niente nella clip dimostra quale modello abbia scritto il codice, e niente nel thread mostra il codice.

• Il timestamp — 19 novembre 2026, 16:51 UTC, un giorno dopo la disponibilità generale di Neon del 18 novembre. Nessuno può accusarlo di essere una demo pre-lancio fatta uscire di nascosto sotto embargo; è un artefatto della stessa settimana.

• Il file — quindici secondi, 1920×1080, nessuna narrazione, pubblicato come allegato video. Un output renderizzato, non una registrazione dello schermo di un editor. Questo conta: una registrazione dello schermo di qualcuno che digita mostrerebbe il prompt, gli errori intermedi e il numero di tentativi. Un render finito non ne mostra nessuno.

• L'engagement — 130 like al momento in cui abbiamo estratto il testo del post. Poco. È una dimostrazione personale, non un rilascio demo coordinato, ed è più o meno questo che lo rende interessante: nessuno l'ha curato per un post di lancio.

Manca tutto ciò che permetterebbe a una seconda persona di riprodurlo. Il prompt. Il livello di sforzo — Neon supporta low, medium, high e xhigh, e il divario tra low e xhigh sullo stesso prompt è abbastanza ampio da cambiare sia il costo sia l'output. La superficie. Il numero di tentativi dietro quello che è stato pubblicato. Se il robot dance sia stato richiesto o improvvisato. Se parte del JavaScript sia stata modificata a mano successivamente. Ognuno di questi è una singola riga in un post successivo, e nessuno di essi è presente.

Cosa verifica davvero una scena Three.js

È allettante archiviare questo sotto “capacità front-end” e passare oltre, in un senso o nell'altro — come prova che il modello è bravo nella grafica, oppure come prova che un rendering gradevole non significhi nulla. Nessuna delle due letture regge il confronto con ciò che l'artefatto è.

three.js è una delle librerie più ampiamente rappresentate nei dati di addestramento di qualsiasi modello. Una scena con una camera, una luce, una mesh e un ciclo di rendering è quasi il canonico output “guarda cosa ho fatto” degli ultimi tre anni di sviluppo web. Ogni modello frontier attuale può produrre una pagina che renderizza qualcosa che gira. L’esistenza di una scena three.js competente in una clip di quindici secondi quindi non ti dice quasi nulla su quale modello l’abbia realizzata, ed è esattamente per questo che l’attribuzione del poster sta facendo tutto il lavoro in quella frase.

Ciò che è davvero più difficile, e ciò che una motion graphic con una danza a tempo alla fine mette effettivamente alla prova, è la parte che non ha un oracolo di correttezza. Una motion graphic è una sequenza: una macchina a stati di animazione con transizioni, un percorso di camera, curve di easing, un ordinamento di eventi che deve cadere su un beat. Non esiste un test che affermi che la danza sia giusta. Il modello deve tenere a mente uno storyboard di sedici secondi, emettere le costanti di temporizzazione e non andare alla deriva. Quando qualcuno dice che gli ultimi quattro secondi “danno il massimo”, sta esprimendo un giudizio sulla coreografia e sul ritmo — e il ritmo è la cosa in cui la generazione di codice in un unico passaggio è peggiore, perché nulla nel ciclo fallisce quando la temporizzazione è solo mediocre.

Questo è il vero motivo per cui questa clip merita un secondo sguardo, anche se non dimostra nulla. È un'affermazione sulla composizione temporale, non sulla matematica degli shader. Un modello che sa scrivere uno shader e un modello che riesce a tenere insieme una sequenza di quindici secondi sono affermazioni diverse, e qui se ne sta facendo solo una.

I numeri che Neon ha davvero

Artificial Analysis è l'unica classifica indipendente con una voce Gem​ini 4 Neon, e leggerla attentamente è il modo più rapido per capire quanto il clip pubblicato sia distante da qualsiasi cosa misurata.

Screenshot of the Artificial Analysis analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 at xhigh effort with ranks of 6 of 96, 73 of 95 and 79 of 95 across the panels, 110 output tokens per second, 21.5 minutes per task, $3.00 input and $15.00 output per million tokens, and a verbosity panel reporting 283 million output tokens and a 3.482% output-to-input ratio.

Il dato principale è 61 sull'Intelligence Index al livello di pensiero xhigh, classificato sesto su 96 modelli nella classifica. Lo stesso modello registra 60 a high, 55 a medium e 44 a low — una forbice di diciassette punti lungo la sua stessa scala di effort, che è il numero più importante in assoluto in questo articolo se stai per citare “61” a qualcuno. Sessantuno è un numero xhigh. Il default documentato di Neon è high.

Il resto del pannello è il punto in cui l’abitudine alla demo diventa costosa. La velocità di output è di 110 token al secondo. Il modello impiega 21,5 minuti per completare un’attività dell’Intelligence Index, rispetto a una mediana di 12,1 minuti per i modelli con un prezzo comparabile, e si classifica 73º su 95 per prestazioni e 79º su 95 per costo. Sulla verbosità si classifica 93º su 95: 283 milioni di token di output e 8,12 miliardi di token di input nell’intera esecuzione dell’indice, un rapporto output/input del 3,48% rispetto a una mediana di circa 65 milioni di token di output. La sintesi di Artificial Analysis stessa lo definisce molto verboso e stima il prezzo di una singola attività dell’indice a 6,44 $. Secondo il listino prezzi di Goog​le, ciò corrisponde a 3,00 $ per milione di token di input e 15,00 $ per milione di token di output, con l’input in cache a 0,15 $.

La tabella pubblicata da Goog​le stessa è un genere diverso di numero, e dovrebbe essere etichettata come tale: riportata dal fornitore, non riprodotta da nessuno al di fuori di Goog​le. CursorBench 4.1 al 65,4%, Terminal-bench 4.1 al 65,2%, FrontierCode 2.0 al 46,2%, SWE-sweep al 39,0% nell'harness proprietario di Goog​le, AutomationBench al 56,3%, Agents’ Last Exam v1.1 al 75,8%, RiemannBench all'84,0%, GraphWalks al 95,2%. Ognuna di queste è una misurazione di tipo agentico, di coding o di contesto lungo. Nessuna di esse misura “produrre in un colpo solo una scena animata attraente da un breve prompt”, perché nessun benchmark lo fa. La demo e il tabellone dei punteggi non misurano la stessa cosa, e nessuno dei due sta misurando ciò per cui la clip viene interpretata come prova.

Quanto costa davvero un tentativo di demo

Il prezzo conta perché le demo sono iterative, e Neon è prolisso stando alle misurazioni. Nulla in un render da quindici secondi rivela quante prove siano state necessarie, e ogni tentativo è una generazione completa.

Un tentativo da 25.000 token di output — una dimensione plausibile per una scena three.js ad alto sforzo, con i token di ragionamento conteggiati come output — costa circa 38 centesimi a 15 dollari per milione.

• Un tentativo da 60.000 token costa circa 90 centesimi. Tre o quattro di questi, più un paio di tentativi ripetuti, e avrai speso per la demo più di quanto la demo valga come prova.

• Un tentativo da 200.000 token — il genere di numero a cui si arriva a xhigh quando il modello ragiona passo passo attraverso una macchina a stati di animazione — costa $3.00 da solo.

I livelli batch e flex funzionano a metà tariffa, quindi gli stessi tre tentativi a 1,50 $ e 7,50 $ per milione ammontano a circa la metà. Niente di tutto questo è esotico; semplicemente non è gratuito, e la clip non lo dice.

A generated cost card titled 'What a demo attempt costs', listing three attempts at $15.00 per million output tokens: 25,000 tokens at about 38 cents, 60,000 tokens at about 90 cents, and 200,000 tokens at $3.00, with a second column showing the same three at the half-rate batch and flex prices of $1.50 and $7.50 per million, and a footer reading 'Arithmetic at the published Neon rate card; no measurement of the posted clip.'

Questo è l'argomento a favore del provare un modello non ancora collaudato attraverso un router invece di collegarlo a un percorso di produzione. Neon ha due giorni di vita, la sua verbosità è la voce peggio classificata nel suo stesso panel, e l'unico artefatto pubblico per questo specifico caso d'uso è il render finito di una sola persona. È un modello che vuoi chiamare accanto a qualcos'altro e confrontare i conti, non un modello a cui vuoi legare un cliente a novembre.

Cosa renderebbe verificabile il prossimo clip?

Niente di tutto ciò è una critica all'autore del post, che ha creato una cosa e l'ha condivisa. È un protocollo breve, e chiunque pubblichi il prossimo potrebbe colmare la lacuna con una manciata di righe:

• Il prompt, alla lettera. Non una parafrasi — il testo effettivo. Questa è la singola riga di maggior valore e non costa nulla includerla.

• L'identificatore del modello e il livello di effort. “Gem​ini 4 Neon at high” è un'affermazione diversa da “Gem​ini 4 Neon at xhigh”, e con una tariffa di output di $15 la differenza è denaro.

• La superficie. Antigravity, AI Studio e l'API grezza applicano prompt di sistema diversi e scaffolding degli strumenti diversi; una scena prodotta all'interno di un IDE agentico non è lo stesso artefatto di una prodotta da un singolo completamento.

• Il numero di tentativi e il totale dei token di output. Due numeri, entrambi visibili in una console di fatturazione, che insieme trasformano un aneddoto in un costo per render utilizzabile.

• Il file sorgente. Una singola pagina HTML autonoma con l'import di three.js e il ciclo di animazione costituisce l'intero artefatto riproducibile, e di solito è inferiore a cento kilobyte.

• Un fallimento. Un secondo prompt che il modello non è riuscito a eseguire, con le stesse impostazioni. Una demo senza una modalità di fallimento documentata sembra una compilation dei successi, perché è esattamente ciò che è.

Finché non esistono almeno i primi tre di questi, l'onesto riassunto di questa clip è che un modello rilasciato il giorno prima ha prodotto qualcosa che un web developer competente sarebbe felice di aver realizzato, e che dal file non possiamo capire quanto del merito spetti al modello, al prompt o all'editing.

Come rieseguire il test da solo

Gemini 4 Neon non è presente nel catalogo di OrcaRouter alla data del 20 novembre 2026 — i modelli Gemini 4 che instradiamo sono google/gemini-4-carbon e google/gemini-4-argon, e il catalogo conta 217 identificatori di modello. Quindi la versione pratica di questo test oggi è un confronto all'interno della stessa famiglia: eseguire lo stesso prompt di motion graphic su Carbon con effort alto e su Neon con effort alto tramite l'API di Google, e confrontare i token di output, il tempo effettivo trascorso e quanto del rendering hai dovuto richiedere due volte.

Quel confronto è facile da impostare dalla nostra parte per la metà Carbon. Una chiave copre il catalogo, il prezzo di listino del provider viene passato con 0% di ricarico, quindi una variazione di tariffa Goog​le è attiva sulla tua fattura lo stesso giorno anziché alla fattura successiva, e il failover significa che una singola generazione errata non interrompe l'esecuzione. Se stai testando un modello vecchio di due giorni rispetto a uno consolidato, il DSL di routing li metterà entrambi dietro un unico endpoint e restituirà la coppia, che è il modo più economico per ottenere una risposta reale invece di un'impressione.

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model header with a zero-retention agreement noted, the chat-completions and generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, cache reads at $0.100, and code samples calling google/gemini-4-argon through the OpenAI-compatible base URL https://api.orcarouter.ai/v1 with an ORCAROUTER_API_KEY.

La cosa che vale la pena osservare non è se appariranno altre clip carine — lo faranno, da ogni laboratorio, all'infinito. È se le persone che le pubblicano inizieranno ad allegare il prompt e il livello di impegno. Nel momento in cui uno lo farà, il confronto diventa possibile: lo stesso storyboard di sedici secondi, eseguito a quattro livelli di pensiero, con il conteggio dei token e il conto accanto a ogni rendering. Quel singolo post varrebbe più dell'intera tabella di benchmark pubblicata da Goog​le, per questa specifica domanda, perché sarebbe la prima misura di se Neon riesce a tenere insieme una sequenza temporizzata invece che di se riesce a scrivere uno shader.

Fino ad allora, considera la clip per quello che è: un bell’artefatto, un plausibile segnale di capacità e un’affermazione la cui prova più forte è la reputazione di chi l’ha pubblicata.