Una scheda del titolo generata che riporta 'Gemini 4 Neon Video' con il sottotitolo 'Un'esportazione di artefatto, non una generazione', un'icona a striscia di pellicola con etichetta '60,03 s · 1920×1080 · 21 nov 2026', e un'icona a finestra del browser con etichetta 'le scene sono HTML, CSS e JS' con una freccia contrassegnata MP4 che punta a un'icona di file.
Guides & Insights

Gemini 4 Neon Video: un'esportazione di artefatto, non una generazione

Autore

jinhao.song

Data di pubblicazione

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

Alle 08:07 UTC del 21 novembre 2026, l'account @dotey — 宝玉 su X — ha pubblicato una clip di 60,03 secondi in 1920×1080 con una sola riga di cinese sopra: 做视频效果也不错, all'incirca «non è male nemmeno con i video». Il soggetto era Gemini 4 Neon, il modello di Google lanciato da una settimana, e il link sotto la frase rimandava a un progetto open source chiamato open-artifact, descritto nel post come l'Artifact (skill) per la produzione video. La clip aveva 230 like e 76 risposte quando l'abbiamo letta il 22 novembre. Sembra un pezzo di motion design realizzato ad arte.

Non è un video generato. La documentazione ufficiale di G​oogle sul modello G​emini 4 Neon elenca un solo tipo di output, e uno soltanto — testo — e il film che ne è uscito è un programma: scene HTML, CSS e JavaScript disegnate in funzione del tempo, più una colonna sonora sintetizzata, renderizzate da una pagina web locale ed esportate in MP4 dal pulsante di esportazione di quella pagina. La distinzione non è pedanteria. Cambia ciò in cui il modello è bravo, quanto costa un secondo montaggio e se ciò che stai acquistando è un renderer o uno scrittore.

Cosa dice effettivamente il post

L'intera documentazione pubblica dell'affermazione è un'etichetta di una frase e un allegato di 60 secondi. Non c'è alcun prompt, alcun conteggio delle scene, alcun livello di ragionamento, alcun conteggio dei token e nessuna dichiarazione se il film sia uscito dall'API, da G​oogle AI Studio, da Antigravity o da qualcos'altro. Il post non dice nemmeno che la clip sia stata realizzata con la skill a cui rimanda — presenta la skill come il modo per svolgere questo tipo di lavoro, con la clip come motivo per interessarsi. Leggilo come una raccomandazione con una demo allegata, non come un test.

C’è una cosa da sapere prima di valutare la raccomandazione. Il repository ha cinque giorni: GitHub lo registra come creato il 17 novembre 2026, con 135 stelle e 25 fork al momento in cui scrivo, licenza Apache-2.0, e una release — 0.12.2 — pubblicata il 21 novembre, lo stesso giorno del post. Il suo README dice che è nato come baoyu-design, e la riga di attribuzione nella sezione della licenza recita «Copyright 2026 Jim Liu 宝玉». È lo stesso 宝玉 che l’account che ha pubblicato usa come nome visualizzato. Quindi la persona che ti dice che Neon è bravo in questo ti sta mostrando uno strumento che porta il suo nome nella riga del copyright. Ciò non rende falsa la demo. La rende però una demo del creatore, e la lettura onesta è che dimostra ciò che la pipeline può produrre in mani esperte, non ciò che un prompt medio produce al primo tentativo.

La scheda del modello dice output: text

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

Google ha rilasciato Gemini 4 Neon il 18 novembre 2026 a 3 $ per milione di token di input e 15 $ per milione di token di output, con l'input in cache a 0,15 $. Il post di lancio lo descrive mentre legge fogli di calcolo, PDF, grafici, audio e video. La pagina del modello va oltre e risolve la questione lasciata aperta dal post: alla voce Tipi di dati supportati elenca "Input: Testo, Immagine, Video, Audio e PDF" e poi, su una riga separata, "Output: Testo". La stessa pagina indica la generazione audio come non supportata. La finestra di contesto è di 1.048.576 token, con 65.536 token di output per impostazione predefinita e fino al milione completo con decodifica lunga.

È da questa asimmetria che nasce la confusione. Il video è qualcosa che questo modello guarda, non qualcosa che produce. La vista a scheda sullo stesso sito di documentazione è più vaga — mostra "Modalità: Testo, Immagine, Audio, Video, PDF" senza specificare quale direzione sia quale — e un lettore che scorre rapidamente quella riga potrebbe ragionevolmente concludere che Neon produca video. Non è così. Nello stack di Google stesso, la generazione di fotogrammi è una linea di modelli diversa; il contributo di Neon a un filmato è il codice che lo disegna.

Come un modello di testo produce un film

Il tipo di artefatto motion all'interno di open-artifact è esplicito riguardo al meccanismo. Un film è una cartella di piccoli documenti JSON: un elenco di scene con dimensioni del palco e frequenza dei fotogrammi, un modulo JavaScript per scena che la disegna a partire da una variabile temporale t, un modulo score che sintetizza musica ed effetti, e un modulo opzionale di narrazione per didascalie e voce fuori campo. Nulla viene renderizzato come video dal modello. La pagina locale riproduce i documenti come un browser riproduce una pagina, e Export trasforma quella riproduzione in un file.

La documentazione della skill stessa è schietta riguardo alla divisione del lavoro, e i dettagli sono quelli che contano se stai decidendo se provarla:

• Durata — un film dura da 10 a 30 secondi, a meno che tu non ne chieda di più, con un limite massimo invalicabile di 300 secondi. La clip nel post è di 60,03 secondi, quindi il suo autore l'ha chiesto.

• Esporta — MP4 a 720p per impostazione predefinita o 1080p, alla frequenza fotogrammi completa, dimezzata o a un quarto, oltre a GIF, HTML e ZIP. L'allegato è 1920×1080, l'opzione non predefinita.

• Chi scrive il file — le istruzioni dicono all'agente di non creare alcun file video o audio. L'esportazione è compito della pagina, e le immagini statiche per controllare una scena vengono generate da Chrome headless.

• Barriere di sicurezza — nessuna scena inferiore a un secondo, non più di tre tagli o flash al secondo, e qualsiasi didascalia proviene da battute fornite dalla persona anziché da battute inventate dal modello.

Quindi tre cose avvengono in sequenza: il modello scrive un piccolo programma, un browser lo disegna e un encoder — il progetto distribuisce crate Rust/WebAssembly per la codifica GIF e MOV — scrive il contenitore. Solo il primo passaggio coinvolge G​emini 4 Neon. Un filmato di 60 secondi in 1080p con una colonna sonora è una quantità considerevole di codice perché un solo modello la realizzi correttamente in poche interazioni, e questo è un vero complimento. È un complimento sull'ingegneria del software, che è esattamente il campo in cui i numeri pubblicati di Neon sono più solidi.

Quanto costa un film nel listino prezzi di Neon

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

Niente nel post rivela l'utilizzo di token, quindi quanto segue è aritmetica sul prezzo di listino di Google anziché una misurazione. Un film di dieci scene implica un lungo primo turno, diversi cicli di lettura e scrittura sul document store e una buona dose di rilettura mentre il modello controlla le proprie scene. Diciamo 150.000 token in input e 25.000 token in output per un film funzionante: 0,45 $ di input a 3 $ per milione e 0,375 $ di output a 15 $ per milione, ovvero circa 83 centesimi. Una passata più snella con 40.000 in ingresso e 8.000 in uscita arriva a 24 centesimi. È sull'input in cache che il numero cambia davvero: a 0,15 $ per milione, 120.000 token di input in cache costano circa due centesimi invece di 36, e l'intera esecuzione scende sotto i 50 centesimi.

Confronta questo con ciò che i test indipendenti costano al modello per attività. Artificial Analysis assegna a G​emini 4 Neon un punteggio di 61 sul suo Intelligence Index con sforzo xhigh, a 106 token di output al secondo, 22,3 minuti e 6,44 $ per attività dell'indice. Un film costa meno di un'attività dell'indice, ed è questa la sorpresa utile: la parte costosa di questo flusso di lavoro non è il film, è l'iterazione.

Ed è nell'iterazione che l'economia si inverte. Un modello video fatturato al secondo addebita ogni take; un film disegnato via codice addebita i token che lo scrivono e nulla per il rendering. Cambia un colore, riesporta e hai speso zero token: il costo è la tua CPU e tutto il tempo che headless Chrome impiega per disegnare 1.800 fotogrammi. È una curva di costo davvero diversa da quella del video generativo, ed è l'argomento più forte a favore del post che il post stesso non fa.

Vale la pena dirlo chiaramente: Gemini 4 Neon non è nel nostro catalogo. I due modelli Gemini 4 che OrcaRouter serve sono Gemini 4 Argon e Gemini 4 Carbon, entrambi a $2,00 in ingresso e $10,00 in uscita per milione al prezzo di listino del provider, senza alcun ricarico aggiuntivo — che è il confronto di cui un lettore ha davvero bisogno, perché Carbon è il modello rispetto al quale Neon è prezzato e Argon è il modo più economico per eseguire lo stesso ciclo di artefatti mentre decidi. Entrambi stanno dietro un'unica chiave, così una sessione di scrittura di codice che va in timeout a metà film può passare a un altro senza un secondo contratto o una modifica al codice.

Dove l'affermazione è più debole

La versione più forte della tesi scettica non è che la clip sia falsa — la pipeline è pubblica e il meccanismo è documentato, quindi chiunque può riprodurne la forma. È che un buon film disegnato con il codice è un benchmark di programmazione con il cappello da regista, e i numeri di programmazione di questo modello sono già i suoi numeri migliori. Neon si attesta a 58,6 sul Coding Agent Index e al 65,2% su Terminal-Bench 4.1 secondo quanto riportato dalla stessa Google, quindi «bravo a fare film» potrebbe essere in gran parte «bravo a scrivere codice di animazione», cosa che già sapevamo e che non si generalizza a un modello che scrive codice peggiore.

Restano tre lacune specifiche dopo aver letto tutto il materiale disponibile:

• Attribuzione — nessuna impostazione viene divulgata, e la durata di 60 secondi e la risoluzione 1080p sono entrambe scostamenti dalle impostazioni predefinite della skill, quindi qualcuno ha fatto scelte che non possiamo vedere.

Selezione — una clip è un highlight e la demo di un maker è selezionata dal maker stesso. Non c'è alcun tasso di fallimento, nessun esempio al primo tentativo e nessun confronto con lo stesso prompt su Carbon.

• Che cosa significa "buono" — la qualità visiva appartiene in parte al template e alle regole di progettazione della skill, non al modello. Un diverso tipo di artefatto con uno scaffolding più debole lusingherebbe meno il modello.

Niente di tutto ciò è motivo di esclusione, e vale in entrambe le direzioni: un film disegnato dal codice è anche verificabile in un modo in cui un render di diffusione non lo è. Se un fotogramma è sbagliato, è sbagliato in un file che puoi leggere e in una riga che puoi indicare.

Come provarlo da soli

Il percorso è abbastanza breve da descrivere in un paragrafo. Il progetto richiede Node 22.18 o successivo, distribuisce un bundle di plugin tramite GitHub Releases ed elenca Antigravity tra i suoi host supportati — installa la cartella estratta con agy plugin install, oppure copiala in ~/.gemini/config/plugins/open-artifact, e riavvia. È proprio l'host in cui G​emini 4 Neon è il modello predefinito per le nuove conversazioni sui piani che lo includono, quindi i due elementi si incontrano senza configurazione. Il primo prompt è una frase: un'animazione di lancio di venti secondi per questa app, oppure una title card per quel progetto. Poi guardi gli still prima di spendere qualsiasi cosa per un export, che è il flusso di lavoro consigliato dalla skill stessa.

Fallo una volta prima di credere al post, e guarda due numeri invece dell'immagine: quanti turni servono prima che la prima scena si disegni correttamente, e quanta parte del costo dell'input è dovuta a letture dalla cache. Questi ti dicono se il ciclo è economico per il tuo lavoro. La clip ti dice che è possibile; solo il tuo conteggio dei token ti dice se ne vale la pena.

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

La questione aperta non è se {{1}}G​emini 4 Neon{{/1}} possa finire in un file video — può farlo, dimostrabilmente, tramite un programma che ha scritto. È se {{2}}G​oogle{{/2}} lo consideri un output di prima classe. Al momento il livello degli artefatti è di terze parti, l'esportazione è compito di una pagina locale e l'output documentato del modello è testo. Se questo cambia, l'inquadramento onesto di questa clip cambierà di conseguenza: da un uso intelligente di un modello di coding a una voce di un elenco di funzionalità. Fino ad allora, il complimento che vale la pena ripetere è quello più ristretto — Neon scrive codice di animazione abbastanza bene che qualcuno che costruisce gli strumenti ha scelto di metterlo in mostra proprio con quello.