「Gemini 4 Neon in Antigravity」と書かれたタイトルカードがあり、サブタイトルは「762 回のツール呼び出し、13 セッション、512K の上限が 1 つ」。その上に、「Antigravity で 762 回のツール呼び出し」「13 セッション」「512K コンテキスト」と書かれた 3 枚のカードがあり、下部には「ツール呼び出しの数値は、あるユーザーの Antigravity ログからの自己申告、2026 年 11 月 18 日、未監査」と記載。
Guides & Insights

AntigravityのGemini 4 Neon:512Kの上限で762回のツール呼び出し

著者

jinhao.song

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

13セッション、762回のツール呼び出し、そしてGoogleの発表資料のどこにも出てこない一つの数字、512,000。これはAntigravity自身のドキュメントがGemini 4 Neonについて示しているコンテキストウィンドウであり、同じモデルをGemini APIが入力$3.00、出力$15.00で販売している1,048,576トークンとは対照的だ。どちらの数字もGoogleによるもので、同じ週に公開されており、どちらのページも他方について言及していない。ツール呼び出しのログは、@kimmonismusが2026年11月18日に公開した実践スレッドに由来する。それはAntigravityのNeon投稿が公開されてから13時間半後、DeepMindの投稿から35分後のことだ。つまり、彼が「早期アクセス」を得たと説明しているモデルは、彼が公開した時点ですでに一般提供されていたということになる。

そのタイミングは、そのスレッドをどれだけ重視すべきかには関係するが、それが有用かどうかには関係しない。これは、Gemini 4 Neon が持続的なエージェント作業を行ったことについて、誰かが公開した中で最も詳細な公的記録であり、興味深いのはデモではない。ログの形——それは「17個のインタラクティブなデモを作った」という主張とは違い、検算できる算術なのだ。

762件の通話の内訳

投稿者は後からAntigravityのログを遡って確認し、これら13セッション全体にわたるすべての呼び出しを集計した。いずれもExtra High thinkingレベルで実行されている。内訳は自己申告によるもので、監査は受けていない:

• ファイル読み取り — 313

• 編集 — 266

• 新規作成されたファイル — 104

• シェルコマンド — 43

• サブエージェントを起動しました — 13

• ウェブ検索 — 2

• タスクの更新を含むその他の通話 — 21

それらを合計するとちょうど762になり、それは最初に確認すべきことであり、最初に成り立つことでもある。13で割ると1セッションあたり約58.6回のツール呼び出しになり、この数値はArtificial Analysis Coding Agent IndexでNeonが記録する58.6に不審なほど近い——偶然だが、両方の数字を頭に留めておこうとするなら記憶に残る偶然だ。

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.

より示唆に富む比率は、Google自身の位置づけが検証を促している比率です。ローンチ投稿では、Neonが「冗長なファイル読み取りを削減する」と「長いセッションでもコンテキスト圧縮を確実に処理する」と主張しています。このログでは、読み取りは762回の呼び出しのうち313回、つまり41%です。書き込みは、266回の編集に104個の新規ファイルを加えた370回の呼び出しで、48.6%です。これは読み取り1回あたり書き込み操作1.18回に相当します。コードベース内をあちこち探し回って目的のものを見つけようとするモデルなら逆の比率になるはずです。すでにどこへ向かうか分かっているモデルは一度読んでから書き込みます。あるユーザーの13セッションは一般的な性質の証拠ではありませんが、その主張が予測する方向を示しており、その主張が実際に試されている唯一の公開ログです。

最も奇妙に見える2つの数字は、サブエージェントとWeb検索だ。13セッション全体で13個のサブエージェントというのは、ちょうど1セッションにつき1個であり、時折見られるものではなく一貫した委任パターンだ。762回の呼び出しのうちWeb検索が2回というのは0.26%で、Googleが並列のHydrogenサブエージェントを指揮するオーケストレーターと表現するモデルにしては、驚くほど内向きだ。これは調査ではなくローカルコードに対する実行であり、ログはそのことを反映している。

デモ実行で実際に示される内容

17個のインタラクティブデモのうち、8個を表示しています。表示中の8個は、敵のウェーブ、体力、弾薬、リロードを備えた3Dアリーナシューター、『Solaris Trench』というレールシューター、ブラウザテストで安定した60fpsを維持した『Terra Breaker』という破壊可能なボクセルアリーナ、12個のゲートと保存されたベストタイムを備えた『Aero Canyon』という峡谷をジェットで駆け抜けるゲーム、レバーとボールランチャーを使った物理パズル、粒子場のライトショー、レンズ効果を調整できるブラックホールのフライバイ、そしてクリック可能な太陽系に及びます。

示されなかった9つはスレッドの中で評価できない部分であり、「17個のデモ」を正直に解釈すれば、8つのサンプルが添えられた量についての主張だ。その8つのサンプルが確かに示しているのは幅広さである。1つのモデルが、趣味人が投稿するような品質で、WebGLシーン、物理演算、音声駆動のビジュアル、UI状態管理を一度に生成している。たとえその数が検証できなくても、それは実際の能力の指標である。

投稿者が報告した失敗モードは、具体的であるため、成功例よりも役に立つ。3Dアリーナの最初のビルドは「サーバーエラーで中断」し、完了までにもう一度やり直す必要があった。これはモデルの失敗ではなくインフラの失敗だが、試行1回分を丸ごと費やした。NeonはAero Canyonに、誰も要求していなかった自動操縦モードを追加し、投稿者はこれを要求されていないスコープだと指摘した。その後、彼は自動操縦しかテストしなかったため、自分が作ったデモでさえ手動飛行の品質は不明のままである。太陽系は古い衛星数でリリースされ、彼が指摘した後にようやくJPLの現在の数値に修正されたが、サイズと軌道は依然として縮尺どおりではない。

最後の事例はスレッドの中で最も興味深いデータポイントだ。というのも、タスク途中の訂正を明確に示しているからだ。ユーザーが指摘した事実誤認が、その後の返信で修正されている。Googleは、Arenaの新しいAgent Arena IndexでNeonが操縦性(steerability)で2位だと主張している。一つの逸話だけではリーダーボード上の順位を裏付けることはできないが、それはリーダーボードが測定すると主張している行動を、実際の現場で観察したものだ。

3つのバグ修正、自己採点

コーディングセクションは、既存のテストスイートを備えた3つの壊れたプログラムで構成されており、それぞれが修正された後、モデル自身の報告ではなく投稿者自身によって検証される。

• Booking checker — 変更前は5件中1件のテストが合格、変更後は5件中5件が合格。

• タスク スケジューラ — チェックは変更前が14件中8件、変更後が14件中14件。

• 非同期ローダー — 変更前は16件中10件のチェック、変更後は16件中16件。

集計:以前は35件中19件が合格、後は35件中35件、つまり54.3%から100%。満点という数字は疑ってかかるべきもので、正直な注意点は結果ではなくサンプル側にある。プログラムが3つなら、それは3つでしかない。テストスイートは既存のものだったので、モデルが自分の修正に合わせてテストを書くという明白な失敗モードは取り除かれるが、選択は取り除かれない。これらは投稿者が選んで持ち込んだプログラムであり、目に見える失敗を解決した修正でも、スイートがカバーしていない点で依然として誤っている可能性がある。この実行が示しているのは、モデルが修正中に何も退行させなかったということだ — 35件中35件とは、以前合格していたテストが合格し続けたということであり、これこそ実務で実際に響く失敗モードだ。

AntigravityはNeonに1Mではなく512Kを付与する

さて、スレッドには出てこないものの、残りの読み方を変えるはずの数値があります。Antigravity のモデルドキュメントでは、Gemini 4 Neon のエントリに、コンテキストウィンドウが「最大 512K トークン」と記載されています。同じモデルについて Gemini API のドキュメントでは統合された 1,048,576 トークンのウィンドウと記載されており、Artificial Analysis はこのモデルを 1,000,000 と掲載しています。同じ重み、同じ料金表で、どのサーフェスから呼び出すかによってコンテキストはおよそ半分です。

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はこの差についての説明を公表しておらず、本稿もそれを作り出すつもりはない。検証できるのは、2つの数値がどちらも現行で、どちらもGoogleによるもので、どちらもモデルコードに紐づいているという点だ:gemini-4-neon。実用的な帰結は明快だ。Neonの評価が「大規模なモノレポをコンテキストに収められる」というものであるなら、その評価はサーフェスに依存する。60万トークンのリポジトリはAPIには収まるが、Antigravityには収まらない。どちらを選ぶかを決めているなら、実際にリリースするサーフェスで測定すべきだ。上限は同じではないからだ。

Antigravity の全体像の残りの部分は、より一般的です。Neon は、それを含むすべてのプラン(有料の Google AI Pro、Google AI Ultra、Gemini Enterprise)で新しい会話のデフォルトモデルです。Free と Google AI Plus には含まれません。思考のはしごは Low、Medium、High(デフォルト)、Extra で、CLI ではこれらを low、medium、high、xhigh と表記し、次のいずれかで指定します: --model gemini-4-neon-xhigh または --effort xhigh。スレッドは完全に Extra High で実行されました。これは Google 自身が主要な Intelligence Index の数値に使用している設定であり、API ドキュメントが難しい多段階の問題のために取っておくことを推奨している設定です。

これは欠陥ではなく、情報源の非対称性として指摘する価値がある。現在出回っているNeonのベンチマーク数値のほぼすべて——61.4 Intelligence Index、58.64 Coding Agent Index——はxhighの数値だ。ほとんどの人はモデルをデフォルトのHighで実行するだろう。Artificial Analysisは両方を公開しているが、デフォルトの数値は59.6で、見出しの数値よりまるまる3ポイント低い。xhighでの762回の呼び出しログは、天井がどのようなものかを教えてくれるが、デフォルト構成でどれだけコストがかかり、どのスコアになるかは教えてくれない。

スレッドが行き過ぎている箇所

このスレッドの3つの主張は、証拠が裏付ける以上の重い役割を負っており、繰り返されることになるだろうから、名指ししておく価値がある。

「早期アクセス」という枠組みが最も明快だ。Antigravity自身のNeonに関するブログ投稿は2026年11月18日08:00 UTCに公開され、DeepMindのローンチ投稿は21:00 UTC、スレッドは21:35 UTCだった。投稿者がその日の早い時間にどんなアクセスを持っていたとしても、彼が公開した記事は一般提供開始後に出たものであり、それをローンチ前のプレビューとして読むのは誤りだろう。だからといって観察が間違っているわけではない。ただ、「早期アクセスを得た」という言葉が、タイムスタンプでは裏付けられないレトリック上の役割を果たしているということだ。

第二に、「17個のインタラクティブデモ」というのは、8点の実物を伴う数量的な主張である。示されている8点は実に多様で、実際に動作する——そこが有用な部分だ。伏せられた9点は検証しようがなく、8点についてどれほど詳細を積み上げても、その隙間は埋まらない。

第三に、35件中35件という修正結果は、3つのプログラムに関する結果です。これは「Neon は渡されたものは何でも直す」と引用される類の数字ですが、正しい読み方はもっと限定的です。既存のテストスイートを備えた、あらかじめ壊れた3つのプログラムにおいて、失敗しているチェックをすべて解決し、合格しているチェックを壊さなかった、という意味です。それは良い成果ではありますが小さなサンプルであり、その文の前半と後半は常に一緒に伝える必要があります。

注目すべき裏付けが一つある。Google DeepMindの技術スタッフであるPatrick Loeber氏が、そのスレッドにこう返信した。「素晴らしいスレッドですね、これを使って構築し、フィードバックを共有してくれてありがとう!!」これはその中のどの数値の検証でもない。これはGoogle社員がその実行が行われたことを認めたということであり、ほとんどの実践スレッドが得られる以上のものだ。

自分でこれを試すのにいくらかかるか

このようなフィールドテストの経済性は地味だが決定的である。入力トークン100万あたり$3.00、出力トークン100万あたり$15.00では、大量のコンテキスト再利用を伴う762回の呼び出しセッションは$5の実験ではない — 思考トークンを含む出力側が支配的であり、xhighはそれを何倍にもする。Google自身の説明では、NeonはデフォルトのHigh設定で、タスクあたりGemini 4 Carbonより約32%安く(ベンダー報告であり、独立して再現されたものではない)、またxhigh設定はHighでは不十分な問題向けである。デフォルトの動作を評価しているときにxhighでデモスイートを実行するのは、その決定に必要だった金額の数倍を費やす方法である。

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.

この評価をより安く実行する方法は、まずサーフェスと思考レベルを固定し、次にモデルを変えることです。当社側ではカタログが現在提供しているのはgoogle/gemini-4-carbonとgoogle/gemini-4-argonで、どちらもプロバイダーの定価 $2.00 と $10.00 に 0% のマークアップを上乗せした価格です — ベンダーの料金改定は上流に反映された当日に当社側でも有効になります。これはここで重要です。なぜなら Carbon の導入価格は 2026年11月30日に期限切れとなり、$4.00/$20.00 に上がるからです。Gemini 4 Neon は 2026年11月19日時点でカタログに含まれていないため、これは当社経由で呼び出すことを推奨するものではありません。これは、Google が発表のほぼすべての段落で Neon の比較対象としてベンチマークしているモデルに対して、今日実際に実行できる比較です。

実績のないモデルを既知のモデルではなくテストしているなら、ルーティング層はリスクを抑えるための安価な場所でもあります。自動フェイルオーバーがあれば、実行途中で落ちるセッション——最初の3Dアリーナビルドがそうだったように——を、ハーネスを再構築せずに別のモデルで再試行できます。また、ルーティングDSLを使えば、Antigravityの512Kの上限に縛られずにOrchestrator(Neon)パターンを再現したい場合、プランナーとエグゼキューターを1回の呼び出しに組み合わせられます。

何を観るべきか

次に未解決の疑問を決着させる証拠は、別のデモスレッドではない。デフォルトのHigh設定で、該当するコンテキスト上限に迫るほど大きなリポジトリに対して実行した誰かのツール呼び出しログであり、失敗をそのまま残した状態で公開されたものだ。特に注目すべきは512K対1Mの差である。リリースサイクルを生き残るドキュメントの不一致は通常、見落としではなく製品上の判断だからだ。そして、もしAntigravityが意図的にウィンドウを半分にしているのなら、その上でワークフローを標準化する前に知っておく価値のある事実である。

それまでは、AntigravityにおけるGemini 4 Neonの公平な要約はこうだ:13セッション分にわたる詳細な公開ログ1件が、読むより多く書き、セッションごとに1回委任し、3つの小さなプログラムを完璧に修正し、主張されている17個のうち8個の優れたデモを構築し、APIが公称するコンテキストの約半分で動作するモデルを示している。これらの項目はすべて検証可能だ。だが、どれもベンチマークではない。