「Gemini 4 Neon's Three.js Demo」と表示された生成タイトルカード。サブタイトルは「15秒、一文、プロンプトなし」。その横には、主張と測定のギャップを示す小さな図があり、片側に「posted 19 Nov 2026, 1920x1080, 15.0s」とラベル付けされた動画フレーム、もう片側に「プロンプト、労力レベル、トークン数、ソースファイル」とラベル付けされたチェックリストがあり、ほとんどのボックスは空である。
Guides & Insights

Gemini 4 NeonのThree.jsデモ:15秒で実際に何が示されるのか

著者

Gideon Frost

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

2026年11月19日、@chetaslua として投稿した開発者が15秒のクリップを公開し、一文を添えた。その一文によれば、中のモーショングラフィックは Gem​ini 4 Neon が「pure @threejs」で制作したもので、最後のロボットダンスはかなりイケているという。動画は 1920×1080、長さは15秒。公開記録はこれだけだ——プロンプトもソースファイルも、思考レベルもトークン数もなく、API、AI Studio、Antigravity のどれから出てきたのかという記述もない。Gem​ini 4 Neon は実在する一般提供モデルで、Goog​le の DeepMind モデルページには2026年11月の項目として掲載され、Artificial Analysis ではスコアと価格が付けられている。しかし投稿されたクリップは主張であって計測ではなく、その二つの隔たりこそがこの話の有用な部分だ。Gemini 4 Carbon は、Goog​le が Neon の派生元だと述べている兄弟モデルであり、私たち自身のカタログが実際に収載しているモデルとしてのみ登場する——ここでの主題ではない。

15秒、記録された設定はありません

投稿自体から確認できることから始めましょう。それは短いリストであり、どれほど短いかを見る価値があるからです。

• 主張 — Gemini 4 Neon がこのモーショングラフィックを純粋な three.js で制作したというもの。これは投稿者による帰属の主張です。クリップの中にはどのモデルがコードを書いたかを証明するものは何もなく、スレッド内にもコードは一切示されていません。

• タイムスタンプ — 2026年11月19日 16:51 UTC、Neon’の11月18日の一般提供開始から1日後。これを、 embargo の下で密かに持ち出されたローンチ前のデモだと非難することは誰にもできない。これは同じ週に生み出された産物なのだ。

そのファイルは——15秒、1920×1080、ナレーションなし、動画添付として投稿されたもの。編集画面のスクリーン録画ではなく、レンダリング済みの出力だ。これが重要な点だ。誰かが入力している様子のスクリーン録画なら、プロンプトも、途中のエラーも、試行回数も映ってしまう。完成したレンダリングには、そのどれも映っていない。

• エンゲージメント — 投稿本文を取得した時点で130いいね。小規模。これは1人による発表であり、組織的に仕組まれたデモ公開ではない。まさにそこが興味深いところだ。誰もローンチ用の投稿としてキュレーションしていないのだ。

欠けているのは、別の人がそれを再現できるようにするためのすべてだ。プロンプト。エフォートレベル — Neon は low、medium、high、xhigh をサポートしており、同じプロンプトでの low と xhigh の差は、請求額と出力の両方を変えるほど大きい。サーフェス。投稿されたものの背後にある試行回数。ロボットダンスは依頼されたものだったのか、それとも即興だったのか。その後、JavaScript のいずれかを手作業で編集したかどうか。それらはどれもフォローアップ投稿の1行で済むのに、どれもそこにはない。

Three.jsのシーンが実際にテストするもの

これを“フロントエンド能力”の項目に分類して、どちらの方向であれ先に進みたくなる——モデルがグラフィックスを得意としている証拠として、あるいは美しいレンダリングなど何の意味もないという証拠として。どちらの読み方も、そのアーティファクトが何であるかと向き合うと通用しない。

three.js は、どのモデルの学習データにも最も多く含まれるライブラリの一つです。カメラ、ライト、メッシュ、レンダーループを備えたシーンは、この3年間のウェブ開発における「これ作ったよ」という定番の成果物に近いものです。現在のフロンティアモデルはどれも、何かが回転するページを生成できます。したがって、15秒のクリップにきちんとした three.js シーンがあるからといって、どのモデルが作ったのかはほとんど分かりません。だからこそ、その一文では投稿者による帰属表示がすべての役割を果たしているのです。

本当により難しく、また最後にタイミング付きのダンスを伴うモーショングラフィックが実際に試すのは、正しさのオラクルが存在しない部分だ。モーショングラフィックはシーケンスである。遷移を伴うアニメーション状態機械、カメラパス、イージングカーブ、拍に乗らなければならないイベントの順序。ダンスがきちんと見えることを検証するテストは存在しない。モデルは16秒のストーリーボードを頭に保持し、タイミング定数を出力し、ずれないようにしなければならない。誰かが最後の4秒は“全力で行け”と言うとき、その人は振り付けとペース配分について判断している。そしてペース配分こそ、単発のコード生成が最も苦手とするものだ。なぜなら、タイミングがただ凡庸なだけでは、ループ内の何も失敗しないからだ。

それが、何も証明していないとしても、このクリップがもう一度見る価値がある本当の理由だ。それはシェーダーの数学ではなく、時間的な構成についての主張なのだ。シェーダーを書けるモデルと、15秒のシーケンスを一貫して成立させ続けられるモデルは、それぞれ別の主張であり、ここでなされているのはそのうちの一方だけだ。

Neonが実際に持っている数字

Artificial Analysis は Gem​ini 4 Neon のエントリーがある唯一の独立系スコアボードであり、それを注意深く読むことが、投稿されたクリップが測定されたどの値からどれほど隔たっているかを知る最速の方法です。

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.

見出しは、xhigh思考レベルでのIntelligence Indexで61、ボード上では96モデル中6位です。同じモデルはhighで60、mediumで55、lowで44を示します——自身のエフォートのはしご全体で17ポイントの差であり、誰かに“61”を引用しようとしているなら、この記事で最も重要な数字です。61はxhighの数字です。Neonのドキュメントに記載されたデフォルトはhighです。

パネルの残りの部分こそ、デモの習慣が高くつくところだ。出力速度は毎秒110トークン。このモデルはIntelligence Indexのタスク1件を完了するのに21.5分かかり、同程度の価格帯のモデルの中央値12.1分に対して遅い。性能では95台中73位、コストでは95台中79位にランクされている。冗長性では95台中93位で、インデックスの実行全体で2億8300万出力トークンと81億2000万入力トークン、出力対入力比は3.48%で、中央値は約6500万出力トークンだ。Artificial Analysis自身の要約では非常に冗長とされており、インデックスタスク1件の価格を6.44ドルとしている。Googleの料金表では、入力100万トークンあたり3.00ドル、出力100万トークンあたり15.00ドルで、キャッシュ済み入力は0.15ドルだ。

Google自身が公開した表は別種の数値であり、そのようにラベル付けされるべきです。つまりベンダー報告値であって、Google外部の誰も再現したものではありません。CursorBench 4.1は65.4%、Terminal-bench 4.1は65.2%、FrontierCode 2.0は46.2%、Google自身のハーネスにおけるSWE-sweepは39.0%、AutomationBenchは56.3%、Agents’ Last Exam v1.1は75.8%、RiemannBenchは84.0%、GraphWalksは95.2%。これらはすべてエージェント型、コーディング、長文コンテキストのいずれかの測定です。そのどれも「短いプロンプトから一度で魅力的なアニメーションシーンを生成する」ことを測っていません。どのベンチマークも測っていないからです。デモとスコアボードは同じものを測っておらず、どちらも、そのクリップが証拠として読まれている事柄を測っていません。

デモ試行に実際にかかるコスト

価格が重要なのは、デモは反復的に作るものであり、計測上 Neon は冗長だからです。15秒のレンダーだけでは、そこに何回の試行が必要だったかは分かりません。しかも、どの試行も完全な生成です。

• 25,000出力トークンの試行——高エフォート時における1つのthree.jsシーンとしては妥当な規模で、推論トークンを出力として数えた場合——は、100万トークンあたり15ドルで約38セントです。

・60,000トークンの試行で約90セント。それを3~4回、さらに数回の再試行を重ねると、デモに費やした金額が、証拠としてのデモの価値を上回ってしまいます。

• 200,000トークンの試行——モデルがアニメーションのステートマシンを通して思考するときにxhighで到達するような数値——は、それだけで$3.00です。

• バッチとフレックスの各ティアは半額レートで実行されるため、100万件あたり1.50ドルと7.50ドルでの同じ3回の試行は、およそ半分の金額になります。これは何ら珍しいことではありません。単に無料ではないというだけで、そのクリップでは述べられていません。

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.'

これは、実証されていないモデルを本番経路に組み込むのではなく、ルーター経由で試すべきだという主張だ。Neonはまだ2日目で、その冗長さは自身のパネルで最下位にランクされた数値であり、この特定の用途における唯一の公開成果物は、ある一人の完成したレンダーだけだ。それは、別の何かの隣で呼び出して請求額を比較したいモデルであり、11月にクライアントをコミットさせるモデルではない。

次のクリップを検証可能にするには、何が必要でしょうか。

これは投稿者への批判ではまったくありません。投稿者はものを作って共有してくれたのです。これは短いプロトコルであり、次に投稿する人なら誰でもほんの数行でその差を埋められます:

• プロンプトを一字一句そのまま。言い換えではなく、実際のテキストそのもの。これは最も価値の高い一行であり、含めてもコストはまったくかかりません。

• モデル識別子とエフォートレベル。“Gem​ini 4 Neon at high” は “Gem​ini 4 Neon at xhigh” とは異なる主張であり、出力レート$15ではその違いは金額に直結します。

• サーフェス。Antigravity、AI Studio、および生のAPIは、異なるシステムプロンプトと異なるツールスキャフォールディングを適用する。エージェント型IDE内で生成されたシーンは、単一の補完によって生成されたものと同じ成果物ではない。

• 試行回数と出力トークンの合計。どちらも課金コンソールで確認できる2つの数値であり、この2つが揃えば、単なる逸話が使用可能なレンダリング1回あたりのコストへと変わる。

• ソースファイル。three.js のインポートとアニメーションループを含む単一の自己完結型 HTML ページが、再現可能な成果物の全体であり、通常は 100 キロバイト未満です。

• 失敗例を1つ。同じ設定で、モデルが実行できなかった2つ目のプロンプト。文書化された失敗モードのないデモは、ハイライト集のように見える。なぜなら、実際にそうだからだ。

それらのうち少なくとも最初の3つが存在するまでは、このクリップについて正直に要約すれば、前日にリリースされたモデルが、有能なウェブ開発者なら自分が作ったら喜ぶだろうと思えるようなものを生成したということになり、またファイルからは、その功績のどれだけがモデルに、プロンプトに、あるいは編集に帰すべきなのかは分からない。

テストを自分で再実行する方法

2026年11月20日時点で、Gemini 4 Neon は OrcaRouter のカタログにありません — 当社がルーティングする Gemini 4 モデルは google/gemini-4-carbon と google/gemini-4-argon で、カタログは 217 個のモデル識別子となっています。したがって、今日このテストを実用的に実施するなら、同一ファミリー内での比較になります。Google 自身の API 経由で、同じモーショングラフィックのプロンプトを Carbon では high effort、Neon でも high effort で実行し、出力トークン数、実経過時間、そしてレンダリングのどれだけを再依頼する必要があったかを比較してください。

その比較は、Carbon側については当社側で簡単に設定できます。1つのキーでカタログをカバーし、プロバイダーの定価は0%のマークアップでそのまま反映されるため、Goog​leの料金変更は次回の請求書ではなく当日に請求へ反映され、フェイルオーバーにより1回の不良生成で実行が終了することはありません。2日前のモデルを安定したモデルと比較テストする場合、ルーティングDSLが両方を1つのエンドポイントの背後にまとめてペアを返します。これは、印象ではなく実際の答えを得るための最も安価な方法です。

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.

注目に値するのは、見栄えのよいクリップがもっと出てくるかどうかではない——そんなものはどのラボからも際限なく、いつまでも出てくる。そうではなく、それらを投稿する人たちがプロンプトとエフォートレベルを添え始めるかどうかだ。誰か一人がそうした瞬間、比較が可能になる。同じ16秒のストーリーボードを4つの思考レベルで実行し、各レンダーの横にトークン数と請求額を並べればよい。その1件の投稿は、この特定の問いについては、Goog​leが公開したベンチマーク表全体よりも価値があるだろう。なぜならそれは、Neonがシェーダーを書けるかどうかではなく、時間制御されたシーケンスをまとまりとして保てるかどうかを測る最初の測定になるからだ。

それまでは、このクリップをあるがままに扱うべきだ。つまり、素晴らしい成果物であり、能力を示すもっともらしいシグナルであり、その主張の最も強い根拠が投稿者の評判であるような主張として。