Titelkaart met de tekst Gemini 4 Neon in Antigravity, met als ondertitel 762 tool calls, dertien sessies, één 512K-plafond, boven drie kaarten met de tekst 762 tool calls, 13 sessies en 512K context in Antigravity, met onderaan Tool-call-cijfers die zelf gerapporteerd zijn uit de Antigravity-logs van één gebruiker, 18 november 2026; niet geaudit.
Guides & Insights

Gemini 4 Neon in Antigravity: 762 tool-aanroepen bij een 512K-plafond

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Dertien sessies, 762 tool-aanroepen en één getal dat nergens in Google's lanceringsmateriaal voorkomt: 512.000. Dat is het contextvenster dat Antigravity's eigen documentatie aan Gemini 4 Neon geeft, tegenover de 1.048.576 tokens die de Gemini API voor hetzelfde model verkoopt voor $3,00 in en $15,00 uit. Beide cijfers zijn van Google, in dezelfde week gepubliceerd, en geen van beide pagina's noemt de andere. Het logboek met tool-aanroepen komt uit een hands-on thread die @kimmonismus op 18 november 2026 publiceerde, dertien en een half uur nadat Antigravity's Neon-post online ging en vijfendertig minuten na die van DeepMind; dat wil zeggen dat het model waarvan hij beschrijft dat hij er "vroege toegang" tot had, al algemeen beschikbaar was toen hij op publiceren klikte.

Dat tijdstip is van belang voor hoeveel gewicht je aan de thread moet toekennen, niet voor of die nuttig is. Het is het meest gedetailleerde openbare verslag dat iemand heeft gepubliceerd van Gemini 4 Neon dat aanhoudend agentisch werk verricht, en het interessante zit niet in de demo's. Het is de vorm van het logboek: narekenbare rekenkunde, iets wat "het bouwde 17 interactieve demo's" niet is.

De 762 oproepen, uitgesplitst

De auteur van de post is achteraf door de logs van Antigravity gegaan en heeft elke aanroep in die dertien sessies geteld, allemaal uitgevoerd op het denkniveau Extra High. De uitsplitsing, zelfgerapporteerd en niet gecontroleerd:

• Bestandslezingen — 313

• Bewerkingen — 266

• Nieuwe bestanden aangemaakt — 104

• Shell-opdrachten — 43

• Subagenten gestart — 13

• Webzoekopdrachten — 2

• Overige gesprekken, inclusief taakupdates — 21

Die komen precies uit op 762, wat het eerste is om te controleren en het eerste dat standhoudt. Deel door dertien en je krijgt ongeveer 58,6 tool calls per sessie, een getal dat verdacht dicht in de buurt komt van de 58,6 die Neon scoort op de Artificial Analysis Coding Agent Index — toeval, maar een gedenkwaardig toeval als je beide getallen in je hoofd probeert te houden.

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.

De informatievere verhouding is degene die de positionering van Google zelf je uitnodigt om te testen. Het lanceringsbericht beweert dat Neon "overbodige bestandslezingen vermindert" en "contextcompactie betrouwbaar afhandelt in lange sessies." In dit log zijn lezingen 313 van de 762 aanroepen, oftewel 41%. Schrijfacties — 266 bewerkingen plus 104 nieuwe bestanden, 370 aanroepen — zijn 48,6%. Dat is 1,18 schrijfbewerkingen per lezing. Een model dat door een codebase ploeterde om dingen te vinden, zou de tegenovergestelde verhouding laten zien; een model dat al weet waar het heen gaat, leest één keer en schrijft. De dertien sessies van één gebruiker zijn geen bewijs voor een algemene eigenschap, maar het is wel de richting die de bewering voorspelt, en het is het enige openbare log waarin de bewering wordt getest.

De twee getallen die het vreemdst lijken, zijn subagenten en webzoekopdrachten. Dertien subagenten over dertien sessies is precies één per sessie — een consistent delegatiepatroon in plaats van een incidenteel patroon. Twee webzoekopdrachten in 762 aanroepen is 0,26%, wat voor een model dat Google omschrijft als een orchestrator die parallelle Hydrogen-subagenten aanstuurt, opmerkelijk naar binnen gericht is. Dit was een run tegen lokale code, geen onderzoek, en de log weerspiegelt dat.

Wat de demorun daadwerkelijk laat zien

Zeventien interactieve demo's, waarvan er acht worden getoond. De acht zichtbare demo's omvatten een 3D-arenaschutter met vijandgolven, gezondheid, munitie en herladen; een railshooter genaamd Solaris Trench; een verwoestbare voxelarena genaamd Terra Breaker die in een browsertest een stabiele 60 frames per seconde haalde; een spel genaamd Aero Canyon waarin je met een jet door een canyon vliegt, met twaalf poorten en een opgeslagen beste tijd; een natuurkundepuzzel met hendels en een ballenwerper; een lichtshow van een deeltjesveld; een flyby langs een zwart gat met instelbare lensing; en een klikbaar zonnestelsel.

De negen die niet werden getoond, vormen het deel van de thread dat niet kan worden geëvalueerd, en een eerlijke lezing van "17 demo's" is dat het een bewering over volume is, met acht voorbeelden erbij. Wat de acht voorbeelden wel aantonen, is breedte: één enkel model dat in één sessie WebGL-scènes, natuurkunde, audiogestuurde visuals en UI-statebeheer produceert, op een kwaliteit die een hobbyist zou posten. Dat is een echt capaciteitssignaal, zelfs als het aantal niet verifieerbaar is.

De faalwijzen die de poster meldde, zijn nuttiger dan de successen, omdat ze specifiek zijn. De eerste build van de 3D-arena "strandde op een serverfout" en had een tweede ronde nodig om te voltooien — een infrastructuurfout, geen modelfout, maar wel een die een volledige poging kostte. Neon voegde een autopilotmodus toe aan Aero Canyon die nooit was gevraagd, wat de poster aanmerkte als ongevraagde scope. Hij testte vervolgens alleen de autopilot, dus de kwaliteit van handmatig vliegen blijft onbekend, zelfs voor een demo die hij zelf bouwde. Het zonnestelsel werd opgeleverd met verouderde maanaantallen en werd pas gecorrigeerd naar JPL's actuele cijfers nadat hij erop wees; afmetingen en banen zijn nog steeds niet op schaal.

Dat laatste is het interessantste datapunt in de thread, want het is een zuivere demonstratie van tussentijdse correctie: een feitelijke fout, door de gebruiker gesignaleerd, hersteld in een vervolgbericht. Google beweert dat Neon tweede staat op het gebied van stuurbaarheid in Arena's nieuwe Agent Arena Index. Eén anekdote bevestigt geen positie op een ranglijst, maar het is wel het gedrag dat de ranglijst pretendeert te meten, waargenomen in het wild.

Drie bugfixes, zelf beoordeeld

Het programmeergedeelte bestaat uit drie kapotte programma's met bestaande testsuites, die elk worden gerepareerd en vervolgens door de poster zelf worden geverifieerd in plaats van door het eigen rapport van het model.

• Boekingscontrole — eerst 1 van de 5 tests geslaagd, daarna 5 van de 5.

• Taakplanner — 8 van 14 controles voor, 14 van 14 erna.

• Asynchrone loader — 10 van 16 controles voor, 16 van 16 na.

Samengevat: 19 van de 35 slaagden vooraf, 35 van de 35 achteraf, ofwel 54,3% naar 100%. Een perfecte score is juist het getal dat wantrouwen moet wekken, en de eerlijke kanttekeningen betreffen allemaal de steekproef, niet het resultaat. Drie programma's is drie programma's. De testsuites bestonden al, wat de voor de hand liggende faalmodus wegneemt waarbij een model tests schrijft die bij zijn eigen oplossing passen, maar het neemt selectie niet weg: dit waren programma's die de poster zelf had uitgekozen om aan te voeren, en een oplossing die de zichtbare fouten verhielp, kan nog steeds fout zijn op manieren die de suite niet afdekt. Wat de run wel laat zien, is dat het model niets regresseerde tijdens het oplossen — 35 van de 35 betekent dat de eerder geslaagde tests geslaagd bleven, en dat is de faalmodus die in de praktijk echt toeslaat.

Antigravity geeft Neon 512K, niet 1M

Nu het getal dat niet in de thread staat en dat zou moeten veranderen hoe je de rest ervan leest. In de modeldocumentatie van Antigravity staat bij de vermelding Gemini 4 Neon het contextvenster als "tot 512K tokens." De Gemini API-documentatie voor hetzelfde model vermeldt een uniform venster van 1.048.576 tokens, en Artificial Analysis vermeldt 1.000.000 voor het model. Dezelfde gewichten, dezelfde tariefkaart, ongeveer de helft van de context, afhankelijk van vanuit welke interface je het aanroept.

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 heeft geen verklaring voor het verschil gepubliceerd, en dit artikel gaat er geen verzinnen. Wat verifieerbaar is, is dat beide getallen allebei actueel zijn, allebei van Google zijn en allebei aan de modelcode gemini-4-neon gekoppeld zijn. De praktische consequentie is eenvoudig: als je beoordeling van Neon is 'het houdt een grote monorepo in context', dan is die beoordeling afhankelijk van het oppervlak. Een repository van 600.000 tokens past in de API en past niet in Antigravity. Als je tussen de twee moet kiezen, meet dan op het oppervlak waarop je daadwerkelijk gaat uitrollen, want het plafond is niet hetzelfde.

De rest van het Antigravity-verhaal is conventioneler. Neon is het standaardmodel voor nieuwe gesprekken in elk abonnement dat het bevat — betaalde Google AI Pro, Google AI Ultra en Gemini Enterprise. Het zit niet in Free of Google AI Plus. De denkladder loopt van Low, Medium, High (standaard) en Extra, waarbij de CLI ze low, medium, high en xhigh spelt via --model gemini-4-neon-xhigh of --effort xhigh. De thread draaide volledig op Extra High, de instelling die Google zelf gebruikt voor zijn belangrijkste Intelligence Index-cijfer, en degene die de API-documentatie aanraadt te bewaren voor moeilijke problemen met meerdere stappen.

Dat is het vermelden waard als een asymmetrie in de bronvermelding in plaats van als een gebrek. Vrijwel elk Neon-benchmarkgetal dat in omloop is — de 61.4 Intelligence Index, de 58.64 Coding Agent Index — is een xhigh-getal. De meeste mensen zullen het model op de standaardinstelling High draaien. Artificial Analysis publiceert beide, en het standaardcijfer is 59.6, drie volle punten onder de kop. Een log met 762 aanroepen op xhigh vertelt je hoe het plafond eruitziet; het vertelt je niet wat je standaardconfiguratie gaat kosten of scoort.

Waar de thread te ver gaat

Drie beweringen in de thread krijgen meer gewicht dan het bewijs rechtvaardigt, en ze zijn het benoemen waard omdat ze herhaald zullen worden.

De framing 'vroege toegang' is het duidelijkst. Antigravity's eigen blogpost over Neon verscheen om 08:00 UTC op 18 november 2026; DeepMind's lanceringspost om 21:00 UTC; de thread om 21:35 UTC. Welke toegang de persoon die het bericht plaatste eerder die dag ook had, het stuk dat hij publiceerde verscheen na de algemene beschikbaarheid, en het lezen als een preview vóór de lancering zou een vergissing zijn. Dat maakt de observaties niet onjuist. Het betekent wel dat 'ik kreeg vroege toegang' retorisch werk verricht dat de tijdstempels niet ondersteunen.

Ten tweede is "17 interactieve demo's" een kwantitatieve claim met acht voorbeelden. De acht die getoond worden, zijn oprecht gevarieerd en werken echt, en dat is het nuttige deel. De negen die achtergehouden worden, zijn niet controleerbaar, en geen enkele hoeveelheid detail over de acht dicht die kloof.

Ten derde is het resultaat van 35 van de 35 opgeloste gevallen een resultaat over drie programma's. Het is het soort getal dat wordt aangehaald als "Neon lost alles op wat je erin stopt", en de juiste lezing is smaller: bij drie vooraf kapotte programma's met bestaande suites loste het elke falende controle op zonder de slagende te breken. Dat is een goede uitkomst en een kleine steekproef, en beide helften van die zin moeten samen worden meegenomen.

Eén stuk ondersteunend bewijs is het vermelden waard. Patrick Loeber, lid van de technische staf bij Google DeepMind, reageerde op de thread: "leuke thread, bedankt dat je ermee hebt gebouwd en je feedback hebt gedeeld!!" Dat is geen bevestiging van ook maar één getal erin. Het is een Googler die erkent dat de run heeft plaatsgevonden, wat meer is dan de meeste hands-on threads krijgen.

Wat het kost om dit zelf te proberen

De economie van een veldtest als deze is niet glamoureus en doorslaggevend. Bij $3,00 per miljoen inputtokens en $15,00 per miljoen outputtokens is een sessie van 762 aanroepen met veel hergebruik van context geen experiment van $5 — de outputkant, inclusief denk-tokens, domineert, en xhigh vermenigvuldigt dat. Googles eigen formulering is dat Neon bij de standaardinstelling High ongeveer 32% minder per taak kost dan Gemini 4 Carbon (door de leverancier gerapporteerd, niet onafhankelijk gereproduceerd), en dat de xhigh-instelling bedoeld is voor problemen waarop High tekortschiet. Een demosuite op xhigh draaien terwijl je het standaardgedrag evalueerde, is een manier om meerdere malen meer uit te geven dan de beslissing vereiste.

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.

De goedkopere manier om deze evaluatie uit te voeren is eerst het oppervlak en het denkniveau vast te zetten en pas daarna het model te variëren. Aan onze kant de catalogus bevat momenteel google/gemini-4-carbon en google/gemini-4-argon, beide tegen de lijstprijs van de provider van $2,00 en $10,00, met 0% opslag erbovenop — een tariefwijziging van een leverancier is bij ons live op dezelfde dag dat deze upstream landt, wat hier uitmaakt omdat het introductietarief van Carbon op 30 november 2026 verloopt en naar $4,00/$20,00 gaat. Gemini 4 Neon staat per 19 november 2026 niet in de catalogus, dus dit is geen aanbeveling om het via ons aan te roepen; het is de vergelijking die je vandaag daadwerkelijk kunt uitvoeren, tegen het model waarmee Google Neon in bijna elke alinea van zijn aankondiging benchmarkt.

Als je een onbewezen model test in plaats van een bekend model, is de routinglaag ook de goedkope plek om het risico te begrenzen: automatische failover betekent dat een sessie die halverwege de run doodgaat — zoals de eerste 3D-arena-build deed — opnieuw kan worden geprobeerd op een ander model zonder de harness opnieuw op te bouwen, en de routing-DSL laat je een planner en een executor samenvoegen tot één aanroep als je het Orchestrator (Neon)-patroon wilt reproduceren zonder vast te zitten aan Antigravity's 512K-plafond.

Wat te kijken

Het volgende bewijsstuk dat de openstaande vragen zou beslechten, is geen nieuwe demo-thread. Het is een log van tool-aanroepen van iemand die draait op de standaardinstelling High, op een repository die groot genoeg is om tegen het geldende contextplafond aan te lopen, gepubliceerd met de fouten er nog in. Het verschil tussen 512K en 1M is specifiek iets om op te letten, want een discrepantie in de documentatie die een releasecyclus overleeft, is meestal een productbeslissing en geen vergissing — en als Antigravity het venster opzettelijk halveert, is dat een feit dat je wilt weten voordat je een workflow erop standaardiseert.

Tot dan is de eerlijke samenvatting van Gemini 4 Neon in Antigravity dit: één gedetailleerd openbaar logboek, dertien sessies diep, dat een model laat zien dat meer schrijft dan het leest, één keer per sessie delegeert, drie kleine programma's perfect repareert, acht goede demo's bouwt van de beweerde zeventien, en draait op ongeveer de helft van de context die de API adverteert. Elk van die zinsdelen is controleerbaar. Geen ervan is een benchmark.