
Gemini 4 Neon voert de Coding Agent Index aan met 58,6 — het verschil met Claude Fable 5.2 is 0,17 punten, en het grootste deel van het verschil met GPT-6.2 Astra komt door één benchmark
- OrcaNIEUWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1 mln tokens · 185 tok/s
- tencentNIEUWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1 mln tokens · 214 tok/s
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 87 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1 mln tokens · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1 mln tokens · 112 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1 mln tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
Gemini 4 Neon now holds first place on the Artificial Analysis Coding Agent Index at 58.64, with Claude Fable 5.2 at 58.47 and GPT-6.2 Astra — released on 17 November, two days before this reading — at 53.47. That is the claim going around, and every number in it checks out against the published leaderboard. It is also, read carefully, an argument about harnesses as much as about models: Neon's 58.64 was measured inside Google's own Antigravity CLI, Fable 5.2's 58.47 inside Claude Code, Astra's 53.47 inside Codex. Three labs, three terminal agents, one composite built from 396 FrontierCode 2.0 attempts, 372 SWE-Atlas-QnA attempts and 198 Terminal-Bench 4.1 attempts per row. The ranking is real. What it means for your repository is narrower — and considerably more useful — than a leaderboard screenshot suggests.
Everything below is read off the public coding-agents leaderboard at Artificial Analysis on 19 November 2026, on index version v2.1. None of it is Google's own benchmark table: the composite, the three component scores, the cost per task and the token counts are measured in the lab, each run through the vendor's own terminal agent. Google's launch-day figures for Gemini 4 Neon — Chartography 73.5%, Terminal-Bench 4.1 at 65.2%, FrontierCode 2.0 at 46.2% — are a separate set, vendor-reported and not the source of any measured figure below, and they are labelled as such wherever they appear next to these.
Wat de index eigenlijk telt
De Coding Agent Index test geen model in isolatie. Elke rij is een harness-plus-model-paar, en het kopcijfer is het gelijkgewogen gemiddelde van drie componentscores: FrontierCode 2.0, 132 software-engineeringtaken geschreven door Cognition en geïmplementeerd door Artificial Analysis; SWE-Atlas-QnA, 124 technische Q&A-taken van Scale AI met beoordeling aangepast door AA; en Terminal-Bench 4.1, 66 agentische terminaltaken van het Laude Institute. Elke component is de gemiddelde score over drie pogingen per taak. De pagina publiceert voor geen daarvan een betrouwbaarheidsinterval, wat het eerste is dat je moet weten voordat je een tiende punt als een feit over capaciteit beschouwt.

Dat voorbehoud is hier belangrijker dan gewoonlijk, omdat de top van het klassement uitzonderlijk dicht bij elkaar ligt. Gerangschikt op samengestelde score, tot twee decimalen:
• Gemini 4 Neon (xhigh), Antigravity CLI — 58.64
• Claude Fable 5.2 (xhigh), Claude Code — 58.47
• Devin Fusion CLI, Claude Opus 5.5 max + GPT-6 Luna high — 58.40
• Claude Fable 5.2 (hoog), Claude Code — 58.24
• Claude Opus 5.5 (max), Claude Code — 58.16
Vijf configuraties binnen een halve punt, afkomstig van drie leveranciers en drie verschillende agenten. Wat hen scheidt, is bij deze resolutie niet zichtbaar, en een artikel dat de top van deze ranglijst als een doorslaggevend resultaat beschrijft, beschrijft afronding als signaal.
Het verschil van vijf punten is grotendeels één benchmark.
De GPT-6.2 Astra-vergelijking is waar de kop interessant wordt, want een samengestelde kloof van vijf punten klinkt structureel en blijkt zich in één component te concentreren. Er is vooraf ook één correctie nodig: het cijfer "zes punten voorsprong" dat sinds de lancering de ronde doet, krijg je door Neon's 58,64 te vergelijken met Astra op high, dat 52,28 scoort — 6,36 punten achterstand. Tegen Astra's beste configuratie, max op 53,47, bedraagt de kloof 5,17. Beide cijfers staan op het bord; ze beschrijven verschillende instellingen van hetzelfde model. Haal de max-koppeling uit elkaar:
• FrontierCode 2.0 — Neon (xhigh) 43,0 vs Astra (max) 41,7, een verschil van 1,3 punten over 132 software-engineeringtaken.
• Terminal-Bench 4.1 — Neon 65,2 versus Astra 63,6, een verschil van 1,6 punten bij 66 terminaltaken.
• SWE-Atlas-QnA — Neon 67,7 vs Astra 55,1, een verschil van 12,6 punten over 124 technische Q&A-taken.
Roughly four-fifths of the composite difference comes from the Q&A component, and that is the component least like what an agent does when it edits a repository. SWE-Atlas-QnA asks the harness to answer questions about a codebase. FrontierCode and Terminal-Bench ask it to change one, or to drive a terminal until a job completes. On the two task sets that resemble real agent work, Gemini 4 Neon and GPT-6.2 Astra sit inside two points of each other — the same order of magnitude as the spread among the five configurations at the top. On the task set that resembles retrieval-and-reasoning, Neon is better by twelve.
Beide lezingen kloppen, en welke je ervaring voorspelt, is een eigenschap van je werklast en niet van de ranglijst. Als je agent zijn dag besteedt aan het beantwoorden van vragen over een grote privécodebase, is SWE-Atlas-QnA de dichtstbijzijnde proxy op de ranglijst en is een verschil van twaalf punten het waard om actie op te ondernemen. Als hij zijn dag besteedt aan het openen van pull requests, zijn FrontierCode en Terminal-Bench de betere proxies, en overdrijft de samengestelde score het verschil met een factor drie of vier.

De kosten per taak lopen de andere kant op.
Artificial Analysis rapporteert kosten naast score, en op kosten keert de volgorde om. Gemiddelde kosten per taak over de volledige index:
• Gemini 4 Neon (xhigh) — $6.86, 13.72M input and 125.6k output tokens, 177 steps, 30.5 minutes wall time.
• Claude Fable 5.2 (xhigh) — $15,47, 9,55M invoer- en 207,4k uitvoertokens, 95 stappen, 53,3 minuten.
• Claude Fable 5.2 (hoog) — $7,51, 5,02 mln invoertokens en 94,1k uitvoertokens, 55 stappen, 31,3 minuten.
• GPT-6.2 Astra (max) — $5,12, 4,62M invoertokens en 43,0k uitvoertokens, 51 stappen, 25,1 minuten.
• Gemini 4 Carbon (hoog) — $9,75, 15,31M invoer- en 120,5k uitvoertokens, 186 stappen, 33,6 minuten.
Drie dingen vloeien daaruit voort. Ten eerste is Neon 2,3 keer goedkoper per taak dan Fable 5.2 bij de instelling waarop de Fable-rij wordt gescoord, en rondt het af in 30,5 minuten tegenover 53,3. Ten tweede is Neon in absolute termen niet goedkoop: met $6,86 kost het 34% meer per taak dan de GPT-6.2 Astra-configuratie die het verslaat, en 30% minder dan zijn eigen zustermodel Gemini 4 Carbon, dat het met 3,2 samengestelde punten verslaat — dus tegenover Carbon is de zaak ondubbelzinnig op beide assen, en tegenover Astra is het een rechtstreekse ruil van dollars voor score. Ten derde verklaart het tokenprofiel de prijs. Neon verbruikt 13,72M invoertokens en 177 stappen per taak, tegenover 9,55M en 95 van Fable 5.2: ongeveer 44% meer invoer en 86% meer tool-aanroepen voor een resultaat dat 0,17 punt voorloopt. De cache-hitpercentages liggen tussen 94% en 96% op elke rij hierboven, dus dat is geen cache-artefact — het is het model dat meer, kleinere stappen neemt.
Google's launch material claims Gemini 4 Neon at its default high setting costs 32% less per task than Gemini 4 Carbon. That is vendor-reported and this board does not reproduce it. The only Neon row published here is xhigh, at $6.86 against Carbon's $9.75 — a 30% saving, close to the vendor figure, but measured at the deepest of Neon's four thinking settings rather than at the default the claim describes. Read the direction as supported and the precise number as unconfirmed until a high row exists.
De instelling beïnvloedt de score sterker dan het model.
Het nuttigste aan dit overzicht is niet de ranglijst. Het is dat Claude Fable 5.2 vijf keer voorkomt, in dezelfde harness, op vijf denkniveaus, en dat de scores uitkomen op 47,96 bij laag, 53,04 bij gemiddeld, 58,24 bij hoog, 58,47 bij extra hoog en 55,74 bij max — een bereik van 10,5 punten door een parameter. GPT-6.2 Astra komt vijf keer voor in Codex en loopt van 35,58 bij laag tot 53,47 bij max, een bereik van 17,9 punten bij hetzelfde soort knop.
Zet die bereiken tegenover de verschillen waar de koppen over gaan. De spreiding tussen Astra op laag en Astra op max is 3,5 keer het verschil tussen Neon en Astra bij hun beste instellingen, en 5,6 keer het verschil tussen Neon en Carbon. Alleen al de spreiding van 10,5 punten binnen Fable 5.2 is meer dan twee keer de hele afstand van Neon's eerste plaats naar Astra's tiende. Een model kiezen op basis van één getal per model is kiezen op de kleinste variabele op de pagina; het inspanningsniveau dat je doorgeeft en de agent die je eromheen bouwt, beïnvloeden het resultaat sterker dan het logo op de doos.
It also makes the "surpassed Fable 5.2" framing need a qualifier. Neon's 58.64 is measured at xhigh inside Antigravity CLI, and it is the only Neon configuration on the board — there is no high row, so nobody outside Google can yet say what Neon's default costs in score or in dollars. Fable 5.2's 0.17-point deficit holds at its own xhigh and, more narrowly, at high where it scores 58.24 on $7.51 per task. Both of those numbers are inside the range a different harness could plausibly reverse, which is not a criticism of Neon — it is what a half-point spread at the top of a 41-row board means.
Wat is hier eigenlijk nieuw aan?
Gemini 4 Neon reached general availability on 18 November 2026, a day before this board was read, at $3.00 per million input tokens and $15.00 per million output for a 1M-token context window. It is proprietary and flat-priced: no introductory window, no free tier, unlike Gemini 4 Hydrogen. The rate card and the independent intelligence scores have been covered elsewhere on this blog; what is new is the first measured agentic result, and it says several things the launch post did not.
Het lanceringsbericht zei inderdaad dat het de eerste plaats behaalde op de Artificial Analysis Coding Agent Index met 58,6, en dat cijfer is precies wat de ranglijst publiceert, bij de beschreven configuratie. Wat het bericht niet zei, is dat de marge ten opzichte van de volgende configuratie 0,17 punt bedraagt, dat het grootste deel van de voorsprong op GPT-6.2 Astra uit een van de drie componenten komt, of dat de run 13,72 mln invoertokens per taak verbruikte. Dat zijn precies de onderdelen die een lezer nodig heeft om te beslissen wat te implementeren, en ze staan alleen op de ranglijst.
Nog een getal dat de moeite waard is om naast de score te leggen: nul weigeringen. Bij alle 966 pogingen in de Neon-rij — 396 FrontierCode, 372 SWE-Atlas-QnA, 198 Terminal-Bench — registreerde Artificial Analysis geen veiligheidsweigeringen en geen provider-fallbacks. Fable 5.2 bij xhigh registreerde 1 weigering op FrontierCode, 38 op SWE-Atlas-QnA en 16 op Terminal-Bench; GPT-6.2 Astra bij max registreerde 8 weigeringen op SWE-Atlas-QnA, allemaal harde stops. Een weigering is geen capaciteitsfout, maar wel een taak die de agent niet heeft voltooid, en binnen een agentische lus uit zich dat als een stagnatie in plaats van een fout antwoord. Voor een agent die op productierepositories is gericht, is een model dat elke poging voltooit een operationeel verschil dat geen enkele andere configuratie op dit scorebord evenaart.
Wat overstapkosten zijn, en waar we passen
If Neon's numbers argue for a trial, the practical question is what the trial costs in engineering. Neon is not in our catalogue: the OrcaRouter model list carries google/gemini-4-carbon and google/gemini-4-argon and no Neon entry as of 19 November, so we cannot route it for you today and will not imply otherwise. GPT-6.2 Astra is not in the catalogue either. What we do carry is anthropic/claude-fable-5.2 at Anthropic's list price of $8.00 input and $40.00 output per million, plus the earlier openai/gpt-6-astra — GPT-6 Astra, a September model and a different row on this board — at $10.00 and $50.00. Both sit on the same key at provider list price with 0% markup, which means the arithmetic above can be re-run against your own traffic without a second contract.

Bij een ranglijst die zo dicht bij elkaar ligt, draait alles om verloop. Drie van de vijf toonaangevende configuraties gebruiken een model dat in de afgelopen tien dagen is uitgebracht, en de volgorde is telkens verschoven zodra een van hen op de markt kwam. Een productiepad dat vastzit aan welke rij vandaag bovenaan staat, wordt opnieuw opgebouwd wanneer het volgende model verschijnt; daarom hoort de routeringsbeslissing buiten de code. Met één endpoint en één routeringsregel is een kandidaatmodel een configuratiewijziging in plaats van een migratie, en automatische failover laat een onbewezen model achter een bewezen model staan en een deel van het verkeer opvangen, zonder het hoofdpad in gevaar te brengen.
For the two models we do serve, pass-through is literal: when Anthropic or OpenAI moves a rate, the number on our invoice moves the same day, with nothing layered on top. That is the honest basis for the cost comparison above — re-price both sides at what you would actually be billed, not at a launch-post figure.
Wie moet dit aanpakken, en hoe
Het bestuur ondersteunt drie verschillende beslissingen, afhankelijk van wat je uitvoert, en die zijn niet dezelfde.
Als je een agent draait die vragen beantwoordt over een grote privécodebase — onboardingassistenten, tools die laten zien "waar is dit geïmplementeerd", migratieplanners — dan is het verschil in SWE-Atlas-QnA het getal dat ertoe doet, en 67,7 tegenover 55,1 is groot genoeg om een weloverwogen proef te rechtvaardigen. Reserveer budget voor de xhigh-instelling, want dat is de enige configuratie die is gescoord, en ga er niet van uit dat de standaard hetzelfde presteert.
Als je een agent draait die pull requests opent en een terminal bestuurt, is de eerlijke samenvatting dat Neon, Fable 5.2, Opus 5.5 en de Devin Fusion-koppeling binnen een halve punt op de samengestelde score van elkaar liggen en binnen drie punten op Terminal-Bench, hoewel hun FrontierCode-scores verder uiteenlopen, van 43,0 tot 49,2. Er is hier geen capaciteitsargument om iets over te stappen. Er is wel een kostenargument — Neon op $6,86 tegenover Fable 5.2 op $15,47 voor dezelfde score — en een operationeel argument in de rij met nul weigeringen. Geen van beide is een reden om deze week een werkende pipeline te migreren.
Als je nog een harness aan het kiezen bent, is dat waar het bewijs het sterkst en het minst dubbelzinnig is. De spreiding tussen denkniveaus binnen één enkel model is veel groter dan de spreiding tussen de toonaangevende modellen bij hun beste instellingen. Twee middagen je eigen agent laten draaien op twee of drie inspanningsniveaus zal je meer vertellen over je factuur en je slagingspercentage dan hoeveel tijd dan ook die je besteedt aan het lezen van deze ranglijst, dit artikel inbegrepen.
What to watch: a Neon row at its default high setting. Until one is published, the model that tops the board has been measured at exactly one configuration — and the 32%-cheaper-per-task claim Google makes is about the setting nobody has scored yet.
Vergeleken in dit artikel2
Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt
