Karta tytułowa z napisem Gemini 4 Neon in Antigravity i podtytułem: 762 wywołania narzędzi, trzynaście sesji, jeden limit 512K, nad trzema kartami z napisami: 762 wywołania narzędzi, 13 sesji i kontekst 512K w Antigravity, u dołu z adnotacją: liczby wywołań narzędzi podane samodzielnie przez użytkownika na podstawie jego logów Antigravity, 18 listopada 2026 r.; niesprawdzone.
Guides & Insights

Gemini 4 Neon w Antigravity: 762 wywołań narzędzi przy limicie 512K

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Trzynaście sesji, 762 wywołania narzędzi i jedna liczba, która nie pojawia się nigdzie w materiałach Google dotyczących premiery: 512 000. To okno kontekstu, które własna dokumentacja Antigravity przypisuje Gemini 4 Neon, wobec 1 048 576 tokenów oferowanych przez Gemini API dla tego samego modelu po 3,00 USD za wejście i 15,00 USD za wyjście. Obie liczby pochodzą od Google, opublikowano je w tym samym tygodniu, a żadna z tych stron nie wspomina o drugiej. Dziennik wywołań narzędzi pochodzi z wątku z praktycznymi testami, który @kimmonismus opublikował 18 listopada 2026 r., trzynaście i pół godziny po pojawieniu się posta Antigravity o Neon i trzydzieści pięć minut po poście DeepMind, co oznacza, że model, do którego – jak opisuje – miał „wczesny dostęp”, był już ogólnie dostępny, gdy klikał „Opublikuj”.

Ów moment ma znaczenie dla tego, jak dużą wagę przywiązać do wątku, a nie dla tego, czy jest użyteczny. To najbardziej szczegółowa publiczna relacja, jaką ktokolwiek opublikował, o tym, jak Gemini 4 Neon wykonuje długotrwałą pracę agentową, a interesującą częścią nie są dema. Jest nią kształt logu, który można sprawdzić arytmetycznie w sposób, w jaki nie można sprawdzić „zbudował 17 interaktywnych demonstracji”.

Szczegółowe zestawienie 762 połączeń

Autor posta wrócił później do logów Antigravity i policzył każde wywołanie we wszystkich tych trzynastu sesjach, z których wszystkie uruchomiono na poziomie myślenia Extra High. Zestawienie — zgłoszone przez samego autora i niezweryfikowane:

• Odczyty plików — 313

• Edycje — 266

• Utworzono nowe pliki — 104

• Polecenia powłoki — 43

• Utworzono podagentów — 13

• Wyszukiwania w internecie — 2

• Inne połączenia, w tym aktualizacje zadań — 21

Ich suma wynosi dokładnie 762, co jest pierwszą rzeczą do sprawdzenia i pierwszą, która się potwierdza. Podziel przez trzynaście, a otrzymasz około 58,6 wywołań narzędzi na sesję — liczba, która wypada podejrzanie blisko 58,6, jakie Neon uzyskuje w Artificial Analysis Coding Agent Index — zbieg okoliczności, ale zapadający w pamięć, jeśli próbujesz trzymać obie liczby w głowie.

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.

Bardziej wymowny jest ten stosunek, do którego sprawdzenia zachęca samo pozycjonowanie Google. W poście premiery twierdzi się, że Neon „ogranicza zbędne odczyty plików” i „wiarygodnie radzi sobie z kompakcją kontekstu w długich sesjach”. W tym logu odczyty to 313 z 762 wywołań, czyli 41%. Zapisy — 266 edycji plus 104 nowe pliki, 370 wywołań — to 48,6%. Daje to 1,18 operacji zapisu na każdy odczyt. Model, który miotałby się po bazie kodu, próbując zlokalizować różne rzeczy, pokazywałby odwrotny stosunek; model, który już wie, dokąd zmierza, czyta raz, a potem pisze. Trzynaście sesji jednego użytkownika nie stanowi dowodu na ogólną właściwość, ale wskazuje kierunek przewidywany przez tę tezę i jest jedynym publicznym logiem, w którym teza ta jest sprawdzana w praktyce.

Dwie liczby, które wyglądają najdziwniej, to podagenci i wyszukiwania w sieci. Trzynaście podagentów w trzynastu sesjach to dokładnie jeden na sesję — spójny wzorzec delegowania, a nie sporadyczny. Dwa wyszukiwania w sieci na 762 wywołania to 0,26%, co jak na model, który Google opisuje jako orkiestratora kierującego równoległymi podagentami Hydrogen, jest uderzająco skierowane do wewnątrz. To było uruchomienie na lokalnym kodzie, a nie badanie, i log to odzwierciedla.

Co tak naprawdę pokazuje przebieg demo

Siedemnaście interaktywnych demonstracji, z których osiem pokazano. Te osiem widocznych obejmuje strzelankę w arenie 3D z falami wrogów, punktami zdrowia, amunicją i przeładowaniem; strzelankę szynową o nazwie Solaris Trench; niszczalną arenę wokselową o nazwie Terra Breaker, która w teście w przeglądarce utrzymywała stałe 60 klatek na sekundę; grę o przelocie odrzutowcem przez kanion o nazwie Aero Canyon z dwunastoma bramami i zapisanym najlepszym czasem; łamigłówkę fizyczną z dźwigniami i wyrzutnią kul; pokaz świetlny pola cząstek; przelot obok czarnej dziury z regulowanym soczewkowaniem; oraz klikalny układ słoneczny.

Dziewięć, których nie pokazano, to ta część wątku, której nie można ocenić, a uczciwe odczytanie „17 demos” jest takie, że to twierdzenie o wolumenie z dołączonymi ośmioma próbkami. To, co osiem próbek faktycznie pokazuje, to szerokość zakresu: pojedynczy model tworzący sceny WebGL, fizykę, wizualizacje sterowane dźwiękiem i zarządzanie stanem UI podczas jednej sesji, na poziomie jakości, jaki hobbysta opublikowałby. To prawdziwy sygnał możliwości, nawet jeśli liczby nie da się zweryfikować.

Tryby awarii zgłoszone przez autora posta są bardziej użyteczne niż sukcesy, ponieważ są konkretne. Pierwsza kompilacja areny 3D „przerwała się z powodu błędu serwera” i wymagała drugiego przebiegu, aby się zakończyć — to awaria infrastruktury, nie modelu, ale kosztowała całą próbę. Neon dodał do Aero Canyon tryb autopilota, o który nigdy nie proszono, co autor posta oznaczył jako nieproszony zakres. Następnie przetestował tylko autopilota, więc jakość lotu manualnego pozostaje nieznana nawet w przypadku demo, które zbudował. Układ Słoneczny został wydany z nieaktualnymi liczbami księżyców i poprawiono go do aktualnych liczb JPL dopiero po tym, jak to zgłosił; rozmiary i orbity nadal nie są w skali.

Ten ostatni jest najciekawszym punktem danych w wątku, ponieważ stanowi czystą demonstrację korekty w trakcie zadania: błąd faktyczny, oznaczony przez użytkownika, poprawiony w kolejnej odpowiedzi. Google twierdzi, że Neon zajmuje drugie miejsce pod względem sterowalności w nowym Agent Arena Index Areny. Jedna anegdota nie potwierdza pozycji w rankingu, ale to jest zachowanie, które ranking twierdzi, że mierzy, zaobserwowane w rzeczywistych warunkach.

Trzy poprawki błędów, samoocena

Sekcja kodowania obejmuje trzy wadliwe programy z istniejącymi zestawami testów; każdy z nich jest naprawiany, a następnie weryfikowany przez samego autora wpisu, a nie na podstawie raportu samego modelu.

• Kontroler rezerwacji — wcześniej przechodził 1 z 5 testów, po zmianie 5 z 5.

• Harmonogram zadań — 8 z 14 kontroli przed, 14 z 14 po.

• Asynchroniczny loader — 10 z 16 sprawdzeń przed, 16 z 16 po.

Zbiorczo: 19 z 35 przechodzących przed, 35 z 35 po, czyli od 54,3% do 100%. Wynik doskonały to liczba, wobec której należy zachować podejrzliwość, a uczciwe zastrzeżenia dotyczą samej próby, a nie wyniku. Trzy programy to trzy programy. Zestawy testów istniały wcześniej, co eliminuje oczywisty tryb awarii, w którym model pisze testy dopasowane do własnej poprawki, ale nie eliminuje selekcji: były to programy, które autor posta zdecydował się przedstawić, a poprawka, która rozwiązała widoczne błędy, nadal mogła być błędna w sposób, którego zestaw testów nie obejmuje. To, co ten przebieg jednak pokazuje, to że model nie spowodował żadnej regresji podczas naprawiania — 35 z 35 oznacza, że wcześniej przechodzące testy nadal przechodziły, a to jest tryb awarii, który naprawdę daje się we znaki w praktyce.

Antigravity daje Neonowi 512K, a nie 1M

Teraz liczba, której nie ma w wątku i która powinna zmienić sposób, w jaki czytasz resztę. Dokumentacja modeli Antigravity, przy wpisie Gemini 4 Neon, podaje okno kontekstu jako „do 512 tys. tokenów”. Dokumentacja Gemini API dla tego samego modelu podaje jednolite okno 1 048 576 tokenów, a Artificial Analysis wymienia dla tego modelu 1 000 000. Te same wagi, ta sama karta stawek, mniej więcej połowa kontekstu — w zależności od tego, z którego interfejsu go wywołujesz.

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 nie opublikował wyjaśnienia tej rozbieżności, a ten tekst nie zamierza go wymyślać. Można zweryfikować, że obie liczby są aktualne, obie pochodzą od Google i obie są przypisane do kodu modelu gemini-4-neon. Praktyczna konsekwencja jest prosta: jeśli twoja ocena Neonu brzmi „mieści duże monorepo w kontekście”, to zależy ona od interfejsu. Repozytorium o 600 000 tokenów mieści się w API, ale nie mieści się w Antigravity. Jeśli wybierasz między nimi, mierz na tym interfejsie, na którym faktycznie będziesz wdrażać, ponieważ limit nie jest ten sam.

Reszta obrazu Antigravity jest bardziej konwencjonalna. Neon to domyślny model dla nowych rozmów w każdym planie, który go obejmuje — płatnych Google AI Pro, Google AI Ultra i Gemini Enterprise. Nie ma go w Free ani w Google AI Plus. Drabinka myślenia obejmuje Low, Medium, High (domyślnie) i Extra, a CLI zapisuje je jako low, medium, high i xhigh poprzez --model gemini-4-neon-xhigh lub --effort xhigh. Wątek działał w całości na poziomie Extra High, czyli ustawieniu, którego sam Google używa do swojej głównej wartości Intelligence Index, oraz tym, które dokumentacja API zaleca rezerwować dla trudnych problemów wieloetapowych.

Warto odnotować to jako asymetrię źródłową, a nie wadę. Niemal każda krążąca liczba benchmarków Neon — 61,4 w Intelligence Index, 58,64 w Coding Agent Index — to wynik przy xhigh. Większość osób będzie uruchamiać model przy domyślnym ustawieniu High. Artificial Analysis publikuje oba wyniki, a domyślna wartość to 59,6, czyli trzy pełne punkty poniżej wyniku nagłówkowego. Log 762 wywołań przy xhigh pokazuje, jak wygląda górna granica; nie mówi natomiast, ile będzie kosztować ani jaki wynik osiągnie twoja domyślna konfiguracja.

Gdzie wątek przekracza granice

Trzy twierdzenia w tym wątku odgrywają większą rolę, niż uzasadniają dowody, i warto je nazwać, ponieważ będą powtarzane.

Ujęcie „early access” jest najczystsze. Własny wpis Antigravity na blogu o Neon ukazał się 18 listopada 2026 r. o 08:00 UTC; wpis DeepMind o premierze o 21:00 UTC; wątek o 21:35 UTC. Niezależnie od tego, jaki dostęp autor miał wcześniej tego dnia, jego opublikowany tekst ukazał się po ogólnym udostępnieniu, a odczytywanie go jako przedpremierowej zapowiedzi byłoby błędem. To nie czyni tych obserwacji błędnymi. Oznacza natomiast, że „dostałem early access” pełni funkcję retoryczną, której nie potwierdzają znaczniki czasu.

Po drugie, „17 interaktywnych demonstracji” to twierdzenie o liczbie, poparte ośmioma przykładami. Osiem pokazanych jest naprawdę różnorodnych i naprawdę działa, co jest użyteczną częścią. Dziewięciu wstrzymanych nie można zweryfikować, a żadna ilość szczegółów dotyczących ośmiu nie wypełni tej luki.

Po trzecie, wynik napraw 35 z 35 dotyczy trzech programów. To liczba, którą cytuje się jako „Neon naprawia wszystko, co mu dasz”, a prawidłowe odczytanie jest węższe: w trzech wcześniej zepsutych programach z istniejącymi zestawami testów rozwiązał wszystkie nieprzechodzące testy, nie psując tych przechodzących. To dobry wynik i mała próbka, a obie połowy tego zdania muszą iść razem.

Warto odnotować jeden element potwierdzenia. Patrick Loeber, członek zespołu technicznego w Google DeepMind, odpowiedział w wątku: „fajny wątek, dzięki za zbudowanie z tym i podzielenie się opinią!!”. To nie jest weryfikacja żadnej liczby w nim. To pracownik Google’a przyznający, że ten przebieg miał miejsce, co jest więcej, niż dostaje większość wątków z praktycznymi testami.

Ile kosztuje samodzielne wypróbowanie tego

Ekonomia takiego testu terenowego jest nieefektowna i rozstrzygająca. Przy 3,00 USD za milion tokenów wejściowych i 15,00 USD za milion tokenów wyjściowych sesja obejmująca 762 wywołania z intensywnym ponownym wykorzystaniem kontekstu nie jest eksperymentem za 5 USD — dominuje strona wyjściowa, w tym tokeny rozumowania, a xhigh to mnoży. Samo Google ujmuje to tak, że Neon w domyślnym ustawieniu High kosztuje około 32% mniej na zadanie niż Gemini 4 Carbon (dane dostawcy, nieodtworzone niezależnie), a ustawienie xhigh jest przeznaczone do problemów, w których High nie wystarcza. Uruchamianie zestawu demonstracyjnego na xhigh, gdy oceniano domyślne zachowanie, to sposób na wydanie kilkukrotnie więcej, niż wymagała decyzja.

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.

Tańszym sposobem przeprowadzenia tej oceny jest najpierw ustalenie interfejsu i poziomu myślenia, a następnie zmienianie modelu. Po naszej stronie katalog obecnie zawiera google/gemini-4-carbon i google/gemini-4-argon, oba w cenie katalogowej dostawcy 2,00 USD i 10,00 USD z doliczoną marżą 0% — zmiana stawek dostawcy obowiązuje u nas tego samego dnia, w którym pojawia się u źródła, co ma tu znaczenie, ponieważ stawka wprowadzająca Carbon wygasa 30 listopada 2026 r. i wzrasta do 4,00 USD/20,00 USD. Na dzień 19 listopada 2026 r. Gemini 4 Neon nie znajduje się w katalogu, więc nie jest to rekomendacja, aby wywoływać go przez nas; to porównanie, które można dziś faktycznie przeprowadzić, z modelem, względem którego Google porównuje Neon w niemal każdym akapicie swojego ogłoszenia.

Jeśli testujesz niezweryfikowany model, a nie znany, warstwa routingu jest także tanim miejscem do ograniczenia ryzyka: automatyczne przełączanie awaryjne oznacza, że sesję, która padnie w trakcie działania — tak jak miało to miejsce przy pierwszej kompilacji areny 3D — można ponowić na innym modelu bez przebudowywania harnessu, a DSL routingu pozwala połączyć planner i executor w jedno wywołanie, jeśli chcesz odtworzyć wzorzec Orchestrator (Neon) bez przywiązania do limitu 512K narzuconego przez Antigravity.

Co obejrzeć

Następnym dowodem, który rozstrzygnąłby otwarte pytania, nie jest kolejny wątek demonstracyjny. To log wywołań narzędzi od kogoś, kto pracuje przy domyślnym ustawieniu High, na repozytorium wystarczająco dużym, by napierać na dowolny mający zastosowanie limit kontekstu, opublikowany z nieusuniętymi błędami. Różnica między 512K a 1M to konkretna rzecz, na którą trzeba uważać, ponieważ rozbieżność w dokumentacji, która przetrwa cykl wydania, zwykle jest decyzją produktową, a nie przeoczeniem — a jeśli Antigravity celowo zmniejsza okno o połowę, to fakt wart poznania, zanim ustandaryzujesz na nim przepływ pracy.

Do tego czasu rzetelne podsumowanie Gemini 4 Neon w Antigravity jest następujące: jeden szczegółowy publiczny log, obejmujący trzynaście sesji, ukazujący model, który pisze więcej, niż czyta, deleguje raz na sesję, bezbłędnie naprawia trzy małe programy, tworzy osiem dobrych dem z deklarowanych siedemnastu i działa na około połowie kontekstu reklamowanego przez API. Każde z tych stwierdzeń można sprawdzić. Żadne z nich nie jest testem porównawczym.