Титульная карточка с текстом «Gemini 4 Neon in Antigravity» и подзаголовком «762 вызова инструментов, тринадцать сессий, один потолок в 512K», над тремя карточками с текстом «762 вызова инструментов, 13 сессий и контекст 512K в Antigravity», внизу — «Показатели вызовов инструментов по самоотчёту из журналов Antigravity одного пользователя, 18 ноября 2026 г.; без аудита».
Guides & Insights

Gemini 4 Neon в Antigravity: 762 вызова инструментов при потолке 512K

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Тринадцать сессий, 762 вызова инструментов и одно число, которое не встречается нигде в материалах Google о запуске: 512 000. Это контекстное окно, которое собственная документация Antigravity указывает для Gemini 4 Neon, против 1 048 576 токенов, которые Gemini API продаёт для той же модели по цене $3.00 за вход и $15.00 за выход. Обе цифры принадлежат Google, опубликованы на одной и той же неделе, и ни одна страница не упоминает другую. Журнал вызовов инструментов взят из практического треда, который @kimmonismus опубликовал 18 ноября 2026 года, через тринадцать с половиной часов после публикации Antigravity о Neon и через тридцать пять минут после публикации DeepMind, то есть модель, к которой, по его словам, у него был «ранний доступ», уже была общедоступна, когда он нажал «опубликовать».

Этот тайминг важен для того, насколько весомым считать тред, а не для того, полезен ли он. Это самый подробный публичный отчёт из всех, что кто-либо публиковал о том, как Gemini 4 Neon выполняет продолжительную агентную работу, и интересное здесь не демо. Интересна структура лога: её можно проверить арифметически, а утверждение «он создал 17 интерактивных демо» — нет.

Разбивка 762 звонков

Автор поста позже вернулся к логам Antigravity и подсчитал все вызовы в тех тринадцати сессиях — все они проводились на уровне мышления Extra High. Разбивка по его собственным данным, без независимой проверки:

• Чтение файлов — 313

• Правки — 266

• Создано новых файлов — 104

• Команды оболочки — 43

• Суб-агенты запущены — 13

• Веб-поиски — 2

• Прочие звонки, включая обновления задач — 21

В сумме это ровно 762 — первое, что стоит проверить, и первое, что подтверждается. Разделите на тринадцать, и получится примерно 58,6 вызова инструментов за сессию; эта цифра подозрительно близка к 58,6, которые Neon набирает в Artificial Analysis Coding Agent Index — совпадение, но запоминающееся, если вы пытаетесь удержать в голове оба числа.

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.

Более информативное соотношение — то, которое само позиционирование Google предлагает вам проверить. В посте о запуске утверждается, что Neon «сокращает избыточные чтения файлов» и «надёжно справляется с компактификацией контекста в долгих сессиях». В этом журнале чтения составляют 313 из 762 вызовов, или 41%. Записи — 266 правок плюс 104 новых файла, 370 вызовов — составляют 48,6%. Это 1,18 операции записи на каждое чтение. Модель, которая металась бы по кодовой базе, пытаясь найти нужное, показала бы обратное соотношение; модель, которая уже знает, куда движется, читает один раз и пишет. Тринадцать сессий одного пользователя не являются доказательством общего свойства, но это то направление, которое предсказывает утверждение, и это единственный публичный журнал, где это утверждение проверяется на практике.

Два числа, которые выглядят наиболее странно, — это субагенты и веб-поиски. Тринадцать субагентов за тринадцать сессий — это ровно один на сессию, устойчивая схема делегирования, а не эпизодическая. Два веб-поиска из 762 вызовов — это 0,26%, что для модели, которую Google описывает как оркестратор, направляющий параллельных субагентов Hydrogen, на удивление обращено внутрь. Это был запуск на локальном коде, а не исследование, и журнал это отражает.

Что на самом деле показывает демонстрационный запуск

Семнадцать интерактивных демо, восемь из которых показаны. Восемь видимых охватывают 3D-шутер на арене с волнами врагов, здоровьем, боезапасом и перезарядкой; рельсовый шутер под названием Solaris Trench; разрушаемую воксельную арену под названием Terra Breaker, которая стабильно выдавала 60 кадров в секунду в браузерном тесте; игру с полётом на реактивном самолёте через каньон под названием Aero Canyon с двенадцатью воротами и сохранённым лучшим временем; физическую головоломку с рычагами и пусковой установкой для мячей; световое шоу на основе поля частиц; пролёт мимо чёрной дыры с регулируемым линзированием и кликабельную солнечную систему.

Девять из них не были показаны — это та часть ветки, которую невозможно оценить, и честное прочтение «17 демо» состоит в том, что это заявление об объёме, к которому приложены восемь примеров. Что восемь примеров действительно показывают, так это широту: одна модель, создающая сцены WebGL, физику, визуализацию под управлением аудио и управление состоянием UI за один сеанс, причём на уровне, который выложил бы любитель. Это настоящий сигнал о возможностях, даже если количество невозможно проверить.

Режимы отказов, о которых сообщил автор поста, полезнее успехов, потому что они конкретны. Первая сборка 3D-арены «оборвалась из-за серверной ошибки», и потребовалась вторая попытка, чтобы завершить её, — это инфраструктурный сбой, а не сбой модели, но он стоил целой попытки. Neon добавил в Aero Canyon режим автопилота, который никто не запрашивал, и автор поста отметил это как незапрошенное расширение объёма работ. Затем он протестировал только автопилот, поэтому качество ручного полёта остаётся неизвестным даже для демо, которое он собрал. Солнечная система была выпущена с устаревшим количеством спутников и была исправлена на актуальные цифры JPL только после того, как он на это указал; размеры и орбиты по-прежнему не в масштабе.

Последний из них — самое интересное наблюдение в этой ветке, потому что это наглядная демонстрация исправления по ходу выполнения задачи: фактическая ошибка, отмеченная пользователем, была исправлена в последующем ответе. Google утверждает, что Neon занимает второе место по управляемости в новом Agent Arena Index от Arena. Один пример не подтверждает позицию в рейтинге, но это именно то поведение, которое, как утверждает рейтинг, он измеряет, и оно было замечено в реальных условиях.

Три исправления ошибок, самооценка

Раздел по программированию состоит из трёх сломанных программ с существующими наборами тестов; каждая из них исправляется, а затем проверяется самим автором публикации, а не по отчёту самой модели.

• Проверка бронирования — 1 из 5 тестов проходил раньше, 5 из 5 — после.

• Планировщик задач — 8 из 14 проверок до, 14 из 14 после.

• Асинхронный загрузчик — 10 из 16 проверок до, 16 из 16 после.

Совокупно: 19 из 35 проходили раньше, 35 из 35 — после, или с 54,3% до 100%. Идеальный результат — это то число, к которому стоит относиться с подозрением, и все честные оговорки касаются выборки, а не результата. Три программы — это три программы. Наборы тестов уже существовали, что устраняет очевидный сценарий отказа, когда модель пишет тесты под собственное исправление, но не устраняет отбор: это были программы, которые автор решил взять, и исправление, устранившее видимые сбои, всё равно могло быть неверным так, как набор тестов не покрывает. Что прогон действительно показывает, так это то, что модель ничего не сломала при исправлении — 35 из 35 означает, что ранее проходившие тесты продолжали проходить, а это и есть тот сценарий отказа, который реально кусается на практике.

Antigravity даёт Neon 512K, а не 1M

А теперь число, которого нет в этой ветке и которое должно изменить то, как вы читаете всё остальное. В документации Antigravity по моделям, в записи о Gemini 4 Neon, контекстное окно указано как «до 512 тыс. токенов». В документации Gemini API для той же модели указано единое окно в 1 048 576 токенов, а Artificial Analysis указывает для этой модели 1 000 000. Те же веса, тот же тариф, но примерно вдвое меньше контекста — в зависимости от того, через какую поверхность вы к ней обращаетесь.

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 не опубликовал объяснения этого расхождения, и этот материал не собирается его выдумывать. Проверить можно то, что оба числа действуют, оба принадлежат Google и оба привязаны к коду модели gemini-4-neon. Практическое следствие очевидно: если ваша оценка Neon звучит как «он удерживает большой монорепозиторий в контексте», эта оценка зависит от поверхности. Репозиторий на 600 000 токенов помещается в API и не помещается в Antigravity. Если вы выбираете между ними, измеряйте на той поверхности, на которой действительно будете выпускать продукт, потому что потолок у них не один и тот же.

Остальная часть картины Antigravity более традиционна. Neon — модель по умолчанию для новых бесед во всех тарифах, которые её включают: платных Google AI Pro, Google AI Ultra и Gemini Enterprise. Она не входит в Free и Google AI Plus. Лестница уровней мышления включает Low, Medium, High (по умолчанию) и Extra, а CLI записывает их как low, medium, high и xhigh через --model gemini-4-neon-xhigh или --effort xhigh. Весь этот диалог выполнялся исключительно на Extra High — это настройка, которую сама Google использует для своего основного показателя Intelligence Index, и которую документация API рекомендует приберегать для сложных многошаговых задач.

Это стоит отметить как асимметрию источников данных, а не как недостаток. Почти каждое циркулирующее число бенчмарков Neon — 61,4 в Intelligence Index, 58,64 в Coding Agent Index — получено при xhigh. Большинство людей будут запускать модель на уровне High по умолчанию. Artificial Analysis публикует оба показателя, и значение по умолчанию — 59,6, на три полных пункта ниже заголовочного. Журнал из 762 вызовов при xhigh показывает, как выглядит потолок; он не говорит, сколько будет стоить или какой результат даст ваша конфигурация по умолчанию.

Где обсуждение заходит слишком далеко

Три утверждения в этой ветке обсуждения берут на себя больше, чем позволяет доказательная база, и их стоит назвать прямо, потому что их будут повторять.

Формулировка «ранний доступ» — самая однозначная. Собственный пост Antigravity в блоге о Neon опубликован в 08:00 UTC 18 ноября 2026 года; пост DeepMind о запуске — в 21:00 UTC; тред — в 21:35 UTC. Каким бы доступом автор поста ни обладал ранее в тот день, его материал вышел после общего запуска, и читать его как предзапускный обзор было бы ошибкой. Это не делает наблюдения неверными. Но это означает, что «я получил ранний доступ» выполняет риторическую работу, которую временные метки не подтверждают.

Во-вторых, «17 интерактивных демонстраций» — это заявление об объёме при восьми экспонатах. Восемь показанных действительно разнообразны и действительно работают, и это полезная часть. Девять скрытых невозможно проверить, и никакое количество подробностей о восьми не закрывает этот пробел.

В-третьих, результат «35 из 35 исправлений» относится к трём программам. Это тот тип числа, который цитируют как «Neon исправляет всё, что ему дашь», но правильная трактовка уже: на трёх заранее сломанных программах с уже существующими наборами тестов он устранил все падающие проверки, не сломав проходящие. Это хороший результат и маленькая выборка, и обе половины этого предложения должны идти вместе.

Стоит отметить одно подтверждение. Патрик Лёбер, сотрудник технического персонала Google DeepMind, ответил в этой ветке: «Отличная ветка, спасибо, что строите с её помощью и делитесь отзывами!!» Это не подтверждение ни одной цифры в ней. Это признание со стороны сотрудника Google того, что запуск состоялся, — и это больше, чем получают большинство веток с практическими экспериментами.

Сколько стоит попробовать это самостоятельно

Экономика такого полевого теста неброская и решающая. При цене $3,00 за миллион входных токенов и $15,00 за миллион выходных сессия на 762 вызова с интенсивным повторным использованием контекста — это не эксперимент за $5: выходная сторона, включая токены размышления, доминирует, а xhigh умножает её. По формулировке самой Google, Neon с настройкой High по умолчанию стоит примерно на 32% меньше на задачу, чем Gemini 4 Carbon (по данным поставщика, независимо не воспроизведено), а настройка xhigh предназначена для задач, где High не справляется. Запуск демонстрационного набора на xhigh, когда вы оценивали поведение по умолчанию, — это способ потратить в несколько раз больше, чем требовалось для решения.

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.

Более дешёвый способ провести эту оценку — сначала зафиксировать поверхность и уровень рассуждений, а затем менять модель. У нас каталог сейчас включает google/gemini-4-carbon и google/gemini-4-argon, оба по прейскурантной цене провайдера $2,00 и $10,00 с нулевой наценкой сверху — изменение тарифа поставщика применяется у нас в тот же день, когда появляется у него, что здесь важно, поскольку вводный тариф Carbon истекает 30 ноября 2026 года и повышается до $4,00/$20,00. По состоянию на 19 ноября 2026 года Gemini 4 Neon отсутствует в каталоге, поэтому это не рекомендация вызывать его через нас; это сравнение, которое вы действительно можете провести сегодня, с моделью, с которой Google сравнивает Neon почти в каждом абзаце своего анонса.

Если вы тестируете непроверенную модель, а не известную, слой маршрутизации также является дешёвым местом для ограничения риска: автоматическое переключение при сбое означает, что сеанс, который падает в середине выполнения — как это произошло с первой сборкой 3D-арены — можно повторить на другой модели без пересборки обвязки, а DSL маршрутизации позволяет скомпоновать планировщик и исполнитель в один вызов, если вы хотите воспроизвести паттерн Orchestrator (Neon), не будучи привязанным к ограничению Antigravity в 512K.

Что посмотреть

Следующее доказательство, которое позволило бы закрыть открытые вопросы, — это не ещё один демонстрационный тред. Это журнал вызовов инструментов от того, кто работает с настройкой High по умолчанию, на репозитории, достаточно большом, чтобы упереться в тот или иной применимый потолок контекста, опубликованный с оставленными в нём сбоями. Разрыв между 512K и 1M — это то, за чем стоит следить особо, потому что расхождение в документации, сохраняющееся на протяжении цикла релиза, обычно является решением продукта, а не упущением — и если Antigravity намеренно вдвое сокращает окно, это факт, который стоит знать до того, как вы стандартизируете на этом рабочий процесс.

До тех пор справедливое резюме Gemini 4 Neon в Antigravity таково: один подробный публичный журнал, охватывающий тринадцать сессий, показывает модель, которая пишет больше, чем читает, делегирует один раз за сессию, безупречно исправляет три небольшие программы, создаёт восемь хороших демо из заявленных семнадцати и работает примерно на половине контекста, который заявляет API. Каждое из этих утверждений можно проверить. Ни одно из них не является бенчмарком.