Titelkort med texten Gemini 4 Neons första oberoende siffror, med textraden 61 är xhigh-inställningen. I standardinställningen får den 59,6, och Carbon får 60,0, ovanför tre kort som anger Gemini 4 Neon vid xhigh 61,4, Gemini 4 Neon vid high (standard) 59,6 och Gemini 4 Carbon vid high 60,0, med Artificial Analysis Intelligence Index v5.0.1, 19 november 2026, i sidfoten.
Guides & Insights

Gemini 4 Neons första oberoende benchmarkresultat: 61 är ett xhigh-värde, och i standardläget hamnar den bakom Carbon

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Googles lanseringsinlägg för Gemini 4 Neon inleds med ett Artificial Analysis Intelligence Index på 61, tredje bäst totalt. Artificial Analysis publicerar nu en egen sida för Gemini 4 Neon, och den sidan anger 61,4 – för xhigh-varianten, den djupaste av fyra tänkandeinställningar, rankad på sjätte plats bland 96 modeller i index v5.0.1. Vid den inställning som Neon faktiskt använder som standard, high, ger samma tracker den 59,6. Gemini 4 Carbon, modellen som Googles tillkännagivande jämför Neon med i nästan varje stycke, ligger på 60,0 vid sitt eget maximum. Läser man de två sidorna så som de publiceras är den nyaste Gemini 4 inte den smartaste: den vinner med 1,4 poäng när man pressar upp den till en nivå som Carbon inte har, och förlorar med 0,4 poäng när man jämför de två modellerna vid de inställningar som deras leverantörer rekommenderar.

Inget av detta gör Neon till en dålig modell, och hastighetssiffrorna i samma panel är det starkaste argumentet för den som någon har publicerat. Men det innebär att den siffra som mest sannolikt hamnar i en presentation den här veckan är modellens minst representativa konfiguration, och rättelsen kan nu kontrolleras av vem som helst med en webbläsare i stället för att vara en slutledning från leverantörens egen tabell.

Vad trackern faktiskt publicerade

Artificial Analysis listar Gemini 4 Neon som släppt 18 november 2026, proprietär, Google, med ett kontextfönster på 1M token och inmatning av text, bild, tal och video. Den har fyra separat poängsatta varianter – low, medium, high och xhigh – och sidan öppnas på xhigh som standard, vilket är anledningen till att siffran i rubriken är 61,4 i stället för det tal man skulle få om man anropade modellen helt utan tankeparametrar. Indexet som gäller är v5.0.1, vilket spelar roll för alla som har en äldre poäng: detta är ett ombaserat index, och en 61:a från en topplista i somras är inte samma mätning som en 61:a idag.

Samma sida poängsätter resten av familjen, och ordningen är värd att läsa innan de enskilda siffrorna. Alla fyra använder samma utvärderingsuppsättning – AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 och Terminal-Bench-Science 0.1 – så jämförelsen är åtminstone lika mot lika, vilket är mer än vad man kan säga om benchmarktabellen i lanseringsinlägget.

The Artificial Analysis model page for Gemini 4 Neon, headed Gemini 4 Neon: Intelligence, Performance and Price Analysis, showing Intelligence 61 at rank #6 of 96, Performance #73 of 95 with 56.51 seconds per response, 110 output tokens per second and 21.5 minutes per task, Cost #82 of 95 at $3.00 input and $15.00 output per million tokens with a 95% cache discount and $6.44 per Intelligence Index task, and Verbosity #93 of 95, above a low, medium, high and xhigh variant selector.

En modell, fyra poäng och en betydligt brantare stege

• Neon vid låg — 44,1, mot Carbon vid låg 54,2 och Gemini 4 Hydrogen vid låg 26,9.

• Neon på medel — 54,9, mot kol 58,3 och väte 41,2.

• Neon på hög – 59,6, mot Carbon 60,0 och Hydrogen 50,8. Detta är Neons standard och Carbons tak.

• Neon vid xhigh — 61,4, jämfört med ingen Carbon-post alls. Gemini 4 Hydrogen har ett fjärde steg och får 53,9.

Formen på de där fyra siffrorna är det som lanseringsinlägget inte förmedlar. Neon spänner 17,3 indexpoäng från sin billigaste till sin djupaste inställning; Carbon spänner 5,8 över sina tre steg. Neon är inte en fast storhet som råkar ha en justeringsratt — det är fyra väsentligt olika modeller beroende på vilket steg du väljer, och skillnaderna är störst i botten, där Neons låg ligger 10,1 poäng under Carbons låg. Om du har jämfört Neon mot Carbon med ett enda tal per modell, är den ärliga versionen en kurva mot en rak linje.

Det får en praktisk konsekvens som går emot lanseringsinramningen. Googles dokumentation uppmanar utvecklare att utvärdera på alla fyra nivåer och välja den lägsta som klarar deras kvalitetskrav, och varnar för att xhigh "kan orsaka övertänkande eller göra slut på max_output_tokens vid enklare prompter som text- eller JSON-utvinning." De oberoende siffrorna visar varför rådet är avgörande snarare än försiktigt: att gå ner en nivå är inte ett avrundningsfel på den här modellen. De 1,8 poängen mellan Neons standardvärde och dess tak är mer än fyra gånger avståndet mellan Neon och Carbon; de 4,7 poängen mellan high och medium är nästan tolv gånger så mycket.

A two-column scoreboard titled Gemini 4 Neon — the scoreboard. Gemini 4 Neon at xhigh reads AA Index 61.4, cost per task $6.44, output tokens 283M, time per task 21.5 min, output speed 110 tok/s; Gemini 4 Carbon at high reads AA Index 60.0, cost per task $4.90, output tokens 205M, time per task 36.1 min, output speed 57 tok/s. The footer says both figures are per Artificial Analysis on index v5.0.1, read 19 November 2026, and that Google's 32% cheaper-per-task claim is not reproduced at these settings.

Vad en uppgift kostar, mätt snarare än påstått

Påståendet som är värt att testa är det om kostnad per uppgift. Google säger att Gemini 4 Neon vid standardinställningen hög kostar 32 % mindre per uppgift än Gemini 4 Carbon, och minst 36 % mindre än konkurrerande frontier-modeller vid deras högsta tankeläge. Kostnaden per uppgift är en funktion av hur många tokens en modell avger, och lanseringsinlägget redovisar inga tokenantal, så fram till den här veckan gick siffran inte att testa utifrån.

Spårarens panel anger Neon till $6.44 per Intelligence Index-uppgift och Carbon till $4.90. Det är inte en besparing på 32 %; det är en premie på 31 %, och riktningen är den motsatta mot påståendet. Det ärliga förbehållet är en konfigurationsmissmatchning, och den slår åt båda hållen: $6.44 är Neon vid xhigh, eftersom xhigh är den variant som sidan öppnas på, medan $4.90 är Carbon vid high, dess eget maximum. Googles siffra på 32 % gäller Neon vid high, som spåraren poängsätter separat till 59.6 men inte lyfter fram med en kostnad i samma panel. Så det korrekta påståendet är snävare än "Google har fel": den publicerade konfigurationen av Neon kostar mer per uppgift än den publicerade konfigurationen av Carbon, och den specifika jämförelse som Google gör har inte reproducerats oberoende.

Det som är reproducerbart är tokenprofilen, och den undergräver den intuitiva tolkningen av en snabbare modell. Neon genererade 283M utdatatoken över Intelligence Index jämfört med Carbons 205M – 38 % mer – på 8,12B indatatoken, med utdata motsvarande 3,5 % av indata. Medianen för de modeller som trackern betygsätter är 65,1M utdatatoken, så Neon är inte bara pratsammare än Carbon; det är bland de mest ordrika modellerna på listan, rankad 93:a av 95 i det måttet. Carbon, som hade rykte om att vara pratsam, ligger på 90:e plats. Vad Neon än sparar åt dig, sparar det inte i emitterade tokens.

Där det verkligen är snabbare – och detta är det starkaste argumentet för det – är det väggklockstid:

• Tid per Intelligence Index-uppgift — Neon 21,5 minuter, Carbon 36,1, Hydrogen 15,3, Argon 29,6. Medianen för jämförbara modeller är 12,4 minuter.

• Utdatningshastighet — Neon 110 token per sekund, Carbon 57, Hydrogen 168, Argon 65.

• Tid till första svarstoken — Neon 56,5 sekunder, Carbon 75,0, Hydrogen 47,2, Argon 47,1.

Neon slutför samma utvärderingsset med 40 % kortare väggklockstid än Carbon, med ungefär dubbelt så hög genereringstakt, samtidigt som den avger fler tokens och får 0,4 poäng lägre vid matchade standardinställningar. Det är en koherent produkt, och det är en annan produkt än den som benchmarktabellen antyder: det är en modell du väljer för att bli klar snabbare, inte en du väljer för att ha rätt oftare.

Tre siffror i lanseringsinlägget som spåraren inte bekräftar

Placeringen. Google säger tredje plats totalt. Spårarens livesida placerar xhigh-varianten på sjätte plats av 96 i index v5.0.1. Båda siffrorna kan vara spårbara till Artificial Analysis och ändå vara olika, eftersom modelluppsättningen ändras; det som inte kan vara sant är att båda är aktuella. Hänvisa till livesidan och säg vilken variant den hör till, annars överlever inte siffran nästa lansering.

Inställningen bakom poängen. Ett 61 utan närmare angivelse uppfattas som modellens poäng. Det är en av fyra, det är det dyraste att köra och det är det som Googles egna dokument varnar för vid extraktionsliknande uppgifter. Standardvärdet är 59,6.

Fördelen per uppgift.Som diskuterats ovan: vid de konfigurationer som trackern publicerar i sin sammanfattningspanel är Neon 31 % dyrare per uppgift, inte 32 % billigare. Leverantörens påstående kan fortfarande gälla på hög nivå i Googles egen testrigg. Det har inte visats gälla någonstans där en läsare kan kontrollera det.

Allt annat i tillkännagivandet är som det var – tredjepartstopplistorna som Google hänvisar till och Googles egna utvärderingar som inte har reproducerats, från Chartography på 73,5 % till FrontierCode 2.0 på 46,2 % och cybersiffrorna som endast levereras via Fairwind defenders programme. Inget av detta motsägs av de oberoende siffrorna. Det är helt enkelt inte den del som någon kan verifiera, och den del som går att verifiera ser nu annorlunda ut.

Vad detta förändrar om du var på väg att standardisera på Neon

Om ditt skäl att välja Neon var 61:an är talet du bör ta med i en kapacitetsplan 59,6, och vid den inställningen slår den ingen modell i den nuvarande familjen – Carbons 60,0 ligger före den och Carbons pris är 2,00 och 10,00 dollar per miljon tokens jämfört med Neons 3,00 och 15,00 dollar tills introduktionspriset för Carbon och Argon stiger till 4,00 och 20,00 dollar den 1 december 2026.

Om anledningen var snabbheten är saken verklig och siffrorna ovan stöder den. Tjugoen minuter mot trettiosex på samma utvärderingsset är den typ av skillnad som förändrar hur mycket man kan köra under en arbetsdag, och genereringshastigheten på 1,9x märks i interaktivt arbete långt innan den märks i ett batchjobb.

Om din anledning var Googles ekonomi per uppgift, kör testet själv innan du binder en produktionsväg till det. Tokenprofilen är det enda som avgör om påståendet per uppgift håller för din trafik, och den oberoende mätningen visar att Neon avger fler tokens än modellen som det ska underbjuda. För indatatunga arbeten inverteras bilden, eftersom Neons inputpris i dag ligger 50 % över Carbons, och Carbons steg i december stänger även det gapet till Neons fördel — vilket är ett fjortondagarsfönster, inte en strategi.

Kör jämförelsen på din egen trafik

Anledningen till att bry sig om en stege med fyra steg i stället för en enda poäng är att steget är ett kostnadsbeslut, och kostnadsbeslut är billigast att fatta när båda modellerna är ett samtal bort. Vår katalog har google/gemini-4-carbon och google/gemini-4-argon till leverantörens listpris utan påslag, vilket innebär att 1 december-steget på dessa två modeller syns på din faktura samma dag som det syns på Googles, och Neons decemberposition i förhållande till dem ändras utan att någon omförhandlar något. Gemini 4 Neon finns ännu inte i katalogen, så detta är ingen rekommendation att köra det genom oss i dag — det är formen för det test som ska köras när det lanseras.

The OrcaRouter model page for Gemini 4 Carbon, showing the model identifier google/gemini-4-carbon, a maximum output of 65K tokens, multimodal input across text, image, file, audio and video, capability chips for vision, audio, tools, JSON, reasoning and output text, the line by Google · 2026-11-10, a p50 time to first token of 10.005 seconds, and the description noting a 1,048,576-token context window.

Utvärderingen som siffrorna ovan talar för är inte en benchmarkkörning. Det är samma prompt vid hög på båda modellerna, mätt i token till slutförande i stället för sekunder, på ett urval av dina egna uppgifter. Det testet kräver att båda modellerna kan nås från en enda nyckel med en fallback bakom sig, eftersom poängen med att köra Neon är att ta reda på om påståendet per uppgift överlever mötet med din trafik, och poängen med fallbacken är att en modell som du fortfarande utvärderar aldrig får bli den enda vägen till produktion. Carbon bakom den, Argon bakom den, och stegjämförelsen blir en routningsändring i stället för en migrering.

Det enda man inte ska göra är att dimensionera beslutet utifrån lanseringstabellen. Trackern har nu publicerat fyra poäng för en och samma modell, avståndet mellan toppen och standardversionen är större än avståndet mellan standardversionen och modellen den ersätter, och det kostnadspåstående som får hela förslaget att gå ihop är den enda siffran på bilden som ingen utanför Google har reproducerat.

Vad du ska titta på härnäst

Tre saker, alla kontrollerbara. Om spårarens kostnad per uppgift för Neon vid hög hamnar nära Googles 32-procentsiffra – den raden ensam skulle avgöra saken, och det är en variant som redan har ett publicerat indexvärde. Om Fairwind-grinden för cybervarianten öppnas, eftersom säkerhetssiffrorna fortfarande är påståenden om en modell som nästan ingen utanför Google kan anropa. Och om 1 december-steget för Carbon och Argon överlever kontakten med efterfrågan, eftersom det är datumet då Neons fasta priser på $3.00 och $15.00 slutar se dyra ut och börjar se ut som den billigaste Gemini 4-resonemangsnivån per token.

Fram till dess är den användbara sammanfattningen en mening lång: Gemini 4 Neon är det snabbaste sättet att få ett Gemini 4-svar, det är inte det mest exakta vid den inställning den levereras med, och effektivitetsanspråket som motiverar dess pris är fortfarande leverantörens.