Ett genererat titelkort med texten "Gemini 4 Neon's Stickman Game" och underrubriken "svärmpåståendet, inte demon", bredvid två kort: till vänster "Artefakten" som listar en 62,5-sekundersvideo på 756 x 403 som spelar ett webbläsarspel utan registrerad prompt och utan registrerade inställningar, till höger "Protokollet" som listar tre daterade Google-inlägg – 10 nov. /swarm levereras, 12 nov. Orchestrator levereras, 18 nov. Neon levereras – ovanför en sidfot med texten "Ett publicerat klipp; tre daterade Google-inlägg; ett otestat träningspåstående."
Guides & Insights

Gemini 4 Neons Stickman-spel: Swarm-anspråket, inte demon

Författare

jinhao.song

Publiceringsdatum

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

Klockan 20:41 UTC den 19 november 2026 lade ett konto som postade som @chetaslua upp en 62,5 sekunder lång video av ett fightingspel med streckgubbar för två spelare och fyra meningar text. Spelet var, enligt texten, ”Skapat av svärmar av Gem​ini 4 Neon, ren JS-kod.” Modellen, enligt texten, ”har distinkt smak och skiljer sig från O​penAI och A​nthropic på ett bra sätt.” Och sedan den bärande raden: ”Fördelarna med att inte göra destillation och att ta tid med RSI visar sig nu.” Gem​ini 4 Neon hade vid det laget varit allmänt tillgänglig i en dag, efter att ha lanserats den 18 november, medan Gemini 4 Carbon och Gem​ini 4 Hydrogen redan hade släppts före den. Det här är alltså inte en läcka och inte en förhandsvisning. Det är ett påstående om hur modellen byggdes och hur den användes, publicerat av någon som inte är G​oogle, en dag efter lanseringen, med en video bifogad och inget annat.

Det mesta som hittills har skrivits om Neon har handlat om dess siffror, och siffrorna är verkligen intressanta: 61 i Artificial Analysis Intelligence Index på sin Extra High-inställning, förstaplats i Coding Agent Index på 58,6 och en standardnivå för ansträngning som ger lägre kostnad per uppgift än Carbon. Den här artikeln handlar om den andra halvan av inlägget – den halva som säger att modellen är resultatet av svärmar och av en träningsfilosofi som G​oogle inte har beskrivit någonstans. Det är separerbara påståenden. Ett av dem visar sig vara nästan helt dokumenterat, av G​oogle, med datum. Det andra har inget offentligt bevis alls, och skillnaden mellan dem är den användbara delen.

Vad "made by swarms" faktiskt betecknar

Det finns en frestelse att läsa ”svärmar” som ett avslöjande om träning: en modell byggd av skaror av kopior av sig själv, rekursivt. Ingenting i inlägget stöder det, och allt i G​oogle’s egen publicering pekar någon annanstans. Det finns exakt en sak i Gem​ini 4-underlaget som kallas en svärm, och det är en produktfunktion, inte en träningsmetod.

Den 10 november 2026 publicerade Antigravity-teamet ett inlägg med titeln ”Gemini 4 Carbon och /swarm”. Den relevanta meningen är en beskrivning av ramverket, inte modellen: /swarm ”skickar din prompt till en familj av agenter: en koordinator som startar specialiserade parallella arbetare i isolerade git-worktrees så att ändringar aldrig kolliderar, och adversariella verifierare dedikerade till att köra tester och utmana diffar.” Varje agent samarbetar via ”en delad, endast tilläggbar meddelandetavla, som parkerar till noll tokenkostnad när den är inaktiv och aktiveras i samma ögonblick som en agent behöver indata.” Agenter kan fästas vid olika modeller, så en koordinator kan resonera på en modell medan arbetare skriver på en annan.

Det är en svärm i vanlig ingenjörsmässig bemärkelse: parallella processer med en delad kö och ett verifieringssteg. Det säger ingenting om hur Gem​ini 4 Neon tränades. Huruvida den som skrev inlägget menade det, eller menade något lösare, går inte att utläsa ur fyra meningar – men om du försöker ställa påståendet mot underlaget, är underlagets svärm en daterad Antigravity-funktion och inget mer.

Tvåspelardetaljen som G​oogle publicerade

Här slutar inlägget vara vagt på ett intressant sätt. Antigravity-inlägget som tillkännager Gem​ini 4 Neon, publicerat 18 november, innehåller en demovideo med bildtext, och bildtexten lyder: ”Med Gem​ini 4 Neon och /swarm bygger Antigravity upp ett flernivåspel för två spelare som körs i den inbyggda webbläsaren medan agenten spelar som den andra spelaren.”

Läs det vid sidan av tweeten. Ett flernivåspel för två spelare, uppbyggt av en svärm, med agenten som andra spelare, i en webbläsare, från leverantörens egen dokumentation, publicerad en dag före videon. Tweeten säger inte att det kom från Antigravity – den nämner varken appen, API:et eller AI Studio och anger ingen prompt, ingen effort-nivå, ingen tokenräkning och ingen källfil. Men den enda offentligt demonstrerade svärmvägen till ett tvåspelarspel i webbläsaren är Antigravitys, och den är dokumenterad som fungerande med exakt denna modell.

Det verifierar inte klippet. En leverantörs textade demo och en tredjepartsvideo är olika slags bevis, och ingen av dem är en specifikation. Det den däremot gör är att göra den intressanta delen av inlägget konkret: ”tillverkad av svärmar” är inte alls ett påstående om träning, om det betyder det som Googles eget material menar med ordet. Det är ett påstående om ett utvärderingsramverk som har funnits tillgängligt i nio dagar.

Tre datum som dokumenterar svärmen

Svärmhistorien har en tidslinje, vilket är mer än vad de flesta påståenden under lanseringsveckan får. Alla tre inläggen är Googles egna, från Antigravity-bloggen:

• 10 november 2026 — Gemini 4 Carbon levereras med /swarm i förhandsversion. Koordinator, parallella arbetare i isolerade worktrees, adversariella verifierare, gemensam anslagstavla, modellpinning per roll.

• 12 november 2026 — Gemini 4 Hydrogen levereras med Orchestrator, ett alternativ i en rullgardinsmeny som skickar arbete fram och tillbaka mellan Hydrogen och en starkare modell inom en enda trajektoria. Inlägget hävdar uppgiftsframgång nära Carbon på Terminal-Bench 4.1 med 24 % lägre kvotförbrukning och 19 % snabbare slutförande, och noterar att ”tiotusentals svärmar” hade lanserats under de två dagarna sedan /swarm togs i drift.

• 18 november 2026 — Gemini 4 Neon lanseras, och Orchestrator får en kombination där Neon är planerare och Hydrogen utförare. Samma inlägg hävdar att Neon vid sin standardinställning High för tänkande är 32 % billigare per uppgift än Carbon, och placerar det på 61 i Artificial Analysis Intelligence Index vid Extra High.

A generated single-column scoreboard titled 'Gemini 4 Neon — the scoreboard' with six rows: swarm harness /swarm, preview 10 Nov 2026; Orchestrator role planner, paired with Hydrogen; AA Intelligence Index 61 at xhigh; default effort high, 32% cheaper per task; cost per index task $6.44; training disclosure none published. A footer reads 'Per Google Antigravity posts and Artificial Analysis; RSI and distillation claim unaudited.'

Det är hela den offentliga redogörelsen för Gem​ini 4 swarms, och det är en produktredogörelse. Lägg märke till vad som saknas i alla tre inläggen: orden ”destillation”, ”självförbättring”, ”förstärkningsinlärning” och ”efterträning” förekommer inte. Stycket om Orchestrator och routing är det närmaste någon av dem kommer till att beskriva modellbeteende som ett system i stället för en modell, och det handlar uttryckligen om modellval vid inferenstid, inte om träning.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 ranked 6 of 95, $3.00 input and $15.00 output per million tokens, $6.44 cost per Intelligence Index task, 21.5 minutes per task against a 12.4-minute median, 283 million output tokens during the evaluation against a 65.4-million median, a verbosity rank of 92 of 94, and a 3.482% output-to-input token ratio.

RSI-påståendet kommer utan kvitto

Den andra halvan av inlägget är den del som det inte finns något stödjande dokument bakom, och det är värt att vara precis om varför, eftersom påståendet inte är uppenbart fel — det är overifierbart på ett specifikt sätt.

Börja med akronymen. I den här litteraturen används ”RSI” för åtminstone två olika saker: recursive self-improvement, vilket innebär att en modell deltar i förbättringen av sin efterträdare, och rejection-sampling iteration, vilket innebär upprepade omgångar av sampling, filtrering och finjustering på de överlevande. ”Taking time with RSI” låter mer som det första. Vilken av tolkningarna man än väljer är det ett påstående om träningspipelinen, och G​oogle har inte publicerat något som skulle göra det möjligt att välja mellan dem, än mindre bekräfta en av dem.

Kontrollera sidorna som skulle innehålla det. DeepMinds Gemini-modellsida listar Gem​ini 4 Neon under ”november 2026” utan dag och diskuterar kapacitet, pris och tillgänglighet; den nämner ingenstans destillation, självförbättring, förstärkningsinlärning eller efterträning. Antigravity-inlägget handlar om harness-integration. Modellkortet är platsen där ett påstående om träningsprocessen normalt skulle dyka upp, och Neon-kortet innehåller inget sådant: sju av dess fält visar samma klausul, ”Gem​ini 4 Neon is adapted from Gemini 4 Carbon,” och pekar på Carbon-kortet, utan parameterantal och utan förekomst av ”distill”, ”prune” eller ”quantize”.

Den sista poängen sätter de två halvorna av tweeten i spänning mot varandra. ”Adapted from Gemini 4 Carbon” är ett påstående om härledning. En modell som är adapterad från en annan modell är på ytan inte en modell byggd utan destillation – såvida inte ”adapted” utför ett arbete som ingen av oss kan se. Inlägget hävdar frånvaron av en teknik som det enda officiella dokumentet om modellens härkomst avstår från att utesluta eller bekräfta. Det skulle kunna vara sant. Det går inte att kontrollera, och personen som framför påståendet har inte visat underlaget.

Den falsifierbara delen av samma mening är lättare att testa, och det är där siffrorna gör en del arbete. Om Neon verkligen är produkten av en tålmodig, icke-destillerad träningsprocess skulle man förvänta sig utdelningen i förmåga per token snarare än i hastighet. Det den oberoende trackern visar är en modell som är kapabel och ovanligt dyr att köra: 61 på indexet vid Extra High, men 6,44 dollar per indextask, 21,5 minuter per uppgift mot ett medianvärde på 12,4 minuter, och 283 miljoner genererade utdatatokens under indexkörningen mot ett medianvärde på 65,4 miljoner – en ordrikhetsplacering nära botten av fältet. Det är en profil som är förenlig med en modell som tänker under lång tid. Den är också förenlig med massor av andra saker. Det avgör inte träningsfrågan åt något håll, och ingen publicerad siffra gör det.

Vad klippet fastställer och inte fastställer

Tar man bort filosofin är artefakten tunnare än argumentet runt den. Videon är 756 gånger 403, varar 62,5 sekunder och visar en stickman-fighter för två spelare som körs i en webbläsare. Det finns ingen prompt i inlägget, ingen modellversionssträng, ingen tankenivå, ingen tokenredovisning och inget uttalande om huruvida en agent eller fyrtio producerade koden. ”Pure JS code” är ett påstående om utdataspråket; det är inte ett påstående om hur koden producerades, och det är inte ett mått på kvalitet.

Det klippet faktiskt fastställer är begränsat men verkligt: ett tvåspelarspel som kan spelas i webbläsaren i ren JavaScript kan tas fram på den här modellen via en swarm-harness, och någon gjorde det inom ett dygn från den allmänna tillgängligheten. Det är en kapacitetsdemonstration, och leverantörens eget inlägg bekräftar dess konturer. Vad det inte fastställer är något påstående om träning, eftersom en demo inte kan bära ett sådant — den kausala kedjan från en träningsprocess till ett stickman-spel går genom alltför många beslut för att synas i en video, och ingen inblandad har publicerat inställningarna som skulle låta dig köra om det.

Det är här den ärliga läsningen av hela inlägget landar. Svärmhalvan är dokumenterad, daterad och i princip reproducerbar. Träningshalvan är ett påstående från en observatör om arbete som observatören inte utförde, publicerat utan det enda som skulle göra det kontrollerbart, nämligen en källa. Behandla det första som en beskrivning av en levererad funktion och det andra som en hypotes i omlopp, och inlägget blir användbart i stället för bara intressant.

En version av testet som du kan kontrollera

Om svärmpåståendet är ett harness-påstående kan det testas på din egen trafik, vilket träningspåståendet inte kan. Byggstenarna du behöver är en koordinator, arbetare och en verifierare – och den billigaste versionen är att knyta varje roll till en modell som du redan kan anropa.

{{1}}Dokumentera briefen{{/1}} – prompten, insatsnivån och modellen som är knuten till varje roll. Utan dessa tre blir en omkörning ett annat experiment.

• Mät loopen, inte artefakten — totala antalet tokens, väggklockstid och hur många verifieringsrundor diffen överlevde innan den godkändes.

• Håll verifieraren adversariell — Antigravity-designen parar en byggare med något som är dedikerat till att bryta dess utdata, och den andra rollen gör det mesta av kvalitetsarbetet.

En praktisk notering om var detta kan köras i dag: Gemini 4 Neon finns inte i OrcaRouter-katalogen, som för närvarande innehåller 217 modellidentifierare och, inom Gemini 4-familjen, endast google/gemini-4-carbon och google/gemini-4-argon, båda listade till $2.00 in och $10.00 ut per miljon tokens med cacheläsningar till $0.10. Så en uppdelning mellan koordinator och arbetare på vår sida innebär att dela upp mellan dessa två i stället för att låsa fast Neon, och routing-DSL:en är stället att uttrycka det på — sätt samman en planerare och en exekutor till ett enda anrop, och failover-vägen hindrar en död arbetare från att dra med sig körningen. Som jämförelse kostar samma Neontrafik till dess publicerade pris $3.00 och $15.00 per miljon, med batch och flex på halva priset, vilket är siffran att jämföra mot i alla harness du bygger.

Screenshot of the OrcaRouter model page for google/gemini-4-carbon, showing the model header labelled by Google dated 2026-11-10, a 1,048,576-token context window accepting text, image, audio, video and documents and returning text, both the /v1/chat/completions and v1beta generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, a 10.60 s performance figure, zero-data-retention availability, and an OpenAI-compatible Python sample calling google/gemini-4-carbon through https://api.orcarouter.ai/v1.

Det som är värt att följa är inte nästa klipp. Det är huruvida någon – Google eller personen som publicerade detta – offentliggör en logg över verktygsanrop eller ett tokenantal från en svärmkörning på Gemini 4 Neon vid en angiven ansträngningsnivå. Det skulle förvandla en demo till en mätning, och det skulle göra det möjligt att granska påståendet om svärmen så som en lanserad funktion bör granskas. Påståendet om RSI behöver något annat: en redogörelse för träningen som för närvarande inte finns på någon Google-sida, och tills en sådan finns är det mest korrekta att säga att det är obekräftat snarare än att det är falskt.