Ett genererat titelkort med texten "Gemini 4 Neon's Three.js Demo" och underrubriken "Femton sekunder, en mening, ingen prompt", bredvid ett litet diagram över en klyfta mellan påstående och mätning: en videobild märkt "publicerad 19 nov 2026, 1920x1080, 15,0 s" på ena sidan och en checklista märkt "prompt, ansträngningsnivå, antal tokens, källfil" på den andra, där de flesta rutorna är tomma.
Guides & Insights

Gemini 4 Neons Three.js-demo: Vad 15 sekunder faktiskt visar

Författare

Gideon Frost

Publiceringsdatum

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

Den 19 november 2026 publicerade en utvecklare med kontot @chetaslua ett femton sekunder långt klipp med en enda mening bifogad: Gem​ini 4 Neon hade gjort rörelsegrafiken i det, i “pure @threejs,” och robotdansen i slutet går hårt. Videoklippet är 1920×1080 och varar i femton sekunder. Det är hela den offentliga dokumentationen – ingen prompt, ingen källfil, ingen tankenivå, inget tokenantal, inget uttalande om huruvida det kom från API:et, AI Studio eller Antigravity. Gem​ini 4 Neon är en verklig, allmänt tillgänglig modell; Goog​les DeepMind-modelsida listar den under november 2026, och Artificial Analysis har den poängsatt och prissatt. Men ett publicerat klipp är ett påstående, inte en mätning, och avståndet mellan dessa två saker är den användbara delen av den här historien. Gemini 4 Carbon förekommer bara som det syskon som Goog​le säger att Neon är anpassad från och den som vår egen katalog faktiskt har med – det är inte ämnet här.

Femton sekunder, noll registrerade inställningar

Börja med det som kan kontrolleras utifrån inlägget självt, eftersom det är en kort lista och det är värt att se hur kort den är.

• Påståendet – att Gem​ini 4 Neon skapade rörelsegrafiken med enbart three.js. Detta är tillskrivningen från den som publicerade inlägget. Inget i klippet bevisar vilken modell som skrev koden, och inget i tråden visar koden.

• Tidsstämpeln – 19 november 2026, 16:51 UTC, en dag efter Neons allmänna tillgänglighet den 18 november. Ingen kan anklaga detta för att vara en förlanseringsdemo som smuggats ut under embargo; det är en artefakt från samma vecka.

Filen — femton sekunder, 1920×1080, ingen berättarröst, publicerad som en videobilaga. En renderad utdata, inte en skärminspelning av ett redigeringsprogram. Det spelar roll: en skärminspelning av någon som skriver skulle visa prompten, de mellanliggande felen och antalet försök. En färdig rendering visar inget av dem.

• Engagemanget – 130 gillningar när vi hämtade inläggets text. Litet. Det här är en persons visa-och-berätta, inte ett samordnat demosläpp, vilket i stort sett är det som gör det intressant: ingen hade kurerat det för ett lanseringsinlägg.

Det som saknas är allt som skulle göra det möjligt för en andra person att reproducera det. Prompten. Ansträngningsnivån – Neon har stöd för low, medium, high och xhigh, och gapet mellan low och xhigh för samma prompt är tillräckligt stort för att ändra både kostnaden och resultatet. Ytan. Antalet försök bakom det som publicerades. Om robotdansen efterfrågades eller improviserades. Om någon del av JavaScript-koden handredigerades efteråt. Vart och ett av dessa är en enda rad i ett uppföljande inlägg, och inget av dem finns där.

Vad en Three.js-scen faktiskt testar

Det är frestande att placera detta under “front-end-kompetens” och gå vidare, åt endera hållet — som bevis på att modellen är bra på grafik, eller som bevis på att en snygg rendering inte betyder något. Ingen av tolkningarna håller när man konfronteras med vad artefakten faktiskt är.

three.js är ett av de mest förekommande biblioteken i träningsdatan för vilken modell som helst. En scen med en kamera, en ljuskälla, ett mesh och en renderingsloop är nära det kanoniska “titta vad jag har gjort”-resultatet från de senaste tre årens webbutveckling. Alla nuvarande frontiermodeller kan producera en sida som renderar något som snurrar. Att det finns en kompetent three.js-scen i ett femton sekunder långt klipp säger därför nästan ingenting om vilken modell som har skapat den, vilket är precis varför postarens tillskrivning gör hela jobbet i den meningen.

Det som verkligen är svårare, och det som rörelsegrafik med en tidsstyrd dans i slutet faktiskt tränar, är delen som inte har något korrekthetsorakel. Rörelsegrafik är en sekvens: en animationstillståndsmaskin med övergångar, en kamerabana, easing-kurvor, en ordning av händelser som måste landa på en takt. Det finns inget test som säkerställer att dansen ser rätt ut. Modellen måste hålla ett sexton sekunder långt storyboard i huvudet, ge ifrån sig tidskonstanterna och inte glida iväg. När någon säger att de sista fyra sekunderna “kör hårt,” gör de en bedömning av koreografi och tempo — och tempo är det som kodgenerering i ett enda skott är sämst på, eftersom inget i loopen fallerar när tajmingen bara är medelmåttig.

Det är den verkliga anledningen till att det här klippet förtjänar en andra titt, även om det inte bevisar något. Det är ett påstående om tidsmässig komposition, inte om shader-matematik. En modell som kan skriva en shader och en modell som kan hålla samman en femton sekunder lång sekvens är olika påståenden, och bara ett av dem framförs här.

Siffrorna som Neon faktiskt har

Artificial Analysis är den enda oberoende resultattavlan med en post för Gem​ini 4 Neon, och att läsa den noggrant är det snabbaste sättet att se hur långt det publicerade klippet ligger från något uppmätt.

Screenshot of the Artificial Analysis analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 at xhigh effort with ranks of 6 of 96, 73 of 95 and 79 of 95 across the panels, 110 output tokens per second, 21.5 minutes per task, $3.00 input and $15.00 output per million tokens, and a verbosity panel reporting 283 million output tokens and a 3.482% output-to-input ratio.

Rubriken är 61 på Intelligence Index vid tankenivån xhigh, rankad sexa av 96 modeller på listan. Samma modell visar 60 vid high, 55 vid medium och 44 vid low — en spridning på sjutton punkter över dess egen ansträngningsstege, vilket är det enskilt viktigaste numret i den här artikeln om du är på väg att citera “61” för någon. Sextioett är ett xhigh-nummer. Neons dokumenterade standard är high.

Resten av panelen är där demovanan blir dyr. Utdatashastigheten är 110 tokens per sekund. Modellen tar 21,5 minuter att slutföra en Intelligence Index-uppgift, jämfört med en median på 12,1 minuter för modeller i jämförbart pris, och rankas som 73:a av 95 i prestanda och 79:a av 95 i kostnad. I fråga om ordrikedom rankas den som 93:a av 95: 283 miljoner utdatatokens och 8,12 miljarder indatatokens under indexkörningen, en kvot mellan utdata och indata på 3,48 % mot en median på omkring 65 miljoner utdatatokens. Sammanfattningen från Artificial Analysis själv kallar den mycket ordrik och prissätter en enskild indexuppgift till 6,44 dollar. Enligt Googles prislista motsvarar det 3,00 dollar per miljon indatatokens och 15,00 dollar per miljon utdatatokens, med cachad indata på 0,15 dollar.

Goog​les egen publicerade tabell är ett annat slags tal och bör märkas som sådant: leverantörsrapporterat, inte reproducerat av någon utanför Goog​le. CursorBench 4.1 på 65,4 %, Terminal-bench 4.1 på 65,2 %, FrontierCode 2.0 på 46,2 %, SWE-sweep på 39,0 % i Goog​les eget testramverk, AutomationBench på 56,3 %, Agents’ Last Exam v1.1 på 75,8 %, RiemannBench på 84,0 %, GraphWalks på 95,2 %. Var och en av dem är en mätning av agentisk förmåga, kodning eller lång kontext. Ingen av dem mäter ”att skapa en attraktiv animerad scen i ett enda försök utifrån en kort prompt”, eftersom ingen benchmark gör det. Demon och resultattavlan mäter inte samma sak, och ingen av dem mäter det som klippet läses som bevis för.

Vad ett demoförsök faktiskt kostar

Priset har betydelse eftersom demos är iterativa, och Neon är mångordigt enligt mätning. Inget med en femton sekunders rendering säger hur många försök det tog, och varje försök är en fullständig generering.

• Ett försök på 25 000 output-tokens – en rimlig storlek för en three.js-scen vid hög ansträngning, med resonemangstoken räknade som output – kostar cirka 38 cent vid 15 dollar per miljon.

Ett försök på 60 000 token kostar ungefär 90 cent. Tre eller fyra sådana, plus ett par omförsök, och du har lagt mer på demon än demon är värd som bevis.

• Ett försök på 200 000 token – den sorts antal man kommer upp till vid xhigh när modellen resonerar sig igenom en animationstillståndsmaskin – kostar $3.00 i sig.

• Batch- och flexnivåerna körs till halva priset, så samma tre försök på 1,50 och 7,50 dollar per miljon landar på ungefär hälften. Inget av detta är exotiskt; det är bara inte gratis, och klippet säger det inte.

A generated cost card titled 'What a demo attempt costs', listing three attempts at $15.00 per million output tokens: 25,000 tokens at about 38 cents, 60,000 tokens at about 90 cents, and 200,000 tokens at $3.00, with a second column showing the same three at the half-rate batch and flex prices of $1.50 and $7.50 per million, and a footer reading 'Arithmetic at the published Neon rate card; no measurement of the posted clip.'

Det här är argumentet för att prova en obeprövad modell via en router i stället för att koppla in den i en produktionsväg. Neon är två dagar gammalt, dess ordrikedom är den sämst rankade siffran på dess egen panel, och det enda offentliga artefakten för just detta användningsfall är en persons färdiga rendering. Det är en modell man vill anropa jämte något annat och jämföra kostnader med, inte en modell man vill binda en kund till i november.

Vad skulle göra att nästa klipp går att kontrollera?

Inget av detta är en kritik av personen som postade det, som gjorde något och delade det. Det är ett kort protokoll, och den som postar nästa skulle kunna täppa igen gapet med några få rader:

• Prompten, ordagrant. Inte en omskrivning – den faktiska texten. Det här är den enskilt mest värdefulla raden och det kostar ingenting att ha med den.

• Modellidentifieraren och ansträngningsnivån. “Gem​ini 4 Neon at high” är ett annat påstående än “Gem​ini 4 Neon at xhigh”, och vid ett outputpris på $15 handlar skillnaden om pengar.

• Ytan. Antigravity, AI Studio och det råa API:et tillämpar olika systemprompter och olika stödstrukturer för verktyg; en scen som skapas i en agentisk IDE är inte samma artefakt som en som skapas av en enda completion.

• Antalet försök och summan av utdatatokens. Två siffror, båda synliga i en faktureringskonsol, och tillsammans förvandlar de en anekdot till en kostnad per användbar rendering.

• Källfilen. En enda fristående HTML-sida med three.js-importen och animationsloopen är hela den reproducerbara artefakten, och den är vanligtvis under hundra kilobyte.

• Ett misslyckande. En andra prompt som modellen inte klarade, med samma inställningar. En demo utan ett dokumenterat felsätt framstår som ett highlight-reel, för det är precis vad det är.

Fram till dess att åtminstone de första tre av dem finns är en ärlig sammanfattning av det här klippet att en modell som släppts dagen innan producerade något som en kompetent webbutvecklare skulle vara nöjd med att ha skapat, och att vi inte utifrån filen kan avgöra hur stor del av äran som tillkommer modellen, prompten eller redigeringen.

Så här kör du om testet själv

Gemini 4 Neon finns inte i OrcaRouter-katalogen per den 20 november 2026 — de Gemini 4-modeller vi dirigerar är google/gemini-4-carbon och google/gemini-4-argon, och katalogen omfattar 217 modellidentifierare. Den praktiska versionen av detta test i dag är därför en jämförelse inom samma familj: kör samma motion graphics-prompt på Carbon med hög effort och på Neon med hög effort via Googles eget API, och jämför utdatatokens, väggklockstid och hur stor del av renderingen du var tvungen att begära två gånger.

Den jämförelsen är enkel att sätta upp på vår sida för Carbon-delen. En nyckel täcker katalogen, leverantörens listpris förs vidare med 0 % påslag, så en Goog​le-prisändring slår igenom på din faktura samma dag i stället för på nästa faktura, och failover innebär att en enda dålig generering inte avslutar körningen. Om du testar en två dagar gammal modell mot en etablerad modell kommer routing-DSL:en att placera båda bakom en och samma endpoint och returnera paret, vilket är det billigaste sättet att få ett riktigt svar i stället för ett intryck.

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model header with a zero-retention agreement noted, the chat-completions and generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, cache reads at $0.100, and code samples calling google/gemini-4-argon through the OpenAI-compatible base URL https://api.orcarouter.ai/v1 with an ORCAROUTER_API_KEY.

Det som är värt att hålla ögonen på är inte huruvida fler snygga klipp dyker upp – det kommer de att göra, från varje labb, i oändlighet. Det är huruvida personerna som lägger upp dem börjar bifoga prompten och ansträngningsnivån. I samma stund som någon gör det blir jämförelsen möjlig: samma sextonsekunders storyboard, körd på fyra tänknivåer, med tokenantalet och kostnaden bredvid varje rendering. Det enda inlägget skulle vara värt mer än hela den benchmarktabell som Goog​le publicerade, för just den här frågan, eftersom det skulle vara den första mätningen av huruvida Neon kan hålla ihop en tidsstyrd sekvens snarare än huruvida det kan skriva en shader.

Tills dess, behandla klippet som vad det är: en fin artefakt, en trovärdig signal om förmåga och ett påstående vars starkaste bevis är ryktet hos personen som publicerade det.