En genererad titelbild med texten ”Gemini 4 Neon Video” och undertexten ”En artefaktexport, inte en generering”, en filmremsikon märkt ”60,03 s · 1920×1080 · 21 nov. 2026” och en webbläsarfönsterikon märkt ”scener är HTML, CSS och JS” med en pil märkt MP4 som pekar på en filikon.
Guides & Insights

Gemini 4 Neon Video: En artefaktexport, inte en generering

Författare

jinhao.song

Publiceringsdatum

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

Kl. 08:07 UTC den 21 november 2026 publicerade kontot @dotey – 宝玉 på X – ett 60,03 sekunder långt klipp i 1920×1080 med en enda rad på kinesiska ovanför: 做视频效果也不错, ungefär "den är inte dålig på video heller." Det handlade om G​emini 4 Neon, G​oogles en vecka gamla modell, och länken under meningen pekade på ett projekt med öppen källkod som heter open-artifact, i inlägget beskrivet som Artifact (skill) för videoproduktion. Klippet hade 230 gilla-markeringar och 76 svar när vi läste inlägget den 22 november. Det ser ut som ett färdigproducerat motion design-arbete.

Det är inte en genererad video. G​oogles egen modelldokumentation för G​emini 4 Neon listar en enda utdatatyp – text – och filmen som kom ut av det är ett program: HTML-, CSS- och JavaScript-scener som ritas som en funktion av tiden, plus ett syntetiserat soundtrack, renderat av en lokal webbsida och exporterat till MP4 via den sidans exportknapp. Distinktionen är inte pedantisk. Den förändrar vad modellen är bra på, vad en andra klippning kostar, och huruvida det du köper är en renderare eller en författare.

Vad inlägget faktiskt säger

Hela det offentliga underlaget för påståendet är en meningstagg och en 60-sekunders bilaga. Det finns ingen prompt, inget scenantal, ingen tankenivå, inget tokenantal och inget uttalande om huruvida filmen kom från API:et, Google AI Studio, Antigravity eller något annat. Inlägget säger inte ens att klippet gjordes med färdigheten det länkar till – det presenterar färdigheten som sättet att göra den här typen av arbete, med klippet som anledningen att bry sig. Läs det som en rekommendation med en demo bifogad, inte som ett test.

En sak är värd att känna till innan man väger rekommendationen. Repositoriet är fem dagar gammalt: GitHub registrerar det som skapat den 17 november 2026, med 135 stjärnor och 25 forks vid skrivandets stund, licensierad under Apache-2.0, och en utgåva – 0.12.2 – släppt den 21 november, samma dag som inlägget. Dess README säger att det från början hette baoyu-design, och upphovsraden i licensavsnittet lyder "Copyright 2026 Jim Liu 宝玉". Det är samma 宝玉 som kontot som publicerade inlägget använder som visningsnamn. Så personen som säger att Neon är bra på detta visar upp ett verktyg som bär personens namn på upphovsrättsraden. Det gör inte demon falsk. Det gör den däremot till en skapares demo, och den ärliga tolkningen är att den visar vad pipelinen kan åstadkomma i skickliga händer, inte vad en genomsnittlig prompt producerar vid första försöket.

Modellkortet anger utdata: text

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

Google lanserade Gemini 4 Neon den 18 november 2026 för 3 USD per miljon indatatoken och 15 USD per miljon utdatatoken, med cachad indata för 0,15 USD. Lanseringinlägget beskriver att den läser kalkylblad, PDF:er, diagram, ljud och video. Modellsidan går längre och avgör frågan som inlägget lämnar öppen: under Data typer som stöds listar den "Indata: Text, bild, video, ljud och PDF" och sedan, på en egen rad, "Utdata: Text." Samma sida markerar ljudgenerering som ej stödd. Kontexten är 1 048 576 token, med 65 536 token utdata som standard och upp till hela miljonen med lång avkodning.

Det är i den asymmetrin förvirringen börjar. Video är något som den här modellen tittar på, inte något den skapar. Kortvyn på samma dokumentationswebbplats är lösare – den skriver "Modaliteter: Text, Bild, Ljud, Video, PDF" utan att ange vilken riktning som är vilken – och en läsare som skummar den raden skulle rimligen kunna dra slutsatsen att Neon producerar video. Det gör den inte. I Googles egen stack är generering av bildrutor en annan modellinje; Neons bidrag till en rörlig bild är koden som ritar den.

Hur en textmodell producerar en film

Motion artifact-typen i open-artifact är explicit om mekanismen. En film är en mapp med små JSON-dokument: en scenlista med scenstorlek och bildfrekvens, en JavaScript-modul per scen som ritar den utifrån en tidsvariabel t, en score-modul som syntetiserar musik och effekter, och en valfri narration-modul för undertexter och voiceover. Ingenting renderas som video av modellen. Den lokala sidan spelar upp dokumenten på samma sätt som en webbläsare spelar upp en sida, och Export gör om uppspelningen till en fil.

Färdighetens egen dokumentation är uppriktig om arbetsfördelningen, och det är detaljerna som spelar roll om du funderar på att prova detta:

• Längd — en film varar 10 till 30 sekunder om du inte ber om mer, med ett hårt tak på 300 sekunder. Klippet i inlägget är 60,03 sekunder, så dess skapare bad om det.

• Export — MP4 i 720p som standard eller 1080p, vid full, halv eller en fjärdedel av bildfrekvensen, samt GIF, HTML och ZIP. Den bifogade filen är 1920×1080, det icke-standardalternativet.

• Vem skriver filen — instruktionerna säger till agenten att inte skapa någon video- eller ljudfil alls. Export är sidans uppgift, och stillbilder för att kontrollera en scen genereras av headless Chrome.

• Säkerhetsgränser – ingen scen kortare än en sekund, högst tre klipp eller blixtar per sekund, och eventuella undertexter kommer från rader som personen har angett i stället för rader som modellen hittar på.

Så tre saker händer i följd: modellen skriver ett litet program, en webbläsare ritar det och en encoder – projektet tillhandahåller Rust/WebAssembly-crates för GIF- och MOV-kodning – skriver behållaren. Endast det första steget involverar G​emini 4 Neon. En 60-sekunders 1080p-film med musik är en avsevärd mängd kod för en enda modell att få rätt på en handfull turer, och det är en riktig komplimang. Det är en komplimang om mjukvaruteknik, vilket är precis där Neons publicerade siffror är starkast.

Vad en film kostar på Neons prislista

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

Inget i inlägget avslöjar tokenanvändning, så följande är aritmetik utifrån Googles listpris snarare än en mätning. En film med tio scener innebär en lång första vända, flera läs- och skrivomgångar mot dokumentlagret och en hel del omläsning när modellen kontrollerar sina egna scener. Säg 150 000 indatatokens och 25 000 utdatatokens för en fungerande film: $0,45 i indata till $3 per miljon och $0,375 i utdata till $15 per miljon, eller cirka 83 cent. En snålare omgång med 40 000 in och 8 000 ut landar på 24 cent. Det är med cachad indata som siffran verkligen ändras – till $0,15 per miljon kostar 120 000 cachade indatatokens cirka två cent i stället för 36, och hela körningen hamnar under 50 cent.

Ställ det mot vad oberoende testning kostar modellen per uppgift. Artificial Analysis ger G​emini 4 Neon 61 poäng på sitt Intelligence Index vid xhigh effort, med 106 utdatatoken per sekund, 22,3 minuter och 6,44 dollar per indexuppgift. En film är billigare än en indexuppgift, vilket är den användbara överraskningen här: den dyra delen av det här arbetsflödet är inte filmen, det är iterationen.

Och det är i iterationen som ekonomin inverteras. En videomodell som debiterar per sekund tar betalt för varje tagning; en kodritad film debiterar bara tokens som skriver den och inget för renderingen. Ändra en färg, exportera om, och du har spenderat noll tokens – kostnaden är din egen CPU och hur lång tid headless Chrome än tar på sig att rita 1 800 bildrutor. Det är en genuint annorlunda kostnadskurva jämfört med generativ video, och det är det starkaste argumentet till inläggets fördel som inlägget självt inte framför.

Värt att säga rakt ut: G​emini 4 Neon finns inte i vår katalog. De två G​emini 4-modeller som OrcaRouter faktiskt erbjuder är Gemini 4 Argon och Gemini 4 Carbon, båda till $2.00 in och $10.00 ut per miljon till leverantörens listpris utan påslag ovanpå — vilket är jämförelsen en läsare faktiskt behöver, eftersom Carbon är modellen som Neon prissätts mot och Argon är det billigare sättet att köra samma artefaktloop medan du bestämmer dig. Båda ligger bakom en och samma nyckel, så en kodskrivande session som får timeout mitt under filmen kan växla över utan ett andra avtal eller en kodändring.

Där påståendet är svagast

Den starkaste versionen av det skeptiska argumentet är inte att klippet är falskt – pipelinen är offentlig och mekanismen är dokumenterad, så vem som helst kan reproducera dess form. Det är att en bra kodritad film är ett kodningsbenchmark med regissörshatt, och den här modellens kodningssiffror är redan dess bästa siffror. Neon ligger på 58,6 på Coding Agent Index och 65,2 % på Terminal-Bench 4.1 enligt G​oogles egen rapportering, så "bra på att göra filmer" kan mest vara "bra på att skriva animationskod", vilket vi redan visste och som inte generaliserar till en modell som skriver sämre kod.

Tre specifika luckor kvarstår efter att ha läst allt tillgängligt:

• Tillskrivning – inga inställningar avslöjas, och både körtiden på 60 sekunder och upplösningen 1080p avviker från skillens standardvärden, så någon har gjort val som vi inte kan se.

• Urval — ett klipp är en höjdpunkt, och en skapares demo väljs av skaparen. Det finns ingen felfrekvens, inget exempel på första försöket och ingen jämförelse mot samma prompt på Carbon.

• Vad "bra" innebär — den visuella kvaliteten tillhör delvis mallen och skillens designregler, inte modellen. En annan artefakttyp med svagare stödstruktur skulle smickra modellen mindre.

Inget av det där är diskvalificerande, och det går åt båda hållen: en kodritad film är också granskningsbar på ett sätt som en diffusionsrendering inte är. Om en bildruta är fel, är den fel i en fil du kan läsa och en rad du kan peka på.

Så här provar du det själv

Vägen är kort nog att beskriva i ett stycke. Projektet kräver Node 22.18 eller senare, levererar ett pluginpaket via GitHub Releases och listar Antigravity bland sina värdar som stöds – installera den extraherade mappen med agy plugin install, eller kopiera den till ~/.gemini/config/plugins/open-artifact och starta om. Det råkar vara den värd där G​emini 4 Neon är standardmodellen för nya konversationer på planer som inkluderar den, så de två delarna möts utan konfiguration. Den första prompten är en mening: en tjugosekunders lanseringsanimation för den här appen, eller ett titelkort för det projektet. Sedan tittar du på stillbilder innan du spenderar något på en export, vilket är arbetsflödet som skillen själv rekommenderar.

Gör det en gång innan du tror på inlägget, och håll koll på två siffror i stället för bilden: hur många vändor det tar innan den första scenen ritas korrekt, och hur stor del av indatakostnaden som är cacheläsningar. De säger dig om loopen är billig för ditt arbete. Klippet säger dig att det är möjligt; bara ditt eget tokenantal säger dig om det är värt det.

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

Den öppna frågan är inte huruvida G​emini 4 Neon kan hamna i en videofil — det kan den bevisligen, genom ett program som den skrev. Frågan är huruvida G​oogle behandlar det som en förstklassig utdata. Just nu är artefaktlagret tredjepart, exporten är en lokal sidas uppgift, och modellens dokumenterade utdata är text. Om det ändras kommer den ärliga inramningen av det här klippet att ändras med det: från en smart användning av en kodningsmodell till en funktionslista. Fram till dess är komplimangen som är värd att upprepa den snävare — Neon skriver animationskod tillräckligt bra för att någon som bygger verktygen valde att visa upp det med den.