Hero-rubrikkort med texten Gemini 4 Neon mot Gemini 4 Argon, underrubrik med texten nio indexpoäng och ett prissteg, sidfotsrad med texten poäng enligt Artificial Analysis Intelligence Index v5.0.1, priser enligt Googles prissida för Gemini API, kontrollerat 20 november 2026
Guides & Insights

Gemini 4 Neon vs Gemini 4 Argon: Nio poäng för femtio cent per uppgift

Författare

jinhao.song

Publiceringsdatum

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

Gemini 4 Neon och Gemini 4 Argon är de två medelprisade Gemini 4-modellerna, och på papperet skiljer de sig en nivå åt på ett sätt som får valet att framstå som en budgetfråga. Det är närmast tvärtom. Googles oberoende poängsättning placerar Gemini 4 Neon på 59,6 i Artificial Analysis Intelligence Index på den höga standardinställningen, och Gemini 4 Argon på 50,4 vid sitt eget tak – en skillnad på 9,2 punkter som ingen promptteknik kan stänga. Argons motargument är också verkligt och mätbart: den är billigare per token och genererar långt färre sådana, så den slutför en Index-uppgift för mindre pengar i dag. Sedan, den 30 november, fördubblas Argons introduktionspris och den billigare modellen slutar vara billigare. Det här är jämförelsen där kalendern spelar lika stor roll som benchmarken.

De två prislistorna, och datumet då de skiljer sig åt

Båda finns endast i betalnivån, båda har samma enhetliga kontext på 1 048 576 token, båda tar emot text, bild, video, ljud och PDF och producerar text, och båda avkodar upp till 64K token synkront med en lång avkodningsväg upp till en miljon. Specifikationerna är så lika att hela beslutet hänger på tre siffror och ett datum.

• {{1}}Pris för indata och utdata{{/1}} — G​emini 4 Neon $3,00 och $15,00 fast, utan utgångsdatum. Gemini 4 Argon $2,00 och $10,00 till och med den 30 november 2026, därefter $4,00 och $20,00.

• Cachad indata – Neon $0,15 per miljon (95 % rabatt), Argon $0,10 idag och $0,20 från och med den 1 december.

Tänknivåer – Neon har high som standard och stöder low, medium, high och xhigh. Argon har medium som standard och stannar vid high.

• Uppmätt intelligens — Neon 59,6 vid high, 61,4 vid xhigh. Argon 50,4 vid high, dess högsta nivå.

• Uppmätt hastighet — Neon 110 utdatatoken per sekund, Argon 68. Tiden till första token är 56,5 sekunder mot 46,0.

• Uppmätt kostnad per Index-uppgift — Neon 6,44 $, Argon 4,97 $.

Den sista raden är det ärliga argumentet för Argon, och det är ett bra sådant: 23 % mindre pengar per slutförd uppgift, mätt på samma nio utvärderingar av samma tracker. Raden ovanför är det ärliga argumentet emot: nio indexpoäng, på en skala där medianmodellen i samma jämförelseklass får 44.

Varför Argon är billigt per uppgift och Neon inte är det

Kostnaden per uppgift är ett tokenantal med en prislapp på, så de intressanta siffrorna är antalen. I utvärderingssetet Intelligence Index registrerade Artificial Analysis 113 miljoner output-tokens för Gemini 4 Argon och 283 miljoner för Gemini 4 Neon, vid ungefär liknande indatavolymer på 7,55 respektive 8,12 miljarder token. Argons hela produktlöfte är precis detta: Google beskriver det som att det levererar Gemini 4-intelligens med lägre tokenförbrukning per tur än Gemini 4 Carbon, och mätningen stämmer — Argon är en av de snålare resonemangsmodellerna i den tabellen.

Så formen på avvägningen är ovanlig. Neon är modellen som tänker hårdare och skriver mer, och Argon är modellen som säger mindre. Om ditt arbete är en avgränsad transformation där ett felaktigt svar är billigt att upptäcka och dyrt att göra om, är Argons lägre kostnad per försök värd mer än dess lägre tak. Om ditt arbete är en lång agentsession där ett enda felaktigt arkitekturbeslut förgiftar de nästa fyrtio verktygsanropen, är nio indexpoäng inte en liten premie.

Det finns en andra ordningens effekt som siffran per uppgift döljer: Neons standard är high, och Googles dokumentation är tydlig med att xhigh är där en stor del av modellens publicerade förmåga mäts och att ett steg nedåt är en verklig beteendeförändring, inte ett avrundningsfel. Argon har ingen xhigh-nivå alls. När du jämför "det bästa varje modell kan göra" jämför du Neon på xhigh mot Argon på high, vilket är en 11-poängsskillnad och en dyrare kostnad per uppgift för Neon än $6.44 som anges ovan.

Screenshot of the Gemini API pricing page for Gemini 4 Neon showing the Standard tab with input price 3.00 dollars, output price 15.00 dollars and context caching 0.15 dollars per million tokens, free tier not available, and the note that every token including thinking tokens is billedA two-column comparison scoreboard for Gemini 4 Neon and Gemini 4 Argon, with Neon showing 59.6 at high and 61.4 at xhigh on the Intelligence Index, 3 dollars and 15 dollars per million tokens flat, 110 output tokens per second, 6.44 dollars per Index task and four thinking levels, and Argon showing 50.4 at high, 2 dollars and 10 dollars today rising to 4 and 20 on 1 December, 68 tokens per second, 4.97 dollars per task and three thinking levels

Vad Argon egentligen är till för

Argon lanserades den 30 september 2026 som den effektiva frontlinjemodellen – den som ger dig resonemang på Gemini 4-nivå med snabbare svar och lägre kostnad än Carbon inom kodning, agentiska, matematiska och vetenskapliga uppgifter. Under de åtta veckorna sedan dess har familjen fyllts ut runt den: Carbon som modellen med maximal kapacitet, Hydrogen som arbetshästen för gratisnivån och nu Neon som den högfrekventa frontlinjemodellen som ligger mellan Hydrogen och Carbon.

Det försätter Argon i en besvärlig position som inte har något med dess kvalitet att göra. Det är mitten av en mellanklass som nu har fyra modeller, och det är den enda vars pris är planerat att fördubblas. Den enkla tolkningen är att Argon är modellen för team som redan har bestämt att ribban för svarskvalitet är "tillräckligt bra" och som optimerar kostnaden — batchklassificering med verifiering, strukturerad extraktion över långa dokument, agentdeluppgifter där en billigare planerare är okej eftersom utföraren är Hydrogen.

Där Argon fortfarande vinner rakt av är latensen till första token: 46 sekunder mot Neons 56,5. Om din produkt blockeras av den siffran och uppgiften är kort, är ett försprång på 10 sekunder och en lägre kostnad ett rimligt skäl att stanna kvar, oavsett benchmarkresultat.

1 december-steget, prissatt

Argons kostnad per uppgift är en funktion av dess prislista, så den enkla prognosen är att en fördubbling av in- och utpriset ungefär fördubblar vad en uppgift kostar: $4,97 blir något nära $9,90. Neons prislista rör sig inte alls. Från 1 december inverteras aritmetiken och förblir inverterad: modellen som är nio punkter smartare vid matchade standardinställningar är också den billigare per slutförd uppgift, och modellen som såldes som det effektiva alternativet är den dyrare av de två på båda axlarna.

Två förbehåll, båda värda att nämnas snarare än att döljas. En kostnad per uppgift mätt till dagens priser är inte ett löfte om decemberpriserna, eftersom cachelagringsbeteende och tänknivåer ändrar mixen; implicit cachelagring på 95 % gör indatatunga arbetsbelastningar okänsliga för indatapriset. Och G​oogle har redan flyttat detta datum en gång i familjens korta historia, så framräkningen är aritmetik utifrån ett publicerat schema, inte en prognos.

Det som inte är osäkert är riktningen. Om du i dag väljer mellan två modeller och en av dem får ett prissteg om 10 dagar, är jämförelsen du bör göra inte Neon mot Argon. Det är Neon mot vad Argon kommer att kosta dig i januari.

Kör båda i stället för att välja

Strukturen som överlever prissteget är den som G​oogle självt beskriver för den här familjen: en kapabel modell som sköter planeringen och en billig som står för volymen. Argons låga tokenförbrukning gör den till en rimlig arbetare; Neons xhigh-tak gör den till en rimlig planerare; Hydrogen till $1,50 och $7,50, med en gratisnivå, är billigare än båda för ren exekvering.

Det är där ett routningslager är värt mer än en benchmarktabell. Både Gemini 4 Argon och Gemini 4 Carbon finns i vår katalog i dag, tillsammans med gemini-3.1-pro-preview, och priset du ser är leverantörens listpris som förs vidare utan påslag – vilket spelar särskild roll här, eftersom när Argons prislista fördubblas den 1 december ändras siffran på din faktura samma dag som den ändras på Googles sida, utan att något andra avtal behöver omförhandlas. Automatisk failover är den andra halvan: en planerare som får timeout vid 56 sekunder till första token kan lämna över samma förfrågan till Argon utan att din applikationskod vet att en failover har skett. Gemini 4 Neon finns ännu inte i vår katalog, och vi tänker inte låtsas att en prislista är en endpoint – den ärliga versionen är att Argon går att anropa här nu och Neon inte.

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model card with its identifier, context window and per-million-token pricing in the OrcaRouter catalogue

Vad skulle ändra det här svaret?

Tre kontrollerbara saker, i ordning efter hur mycket de skulle påverka beslutet. Om Neons poäng vid hög inställning visar sig vara ett golv snarare än en platå – det vill säga, om oberoende körningar vid medium-inställning landar nära Argons 50 snarare än klart över det – då är gapet på nio poäng egentligen ett gap vid en dyr inställning, och kostnadsekonomin per uppgift börjar gynna Argon även efter december. Om Argons prishöjning skjuts upp eller mildras blir argumenten för det betydligt bättre. Och om Google lanserar explicit cachning eller en billigare nivå för Neon, förskjuts jämförelsen av kostnad per uppgift mer än någon benchmarkrevidering kommer att göra.

Tills en av dem är på plats är rekommendationen snäv och oglamorös. Använd Argon där uppgiften är kort, verifierbar och högvolym, och där 46 sekunder till första token slår ett bättre svar. Använd Neon där uppgiften är lång, ett misslyckande är dyrt och de extra tokensen är själva poängen. Och om din volym är tillräckligt stor för att kostnaden per uppgift ska avgöra saken, lägg migreringen bakom en router så att steget den 1 december blir en routingändring i stället för en omskrivning.