Google анонсировала Gemini 4 Neon — новую ИИ-модель для программирования, аналитики, научных задач и многоэтапной офисной работы. По данным компании, модель получила 61 балл в индексе Artificial Analysis, обойдя сопоставимые решения Claude Opus 5.5 и GPT-6.2 Sol, а также вышла с контекстным окном в 1 млн токенов и ценой $3 за 1 млн входных токенов.

Gemini 4 Neon позиционируется как модель для сложных рабочих сценариев, где нужно не просто ответить на запрос, а обработать большой массив разнородных данных и довести задачу до результата. Google делает акцент на трех направлениях: разработка ПО, аналитическая работа с документами и таблицами, а также научные и исследовательские процессы.

Что умеет Gemini 4 Neon

Модель может работать в одном контексте с таблицами, PDF-файлами, диаграммами, аудио и видео. В Google считают это важным для корпоративных сценариев, где данные обычно разрознены и находятся в разных форматах.

  • собирать большие материалы в отчеты и сводки;
  • анализировать загруженные таблицы, документы и изображения;
  • искать детали в Gmail и Google Docs;
  • собирать информацию из интернета, например для сравнения поставщиков или подготовки рыночного брифа;
  • выполнять многоэтапные поручения, включая разбор причин роста расходов или сверку чеков и документов.

Для разработчиков Google отдельно выделяет способность Gemini 4 Neon исправлять ошибки и вносить точечные изменения сразу в нескольких файлах. Модель также может работать самостоятельно или координировать параллельных субагентов Hydrogen в Google Antigravity.

Результаты в тестах

По данным Google и независимых бенчмарков, Gemini 4 Neon показывает сильные результаты в задачах, близких к реальной работе.

  • 61 балл в Artificial Analysis Intelligence Index — выше, чем у Claude Opus 5.5 с 59 баллами и GPT-6.2 Sol с 57 баллами;
  • 70,9% в Vals Index — против 70,1% у Opus и 66,1% у Sol;
  • 56,3% в AutomationBench — лучший результат среди сравниваемых моделей;
  • 75,8% в Agents' Last Exam v1.1;
  • 84,0% в RiemannBench по сложной математике;
  • 70,5% в Terminal-Bench Science;
  • 71,3% в HLE-Diamond;
  • 73,5% в Chartography для чтения сложных профессиональных графиков;
  • 1336 баллов и второе место в новом Agent Arena Index на базе более чем 4200 реальных агентских сессий.

Кроме того, Google заявляет о первом месте в Legal Research Bench, Tax Agent Bench, Zapier AutomationBench и Vending-Bench 2 — симуляции долгосрочного управления бизнесом.

При этом Neon не лидирует во всех категориях. Claude Opus 5.5 оказалась сильнее в двух тестах по программированию — Terminal-Bench 4.1 и FrontierCode 2.0. GPT-6.2 Sol лучше справилась с чтением сложных графиков: 75,1% против 73,5% у Neon. Это важная оговорка для команд, которые выбирают модель под узкий сценарий, а не по среднему рейтингу.

Скорость, управляемость и снижение выдуманных ответов

Google подает Gemini 4 Neon не только как мощную, но и как более удобную в работе модель. В компании утверждают, что она занимает второе место по управляемости в Agent Arena Index — то есть лучше адаптируется к уточнениям и исправлениям пользователя по ходу выполнения задачи.

Также Google сообщает о самой низкой для своих моделей частоте фабрикаций во внутренних тестах Google Antigravity. По заявлению компании, Neon не перечитывает без необходимости одни и те же файлы, сообщает о ходе работы и лучше сохраняет смысл длинного диалога даже при сжатии контекста.

Что известно о безопасности

Gemini 4 Neon получила защитные ограничения уровня Carbon. По словам Google, модель должна реже отказываться от допустимых задач, но при этом сохранять ограничения на опасные сценарии.

В двух проверках работы через командную строку доля отказов составила 1,98% и 0%. В отдельном тесте на вредоносные инструкции, спрятанные в сайтах, письмах, документах и коде, при максимальном уровне рассуждений и защите в реальном времени ни одна атака не оказалась успешной. Google отдельно уточняет, что это результат конкретного теста, а не гарантия полной неуязвимости.

Цена и где доступна модель

Gemini 4 Neon стоит $3 за 1 млн входных токенов и $15 за 1 млн выходных токенов. Для кэшированного входа цена составляет $0,15 за 1 млн токенов, что означает скидку 95%.

Модель начала разворачиваться в Gemini API через Google AI Studio, в Gemini for business через API и выбор модели, в Google Antigravity для платных подписчиков Google AI Pro и Ultra, а также в приложении Gemini для подписчиков Pro и Ultra. Отдельную версию Neon for cyber Google планирует предоставлять участникам программы Fairwind по запросу через команду сопровождения облачного аккаунта.

Что это значит для российского рынка

Для российских маркетологов, аналитиков, агентств и владельцев бизнеса новость важна прежде всего как сигнал о смещении конкуренции в сторону ИИ-моделей, которые умеют не только генерировать текст, но и выполнять длинные прикладные цепочки действий: разбирать таблицы, сводить отчеты, проверять документы, анализировать графики и помогать в разработке.

На практике это может быть полезно для подготовки медиапланов, сводок по рекламным кампаниям, анализа выгрузок из CRM, сравнения поставщиков, аудита контента и ускорения SEO- и PPC-рутины. Для специалистов, работающих и с Google, и с Яндексом, главный вывод в том, что рынок ИИ-инструментов все сильнее движется к агентским сценариям: ценность дает не отдельный ответ модели, а способность довести задачу до готового результата на основе файлов, таблиц и внешних данных.

Для SEO- и контент-команд это также означает рост требований к структуре данных, качеству документов и понятности отчетов: чем лучше организованы исходные материалы, тем выше практическая отдача от таких моделей.

В сухом остатке Gemini 4 Neon — это не просто очередное обновление ИИ-линейки Google, а усиление тренда на рабочие модели для аналитики, автоматизации и разработки. Бизнесу, агентствам и специалистам стоит оценивать такие инструменты не по общим рейтингам, а по тому, насколько они ускоряют конкретные процессы: отчеты, аудит, код, исследования и работу с большими массивами данных.

Совет эксперта Analito

Проверьте, какие процессы в команде уже можно перевести на работу с длинным контекстом: сводные отчеты из PDF и таблиц, анализ выгрузок, сравнение поставщиков, аудит документов. Под такие сценарии заранее подготовьте чистые и структурированные входные данные.

Если тестируете ИИ для SEO, PPC или аналитики, сравнивайте модели не по общему хайпу, а по узким задачам: чтение графиков, работа с таблицами, многошаговые инструкции, правки в коде. Для каждой задачи задайте метрики качества: точность, скорость, число ручных исправлений.

Не передавайте в внешние ИИ-сервисы чувствительные данные без отдельной проверки политики доступа и хранения. Для рабочих сценариев с финансами, CRM, договорами и внутренними отчетами сначала протестируйте обезличенные данные и ограниченный набор документов.

Частые вопросы

Чем Gemini 4 Neon отличается от обычного чат-бота?

Модель рассчитана на длинные и сложные рабочие сценарии: она обрабатывает большие наборы файлов, держит контекст до 1 млн токенов и лучше справляется с многоэтапными задачами.

Подойдет ли Gemini 4 Neon для задач интернет-маркетинга и SEO?

Да, прежде всего для анализа таблиц, подготовки отчетов, работы с документами, сводками по кампаниям и автоматизации рутинных процессов. Но качество нужно проверять на собственных данных и сценариях.

Стоит ли ориентироваться только на лидерство в бенчмарках?

Нет. Даже по данным Google модель не лучшая во всех тестах, поэтому выбирать инструмент лучше под конкретную задачу: код, графики, аналитика, документы или агентские сценарии.