AI-overzicht
Gemini 4 Neon is een model in Googleโs Gemini 4-familie, uitgebracht op 18 november 2026. Het is gebaseerd op Gemini 4 Carbon en ontworpen om diepgang van redeneren, uitvoersnelheid en operationele kosten in balans te brengen voor veeleisende, hoogfrequente workloads. Google positioneert Neon tussen Carbon, dat zich richt op de zwaarste langetermijntaken, en Hydrogen, dat focust op snelle alledaagse uitvoering.
Het model is bij uitstek geschikt voor langlopende coding-agents, debugging op repository-niveau, financiรซle en juridische analyse, wetenschappelijk onderzoek en multimodale documentworkflows. Het accepteert tekst, afbeeldingen, audio en video, en kan documenten verwerken zoals pdfโs, spreadsheets, presentaties en Word-bestanden. De limiet van 1.048.576 tokens wordt gedeeld tussen input en output in plaats van uitsluitend een inputcontext te zijn. Standaard voorgrondgeneratie ondersteunt tot 65.536 outputtokens per segment; lange decodering kan de generatie over meerdere segmenten uitbreiden.
Gemini 4 Neon ondersteunt vier denkniveaus: LOW, MEDIUM, HIGH en XHIGH, met HIGH als standaard. In door Google gepubliceerde evaluaties scoort het model 61 op de Artificial Analysis Intelligence Index, 65,2% op Terminal-Bench 4.1 en 70,5% op Terminal-Bench-Science 0.1. Deze resultaten positioneren Neon als een sterke optie voor ontwikkelaars die capabele agents bouwen die moeten redeneren, tools gebruiken en complexe taken voltooien zonder altijd de kosten te betalen van een groter frontiermodel.
Modelkaart โ Google DeepMind
+2
Belangrijkste functies van Gemini 4 Neon
- Productiegericht agentisch programmeren: Behandelt debugging over meerdere bestanden, repository-refactoring, tool-intensieve workflows en langlopende software-engineeringtaken. Google demonstreert ook dat Neon Hydrogen-subagents coรถrdineert in Antigravity.
- Multimodale invoer: Accepteert tekst, afbeeldingen, audio en video, waardoor toepassingen documenten, grafieken, opnamen en videocontent in รฉรฉn workflow kunnen analyseren.
- Redeneren met lange context: Ondersteunt een verenigd input/output-budget van 1.048.576 tokens, met lange decodering voor taken die meer vereisen dan het standaard voorgrondsegment voor output.
- Vier configureerbare denkniveaus:
LOW,MEDIUM,HIGHenXHIGHstellen ontwikkelaars in staat de redene diepte aan te passen aan verschillende workloads. - Wetenschappelijke en analytische capaciteiten: Levert sterke gerapporteerde resultaten op wiskundig redeneren, wetenschappelijke terminaltaken, interpretatie van biologische data en professionele analyses.
- Toolgebruik en gestructureerde generatie: Ondersteunt functieaanroepen, code-uitvoering, grounding via Google Search, URL-context, computergebruik en gestructureerde outputs.
blog.google
+2
Technische specificaties van Gemini 4 Neon
| Specificatie | Details |
|---|---|
| Modelnaam | Gemini 4 Neon |
| Model-ID | gemini-4-neon |
| Aanbieder | |
| Modelfamilie | Gemini 4 |
| Releasedatum | 18 november 2026 |
| Modelafkomst | Gebaseerd op Gemini 4 Carbon |
| Invoermodaliteiten | Tekst, afbeeldingen, audio, video |
| Uitvoermodaliteit | Tekst |
| Gecombineerde input/output-tokenlimiet | 1.048.576 tokens |
| Standaardlimiet voor voorgronduitvoer | 65.536 tokens per segment |
| Limiet voor uitvoer bij lange decodering | Tot 1.048.576 tokens minus inputtokens |
| Denkniveaus | LOW, MEDIUM, HIGH, XHIGH |
| Standaard denkniveau | HIGH |
| Knowledge cutoff | maart 2026 |
| Functieaanroepen | Ondersteund |
| Gestructureerde output | Ondersteund |
| Code-uitvoering | Ondersteund |
| Google Search grounding | Ondersteund |
| URL-context | Ondersteund |
| Computergebruik | Ondersteund |
| Contextcaching | Impliciete caching; expliciete caching niet ondersteund |
| Fine-tuning | Niet ondersteund |
| RAG Engine | Niet ondersteund |
| Gemini Live API | Niet ondersteund |
| Ondersteunde API-interfaces | GenerateContent, Interactions, Chat Completions |
Belangrijk onderscheid inzake tokenlimiet: De limiet van 1.048.576 tokens wordt gedeeld door input en output, inclusief redenerings- en functieaanroep-tokens. Een normale voorgrondrespons is beperkt tot 65.536 outputtokens per segment. Langere generaties vereisen voortzetting via lange decodering via ondersteunde API-paden; het zijn geen onbeperkte, synchrone enkelvoudige responses.
Benchmarkprestaties van Gemini 4 Neon
Google DeepMindโs modelkaart van november 2026 publiceert resultaten over codering, kenniswerk, wetenschappelijk redeneren, multimodale begrip, taken met lange context en cybersecurity.
| Benchmark | Gemini 4 Neon | Vergelijking of evaluatie |
|---|---|---|
| Artificial Analysis Intelligence Index v5.0.1 | 61 | Claude Opus 5.5: 59; GPT-6.2 Sol: 57 |
| Vals Index v2.2 | 70,9% | Claude Opus 5.5: 70,1%; GPT-6.2 Sol: 66,1% |
| CursorBench 4.1 | 65,4% | Claude Opus 5.5: 58,1% |
| Terminal-Bench 4.1 | 65,2% | Claude Opus 5.5: 65,8%; GPT-6.2 Sol: 61,5% |
| FrontierCode 2.0 | 46,2% | Claude Opus 5.5: 47,3%; GPT-6.2 Sol: 43,8% |
| SWE-sweep (provider-harnas) | 39,0% | Claude Opus 5.5: 10,1%; GPT-6.2 Sol: 8,3% |
| AutomationBench | 56,3% | Claude Opus 5.5: 42,5%; GPT-6.2 Sol: 41,3% |
| Agents' Last Exam v1.1 | 75,8% | Claude Opus 5.5: 71,6%; GPT-6.2 Sol: 73,0% |
| RiemannBench | 84,0% | Claude Opus 5.5 en GPT-6.2 Sol: 80,0% |
| Terminal-Bench-Science 0.1 | 70,5% | Claude Opus 5.5: 63,3%; GPT-6.2 Sol: 68,0% |
| HLE-Diamond | 71,3% | Claude Opus 5.5: 67,9%; GPT-6.2 Sol: 64,0% |
| GraphWalks (256Kโ1M, BFS F1) | 95,2% | Claude Opus 5.5: 66,8%; GPT-6.2 Sol: 80,1% |
Bron: Google DeepMindโs modelkaart van Gemini 4 Neon, november 2026.
Wat de benchmarkresultaten betekenen
1. Coding-agents en software-engineering
Neon scoort 65,2% op Terminal-Bench 4.1 en 46,2% op FrontierCode 2.0. Op SWE-sweep scoort het 12,8% met het mini-SWE-harnas en 39,0% met Googleโs Antigravity-harnas. Het verschil tussen deze twee SWE-sweep-resultaten is belangrijk: agent-harnassen, tooltoegang en uitvoeringsomgevingen kunnen de gemeten prestaties wezenlijk beรฏnvloeden.
2. Kenniswerk en automatisering
Neon behaalt 56,3% op AutomationBench en 75,8% op Agents' Last Exam v1.1. Google rapporteert ook een score van $16,843 op Vending-Bench 2 van Andon Labs, een simulatie van het runnen van een bedrijf gedurende een langere periode. Deze evaluaties wijzen op bruikbaarheid voor workflows die planning, toolgebruik en herhaalde beslissingen vereisen in plaats van een enkel antwoord.
3. Wetenschappelijk en wiskundig redeneren
Neon scoort 84,0% op RiemannBench, 70,5% op Terminal-Bench-Science 0.1 en 71,3% op HLE-Diamond. Deze resultaten maken wetenschappelijke analyse, het oplossen van wiskundige problemen en computationeel onderzoek relevante evaluatiedoelen voor het model.
4. Begrip van lange context
Neon bereikt 95,2% op GraphWalks, dat breadth-first search-redeneren over grafen test bij contextgroottes tussen 256K en 1M tokens. Dit is met name relevant voor taken die grote verzamelingen documenten, code of onderling verbonden informatie omvatten.
5. Multimodaal begrip
De modelkaart rapporteert 73,5% op Chartography en 89,0% op LVBench. Deze evaluaties bestrijken respectievelijk professionele grafiekinterpretatie en begrip van lange videoโs.
Opmerking bij benchmarks: Het resultaat van 39,0% op SWE-sweep komt uit Googleโs Antigravity-harnas. Dit moet niet worden gepresenteerd als direct uitwisselbaar met het 12,8%-resultaat van mini-SWE of met het resultaat van een andere aanbieder onder een ander harnas. Algemeen geldt dat benchmarkcijfers geen garantie zijn voor productieprestaties.
Gemini 4 Neon versus andere modellen
De nuttigste vergelijkingen zijn met andere Gemini 4-modellen die verschillende prestatie- en kostenprofielen nastreven, naast een concurrerend general-purpose-redeneringsmodel.
| Dimensie | Gemini 4 Neon | Gemini 4 Carbon | Gemini 4 Hydrogen | GPT-6.2 Sol |
|---|---|---|---|---|
| Positionering | Balans tussen frontier-redeneren, snelheid en kosten | Meest diepgaand, werk over lange horizon | Snelle alledaagse uitvoering | Veelzijdig general-purpose redeneren |
| Typische workloads | Agentisch programmeren, enterprise-analyse, wetenschap | Zware, langdurige coding- en onderzoekstaken | High-throughput codering en agents | Codering, kenniswerk en algemene agents |
| Context | 1M verenigde tokens | 1M verenigde tokens | 1M verenigde tokens | 1,05M tokens |
| Invoermodaliteiten | Tekst, afbeelding, audio, video | Tekst, afbeelding, audio, video | Tekst, afbeelding, audio, video | Tekst, afbeelding |
| Denkniveaus | Low, Medium, High, XHigh | Low, Medium, High, XHigh | Low, Medium, High, XHigh | Low, Medium, High, XHigh, Max |
| Opvallend onderscheid | Hoge prestaties met lagere taakkosten dan Carbon in Googleโs gerapporteerde evaluaties | Ontworpen voor de moeilijkste langetermijnprojecten | Geoptimaliseerd voor snelheid en efficiรซntie | OpenAIโs veelzijdige model voor dagelijks werk |
Gemini 4 Neon versus Gemini 4 Carbon
Gemini 4 Carbon is Googleโs model voor de meest veeleisende projecten op de lange termijn. Neon is gebaseerd op Carbon maar legt de nadruk op snellere taakafhandeling en lagere operationele kosten voor complexe, vaak herhaalde workflows.
Google rapporteert dat Neon in vroege evaluaties gelijkwaardig of beter scoorde dan Carbon op algehele kwaliteit, met ongeveer driemaal de snelheid en 60% van de kosten. De gepubliceerde vergelijking meldt ook 32% lagere taakkosten dan Carbon op Neons standaarddenkniveau HIGH. Dit zijn evaluatiespecifieke claims, dus ontwikkelaars moeten beide modellen benchmarken met hun eigen tools, prompts en taakdistributies.
Kies Carbon wanneer een taak de diepste redenering en uitgebreide verkenning rechtvaardigt. Kies Neon wanneer u sterke redenering nodig hebt over een groter aantal productietaken en de kosten per taak wilt beheersen.
Gemini 4 Neon versus Gemini 4 Hydrogen
Hydrogen is ontworpen voor snelle alledaagse uitvoering in coding- en agentworkflows. Neon is bedoeld voor complexere taken die profiteren van diepere analyse, uitgebreider toolgebruik en langere redeneerloops.
Beide ondersteunen een verenigd budget van 1 miljoen tokens en vier denkniveaus, maar Neon is gepositioneerd voor veeleisender engineering op repository-niveau, enterprise-analyse en wetenschappelijk werk. Hydrogen is een natuurlijker startpunt voor high-volume taken waarbij snelheid en kosten de belangrijkste beperkingen zijn.
Een praktische agentarchitectuur kan Neon gebruiken als planner of reviewer en Hydrogen als implementatiesubagent. Googleโs Interactions API-documentatie bevat een voorbeeld van het doorgeven van werk van Neon naar Hydrogen met previous_interaction_id.
Gemini 4 Neon versus GPT-6.2 Sol
De modelkaart van Google vergelijkt Neon met GPT-6.2 Sol op verschillende evaluaties. Neon scoort hoger op de Artificial Analysis Intelligence Index (61 vs. 57), de Vals Index (70,9% vs. 66,1%) en Agents' Last Exam v1.1 (75,8% vs. 73,0%). GPT-6.2 Sol scoort iets lager op Terminal-Bench 4.1 (61,5% vs. 65,2%) en FrontierCode 2.0 (43,8% vs. 46,2%).
Deze vergelijking suggereert dat Neon een sterke kandidaat is voor multimodale, tool-intensieve workflows en taken met lange context. GPT-6.2 Sol blijft relevant voor toepassingen die zijn gebouwd rond OpenAIโs ecosysteem en diens eigen redeneer- en toolinterfaces. De daadwerkelijke keuze moet afhangen van de vereiste modaliteiten, API-integratie, latency en werklastspecifieke evaluatie.
Beperkingen van Gemini 4 Neon
- De contextlimiet is gedeeld: Het budget van 1.048.576 tokens omvat input, redenering, toolaanroepen en de uiteindelijke output. Het is niet 1M inputtokens plus een afzonderlijke 1M-outputtoelage.
- Voorgrondoutput is beperkt tot 65.536 tokens per segment: Langere generaties vereisen ondersteunde voortzetting met lange decodering. Lange decodering kan extra latency introduceren en vereist compatibele API-afhandeling.
- Sommige bekende generatieparameters worden genegeerd of afgewezen: Aangepaste waarden voor
temperature,top_pentop_kworden genegeerd.frequency_penalty,presence_penaltyencandidate_countgroter dan รฉรฉn worden niet ondersteund. Gebruikthinking_levelom de redene diepte te sturen. - Expliciete contextcaching is niet beschikbaar: Neon ondersteunt impliciete caching, die automatisch van toepassing is op gedeelde promptprefixen van minstens 4.096 tokens. Expliciete contextcache-creatie wordt niet ondersteund in de gedocumenteerde configuratie.
- Geen ondersteuning voor fine-tuning of RAG Engine: De modeldocumentatie vermeldt beide als niet ondersteund.
- Geen ondersteuning voor Gemini Live API: Neon ondersteunt audio- en videobestandsinvoer, maar is geen realtime Live API-model.
- Knowledge cutoff: De gepubliceerde modelkaart vermeldt maart 2026 als knowledge cutoff. Actuele informatie moet via grounding of externe tools worden opgehaald in plaats van te veronderstellen dat deze deel uitmaakt van de modelkennis.
- Hallucinaties en prompt-injectierisicoโs blijven bestaan: Google erkent hallucinaties en doorlopend werk aan verbetering van jailbreak-resistentie. Toepassingen die tools gebruiken, hebben nog steeds permissiecontroles, validatie en menselijk toezicht nodig.
Beste gebruiksscenarioโs voor Gemini 4 Neon
- Coding-agents op repository-niveau: Analyseer grote codebases, traceer bugs over bestanden, voer refactors uit en run iteratieve verificatieworkflows.
- Enterprise document intelligence: Synthetiseer informatie uit pdfโs, spreadsheets, presentaties en Word-documenten tot rapporten en gestructureerde deliverables.
- Wetenschappelijk en wiskundig onderzoek: Ondersteun wiskundig redeneren, interpretatie van biologische data, computationele experimenten en terminalgebaseerde onderzoeksworkflows.
- Financiรซle en juridische analyse: Extraheer bewijs uit grote documentverzamelingen, vergelijk cijfers, volg complexe randvoorwaarden en bereid gestructureerde analytische concepten voor.
- Multimodale video- en audio-analyse: Verwerk opnamen en videobestanden naast tekst en documenten om gebeurtenissen samen te vatten of relevante informatie te extraheren.
- Cybersecurity-verdediging: Help bij veilige codegeneratie, kwetsbaarheidsidentificatie, validatie en patching in geautoriseerde defensieve omgevingen.
- Orchestratie met meerdere agents: Gebruik Neon om werk te plannen, te reviewen of te coรถrdineren, terwijl snellere modellen zoals Hydrogen kleinere uitvoeringstaken afhandelen.
Deze toepassingen sluiten aan bij de door Google aangegeven beoogde gebruiksdoelen. Output met grote impact, bevindingen rond beveiliging en wetenschappelijke conclusies vereisen nog steeds onafhankelijke verificatie.
Toegang tot de Gemini 4 Neon API op CometAPI
CometAPI biedt een verenigde API-interface voor ontwikkelaars die modellen van meerdere aanbieders integreren. De modelidentifier voor Gemini 4 Neon is gemini-4-neon.
Stap 1: Maak een CometAPI-account en haal een API-sleutel op
Registreer of meld u aan bij CometAPI. Open de API-tokenconsole, maak een token aan en sla dit op als omgevingsvariabele.
Stap 2: Configureer de API-aanvraag voor Gemini 4 Neon
Kies gemini-4-neon als model-ID. Voor een basisintegratie voor tekstgeneratie kunt u de OpenAI-compatibele interface van CometAPI en de gemini interface gebruiken.