2026-11-18 · ← News
Gemini 4 Neon zielt für 3 Dollar je Million Tokens auf die Spitze
Google hat Gemini 4 Neon mit einem Kontextfenster von einer Million Tokens und einem Preis von 3 Dollar je Million Eingabe-Tokens veröffentlicht. Das Modell zielt auf häufige agentische Aufgaben, bei denen die Kosten des gesamten Auftrags wichtiger sind als der reine Tokenpreis.
Das Bild konnte nicht geladen werden.
Google hat Gemini 4 Neon für Softwareentwicklung, Analysen und lang laufende agentische Aufgaben veröffentlicht. Das Modell bietet bis zu 1 Million Tokens Kontext und kostet 3 Dollar je Million Eingabe-Tokens sowie 15 Dollar je Million Ausgabe-Tokens. Zwischengespeicherte Eingaben kosten 0,15 Dollar je Million Tokens.
Neon verbindet eine Million Tokens mit einem Preis unter Carbon
Neon basiert auf Gemini 4 Carbon, wird von Google aber zwischen dem tieferen Carbon und dem schnelleren Hydrogen eingeordnet. Im Index von Artificial Analysis erreicht es 61 Punkte. Die Model Card nennt außerdem 65,2 % bei Terminal-Bench 4.1, 70,9 % im Vals Index und 95,2 % bei GraphWalks für Kontexte von 256.000 bis 1 Million Tokens.
Die Verfügbarkeit hängt vom jeweiligen Kanal ab. Die kostenpflichtige API läuft in Google AI Studio, zudem wird das Modell in Gemini for business eingeführt. Abonnenten von Google AI Pro und Ultra können es in der Gemini-App sowie in Antigravity auswählen. Die Cybervariante soll in den kommenden Tagen nur ausgewählte Verteidiger im Fairwind-Programm erreichen.
Entwicklungsteams werden die fertige Aufgabe abrechnen
Google gibt an, dass Neon bei der voreingestellten Stufe high die Kosten pro Aufgabe gegenüber Carbon um 32 % senkt. Für agentische Workflows ist das wichtiger als der reine API-Preis. Ein günstiger Token hilft wenig, wenn das Modell Dateien erneut liest, Kontext verliert oder einen kompletten Neustart erzwingt.
Aufschlussreich ist deshalb der Abstand zwischen zwei SWE-sweep-Läufen. Der mini-SWE-Harness erzielt 12,8 %, Antigravity dagegen 39,0 %. Das zeigt, wie viel Leistung aus Orchestrierung, Werkzeugen und Kontextverwaltung stammt. Käufer vergleichen vollständige Agentensysteme, nicht nur einzelne Modelle.
Die Benchmarktabelle mischt unabhängige Werte mit Heimspielen
Ein Teil der Ergebnisse stammt aus unabhängigen Ranglisten, ein Teil aus internen Google-Tests und ein Teil hängt stark vom jeweiligen Harness ab. Die auffälligsten Sicherheitsangaben, darunter eine Rate fehlgeleiteter Aktionen von 0,09 % und 99,2 % bestandene Fälle in einem Ehrlichkeitstest, sind interne Messungen. Laut Model Card folgt der vollständige Sicherheitsbericht erst noch.
Google nennt Halluzinationen als bekannte Einschränkung und arbeitet weiter an der Abwehr von Jailbreaks sowie indirect prompt injection. Der Wissensstand endet im März 2026. Gute Tabellen ersetzen keine Evals auf den eigenen Repositories, Daten und Berechtigungen.
Wiederholte Läufe und Rechnungen liefern das Urteil
Teams sollten drei Signale beobachten: Abschluss ohne Neustart, Gesamtkosten pro fertiger Aufgabe und Zahl der menschlichen Eingriffe. Dort zeigt sich, ob die versprochene Ersparnis von 32 % gegenüber Carbon den Kontakt mit echten Werkzeugen und Fehlern übersteht.
Lange Agentenläufe bilden die zweite Prüfung. Hält Neon Berechtigungsgrenzen und einen nachvollziehbaren Auditpfad über Dutzende Schritte ein, verdient es einen Platz in der Produktion. Andernfalls verlängert der Millionenkontext nur den Weg zu einer teureren Reparatur.
Liliths Urteil
Google schickt Neon mit einem kleineren Preisschild ins Rennen, doch der Harness hält weiterhin das Zielband. Wer Tokens statt erledigter Aufgaben zählt, sucht auf der Rechnung womöglich nach Ersparnissen, die nie angekommen sind.
Quellen