Google lancerede onsdag den 18. november Gemini 4 Neon, den fjerde model i Gemini 4-familien på syv uger. Neon er bredt tilgængelig fra dag ét og placeret som standardvalget til det meste kode, analyse og produktionsnære virksomhedsarbejde. Den er billigere pr. opgave end Carbon og hurtigere, og det gør den mere relevant for en dansk udviklingsafdeling end de tunge frontier-modeller, Google har vist frem i efteråret.
Vi har læst Googles lanceringsindlæg, udviklerdokumentationen på Google Cloud og den uafhængige måling fra Artificial Analysis. Historien er todelt. Neon giver en lille intelligensgevinst over Carbon til en lavere pris pr. løst opgave, og samtidig afløser den Gemini 4 Argon og Gemini 3.1 Pro, ændrer en håndfuld API-regler og kan køres i en eu-region. For jer, der allerede bygger på Gemini, er det lige så meget et migreringskrav som en ny mulighed.
Ifølge Googles lanceringsindlæg er Neon bygget til kompleks kode, analytisk ræsonnement og virksomhedsworkflows i produktion. Google beskriver de tre arbejdsmodeller i Gemini 4-familien sådan, at Carbon tager de sværeste og længste projekter, Hydrogen håndterer hurtig hverdagsudførelse, og Neon lander midt imellem med dybde og effektivitet. Modellen blev annonceret af Koray Kavukcuoglu, SVP i Google DeepMind, og rullede ud samme dag i Gemini API, i Google AI Studio og Android Studio, i Gemini for business og i Google Antigravity for betalende Pro- og Ultra-abonnenter.
Tempoet siger noget om markedet. Argon kom 30. september, Carbon 28. oktober, Hydrogen i midten af november, og nu Neon. Fire modeller på syv uger, og lanceringen faldt dagen efter OpenAIs GPT-6.2 Astra og Sol. Konkurrencen har flyttet sig fra rå intelligens til pris og tid pr. løst opgave, og det er dén vinkel, Neon er skåret til.
I Gemini-appen er modelvælgeren nu skrevet om. Den består af Auto, der tilpasser sig opgaven, Everyday help med Hydrogen, Deeper analysis med Neon og Code & complex work med Carbon. Med den opdatering forsvinder Gemini 3.1 Pro helt, Neon overtager Argons plads, og 3.5 Flash-Lite bliver til Auto for betalende brugere. Neon er altså det nye midterspor: kraftigere end Hydrogen, billigere og hurtigere end Carbon.
Teknisk er det tydeligst i Googles udviklerdokumentation. Google kalder Neon den officielle opgradering fra Gemini 3.1 Pro og den rette model for de fleste kode- og vidensopgaver, der i dag kører på Argon. Den er også målet for komplekse kode- og videnskabsopgaver, der flyttes fra Gemini 3.8 Flash. Hverdagens store mængder af korte agent-kald skal derimod blive på Hydrogen, og bulk-klassificering på Flash-Lite. Placér derfor Neon bevidst der, hvor kode- og analyseopgaverne er tunge nok til at retfærdiggøre den.
Her skal man skille kilderne ad. På Artificial Analysis Intelligence Index scorer Neon på sit højeste tænkeniveau, xhigh, 61 point. Det er ifølge Artificial Analysis selv ét point foran Carbon og en tredjeplads samlet, bag OpenAIs GPT-6.2 Astra og Claude Fable 5.2 på deres højeste indstillinger. Ét point er en lille forskel. Hold fast i det, når Google selv kalder Neon et spring.
Resten af Googles benchmarkliste er bred. Google fremhæver en andenplads på Vals Index med 70,9 procent og førstepladser på Legal Research Bench og Tax Agent Bench, en førsteplads på Zapiers AutomationBench med 56,3 procent, 65,2 procent på Terminal-Bench 4.1 og en andenplads på det nye Agent Arena Index med 1336 point. Flere af disse tal stammer fra tredjepartsplatforme, men det er Google, der har udvalgt og præsenteret dem i lanceringen. Den eneste måling, en uafhængig part har offentliggjort sin egen analyse af på dagen, er Artificial Analysis.
Og netop Artificial Analysis leverer det mest nøgterne billede. Neon koster ifølge deres måling 6,44 dollar pr. opgave mod 7,76 dollar for Carbon til normalpris, altså cirka 17 procent mindre, og bruger cirka 21 minutter pr. opgave mod Carbons cirka 36 minutter. Bemærk, at Neon faktisk bruger cirka 15 procent flere output-tokens pr. opgave. Den lavere regning kommer alene fra lavere token-priser, og den kortere tid fra højere hastighed, cirka 110 mod 57 output-tokens i sekundet. Google oplyser selv en større besparelse på 32 procent lavere pris pr. opgave end Carbon ved standardniveauet. De to tal er ikke i modstrid, men de måler forskelligt, og det er den uafhængige måling, I kan efterprøve.
Neon koster 3 dollar pr. million input-tokens og 15 dollar pr. million output-tokens. Cachede input-tokens får samme rabat på 95 procent som i resten af familien, altså 0,15 dollar pr. million. Konteksten er 1 million tokens.
Prissammenligningen kræver et øjeblik. Carbon og Argon koster 2 og 10 dollar frem til 30. november og derefter 4 og 20 dollar. Indtil introduktionsprisen udløber, er Carbon altså billigere pr. token end Neon. Først efter 30. november er Neon 25 procent billigere end Carbon til normalpris. Mod Hydrogen er Neon dobbelt så dyr pr. token. Skifter I fra Carbon til Neon af rene prisgrunde, giver det altså først fuld mening efter månedsskiftet. Og pris pr. token er stadig ikke det samme som pris pr. løst opgave, så mål begge dele på jeres egne opgaver.
Det stærkeste argument for Neon ligger i kodeagenter. På Artificial Analysis Coding Agent Index, kørt i Googles Antigravity CLI, scorer Neon 59 point, tre foran Carbon. Det er på niveau med Claude Code med Fable 5.2 og Opus 5.5, der begge ligger på 58. Forskellen er prisen. Neon koster i den måling 6,86 dollar pr. opgave, mod 12,61 dollar for Opus 5.5 og 15,47 dollar for Fable 5.2. For et team, der kører kodeagenter dagligt, er det den slags forskel, der flytter et budget.
Neon kan også bruges som orkestrator. På Googles Interactions API kan Neon planlægge og verificere en opgave og sende selve udførelsen videre til hurtigere Hydrogen-undermodeller, og i Antigravity samler en orchestrator-funktion de to bag én prompt. Det er et konkret mønster: lad den dyrere model tænke og dele arbejdet op, og lad den billige model udføre. Det er også her, token-regningen i praksis afgøres, for ræsonnement på højt tænkeniveau tæller med i output.
Google lægger vægt på, at Neon opfører sig disciplineret som agent. I Googles egne evalueringer har modellen en fejlrettet handling i 0,09 procent af tilfældene på en agentisk sikkerhedssuite, består en ærlighedsevaluering i 99,2 procent af tilfældene og reducerer både underpræstation og det at gå ud over opgaven i forhold til Carbon. Over for indirekte prompt injection i Gray Swans test lykkedes ingen angreb på det højeste tænkeniveau med realtidsbeskyttelse slået til. Det gælder de angreb, testen dækker, og tallene er Googles egne.
Der kommer også en cyberversion af Neon, som ligesom Carbon rulles ud til godkendte forsvarere i Fairwind-programmet i løbet af de kommende dage. Her rapporterer Google, at Neon skriver mere sikker kode end Carbon, og at den finder, validerer og retter sårbarheder hurtigere og billigere end de store frontier-modeller. Som med Carbon er de cybertal målt af Google selv, og den brede version, I kan købe, kommer med begrænsninger på cyberopgaver. Brug tallene til at forstå retningen, ikke som en garanti for, hvad I selv vil opleve.
Skiftet til Neon kræver mere end et nyt model-id. Udviklerdokumentationen beskriver flere ændringer, der kan bryde en eksisterende integration, hvis I ikke rydder op først.
To ting har særlig betydning i en dansk kontekst. For det første kan Neon køres på endpointet global og i multi-regionerne us og eu. Kører I Argon i London-regionen europe-west2, skal I skifte location. For det andet skriver Google, at Neon af hensyn til stabilitet, kapacitet og sikkerhed kun er tilgængelig for verificerede virksomhedskunder i udvalgte regioner. Hvad det konkret betyder for adgang via eu-regionen, er ikke beskrevet nærmere. Endelig læser Neon nu Microsoft Office- og OpenDocument-filer direkte, altså Word, PowerPoint, Excel og deres åbne modparter, ud over PDF og tekst. Det er praktisk, når opgaven er at analysere regnskaber, kontrakter og tilbud i samme kontekst.
Neon føjer sig ind i et mønster. Google bygger en familie, hvor hver model har en plads, og hvor det billige midterspor nu er det, de fleste skal bruge. For jer betyder det, at modelvalg bliver en løbende disciplin. Den model, der er rigtig i dag, bliver skiftet ud om få uger, og gevinsten ligger i at kunne flytte jeres arbejde uden at bygge forfra hver gang. Bygger I jeres arbejdsgange, så de tåler et modelskifte, bliver den næste lancering til en opdatering og ikke et projekt.