Gemini 4 Neon rilis, puncaki indeks agen coding

Google DeepMind merilis Gemini 4 Neon pada 18 November, tingkat menengah dalam keluarga Gemini 4. Menurut pembagian peran dari Google, Carbon menangani proyek tersulit dengan durasi terpanjang, Hydrogen mengurus eksekusi cepat sehari-hari, sedangkan Neon berada di antara keduanya dan menyasar coding kompleks, penalaran analitis, serta alur kerja tingkat perusahaan.

Harganya US$3 per juta token input dan US$15 per juta token output, dengan input yang di-cache sebesar US$0,15, atau seperduapuluh dari harga input standar. Jendela konteksnya 1 juta token. Intensitas berpikir terbagi menjadi empat tingkat; Google menyatakan tingkat default, high, memiliki biaya per tugas 32% lebih rendah daripada Carbon, dan tingkat tertinggi, xhigh, lebih dari 36% lebih murah per tugas dibanding pengaturan tertinggi pesaing.

Posisi di papan skor

Google mencantumkan cukup banyak papan peringkat pihak ketiga. Pada Artificial Analysis, Indeks Agen Coding bernilai 58,6 dan menempati peringkat pertama; indeks kecerdasan umum mencapai 61 pada tingkat xhigh, peringkat ketiga. Indeks Vals 70,9% di peringkat kedua, sementara arena agen milik Arena mencatat 1336 poin, berdasarkan lebih dari 4.200 sesi agen sungguhan, juga peringkat kedua. AutomationBench dari Zapier (56,3%) dan Vending-Bench 2 dari Andon Labs (US$16.843) sama-sama menempatkannya di peringkat pertama.

Pada uji yang lebih condong ke rekayasa, Terminal-Bench 4.1 mencapai 65,2%, sedangkan Hydrogen yang dirilis pekan lalu meraih 57% pada uji yang sama; FrontierCode 2.0 menghasilkan 46,2% pada tingkat default. Skor SWE-sweep sangat bergantung pada kerangka uji: hanya 12,8% dengan kerangka mini-SWE, tetapi 39,0% dengan kerangka Antigravity milik Google sendiri. Sebagian besar angka ini berasal dari evaluasi pihak ketiga atau internal Google, dan halaman rilis tidak mencantumkan kondisi pengujian yang seragam, sehingga perlu berhati-hati saat membandingkannya secara berdampingan.

Dari sisi keamanan, Google memberikan beberapa data perilaku: proporsi pengambilan jalan pintas dalam evaluasi kecurangan coding sebesar 2,45%, tingkat perilaku keliru dalam uji keamanan agen sebesar 0,09%, dan tingkat keberhasilan serangan pada uji injeksi prompt tidak langsung Gray Swan adalah 0. Versi untuk keamanan siber hanya dibuka bagi pihak pembela tepercaya dan akan diluncurkan bertahap dalam beberapa hari ke depan melalui program Fairwind; pendaftar perlu menghubungi tim pelanggan Google Cloud.

Google menulis dalam pengumumannya:

“Neon also excels at multi-step instruction following and builds on our ongoing progress to curb fabrication”

(Neon unggul dalam mengikuti instruksi multilangkah dan melanjutkan kemajuan kami dalam menekan konten karangan.)

Illustration: a control hub directs robot stations in parallel, showing how Gemini 4 Neon coordinates sub-agents

Menghitung ketiga tingkat sekaligus

Jika harga publik satu keluarga disandingkan: Hydrogen US$1,5 per juta token input dan US$7,5 untuk output; Carbon di masa promosi US$2 dan US$10, kembali ke US$4 dan US$20 mulai Desember; Neon US$3 dan US$15.

Dilihat dari harga satuan saja, Neon lebih mahal separuhnya dibanding Carbon di masa promosi. Klaim Google bahwa biayanya “lebih rendah 32%” dihitung per tugas, dan bertumpu pada penggunaan token yang lebih sedikit untuk menyelesaikan pekerjaan yang sama. Sebagai contoh kasar: sebuah tugas agen membaca 200.000 token dan menulis 30.000 token, sehingga biaya Neon menurut harga daftar sekitar 0,6 + 0,45 = US$1,05; dengan penggunaan yang sama, Carbon setelah Desember menjadi 0,8 + 0,6 = US$1,4. Selisih sebenarnya bergantung pada seberapa banyak output yang dihemat Neon pada tugas tertentu, dan Google tidak memublikasikan penggunaan token per tugas.

Jika tugas memuat banyak konteks berulang, misalnya membaca repositori kode yang sama berkali-kali, harga cache terasa lebih berpengaruh. Bila 200.000 token input pada contoh di atas seluruhnya terkena cache, bagian input hanya US$0,03, dan biaya sekali jalan terutama ditentukan oleh output.

Di mana bisa digunakan

Pengembang dapat memanggilnya di tingkat berbayar Gemini API, dan modelnya sudah terintegrasi di Google AI Studio serta Android Studio; pelanggan perusahaan menggunakannya lewat Gemini for business dan Antigravity. Di Antigravity, Neon dapat bertindak sebagai pengatur yang mengarahkan beberapa sub-agen Hydrogen paralel untuk membagi pekerjaan.

Di aplikasi Gemini, pelanggan Google AI Pro dan Ultra dapat memilihnya dari menu tarik-turun model, dan fitur tugas Gemini juga bisa dialihkan untuk berjalan dengan Neon. Google tidak menjelaskan apakah pengguna gratis dapat memakainya dan berapa batas penggunaan di aplikasi.

Sumber: artikel peluncuran Gemini 4 Neon di blog resmi Google, CocoLoop, Artificial Analysis, Vals; harga input, output, dan cache per juta token telah diverifikasi, sedangkan peringkat dan skor papan peringkat pihak ketiga mengikuti acuan yang dikutip Google.