inferwire
/
KI·3 Min. Lesezeit

Google bringt Gemini 4 Neon für agentisches Coden und Tasks

Google hat Gemini 4 Neon veröffentlicht – mit einer Balance aus Tempo und Reasoning für mehrstufiges Software-Engineering, Cyber-Abwehr und Enterprise-Workflows.

TL;DR

  • Google hat Gemini 4 Neon vorgestellt, ein Modell, das auf schnelle Aufgabenerledigung in Software-Engineering-, Analyse- und Wissenschafts-Workflows optimiert ist [^1].
  • Das Modell balanciert Reasoning-Geschwindigkeit und Kosten und erreicht in OpenRouter-Tests eine Generierungsgeschwindigkeit von 127 Token pro Sekunde [^2].

Hintergrund

KI-Entwickler bauen Modellfamilien auf, um Ausführungsgeschwindigkeit, Reasoning-Tiefe und Betriebskosten auszubalancieren. Während große Flaggschiffmodelle komplexe, langwierige Aufgaben bewältigen, können ihre langsamen Antwortzeiten und hohen Token-Preise Echtzeitanwendungen einschränken. Um diese Kompromisse anzugehen, setzen Anbieter Mid-Tier-Modelle ein, die auf mehrstufige agentische Ausführung, strukturierte Datensynthese und schnelle Tool-Nutzung in Unternehmensumgebungen optimiert sind.

Was passiert ist

Google DeepMind hat Gemini 4 Neon vorgestellt und positioniert das Modell zwischen seinem Modell Carbon für langwierige Aufgaben und dem schnellen Alltagsmodell Hydrogen [^1]. Neon bietet ein Kontextfenster von 1 Million Token zum Preis von 3 $ pro Million Input-Token, 0,15 $ pro Million gecachtem Input-Token und 15 $ pro Million Output-Token [^1]. In Auswertungen erzielte Neon auf der Denkstufe „xhigh“ einen Wert von 61 auf dem Artificial Analysis Intelligence Index und belegte insgesamt Platz 3 [^1]. Auf dem Agent Arena Index feierte es mit einem Score von 1.336 über mehr als 4.200 realen Agenten-Sitzungen weltweit sein Debüt auf Platz 2 [^1]. Erste Bereitstellungen über OpenRouter verzeichneten für Neon eine Generierungsgeschwindigkeit von 127 Token pro Sekunde, verglichen mit 46 Token pro Sekunde bei Gemini 4 Carbon [^2].

Im Bereich Software-Engineering belegte Neon mit einem Wert von 58,6 insgesamt Platz 1 auf dem Artificial Analysis Coding Agent Index [^1]. Es erzielte 65,2 % auf Terminal-Bench 4.1, erreichte 12,8 % auf der mini-SWE-Testumgebung und kam auf 39,0 % bei SWE-sweep in Google Antigravity [^1]. In Cyber-Abwehr-Benchmarks erreichte Neon 90,5 % auf SEC-bench Pro beim Aufspüren von Schwachstellen und erzielte 51,26 % auf WebExploitBench v1.2 [^1]. Google rollt Neon über die Gemini API, Google AI Studio, Gemini for Business sowie Abonnenten-Tiers in Google Antigravity und der Gemini-App aus [^1].

Warum es wichtig ist

Neon zielt auf einen spezifischen Engpass in agentischen Workflows ab: die Balance zwischen urteilsfähigem Reasoning, Ausführungsgeschwindigkeit und Token-Kosten. Langlaufende KI-Agenten, die Repositories mit mehreren Dateien refaktorisieren oder kontinuierliche Bedrohungsanalysen durchführen, verbrauchen riesige Kontext-Historien. Neon bietet vier Denkstufen [^1]. In der Standardeinstellung „high“ bietet Neon 32 % niedrigere Kosten pro Aufgabe als Carbon [^1]. Auf der Denkstufe „xhigh“ kostet es 36 %+ weniger pro Aufgabe als konkurrierende Modelle auf deren höchster Einstellung [^1].

Die Veröffentlichung spiegelt auch die wachsende Bedeutung von Agentensicherheit, Alignment und Widerstandsfähigkeit gegen Prompt Injection wider. Neon verzeichnete eine Fehlverhaltensrate von 0,09 % in Googles Safety-Suite für Agenten und erzielte auf der höchsten Denkstufe eine Angriffserfolgsquote von 0,0 % beim indirekten Prompt-Injection-Benchmark von Gray Swan [^1]. Statistische Modellierungen prognostizieren für Neons Leistung auf der Agent-Duel-Bestenliste ein Elo-Rating von 1.066, womit es knapp hinter Opus 5.5 mit 1.078 liegt [^2].

Ein Beispiel aus der Praxis

Stell dir vor, Alex leitet ein Sicherheitsteam, das Enterprise-Webanwendungen auf ungepatchte Code-Schwachstellen prüft.

Statt Repositories manuell zu überprüfen, richtet Alex über Google Antigravity einen agentischen Workflow mit Gemini 4 Neon ein [^1]. Wenn Neon Dateien aus einem Unternehmensprojekt bereitgestellt werden, nutzt es sein Kontextfenster von 1 Million Token, um Schwachstellen zu lokalisieren, und erreicht 90,5 % auf SEC-bench Pro [^1].

Der Agent prüft die Ausnutzbarkeit und nutzt Neons Cyber-Tools, um Risiken auf ExploitGym zu validieren – bei nur der Hälfte der Token von Carbon [^1]. Beim Beheben identifizierter Schwachstellen patcht Neon Code über Repositories hinweg mit gezielten Anpassungen und erreicht einen Score von 70,7 % auf CWE-bench v2 [^1]. Während der gesamten mehrstufigen Sitzung behält Neon Schutzmechanismen bei, verweigert 0 % der Aufgaben auf Terminal-Bench-Science und hält seine Fehlverhaltensrate bei niedrigen 0,09 % [^1].

Alex erhält verifizierte Patches für kritische Schwachstellen schneller, was die Behebungszeit verkürzt, ohne die Ausführung von ungeprüftem Code zu riskieren [^1].

Quellen

  1. [1]Google — Introducing Gemini 4 Neon
  2. [2]micjm — Gemini 4 Neon looks like an Opus 5.5 competitor
  3. [3]Hacker News — Gemini 4 Neon