Google amplia la famiglia Gemini 4 con Neon, un modello generalista che si colloca tra il top di gamma Carbon e l'alternativa più economica Hydrogen. L'obiettivo è intercettare una fascia di utilizzo sempre più importante per aziende e sviluppatori: attività complesse abbastanza da richiedere ragionamento, uso di strumenti e gestione di più passaggi, ma nelle quali prezzo e tempo di completamento contano quanto il punteggio nei benchmark.
Gemini 4 Neon è stato presentato come modello destinato allo sviluppo software, al lavoro sulla conoscenza e ai flussi scientifici. Google sostiene che riesca a completare la maggior parte delle attività circa tre volte più velocemente di Gemini 4 Carbon, con un costo inferiore di circa il 60%. È un confronto rilevante perché Carbon, rilasciato soltanto un mese prima, resta il modello più potente della linea: Neon non prova quindi a sostituirlo in ogni circostanza, ma propone un diverso compromesso operativo.
La novità arriva mentre la scelta di un modello linguistico per un prodotto o un processo interno dipende sempre meno dalla sola capacità di generare una risposta convincente. Per un assistente che analizza documenti, prepara codice, consulta strumenti esterni o porta avanti procedure con più vincoli, incidono la latenza, il costo per richiesta, la stabilità dell'esecuzione e la possibilità di correggerne il comportamento mentre lavora. È su questo terreno che Google prova a differenziare Neon.
Un modello intermedio pensato per carichi di lavoro concreti
La collocazione di Neon è quella di un modello di fascia intermedia, ma la definizione rischia di essere riduttiva. Google lo indirizza a compiti che richiedono capacità avanzate: produzione di codice pronto per ambienti operativi, ragionamento analitico, comprensione multimodale, automazione di procedure e workflow agentici. In altre parole, casi nei quali il sistema non deve limitarsi a riscrivere un testo o rispondere a una singola domanda, ma deve mantenere il filo di istruzioni articolate e arrivare a un risultato verificabile.
Tra gli aspetti evidenziati dall'azienda c'è la capacità di seguire istruzioni composte da più passaggi e di adattarsi alle correzioni dell'utente nel corso dell'attività. Google cita il secondo posto nell'Agent Arena Index sulla steerability, cioè la prontezza nell'accogliere modifiche di rotta senza perdere coerenza. È una caratteristica pratica per gli strumenti agentici: chi usa questi sistemi in un contesto professionale non consegna un compito e basta, ma interviene con eccezioni, priorità, dati nuovi e richieste di revisione.
Google afferma inoltre di aver ottenuto il proprio tasso più basso di fabbricazione nelle verifiche interne svolte con Antigravity. Il dato va letto per ciò che è: una misurazione interna dell'azienda, non una certificazione indipendente dell'affidabilità del modello. E soprattutto non significa che il problema delle allucinazioni sia risolto. Per attività che producono codice, analisi tecniche o decisioni con impatto operativo, restano necessari controlli umani, validazioni automatiche e limiti chiari alle azioni che un agente può eseguire.
Benchmark elevati, con le cautele necessarie
Secondo i dati comunicati da Google, Gemini 4 Neon raggiunge 61 punti nell'Artificial Analysis Intelligence Index al livello di ragionamento xhigh. Il risultato lo porta al terzo posto complessivo nella graduatoria citata dall'azienda, dietro modelli più grandi e più lenti. Un riscontro di Artificial Analysis riportato insieme all'annuncio colloca Neon a 61, dietro Claude Fable 5.2 a 65 e GPT-6.2 Astra a 62.
Google segnala anche il secondo posto nel Vals Index e una posizione sulla cosiddetta frontiera di Pareto, espressione usata per indicare un equilibrio favorevole fra qualità e risorse richieste. Nei propri test, Neon supera modelli concorrenti in ambiti che includono lavoro della conoscenza, ragionamento, automazione, comprensione multimodale, cybersecurity, scienza e matematica.
Questi confronti sono utili per capire il posizionamento del prodotto, ma non bastano per decretare un vincitore assoluto. I benchmark dipendono da set di prove, impostazioni di inferenza e criteri di valutazione; inoltre i test resi pubblici dal fornitore riflettono inevitabilmente la metodologia di chi li commissiona. Una società che intenda adottare Neon dovrà quindi confrontarlo sul proprio codice, sui propri documenti, sulle lingue effettivamente usate e sui tempi richiesti dal suo servizio, non soltanto su un indice aggregato.
Il prezzo e la finestra di contesto
Il listino di Gemini 4 Neon è di 3 dollari per un milione di token in input e di 15 dollari per un milione di token in output. Per l'input in cache, Google indica 0,15 dollari per milione di token, con uno sconto del 95%. La finestra di contesto arriva a un milione di token, una dimensione pensata per lavorare su raccolte consistenti di materiale senza dover spezzare continuamente documenti e istruzioni.
Nel raffronto riportato da SiliconANGLE, Neon si posiziona fra GPT-6.2 Sol, indicato a 2 dollari per milione di token in input e 10 in output, e Claude Opus 5.5, rispettivamente a 4 e 20 dollari. Sul puro prezzo di listino non è dunque l'opzione meno costosa del gruppo; la tesi di Google è che il rapporto fra costo, tempi e capacità possa risultare più favorevole quando il modello conclude un compito complesso con meno attese o meno tentativi.
La distinzione è sostanziale. Il costo reale di un sistema basato su modelli generativi non coincide con il prezzo di una chiamata API: comprende le richieste ripetute per correggere gli errori, il tempo dei team che verificano l'output, l'infrastruttura che coordina agenti e strumenti, oltre al rischio di fallimenti nei processi automatizzati. Un modello più caro per token può avere senso se riduce il numero di iterazioni; al contrario, un benchmark brillante non garantisce risparmi se l'integrazione quotidiana è poco prevedibile.
Disponibilità e prossime verifiche
Gemini 4 Neon è disponibile da oggi nella Gemini API a pagamento. Google lo sta distribuendo anche nell'app Gemini per gli abbonati AI Pro e Ultra, oltre che attraverso Google Antigravity e altre offerte destinate alle imprese. La disponibilità su canali diversi indica che il gruppo vuole usarlo sia come motore per applicazioni sviluppate da terzi sia come componente delle proprie esperienze per utenti e organizzazioni.
Per Google, Neon è anche un tassello nella rapida successione di rilasci della serie Gemini 4: Carbon, Hydrogen e ora un modello pensato per presidiare la fascia in cui avviene gran parte della sperimentazione aziendale. Per il mercato, la mossa conferma che la competizione fra Google, OpenAI e Anthropic si sta spostando verso offerte più segmentate. Ai modelli di frontiera si affiancano prodotti che cercano di rendere sostenibile l'uso esteso dell'AI nei processi ordinari.
Le prossime settimane diranno se i vantaggi promessi da Google si tradurranno in risultati ripetibili fuori dai test controllati. A interessare sviluppatori e responsabili IT saranno soprattutto tre elementi: qualità del codice in progetti reali, affidabilità nei flussi con più strumenti e costo totale per un'attività completata. È su questi parametri, più che sulla classifica di un singolo benchmark, che Gemini 4 Neon dovrà dimostrare il proprio spazio.




