В рейтинге Artificial Analysis Intelligence Index модель Neon заняла третье место с результатом 61 балл на максимальном уровне рассуждений xhigh, опередив Claude Opus 5.5 (59 баллов) и GPT-6.2 Sol (57 баллов), но уступила двум моделям, которые Google не называет. В Vals Index Neon получила 70,9% и обогнала Claude Opus 5.5 (70,1%) и GPT-6.2 Sol (66,1%).
Модель также предназначена для работы с корпоративными документами и разнородными данными. Она может анализировать электронные таблицы, PDF-файлы, диаграммы, аудио- и видеоматериалы в едином контекстном окне объемом до 1 млн токенов, а затем преобразовывать информацию в структурированные отчеты и выводы. В тестах на профессиональные задачи Legal Research Bench и Tax Agent Bench Neon заняла первые места. В Agents’ Last Exam она набрала 75,8%, опередив Claude Opus 5.5 (71,6%) и GPT-6.2 Sol (73%). При этом в бенчмарке Chartography на анализ профессиональных диаграмм Neon получила 73,5% — меньше, чем GPT-6.2 Sol (75,1%), но больше, чем Claude Opus 5.5 (66,3%). В новом рейтинге Agent Arena модель заняла второе место, набрав 1336 баллов.

В программировании Gemini 4 Neon ориентирована на разработку и поддержку сложных проектов. Она может анализировать большие кодовые базы, находить ошибки, проводить рефакторинг сразу нескольких файлов и работать с разными репозиториями. В тесте Terminal-Bench 4.1 модель набрала 65,2%, немного уступив Claude Opus 5.5 (65,8%), но опередив GPT-6.2 Sol (61,5%). В FrontierCode 2.0 Neon также оказалась позади Claude Opus 5.5 (46,2% против 47,3%), но обошла GPT-6.2 Sol (43,8%). В тесте SWE-sweep результат Neon составил 39% — значительно выше показателей Claude Opus 5.5 (10,1%) и GPT-6.2 Sol (8,3%).
Neon может искать уязвимости в программном коде, проверять возможность их эксплуатации и предлагать исправления. В тесте WebExploitBench v1.2 она набрала 51,26%, превзойдя Claude Opus 5.5. с 37,1%. В SEC-bench Pro результат Neon составил 90,5%, что выше показателя GPT-6.2 Sol (88,3%). Модель реже прибегает к упрощениям или обходным путям при решении задач и показывает 0,09% несогласованных действий в тестах безопасности агентов.
Neon сочетает высокую производительность с более низкой стоимостью работы. В тестах партнеров модель сравнялась или превзошла Gemini 4 Carbon по общему качеству, при этом работала втрое быстрее и обходилась на 60% дешевле.
На высоком уровне рассуждений (high) стоимость выполнения задач у Neon была на 32% ниже, чем у Carbon. В тестах Vals Index и Agent Arena компания также заявляет о снижении затрат примерно на 50–80% по сравнению с ведущими конкурирующими моделями. На максимальном уровне xhigh экономия составляет не менее 36% относительно конкурентов.
Стоимость Gemini 4 Neon составляет $3 за миллион входных токенов и $15 за миллион выходных. Для сравнения, более быстрая Gemini 4 Hydrogen стоит $1,50 за миллион входных и $7,50 за миллион выходных токенов. Таким образом, Neon дороже внутри собственной линейки, но Google позиционирует ее как более экономичную альтернативу Carbon при выполнении сложных задач. Модель уже доступна через API Gemini в Google AI Studio, а также в Google Antigravity и приложении Gemini для платных подписчиков Google AI Pro и Ultra. Корпоративные клиенты могут использовать ее через Gemini для бизнеса.

