deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak dev.to (home feed)

Gemini 4 Neon kodlama agent sıralamasında zirvede, görev başına maliyeti Carbon'a kıyasla %32 daha düşük

Google'ın orta segment Gemini 4 Neon modeli, Artificial Analysis Coding Agent Index'te birinci sıraya yerleşti ve görev başına maliyetin Gemini 4 Carbon'dan %32 daha düşük olduğunu iddia ediyor; ancak öne çıkan skorların çoğu daha yüksek bir thinking ayarında çalıştırıldı.

Gemini 4 Neon kodlama agent sıralamasında zirvede, görev başına maliyeti Carbon'a kıyasla %32 daha düşük

Ne oldu

Google, 18 Kasım 2026'da Gemini 4 Neon'ı piyasaya sürdü; model, Gemini 4 ailesinin orta segment bir üyesi olup milyon input token başına 3 dolar ve milyon output token başına 15 dolar fiyatla sunuluyor. Bir dev.to benchmark analizine göre model, 58.6 puanla Artificial Analysis Coding Agent Index'te birinci sırada yer alıyor ve Google, ikisi de varsayılan yüksek reasoning ayarında çalıştırıldığında görevlerin Gemini 4 Carbon'a göre %32 daha düşük maliyetle tamamlandığını söylüyor.

Harness uyarılarıyla birlikte kodlama sonuçları önde

Neon'un yayınlanan en güçlü sayıları agentic kodlama alanında. Terminal-Bench 4.1'de %65.2 skor aldı; bu çalışma, benchmark gaming için düzeltilmiş doğruluk verileriyle genel Antigravity CLI harness'inin (sürüm 1.5.9) kullanıldığı Artificial Analysis tarafından yürütüldü — ancak dev.to analizinin de işaret ettiği gibi, bu harness Google'ın kendi aracı. FrontierCode 2.0 sonucu %46.2 oldu; production varsayılanı olan high ayarında, daha yüksek bir ayar yerine üretilen az sayıdaki sonuçtan biri.

SWE-sweep sonuçları harness'in ne kadar önemli olduğunu gösteriyor: sub-agent'ların bir codebase genelinde dağıldığı Google'ın Antigravity içinde %39.0, buna karşılık daha sade mini-SWE agent'ında %12.8. Her iki rakam da Google tarafından hesaplandı ve aynı karşılaştırmada Opus 5.5 Claude Code üzerinde, GPT-6.2 Sol ise Codex üzerinde çalıştı.

Agent benchmarklarında Neon, 4.200'den fazla gerçek agent oturumundan oluşan Agent Arena Index'te 1.336 puanla ikinci, Zapier'ın AutomationBench'inde %56.3 ile birinci ve Andon Labs'ın Vending-Bench 2'de 16.843 dolarlık simüle kazançla birinci oldu. Google'ın bildirdiği güvenlik verileri arasında Terminal-Bench 4.0 görevlerinde %1.98 reddetme oranı, aynı sette %0.0 hile skoru ve kendi agent dürüstlük değerlendirmesinde %99.2 geçme oranı yer alıyor.

%32'lik maliyet iddiasının bir yıldızı var

Google'ın metodolojisi, aksi belirtilmedikçe sonuçların tek denemelik pass@1 çalışmaları olarak en yüksek xhigh thinking düzeyinde üretildiğini, rakip skorların ise sağlayıcıların kendisinden alındığını belirtiyor. Ancak Carbon'a karşı öne çıkan %32'lik tasarruf, high düzeyinde ölçülmüş. dev.to analizi bu uyumsuzluğu doğrudan vurguluyor: alıcılar tablonun en üstündeki skorlara ya da daha ucuz production çalışmalarına sahip olabilir, ama ikisine aynı sayılardan ulaşamaz ve farkın kendi prompt'ları üzerinde ölçülmesi gerekiyor. Google ayrıca Vals Index ve Agent Arena'da high düzeyinde önde gelen rakiplerine kıyasla görev başına yaklaşık %50-80 daha düşük maliyet, maksimum ayarlarda çalışan rakiplere karşı xhigh düzeyinde ise en az %36 daha düşük maliyet iddia ediyor.

Her yerde birinci değil

Google'ın kendi lansman yazısı, Neon'u daha geniş kapsamlı Artificial Analysis Intelligence Index'te üçüncü sıraya yerleştirdi; Neon, daha büyük ve daha yavaş modellerin gerisinde ve Vals Index'te %70.9 ile ikinci sırada. İkinci bir dev.to karşılaştırması, aynı Artificial Analysis sayfasının 19 Kasım itibarıyla Neon'u 96 model arasında altıncı gösterdiğini ekliyor; bu da lansman haftası sıralamalarının hızla değiştiğinin bir hatırlatması. O yazı, Vals'ta Claude Fable 5.2'yi %71.31 ile birinci, Neon'u %70.87 ile ikinci ve GPT-6.2 Astra'yı %67.66 ile sekizinci sırada puanlıyor; Artificial Analysis Intelligence Index'te ise Neon için xhigh düzeyinde 61, Astra için 62 ve Fable için 62 değil 65 listeliyor. Google, en zor long-horizon projeler için hâlâ Carbon'ı öneriyor.

Token başına ucuz, her zaman görev başına ucuz değil

Neon birim fiyatta rakiplerinin altında kalıyor; Astra ve Fable'ın 8/40 dolarlık fiyatlarının yaklaşık %62.5 altında. Ancak görev başına ekonomi farklı bir tablo çiziyor. Artificial Analysis test setinde görev başına maliyet Neon için 6.44 dolar, Astra için 4.00 dolar ve Fable için 26.54 dolar oldu. Bunun nedeni ayrıntılı çıktı üretmesi: Neon, xhigh düzeyinde index genelinde 283 milyon output token üretti; Astra'nın üretimi ise 65.8 milyondu. Bunun yerine high düzeyinde çalıştırıldığında Neon 123 milyon token üretti ve yalnızca bir puan kaybetti. Görev başına geçen süre Neon için 21.5 dakika, Astra için 13.9 dakika ve Fable için 41.8 dakikaydı. Neon ayrıca istek başına çıktıyı 65.536 token ile sınırlıyor ve karşılaştırma yazısına göre API'si thinking_budget ve frequency_penalty gibi eski parametreleri HTTP 400 hatalarıyla reddederken özel temperature, top_k ve top_p değerlerini yok sayıyor.

Neden önemli

Bu lansman, leaderboard sayıları ile production ekonomisi arasındaki açığın büyüdüğünü gösteriyor. Bir satıcının kendi harness'i üzerinde xhigh düzeyinde ölçülen en yüksek skorlar, varsayılan ayarlardaki trafiğe aktarılmıyor ve modellerin ne kadar yazdığı konusunda dört kattan fazla fark bulunduğunda token başına fiyat, görev başına harcamanın zayıf bir göstergesi. Frontier modeller arasında seçim yapan ekipler, her iki thinking düzeyinde kendi prompt'larını benchmark etmeli ve yalnızca geçti/kaldı yerine token sayılarını da kaydetmeli; çünkü iki dev.to analizinin gösterdiği gibi, bu sayılar sıralamayı tamamen tersine çevirebilir.

  • #google
  • #gemini
  • #benchmarks
  • #coding-agents
  • #llm

İlgili yazılar