deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak dev.to (home feed)

Google Gemini 4 Neon'u piyasaya sürdü: milyon input token başına 3 dolarlık frontier bir model

Google'ın yedi hafta içinde dördüncü Gemini modeli, milyon input token başına 3 dolarla kabaca Carbon'ın iki katı hızda çalışıyor; ancak bağımsız bir test, yoğun hacimli otomasyon için ciddi gecikme ve maliyet farklarına dikkat çekiyor.

Google Gemini 4 Neon'u piyasaya sürdü: milyon input token başına 3 dolarlık frontier bir model

Google, 18 Kasım'da yazılım mühendisliği, bilgi işi ve bilim alanlarında görevleri uçtan uca hızlı tamamlamayı hedefleyen frontier seviyesinde bir model olan Gemini 4 Neon'ı yayınladı. Google DeepMind SVP'si Koray Kavukcuoglu'nun duyurusuna göre yeni model, uzun soluklu ağır projeler için tasarlanan Carbon ile hızlı günlük yürütme için tasarlanan Hydrogen arasında konumlanıyor.

Yayınlanma temposunun kendisi de dikkat çekici. Latent Space ve Arena'nın izlediği verilere göre Gemini sürümleri arasındaki süre 28 günden (Argon'dan Carbon'a) 15'e, sonra 6'ya düştü; böylece Neon, yaklaşık yedi hafta içinde aileden dördüncü model oldu. Argon emekliye ayrıldı.

Özellikler ve fiyatlandırma

AI Studio dokümantasyonunda model kimliği gemini-4-neon olarak geçiyor. Girdiler metin, görüntü, video, ses ve PDF; çıktı ise yalnızca metin. Context window 1.048.576 token, varsayılan en yüksek çıktı 65.536 token ve bir long-decode seçeneği çıktıyı 1M token'a kadar uzatıyor.

Fiyatlandırma, milyon input token başına 3 dolar, milyon çıktı token başına 15 dolar ve milyon cache'lenmiş token başına 0,15 dolar; yani yüzde 95 cache indirimi. Bir pürüz: Carbon, 1 Aralık'a kadar milyon token başına 2 ve 10 dolarlık promosyonlu bir fiyatta, sonrasında 4 ve 20 dolara geçecek. Bu promosyonla karşılaştırıldığında Neon yüzde 50 daha pahalı.

Benchmark'lar ve sıralamalar

Google, xhigh'da Artificial Analysis Intelligence Index'te 61 puan, genel olarak üçüncülük; Vals Index'te yüzde 70,9 ile ikincilik; Agent Arena'da 1336 ile ilk günde ikincilik; Coding Agent Index'te 58,6 ile birincilik; ve Zapier AutomationBench'te yüzde 56,3 ile birincilik bildiriyor. Kodlama tarafında Google, mini-SWE harness'iyle SWE-sweep'te yüzde 12,8, Google Antigravity içinde ise state-of-the-art yüzde 39,0 puanın yanı sıra yüzde 99,2 agent doğruluğu ve Gray Swan IPI'da üreticinin beyan ettiği yüzde 100 dolaylı prompt injection tespiti paylaşıyor.

The Decoder, üçüncülüğün birincilik olmadığına dikkat çekiyor: GPT-6.2 Astra ve Claude Fable 5.2, index'te Neon'ın üzerinde yer alıyor ve Google'ın karşılaştırma tablosunda bulunmuyor.

Hız ve görev başına maliyet

The Decoder'ın aktardığı Artificial Analysis verilerine göre Neon, saniyede yaklaşık 110 token üretirken Carbon 57'de kalıyor; yani kabaca iki kat hızlı ve bir benchmark çalışmasını 36 dakikadan yaklaşık 21 dakikaya indiriyor. Tasarruf ise token verimliliğinden değil liste fiyatından geliyor: Neon, görev başına yaklaşık yüzde 15 daha fazla çıktı token kullanıyor ve Carbon'ın 7,76 dolarına karşı 6,44 dolara denk geliyor.

Antigravity'deki bir kodlama görevi için The Decoder ve Artificial Analysis, Neon'ı görev başına 6,86 dolara konumlandırıyor; Claude Opus 5.5 için bu tutar 12,61, Claude Fable 5.2 için 15,47 dolar.

Kullanılabilirlik ve entegrasyonlar

Neon, 18 Kasım'da Google AI Studio ve Android Studio'daki Gemini API ücretli katmanında, Gemini for business'ta, AI Pro ve Ultra aboneleri için Antigravity'de ve Pro ile Ultra kullanıcıları için Gemini uygulamasında yayına girdi. Latent Space, Cursor, GitHub Copilot ve LangChain ile ilk gün entegrasyonlarını bildiriyor; Simon Willison ise llm-gemini 0.38 sürümünün aynı gün llm CLI'ya Neon desteği eklediğini belirtiyor.

Google'ın beyanına ve InfoWorld'ün doğrulamasına göre Neon, Antigravity içinde çok dosyalı hata ayıklama ve refactoring işlerinde paralel Hydrogen subagent'larını yönlendiren bir Orchestrator olarak da çalışıyor.

Otomasyon iş yükleri için bir uyarı

Activepieces'ın bağımsız bir testi, otomasyon hatları için tabloyu karmaşıklaştırıyor. Neon 3 görevin 3'ünü tamamlarken GPT-5.4 mini 3'ün 2'sini tamamladı; ancak medyan gecikme 6,4 saniye oldu, karşılaştırılan 1,0 saniyeye karşı; ve günde 1.000 görevde görev başına maliyet kabaca 54 kat yüksek, 0,15 dolara karşı yaklaşık 8,30 dolar çıktı. Activepieces'ın önerisi, gecikmeye duyarlı veya yüksek hacimli iş akışlarını taşımadan önce fiyat ve gecikmeyi kendi görevlerinizde doğrulamak.

Neden önemli

İki şey öne çıkıyor. Birincisi tempo: yedi haftada dört frontier seviyesinde model ve eskilerin emekliye ayrılması, Google'ın model yayınlarını artık yıllık etkinlikler değil akan bir hattı olarak gördüğünü ve rakipleri liste fiyatında alt etmenin bu stratejinin parçası olduğunu gösteriyor. İkincisi, duyurulan ile efektif maliyet arasındaki fark: milyon input token başına 3 dolar ucuz görünse de görev başına ekonomi token verimliliği, gecikme ve hacme bağlı; Activepieces sonucu, bir frontier planlayıcının basit otomatik adımlarda küçük bir modelden düzinelce kat fazla maliyete yol açabileceğini gösteriyor. Pahalı bir model planlarken ucuz subagent'ların yürüttüğü Orchestrator deseni pratik orta yol olarak ortaya çıkıyor ve Google'ın aileyi yönlendirdiği yönün bu olduğu görülüyor.

  • #google
  • #gemini
  • #llm
  • #api-pricing
  • #ai-agents

İlgili yazılar