Хочете будувати кар’єру в Data Science та AI? Vodafone Big Data Lab відкриває новий набір —>
Наталя ХандусенкоШІ
19 листопада 2026, 12:02
2026-11-19
Google Gemini 4 Neon втричі покращила результати в тесті програмування завдяки середовищу Antigravity — без зміни самої моделі
Нова ШІ-модель Google Gemini 4 Neon розв’язала 12,8% завдань у бенчмарку програмування SWE-sweep під час запуску в базовій оболонці mini-SWE, але її показник зріс до 39,0%, коли ту саму модель запустили всередині середовища Antigravity.
Нова ШІ-модель Google Gemini 4 Neon розв’язала 12,8% завдань у бенчмарку програмування SWE-sweep під час запуску в базовій оболонці mini-SWE, але її показник зріс до 39,0%, коли ту саму модель запустили всередині середовища Antigravity.
Більш ніж трикратне зростання продуктивності, про яке Google повідомила у середу під час релізу Neon, демонструє, наскільки ефективність ШІ-агентів для розробки залежить не лише від базової нейромережі, а й від програмної оболонки, яка керує її інструментами, контекстом і виконанням коду, пише The New Stack. Днем раніше дослідження FrontierHarness також показало, що запуск однієї й тієї самої відкритої моделі може коштувати вп’ятеро дорожче залежно від обраної оболонки.
Одна модель — різні результати
У технічній картці Gemini 4 Neon компанія порівняла три передові моделі у тесті SWE-sweep, запустивши їх у базовому середовищі mini-SWE та у фірмових оболонках відповідних розробників:
Gemini 4 Neon — зростання з 12,8% (у mini-SWE) до 39,0% (в Antigravity);
Claude Opus 5.5 — стрибок з 3,6% (у mini-SWE) до 10,1% (у Claude Code);
GPT-6.2 Sol: зворотна динаміка — падіння з 11,6% (у mini-SWE) до 8,3% (у Codex).
Google протестувала кожну модель у двох конфігураціях, хоча порівняння не виокремлює, які саме зміни зумовили таку різницю, і чи збережуться ці результати в інших бенчмарках та репозиторіях.
Як працює Antigravity та розподіл ролей із Hydrogen
Середовище Antigravity навчалося спільно з моделями Gemini. Крім того, сама Neon отримала оновлення, завдяки яким робить менше зайвих зчитувань файлів і краще керує контекстом під час тривалих сесій програмування. Antigravity також здатна запускати субагентів в окремих робочих деревах Git і перевіряти внесені ними зміни. Водночас Google не тестувала кожне з цих покращень окремо та не порівнювала Neon в інших сторонніх оболонках, окрім mini-SWE.
Також Neon приєднується до системи перемикання моделей, запровадженої разом із Gemini 4 Hydrogen:
Neon відповідає за планування та найскладніші завдання з програмування;
Hydrogen бере на себе рутинну роботу — Neon може запускати кілька таких субагентів паралельно за допомогою функції /swarm, представленої ще в моделі Carbon.
Компанія не уточнила, як саме така зв’язка впливає на підсумковий бал SWE-sweep та кінцеву вартість виконання завдання.
Інші бенчмарки, ціна та доступність
За даними Google, на стандартному високому рівні міркувань модель Neon набрала 65,2% у тесті Terminal-Bench 4.1 та 46,2% у FrontierCode 2.0, а також очолила рейтинг Artificial Analysis Coding Agent Index із показником 58,6.
У Google зазначають, що виконання одного завдання за допомогою Neon обходиться на 32% дешевше, ніж у разі використання Gemini 4 Carbon (згідно з даними Artificial Analysis Intelligence Index). Вартість доступу через API становить $3 за мільйон вхідних токенів, $15 за мільйон вихідних токенів та $0,15 за мільйон кешованих вхідних токенів при контекстному вікні в 1 млн токенів.
Модель уже доступна через Gemini API, Google AI Studio та Gemini for Business, а передплатники тарифів Google AI Pro та Ultra можуть працювати з нею в середовищі Antigravity.