Der Beitrag
Vier Spitzenmodelle in nur sieben Wochen: Google beschleunigt den Veröffentlichungsrhythmus im KI-Rennen auf eine Frequenz, bei der selbst erfahrene Entwickler und IT-Entscheider den Überblick verlieren. Nach dem Start von Gemini 4 Argon Ende September, dem tief denkenden Gemini 4 Carbon Ende Oktober und dem leichtgewichtigen Gemini 4 Hydrogen vor wenigen Tagen schiebt Google DeepMind nun Gemini 4 Neon nach. Das neue Modell positioniert sich genau in der Mitte zwischen Ausdauer und Tempo - und setzt sich im Benchmark für Programmier-Agenten prompt an die Weltspitze.
Wie Google-CEO Sundar Pichai auf X bestätigte, rollt Gemini 4 Neon ab sofort in der Google-API, in Google AI Studio, für Unternehmenskunden sowie in der Entwicklerumgebung Google Antigravity und für Pro-Abonnenten der Gemini-App aus. Doch was verbirgt sich hinter der chemischen Nomenklatur aus dem Periodensystem der Elemente, auf die Google seit Herbst setzt?
Googles Periodensystem: Welches Modell für welche Aufgabe?
Mit der vierten Modellgeneration hat Google die klassische Einteilung in Nano, Flash und Pro durch Namen chemischer Elemente ersetzt. Die Metapher orientiert sich an den physikalischen Eigenschaften im Periodensystem:
- Gemini 4 Hydrogen (Wasserstoff, H1): Das leichteste und flüchtigste Element steht für Googles schlankes Flash-Modell. Es ist auf maximale Ausführungsgeschwindigkeit, minimale Latenz und geringe Kosten optimiert. Seine Hauptaufgabe: Alltägliche Chat-Anfragen, schnelle Code-Vervollständigungen und der massenhafte Einsatz als parallele Hilfs-Agenten (Worker) im Hintergrund.
- Gemini 4 Neon (Neon, Ne10): Als Edelgas leuchtet Neon bei elektrischer Entladung hell und unmittelbar auf. Es fungiert als hocheffizienter Allrounder und intelligenter Dirigent. Neon balanciert Schärfe und Tempo aus: Es dient als übergeordneter Orchestrator, der komplexe Aufgaben zerlegt, parallele Hydrogen-Subagenten führt und anspruchsvolle Analysen von PDF-Berichten, Tabellen und Bilanzen liefert.
- Gemini 4 Carbon (Kohlenstoff, C6): Das chemische Rückgrat aller organischen Verbindungen und Diamanten steht für Zähigkeit, Dichte und Stabilität. Carbon ist Googles schwerstes Denkmodell für Dauer-Einsätze: Es übernimmt mehrstündige autonome Agentenläufe, forensische Cybersicherheit und tiefgreifende Architektur-Refactorings über riesige Code-Bestände hinweg.
- Gemini 4 Argon (Argon, Ar18): Das schwere Edelgas markierte den ersten Checkpoint der Generation 4 mit einem massiven Ausgabefenster von einer Million Output-Tokens. Es zeigte Googles Durchbrüche bei der 3D-Code-Synthese und in komplexen naturwissenschaftlichen Simulationen.
Um Entwicklern die Orientierung im Modell-Dschungel zu erleichtern, veröffentlichte DeepMind-Entwickler Evan Otero auf X eine offizielle Vergleichstabelle. Sie fasst die Kernunterschiede der drei aktiven Produktionsmodelle zusammen:
Während Hydrogen mit maximaler Geschwindigkeit (fünf von fünf Raketensymbolen) und einem Tarif von 1,50 Dollar für Input und 7,50 Dollar für Output kostenlos für jedermann bereitsteht, bleibt Carbon mit gemächlichem Tempo (zwei Raketensymbole) dem teuersten Google-AI-Ultra-Abonnement vorbehalten. Neon schließt mit drei Raketensymbolen für Pro- und Ultra-Nutzer die Lücke - und bietet wie Hydrogen die erweiterte Denkstufe „xhigh“.
Schneller, günstiger und präziser am Code
Nach Angaben von DeepMind-Chefarchitekt Koray Kavukcuoglu in der offiziellen Ankündigung im Google-Blog wurde Neon gezielt für produktionsreife Workflows entwickelt. Bei einem Kontextfenster von einer Million Token verlangt Google 3 US-Dollar pro Million Input-Token (0,15 Dollar bei Cache-Treffern) und 15 US-Dollar pro Million Output-Token.
Die unabhängige Testplattform Artificial Analysis bescheinigt Neon beachtliche Leistungssprünge: Auf dem Intelligence Index klettert das Modell auf 61 Punkte und belegt damit weltweit Platz 3 knapp hinter GPT-6.2 Astra und Claude Fable 5.2. Im Coding Agent Index übernimmt Neon mit 58,6 Punkten (59 Punkte im Antigravity-CLI) sogar weltweit Rang 1. Gegenüber dem schwerfälligeren Carbon verarbeitet Neon Aufgaben rund 40 Prozent schneller (rund 21 Minuten statt 36 Minuten pro Task) und liefert mit etwa 110 Tokens pro Sekunde fast die doppelte Ausgabegeschwindigkeit.
Zur Demonstration der Coding-Fähigkeiten programmierte Neon einen interaktiven 3D-Freeride-Skisimulator in WebGL2 für das Mont-Blanc-Massiv - mit 10.200 Zeilen handgeschriebenem Shader-Code, dynamischer Schneeverformung und Lawinenphysik ohne externe 3D-Modelle. In einer weiteren Demonstration steuerte das Modell die 3D-Software Blender über das MCP-Schnittstellenprotokoll per Agenten-Schwarm, um eine fotorealistische Laborbank samt Gasentladungsröhren und Bunsenbrennern passend zu den Modellnamen zu konstruieren.
Das vorübergehende Preis-Paradoxon
Für Entwickler und Firmen birgt der Release allerdings eine Hürde: Bis zum 30. November 2026 läuft für das größere Modell Gemini 4 Carbon eine Rabattaktion von 2 US-Dollar für Input und 10 US-Dollar für Output. Dadurch ist das rechenintensivere Carbon derzeit rechnerisch günstiger im Token-Einkauf als das neue Neon (3 / 15 Dollar). Laut Artificial Analysis relativiert sich das in der Praxis jedoch schnell: Da Neon Aufgaben in kürzerer Zeit und mit höherer Zielgenauigkeit löst, sinken die tatsächlichen Gesamtkosten pro Projektaufgabe im Schnitt um rund 17 Prozent.
Zudem schneidet Neon bei der Nachsteuerbarkeit (Steerability) deutlich besser ab: Bei Zwischenkorrekturen durch menschliche Nutzer passt sich das Modell schneller an, anstatt stur am ursprünglichen Plan festzuhalten.
🎯 Was das für die Praxis bedeutet
1. Modell-Rollen klar verteilen: Nutzen Sie Hydrogen für Chat-Assistenten und schnelle API-Aufrufe, setzen Sie Neon als Standard-Entwickler und Orchestrator für Agenten ein, und reservieren Sie Carbon für nächtliche Tiefen-Refactorings und Sicherheitsanalysen.
2. Token-Kosten gegen Arbeitszeit abwägen: Lassen Sie sich vom aktuellen Carbon-Aktionspreis nicht täuschen. Wenn Entwickler auf Ergebnisse warten, spart das schnellere Neon durch 40 Prozent Zeitersparnis deutlich mehr Arbeitszeit ein, als der Tokenpreis ausmacht.
3. Prompt-Caches konsequent aktivieren: Mit einem Rabatt von 95 Prozent auf zwischengespeicherte Eingabedaten (0,15 Dollar pro Million Tokens) wird das Vorhalten großer Codebasen und Dokumentensammlungen im Kontextfenster wirtschaftlich hochattraktiv.
Quellen
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
