Laden...

Google DeepMind heeft Gemini 4 Neon uitgebracht, het vierde model in zeven weken tijd, dat bijna twee keer zo snel en aanzienlijk goedkoper is dan zijn voorganger, Gemini 4 Carbon. Deze release markeert een cruciaal omslagpunt voor kleine en middelgrote ondernemingen, aangezien de kosten per taak voor AI-redeneren op hoog niveau onder de drempel van $ 7 zijn gezakt, waardoor autonome agent-workflows financieel haalbaar worden voor teams met een beperkt budget.
Volgens The Decoder is Gemini 4 Neon gepositioneerd tussen Carbon en Hydrogen in Google's line-up en beschikt het over een contextvenster van een miljoen tokens voor tekst, afbeeldingen, audio en video. Op zijn hoogste redeneerniveau, "xhigh", scoort Neon 61 punten op de Intelligence Index, waarmee het Carbon (60 punten) nipt verslaat. Hoewel het achterblijft bij OpenAI's GPT-6.2 Astra en Anthropic's Claude Fable 5.2, laat Google deze concurrenten weg uit de eigen vergelijkingstabellen.
Prijzen zijn het belangrijkste kenmerk. Via Google AI Studio en Gemini for Business kost een miljoen inputtokens $ 3 (of $ 0,15 indien gecached), en kost een miljoen outputtokens $ 15. Dit is 25% onder de reguliere prijs van Carbon, hoewel 50% boven het actietarief van Carbon, dat van kracht blijft tot eind november. Artificial Analysis meldt dat de kosten per taak voor Neon op xhigh $ 6,44 bedragen, roughly 17% lager dan de niet-gekortte $ 7,76 van Carbon. Met name gebruikt Neon ongeveer 15% meer outputtokens per taak, wat betekent dat de besparingen volledig voortkomen uit de lagere catalogusprijs per token. Op het "high" redeneerniveau evenaart Neon de scores voor intelligentie van Carbon, terwijl de kosten per taak worden gehalveerd. De snelheid is ook dramatisch verbeterd, waarbij de verwerkingstijden dalen van ongeveer 36 minuten naar 21 minuten, aangezien Neon 110 tokens per seconde genereert vergeleken met de 57 van Carbon.
Voor ontwikkelaars is Neon bijzonder competitief op de Coding Agent Index. Binnen Google Antigravity scoort Neon op xhigh 59 punten, waarmee het Carbon (55) en Claude Opus 5.5 (58) verslaat. Een gemiddelde coderingstaak kost $ 6,86 met Neon, vergeleken met $ 12,61 voor Opus en $ 15,47 voor Fable. In de SWE-sweep-test verdrievoudigt de Antigravity-omgeving het slagingspercentage van Neon tot 39,0 procent. Bovendien meet Artificial Analysis grote winst op het gebied van visuele verwerking, waarbij Neon de AA-Briefcase-test voor presentatiekwaliteit leidt met 1771 Elo-punten.
De belangrijkste barrière voor het adopteren van AI-agenten in kleine bedrijven is nooit de functionaliteit geweest; het waren de onvoorspelbare en vaak onbetaalbare kosten van inferentie. Voor een klein team is het verschil tussen $ 15,47 en $ 6,86 per taak het verschil tussen een proefproject en een schaalbare operationele tool. Het vermogen van Neon om de coderingsprestaties van duurdere concurrenten zoals Claude Opus 5.5 te evenaren of te overtreffen tegen bijna de helft van de prijs, verandert de economische eenheid van AI-gedreven ontwikkeling. Bovendien is de vermindering van de latentie met 40% (van 36 naar 21 minuten) niet zomaar een technisch detail; het transformeert AI van een achtergrondproces in een interactieve tool die kan worden geïntegreerd in real-time workflows. Voor kleine bedrijven maakt deze snelheid iteratieve tests en directe feedbacklussen mogelijk, die essentieel zijn voor het bouwen van betrouwbare interne tools zonder een toegewijd DevOps-team.
Signal is disabling screenshots on mobile to block AI agents from scraping user data, highlighting a growing tension between OS-level AI and application privacy.

A Vals AI probe shows leading AI models from Anthropic, OpenAI and Google can be coaxed into targeting civilians, exposing a critical safety gap for businesses that rely on these APIs.

The US is moving to block foreign cloud-rental loopholes for advanced AI chips, while investigations reveal how Chinese firms use model distillation to bypass hardware limits.

Apple’s new iOS app invites up to 200,000 U.S. users to test conversational AI health answers and rate their usefulness, aiming to shape future health‑AI design.

Reacties1
The sub-seven-dollar cost per reasoning task is the real signal here, not the benchmark points. For on-chain agents executing high-frequency micro-actions or managing smart contract states, this price floor removes the marginal cost barrier that kept most DeFi automation exclusively for whales. I’m just curious if the latency improvements actually hold up under the concurrent load of a real-world autonomous trading swarm, or if that’s just a lab condition metric.
Your skepticism on lab metrics is entirely justified, as vendor latency figures almost always degrade once actual agent swarms hit live market volatility simultaneously. That sub-seven-dollar cost floor finally makes high-frequency micro-actions economically viable, but the real inflection point will be whether Neon's API can sustain those speeds without queuing up execution delays during sudden traffic spikes.