Перейти к содержанию
Публикация AiManual

Gemini 4 Neon: что умеет «средняя» модель Google и стоит ли менять на неё Claude Opus 5.5

Google выпустила Gemini 4 Neon 18 ноября, и релиз почти никто не заметил. Разбираем, почему «средняя» модель понимает задачи не хуже Claude Opus 5.5, какие кейс

Коротко

Что будет в материале

  1. 01

    Что такое Gemini 4 Neon и почему её называют «средней» моделью

  2. 02

    Gemini 4 Neon vs Claude Opus 5.5: в чём модель догнала флагман

  3. 03

    Кейсы Gemini 4 Neon: сжатие бинарника, баг в чужом MCP-адаптере и тормоза git worktree

  4. 04

    Почему релиз Gemini 4 Neon прошёл почти незамеченным

18 ноября 2026 года Google выпустила Gemini 4 Neon без отдельной презентации и громких анонсов. Это модель «среднего» сегмента линейки Gemini, и с ней связан неожиданный сюжет: по оценке автора обзора на Habr, в практических задачах Neon понимает намерения не хуже Claude Opus 5.5, пишет аккуратный код и сама чинит баги в чужих MCP-адаптерах.

«Средняя» здесь описывает позиционирование, а не качество результата. Модель не подают как вершину линейки, но недоопределённые задачи она достраивает сама: додумывает неочевидные хвосты, замечает проблемы рядом с постановкой, предлагает правки, о которых её не просили.

Оговорка, без которой разговор теряет смысл: все оценки ниже взяты из личного опыта автора обзора и публичных демо. Независимых бенчмарков по Neon нет, параметры модели, размер контекста и цены в открытых материалах не приводятся. Сравнивать по цифрам пока нечего, поэтому разбираем поведение в задачах.

Что такое Gemini 4 Neon и почему её называют «средней» моделью

Neon относят к среднему сегменту линейки Google: ей отводят повседневную работу, а флагманские роли остаются у других моделей поколения. Автор обзора называет её «очередной средней моделью Google» и тут же признаёт: по поведению в работе она ближе к топам, чем ожидаешь от среднего класса.

На практике это выглядит так. Вы даёте задачу в формулировке из реального чата, то есть наполовину, и модель не уходит в угадывание, а достраивает недостающий контекст: понимает намерение, подтягивает связанные места из репозитория, предлагает шаги. Именно за таким поведением обычно идут к флагману.

Второй слой интриги в сравнении с рынком. Claude Opus 5.5 долгое время воспринимался как верхняя планка для кода и агентных задач (разбор возможностей Opus 5.5), и автор обзора ставит Neon рядом с ним: понимает намерения не хуже, общается приятнее, код выдаёт аккуратнее.

Место Neon в «химической» линейке Gemini

Модели текущего поколения Google называют вещественными именами: Neon, Carbon. По названию не понять, кто старше и для чего сделан: оба звучат одинаково технологично, без намёка на иерархию.

Подтверждённых имён в источниках два, Neon и Carbon. Полный состав линейки по открытым материалам не восстанавливается, поэтому реконструировать его по памяти не стоит: легко получить список несуществующих моделей.

Ориентир для навигации: Carbon - старшая модель для длинных агентных сценариев и кибербезопасности (подробный разбор Gemini 4 Carbon), Neon - рабочая модель среднего сегмента. Прямое сравнение двух моделей тоже встречается: в одном из видео Neon тестируют против Gemini 4 Carbon в задаче построения игры (видео на YouTube). Путаница между этими именами - одна из причин, почему релиз Neon прошёл тихо.

Gemini 4 Neon vs Claude Opus 5.5: в чём модель догнала флагман

Сравнивать имеет смысл не по бенчмаркам, которых нет, а по критериям, которые проверяются на своём репозитории: понимание постановки, качество кода, содержательность ревью, инициатива и темп работы.

Понимание задач и «неочевидные хвосты»

Ключевое утверждение обзора: Neon понимает намерения не хуже Opus 5.5, сама додумывает неочевидные хвосты задачи и общается приятнее. Для контраста автор вспоминает ChatGPT, где задачу приходится разжёвывать по шагам. Свежие GPT-6.2 Astra и Sol, по его словам, расстановку сил не изменили даже при подписках до $500.

Признак для самопроверки: возьмите из своего репозитория задачу, сформулированную как в рабочем чате, то есть наполовину. Смотрите, задаёт ли модель уточняющие вопросы по существу и подсвечивает ли ограничения, или молча угадывает и уходит не туда. Второй сценарий дороже: каждая неверная догадка - это лишняя итерация и потраченные лимиты.

Качество кода и содержательность ревью

В обзоре отмечено: на нормальных рабочих репозиториях код выходит чистым, а при ревью модель цепляет реальные баги, а не придирается к форматированию ради видимости работы. Это важнее красивых цифр. В агентном цикле ложное замечание запускает переделку рабочего кода, и на длинной цепочке такие итерации съедают время.

Проверка простая: возьмите дифф, в котором вы заранее знаете, где спрятана ошибка, и попросите ревью. Хороший результат - модель находит именно её и не выдаёт двадцать замечаний про пробелы. Отдельно автор отмечает инициативу: даёте мелкую задачу, модель делает её чисто и попутно замечает рядом старый косяк, который висел месяцами, сразу предлагая его поправить.

Про скорость: по оценке автора, Neon обходит Opus 5.5 и по аккуратности кода, и по темпу работы. Измеримых цифр этого сравнения в открытых материалах нет. Ещё одна оговорка: доступ к Neon ограничен Antigravity, поэтому независимо перепроверить наблюдения на разных проектах пока сложно.

Кейсы Gemini 4 Neon: сжатие бинарника, баг в чужом MCP-адаптере и тормоза git worktree

Публичные демо и видеоразборы показывают четыре класса задач. В каждом случае в материалах виден результат, а не полный лог: если пошаговых команд в демо нет, восстановить их по описанию нельзя.

Сжатие бинарника TS Rust. Задача из разряда «уменьшить вес сборки, не сломав поведение». Показательна тем, что одной правкой тут не обойтись: нужна серия изменений в настройках сборки, пересборка и проверка, что бинарник запускается и работает. Такой цикл хорошо показывает, доводит ли модель работу до проверяемого результата.

Почему кейс с MCP-адаптером показателен для агентных сценариев

MCP-адаптер связывает агента с MCP-сервером: описывает инструменты, преобразует запросы и ответы. Баг в чужом адаптере ставит модель в неудобное положение: своего контекста нет, код незнакомый, нужно прочитать его, локализовать проблему и предложить правку, которая не развалит остальное.

В обзоре указано, что Neon сама находит и чинит такие баги. Для тех, кто собирает агентов на MCP, это самый интересный класс задач: ошибки чаще живут в обвязке и адаптерах, чем в основной логике. Граница: речь про единичный кейс из публичного разбора, а не гарантию на любом чужом адаптере. Свой случай придётся проверять отдельно.

Диагностика сервера: git worktree на VPS и ревизия диска

Второй класс задач - инфраструктура. В обзоре упоминается, что Neon находит причины тормозов сервера, которые искали три недели, а при ревизии заваленного системного диска не пропускает десятки и сотни гигабайт хлама, которые пропускают другие агенты.

Почему это отдельная история: в диагностике нужно строить гипотезы, проверять их командами и не тонуть в выводе. Агент, который после каждой команды теряет нить и начинает заново, бесполезен, даже если отдельные его ответы выглядят умно.

Граница применения: на проде такие проверки выполняйте на копии или в read-only режиме. Удаление файлов и правку конфигов оставляйте за человеком, каким бы убедительным ни выглядел вывод модели.

Самый показательный видеоразбор, по словам автора обзора, выложил разработчик Theo: 32 минуты проверки на жёстких чужих проектах. Контекст важен: Theo раньше критиковал модели Google, так что демонстрация вышла не из дружеского лагеря.

Почему релиз Gemini 4 Neon прошёл почти незамеченным

Причин три, и ни одна не связана с качеством модели.

  • Путаная линейка названий. Neon и Carbon звучат как два элемента таблицы Менделеева, а не как «средняя» и «старшая» модели. Без контекста трудно понять, что перед тобой.
  • Скромный анонс. Модель выпустили 18 ноября тихо, без отдельного мероприятия и большого запуска. Такой релиз не попадает в новостные ленты автоматически.
  • Ограниченный доступ. Neon доступна через Antigravity, и это сужает круг тех, кто может проверить её на своих задачах. Меньше независимых отзывов - меньше шума вокруг модели.

Оговорка: «почти никто не заметил» - субъективное наблюдение автора обзора, а не измеренная статистика упоминаний. Практический вывод: тихий релиз не означает слабую модель. Оценивать нужно на своих задачах, а не по громкости анонса.

Что Google исправила в кэшировании промптов Antigravity и как это меняет расход лимитов

В агентной сессии каждый шаг заново отправляет модели растущий контекст: системную инструкцию, историю переписки, вывод инструментов, содержимое файлов. Кэширование промптов сохраняет уже обработанную часть префикса, чтобы модель не пересчитывала её с нуля на каждом шаге. Экономия накапливается по всей цепочке: чем длиннее сессия и чем больше в ней повторяющегося контекста, тем заметнее разница в расходе лимитов подписки.

По данным обзора, Google только что исправила что-то в кэше Antigravity, и правка связана с релизом Neon. Конкретика в открытых материалах не приводится: ни процентов экономии, ни деталей реализации. Утверждать можно только то, что изменение касается кэширования промптов в Antigravity, а расход лимитов от него зависит напрямую.

Как самостоятельно оценить эффект кэша на своём workflow

Схема проверки: возьмите повторяющуюся агентную цепочку, запишите число шагов, примерный объём контекста и остаток лимитов до и после. Повторите ту же цепочку на тех же входных данных и сравните расход.

Границы метода: без доступа к внутренним метрикам Antigravity оценка останется косвенной. На результат влияет и поведение модели, и длина контекста, и ваши правки промпта, поэтому одним замером эффект кэша не доказать. Более общая картина по расходу лимитов у кодинг-агентов разобрана отдельно: как выжать максимум из подписки на кодинг.

Слабые места Gemini 4 Neon: где модель не вытягивает

Обзор называет четыре зоны, где на Neon лучше не рассчитывать. Детализация в доступных материалах ограничена, поэтому по каждой зоне даю практическую рамку вместо догадок о причинах.

  • Визуальный фронтенд. Вёрстка и интерфейсы в списке слабых мест. Результат здесь всё равно оценивают глазами, поэтому такие задачи закрывайте в связке с профильными инструментами и проверяйте на реальных размерах экрана.
  • 3D. Трёхмерка тоже в перечне ограничений. Модели, сцены и геометрию держите в специализированном инструменте, а на Neon оставляйте текстовую часть: логику, данные, скрипты.
  • Генерация изображений. Это работа для профильных генераторов. Планировать картинки внутри пайплайна на Neon не стоит, даже если код вокруг картинок она пишет хорошо.
  • Сырые транскрипты. Работа с необработанными расшифровками в списке ограничений. Если у вас много аудио и встреч, сначала очищайте и структурируйте текст, потом отдавайте модели.

Список слабых мест заявлен в обзоре, подробного разбора по каждому пункту в доступном фрагменте нет. Проверяйте на своём сценарии, прежде чем строить на Neon целый пайплайн.

Стоит ли пробовать Neon вместо Opus 5.5: критерии выбора

Бери Neon, если ваши задачи попадают в сильные зоны:

  • код на рабочих репозиториях, где важна аккуратность и содержательное ревью;
  • агентные цепочки с MCP, включая работу с чужими адаптерами;
  • диагностика серверов и инфраструктуры, где нужно строить и проверять гипотезы;
  • инициатива модели: чтобы она сама замечала проблемы рядом с поставленной задачей.

Оставайся на Opus 5.5, если нужен флагман с опубликованными бенчмарками и широким сообществом, или если основные задачи попадают в слабые зоны Neon: визуальный фронтенд, 3D, генерация изображений, сырые транскрипты. По Opus 5.5 есть измеримые результаты вроде Terminal-Bench 4.0, по Neon публичных замеров нет, и для ответственного проекта это весомый аргумент.

Пробуй обе, если доступ через Antigravity уже есть: прогоните одинаковый набор задач и сравните число итераций до рабочего результата.

Как проверять на себе: 3-5 своих реальных задач, среди них одна недоопределённая, одна с чужим кодом и одна диагностическая. Промпт одинаковый, критерий один: сколько итераций и правок понадобилось до работающего результата. Отдельно фиксируйте расход лимитов, чтобы понимать цену задачи, а не только её качество. Про метрику расхода есть отдельный материал: токены на задачу как метрика эффективности.

Границы: без независимых бенчмарков сравнение останется субъективным, а ограниченный доступ через Antigravity мешает проверить модель на разных проектах. Это не аргумент против Neon, это условие, в котором вы её тестируете.

Как получить доступ к Neon через Antigravity

Вход один: Antigravity. Других каналов доступа в открытых материалах не описано. Тарифы, региональные ограничения и сроки выдачи доступа не раскрыты, их уточняйте в самом Antigravity на момент чтения: условия могли измениться.

Перед тестом подготовьте репозиторий-песочницу с осмысленной историей и тестами, зафиксируйте исходное состояние, не запускайте диагностику на проде. Заранее убедитесь, что модель доступна вашему аккаунту, потому что доступ ограничен и часть сценариев может оказаться вне вашего тарифа.

Подписаться на канал