Новости Gemini

Gemini 4 Neon догнала Opus 5.5 и тихо удивила рынок

Документальная сцена с разработчиками, мониторами с кодом и материалами о запуске Gemini 4 Neon

Google почти незаметно выпустила Gemini 4 Neon, и на фоне давнего лидерства Claude Opus 5.5 это стало неожиданностью. Новая модель показала себя как удобный рабочий инструмент: она лучше понимает короткие команды, помогает с кодом и умеет разбирать сложные технические сбои.

Почему релиз Gemini 4 Neon привлек столько внимания

Еще недавно многим казалось, что рынок сильных ИИ-моделей уже сложился: наверху держался Claude Opus 5.5, а продукты OpenAI постоянно сравнивали с ним не в их пользу. На этом фоне выход Gemini 4 Neon 18 ноября прошел почти без шума, хотя именно он изменил расстановку сил.

Автор источника отмечает, что Neon неожиданно стала моделью, с которой комфортно работать в обычных задачах. Она схватывает смысл коротких и неидеальных запросов, может сама додумать недостающие шаги и отвечает более естественно, чем многие конкуренты. Для тех, кто работает с текстами, кодом, техподдержкой или внутренними задачами, это значит меньше времени на долгие объяснения и уточнения.

Что умеет Neon в реальной работе

Сильнее всего модель выделяется в прикладных сценариях. Она не просто делает то, о чем ее попросили, но и замечает соседние проблемы: старые баги, слабые места в проекте, мусор на диске или странные тормоза сервера. По описанию тестов, Neon хорошо справляется с ревью кода и не ограничивается поверхностными замечаниями.

В одном из показательных примеров модель работала с проектом TS Rust и помогла заметно уменьшить размер бинарника: с 47,44 МБ до 7,97 МБ. Также в тестах она ускорила работу в среднем в 1,5 раза, а на некоторых сценариях — до 20 раз. Для разработчиков и команд, которые считают скорость и стабильность продукта, это очень практичный результат.

Где Neon особенно удивила

Отдельно в статье разбираются случаи, где модель вела себя почти как опытный инженер. Когда сломанный MCP-адаптер не показал результат в чате, Neon не остановилась на ошибке, а полезла в логи, нашла причину сбоя, отрендерила графики локально и даже подготовила исправление. В другом кейсе модель помогла найти причину тормозов при создании git worktree: выяснилось, что раздел /work был отформатирован как обычный HDD, и именно это съедало почти четыре секунды из 6,3.

Есть и официальные демонстрации DeepMind и команды Antigravity: от превращения обычной картинки в огромную таблицу с 100 000 ячеек и 500 000 формул до сборки игры в браузере и игры за второго игрока. Для обычного пользователя это может быть слишком специфично, но для разработчиков и тех, кто автоматизирует рабочие процессы, это сигнал: модель уже умеет не только болтать, но и выполнять сложные цепочки действий.

Частые вопросы

Чем Gemini 4 Neon отличается от других моделей Google?
По описанию источника, Neon лучше понимает короткие команды, чаще действует инициативно и сильнее помогает в технических задачах, чем ожидаешь от «средней» модели. Особенно это заметно в коде, логах и поиске причин сбоев.
Кому может пригодиться такая модель?
Прежде всего разработчикам, аналитикам, техподдержке, маркетологам и тем, кто регулярно пишет много рабочих задач в чат. Она экономит время там, где нужно быстро получить понятный ответ или найти причину проблемы.
Почему о релизе почти не говорили?
В статье это связывают с неудачным неймингом и слабым шумом вокруг запуска. Хотя модель показала сильные результаты, Google почти не подсветила релиз так, как это обычно делают конкуренты.
Стоит ли пробовать Gemini 4 Neon вместо привычной модели?
Если вам важны скорость, понятный диалог и помощь в прикладных задачах, попробовать стоит. Особенно полезно это в сценариях, где ИИ должен не только отвечать, но и реально помогать чинить, проверять и ускорять работу.

Читайте также

Попробовать Lord GPT бесплатно →