Gemini 4 Neon startet für 3 Dollar pro Million Input-Tokens; Carbons Codier-Langsamkeit seziert
8 min read · 17 sources
- Google hat Gemini 4 Neon für 3 Dollar pro Million Input-Tokens mit einem 1M-Token-Kontext gestartet, mit 61 Punkten im Artificial Analysis Intelligence Index.
- Gemini 4 Carbon brauchte 22m21s für eine Codier-Aufgabe, für die Opus 5.5 9m33s benötigte, und führte dabei die elffache Anzahl an Aktionen und den sechzehnfachen Input aus.
- OpenAIs Modelle haben die Schaltkreisfläche seines Jalapeño-Chips um 10 - 13 % reduziert und bis zu 14 % Verbesserungen auf AMDs Flaggschiff-GPUs geliefert.
- Anthropics Compute-Ausgaben wachsen um das Vierfache pro Jahr gegenüber OpenAIs Dreifachem, mit 447,5 Milliarden Dollar an Verpflichtungen bis 2030.
- Google Antigravity räumt Prompt-Caches nach einer 15-Sekunden-Pause, was interaktives Codieren zum Worst-Case-Workload macht.
Google hat heute Morgen die Frage “Wo ist das schnelle Frontier-Modell?” mit Gemini 4 Neon beantwortet: ein Frontier-Modell zum Preis von 3 Dollar pro Million Input-Tokens, 15 Dollar pro Million Output-Tokens, mit einem Kontextfenster von 1M Tokens. Es erreicht 61 Punkte im Artificial Analysis Intelligence Index auf seiner xhigh-Denkstufe und rangiert auf Platz 2 im Vals Index mit 70,9 %. Für alle, die beobachtet haben, wie Googles Flaggschiff-Modelle langsamer und teurer wurden, ist Neon das Gegengewicht: schnell, günstig und gezielt auf Enterprise-Workloads ausgerichtet.
Aber die interessantere Lektüre heute ist die kernel.dev-Zerlegung von Gemini 4 Carbon. Carbon ist bei realen Codier-Aufgaben inakzeptabel langsam - 22m21s für einen Bugfix, den Opus 5.5 in 9m33s erledigte - und die Analyse zeigt genau, warum. Es liegt nicht am Testaufbau und nicht an einem Reasoning-Level-Mismatch. Carbon leistet einfach deutlich mehr Arbeit pro Aufgabe. Diese Unterscheidung ist wichtig, wenn du entscheidest, welches Modell du vor deine CI-Pipeline setzt.
Eine 15-Sekunden-Pause in Antigravity räumt deinen Prompt-Cache und verwandelt einen rabattierten Turn mit 90 % Cache-Treffer in einen vollpreisigen Neulesevorgang von über 16.000 Tokens.
Gemini 4 Neon: das schnelle Frontier-Modell, das Google tatsächlich ausgeliefert hat
Gemini 4 Neon ist Googles Antwort auf die Beschwerde, dass Frontier-Modelle zu langsam und zu teuer für die Produktion sind. Mit 3 Dollar/M Input und 15 Dollar/M Output unterbietet es den Großteil des Frontier-Tiers und landet gleichzeitig auf Platz 3 im Artificial Analysis Intelligence Index (61 bei xhigh Thinking) und auf Platz 2 im Vals Index (70,9 %).
Die Enterprise-Benchmarks sind der Punkt, an dem es interessant wird. Neon belegt Platz 1 im Legal Research Bench, Tax Agent Bench und Zapiens AutomationBench (56,3 %), mit einer niedrigen Fabrikationsrate. Das ist das Profil, das du für agentische Workflows willst, die Kundendaten berühren - das Modell ist günstig genug für einen Aufruf pro Turn und genau genug, dass kein Mensch jeden Output prüfen muss. Gecachter Input sinkt auf 0,15 Dollar/M, was relevant ist, wenn du lange System-Prompts oder Codebasen einspeist.
Es wird heute in der Gemini API, in Google AI Studio und für zahlende Abonnenten in Google Antigravity und der Gemini-App ausgerollt. Wenn du bisher ein kleines Modell für die Kosten und ein großes für die Qualität betrieben hast, ist Neon der Kandidat, der diese Trennung aufhebt.
Genie 4: Weltmodelle, die du mitten in der Sitzung bearbeiten kannst
Google hat Genie 4 auch für berechtigte Google-AI-Ultra-Abonnenten in Project Genie geöffnet. Das ist der Weltmodell-Ansatz: interaktive 3D-Umgebungen aus Text generieren und sie dann in Echtzeit bearbeiten, indem man während der Erkundung Prompts eintippt.
Genie-3-Updates verlängern Sitzungen auf 3 Minuten pro Generierung (vorher 60 Sekunden), fügen 360-Grad-Panorama-Bildgrundierung hinzu und unterstützen Echtzeit-Ereignisse in der Welt. Genie 4 kombiniert Visuals mit nativem Audio und erlaubt es, mitten in der Sitzung neu zu prompten, um die Umgebung im laufenden Betrieb zu ändern. Ein neuer Project-Genie-Agent orchestriert multimodale Modelle, um diese Welten aus Dialogen in natürlicher Sprache zusammenzusetzen.
Für Ingenieure ist der interessante Teil die Orchestrierungsschicht. Genie 4 ist nicht ein Modell - es ist eine Pipeline multimodaler Modelle, koordiniert von einem Agenten. Das ist dasselbe Muster wie bei jedem anderen agentischen Produkt, das dieses Jahr ausgeliefert wird, aber angewendet auf eine Domäne (interaktive Weltgenerierung), die vor sechs Monaten noch reine Demo war.
OpenAIs Modelle entwerfen jetzt Chips und reduzieren die Fläche um 10 - 13 %
OpenAIs Chip-Design-Arbeit ist keine Forschungs-Kuriosität mehr. Designänderungen, die von seinen Modellen vorgeschlagen wurden, haben die Schaltkreisfläche wichtiger Teile des Jalapeño-AI-Chips um geschätzte 10 % bis 13 % reduziert. Mit AMD lieferte derselbe Ansatz bis zu 14 % Verbesserungen bei Flaggschiff-GPU-Designs.
Das ist die stille Geschichte unter dem ganzen Modell-Launch-Lärm: Die Modelle sind jetzt gut genug, um Schaltkreisänderungen auf Chipebene vorzuschlagen, die menschliche Ingenieure akzeptieren. Das ist ein sich selbst verstärkender Vorteil - bessere Chips betreiben die Modelle, die bessere Chips entwerfen. Wenn du auf AMD oder Google-TPUs baust, ist die Roadmap gerade kürzer geworden.
Gemini 4 Carbon: langsamer, weil es mehr tut, nicht weil es kaputt ist
Die kernel.dev-Analyse von Gemini 4 Carbon ist die nützlichste Engineering-Lektüre des Tages. Bei einer realen Codier-Aufgabe brauchte Carbon 22m21s, während Opus 5.5 9m33s benötigte. Die Langsamkeit teilt sich auf in langsamere Inferenz (16 - 30 % mehr Zeit vs. Astra, 45 - 49 % vs. Opus) und dramatisch längere Trajektorien: Carbon braucht etwa siebenmal so viele Schritte wie Astra und elffach so viele Aktionen und verarbeitet mehr als sechzehnmal so viel Input.
Die Autoren schlossen Testaufbau- und Reasoning-Level-Mismatches aus. Die zusätzliche Zeit kommt daher, dass Carbon deutlich mehr Arbeit pro Aufgabe leistet - mehr Schritte, mehr Aktionen, mehr verbrauchte Tokens. Das ist eine andere Fehlerart als “langsame Inferenz”. Es bedeutet, dass Carbon mehr vom Lösungsraum erkundet, und wenn deine Aufgaben klar abgegrenzt sind, ist diese Erkundung Verschwendung. Wenn deine Aufgaben wirklich schwierig und unterbestimmt sind, könnten die zusätzlichen Schritte genau das sein, was du brauchst. Wisse, was du betreibst, bevor du das Modell wählst.
Routing mitten im Gespräch ist ein Ski-Verleih-Problem
Edgees Blogbeitrag rahmt LLM-Routing als klassisches Ski-Verleih-Problem neu: Wann solltest du mitten in der Sitzung das Modell wechseln, wenn der Wechsel deinen warmen Cache verwirft? Ein Router, der pro Turn das richtige Modell wählt, aber den Cache ignoriert, zahlt jedes Mal den vollen Preis, um ihn neu aufzubauen.
Die Zahlen machen das konkret. Bei Anthropic kostet das Cachen eines Präfixes das 1,25-fache des normalen Input-Preises, und das Zurücklesen ein Zehntel. Ein Modellwechsel mitten in der Sitzung kann also mehr kosten als viele Turns Preisunterschied zwischen Modellen. Edgees Agent Gateway behandelt Routing sowohl als Tier-Map (welches Modell für welche Schwierigkeit) als auch als Wechsel-Policy, wobei Self-Learning Routing vergangene Sitzungen abspielt, um die günstigste fähige Kombination zu empfehlen. Wenn du einen Multi-Modell-Agenten baust, ist das das Kostenmodell, das dir fehlt.
Antigravity frisst Quota, weil sein Cache in 15 Sekunden stirbt
Diese Untersuchung, warum Google Antigravity die Wochen-Quota schnell verbrennt, ist eine Meisterklasse im Binary-Searching einer Blackbox. Der Autor zerlegte die 193 MB große Go-Binary (v2.33.0), entdeckte eine ruhende Keep-Alive-Engine und grenzte die Cache-Eviction-Klippe auf ein 15-Sekunden-Fenster ein.
Die Mechanik: Gemini-4-Modelle verlassen sich auf implizites Caching, bei dem gecachte Tokens einen Rabatt von 90 % erhalten, aber Cache-Misses 100 % auf den gesamten Präfix zahlen. Selbst ein Prompt mit 5 Wörtern beginnt mit 13.800 bis 16.800+ Tokens an Systemanweisungen, MCP-Schemas und Skills. Wenn deine Code-Review-Pause die TTL überschreitet, ist jeder Turn ein vollpreisiger Cache-Miss. Der Workaround: Cache kurz vor Ablauf aktualisieren, aber das funktioniert nur für 3 Pings. Und das Deaktivieren ungenutzter MCP-Server und Plugins reduziert die Kalt-Turn-Strafe. Für alle, die Antigravity oder ähnliche Implicit-Cache-Agenten betreiben, ist das der Unterschied zwischen einem 10 %-Rabatt und einer 100 %-Rechnung.
OpenAIs Forschungsbeschleunigung: Agenten erledigen die Hälfte der Arbeit, Menschen besitzen den Rest
OpenAIs Update zur Forschungsbeschleunigung berichtet, dass seine Agenten jetzt fast die Hälfte von zwei- bis vierstündigen Forschungsaufgaben eigenständig abschließen. Die Agentennutzung steigt stark an, und die intensivsten Nutzer ziehen weiter davon. Aber Menschen sind weiterhin zentral für die KI-Entwicklung - und Forscher verwenden zunehmend mehr Aufwand für Sicherheit und Alignment.
Das Muster “die intensivsten Nutzer ziehen davon” ist das, worauf man achten sollte. Es deutet darauf hin, dass agentische Workflows eine Fähigkeit sind, kein Schalter. Teams, die in den Aufbau der richtigen Agent-Harnesses und Evaluationsschleifen investieren, profitieren vom Zinseszinseffekt, während Teams, die Agenten als Drop-in-Ersatz behandeln, zurückfallen.
Das Compute-Ausgaben-Rennen: Anthropic 4x, OpenAI 3x
Epochs Analyse der Compute-Ausgaben zeigt, dass Anthropics Ausgaben um das Vierfache pro Jahr steigen und damit OpenAIs Dreifaches übertreffen. Anthropics S-1 offenbarte 447,5 Milliarden Dollar an Ausgabenverpflichtungen von September 2026 bis 2030 (~100 Milliarden Dollar/Jahr). OpenAIs Zahlen stammen aus Medienberichten und Greg Brockmans Aussage vom Mai 2026 über erwartete Compute-Ausgaben von 50 Milliarden Dollar in diesem Jahr.
Die Lücke ist wichtig für alle, die auf Modellqualitäts-Trajektorien wetten. Anthropic gibt mehr, schneller, für die Hardware aus, die die Modelle trainiert, die du nächstes Jahr betreiben wirst. Die Umrechnung periodenbasierter Summen in annualisierte Raten mittels log-linearer Regression ist lesenswert, wenn du die Zahlen selbst gegenprüfen willst.
Kurzmeldungen
- Perplexitys Context API extrahiert vollständigen Kontext aus bis zu 10 URLs gleichzeitig und liefert sauberes Markdown, Links und relevante Passagen mit Aktualitäts- und Quellenvalidierung. Agenten erhalten Seitenmetadaten (Titel, Autor, Datum) zu jedem Ergebnis.
- Prime Intellects Model Factory ist eine Control Plane, die RL, SFT, Pre-Training und Inferenz vereinheitlicht, abgerechnet pro GPU-Stunde oder mit dediziertem Slurm/Kubernetes-Zugang. Bereits eingesetzt für Finanzautomation, Computer Use, wissenschaftliche Entdeckungen und Chip-Design.
- Google Labs’ Stitch Loop ist ein langlebiger Produkt-Agent, der sich mit einer Codebasis und Live-Metriken verbindet, Evergreen-Schleifen (Suggestions, Solutions, Build, Reflect) ausführt und PRs zur Genehmigung öffnet. Nichts wird ohne deine Prüfung gemerged.
- Metas Technik-Propagation-Agenten übernehmen seit März 2026 über 60 % der ML-Technik-Propagation über Ads-Ranking-Modelle, mit dreifacher Engineering-Produktivität, einer medianen vierfachen Reduktion des Training-Computes und Einsparungen von über 45 Millionen Dollar an Compute bis Jahresende.
- ResolveAIs SRE-1 ist ein 27B-Modell, das darauf trainiert ist, die Grundursache von Produktionsalarmen zu finden, und nur über ResolveAIs Primary On-call-Produkt erhältlich ist. Das Argument: Allgemeine Modelle scheitern in der Produktion, weil die Antwort nur im laufenden System existiert, nicht in öffentlichen Trainingsdaten.
- OpenAIs Codex-Sandbox erlaubt dem Codier-Agenten, Befehle auf deinem Rechner innerhalb von Datei- und Netzwerklimits auszuführen, die du kontrollierst.
Und zwei Stücke für dein Wochenende: Zvis Beitrag zum METR-Bericht, der argumentiert, dass es eine substanzielle (wenn auch unter 50 % liegende) Chance auf Superintelligenz im Jahr 2027 gibt, und The Silent Consensus, eine Harvard-Vorlesung eines OpenAI-Mitarbeiters über den “Schwarzen Oktober” - kritische Schwachstellen der Internet-Infrastruktur, die von Frontier-KI-Systemen gefunden wurden. Beide argumentieren, dass die Zeitleiste kürzer ist, als die meisten Ingenieure planen, und keines ist eine angenehme Lektüre.
Das könnte Sie auch interessieren
Gemini 4 Carbon zu Frontier-Preisen, Anthropic reicht Börsengang über 60 Mrd. Dollar ein, 35.000 Grok-Apps leaken Daten
Google hat Gemini 4 Carbon veröffentlicht, sein bisher stärkstes Modell, für 2/10 Dollar pro Million Tokens mit Platz 1 im CursorBench 4.0 und einem neuen …
Anthropic bereitet Claude Mythos 5.5 vor, während OpenAI die Guardrails von GPT-Rosalind-6 verschärft
Die Website von Anthropic deutet auf eine unmittelbar bevorstehende Veröffentlichung von Claude Mythos 5.5 hin, die vermutlich auf das IPO-Fenster des …
OpenAI stellt GPT‑6.1 Terra vor, Anthropic reicht S‑1 ein, und Qwen meldet sich
OpenAI hat GPT‑6.1 Terra veröffentlicht, das auf Computernutzung und visuelles Schließen abzielt, und gleichzeitig eine Lean‑verifizierte Widerlegung der …




