Googleは、Flash並みのスピードとタスクあたりのわずかなコストでフロンティアレベルの推論を実現すると謳う中位モデル「Gemini 4 Neon」をリリースしました。2026年11月18日に発表されたNeonは、GoogleのラインナップにおいてGemini 4 HydrogenとGemini 4 Carbonの中間に位置し、Argonの後継となります。100万トークンのコンテキストウィンドウと4段階の思考レベル(thinking levels)を備えています。AI ProおよびUltraの有料サブスクリプションユーザー、開発者、企業向けに提供されますが、無料版では利用できません。
主なポイント
- ポジショニング:HydrogenとCarbonの間に位置し、チャットよりもコーディング、分析、プロダクションワークフロー向けに構築されています。
- 価格:入力100万トークンあたり3ドル、キャッシュされた入力100万トークンあたり0.15ドル、出力100万トークンあたり15ドル。
- 効率性の主張:Googleによると、デフォルトの思考レベルにおいて、NeonのタスクあたりのコストはCarbonより32%低いとしています。
- ベンチマーク:Artificial Analysis Coding Agent Indexで1位、同Intelligence Indexで総合3位を獲得。
- ラインナップの入れ替え:NeonがArgonに取って代わり、Gemini 3.1 Proがアプリから削除されました。また、3.5 Flash-Liteが有料ユーザー向けの「自動(Auto)」オプションになりました。
Neonとは何か、なぜ中位層が重要なのか
Googleがこの1ヶ月で発表した4つ目のGemini 4バリアントは、フラッグシップモデルではありません。これは、「高速なモデル」と「賢いモデル」の間の溝を埋める試みです。Neonは、長時間実行されるエージェントワークフロー、マルチファイルのリファクタリング、スプレッドシートやドキュメントの分析、科学的推論など、これまでHydrogenのスピードかCarbonの判断力のどちらかを選ばざるを得なかったワークロード向けに構築されています。
このモデルは、低(low)、中(medium)、高(high)、最高(extra high)の4つの思考レベルをサポートしています。「最高(xhigh)」設定では、タスクあたりのコストで競合モデルを抑えつつ、最高のインテリジェンススコアを記録します。デフォルトの「高」設定では、処理量に最適化されています。また、Google Antigravityにおけるオーケストレーターとしても機能し、進捗を追跡し長いセッションでのコンテキストを圧縮しながら、並列するHydrogenサブエージェントを指揮します。
| 層 | モデル | 設計用途 |
|---|---|---|
| 高速 | Gemini 4 Hydrogen | 日常的な実行および大量のタスク |
| バランス | Gemini 4 Neon | エージェントによるコーディング、分析、プロダクションワークフロー |
| フロンティア | Gemini 4 Carbon | 長期スパン、高難易度の推論 |
モデル自体と同様に注目すべきは、今回のラインナップ刷新です。これまでGoogleの2つのフロンティアシステムの1つであったArgonは、製品ラインナップにおいてNeonに置き換えられます。Geminiアプリ内では、Gemini 3.1 Proが完全に削除され、3.5 Flash-Liteが有料ユーザー向けの「自動」として表示されるようになりました。実際にどのモデルと対話しているかを把握しているユーザーは、知識を更新する必要があります。
ベンチマーク:エージェントで1位、素の知能で3位
結果は強力ですが、分野によってばらつきがあり、Googleがどこを狙ったかを反映しています。Neonは利用可能な中で最も知能が高いモデルではなく、1ドルあたりの能力が最も高いモデルの1つです。
| ベンチマーク | 結果 |
|---|---|
| Artificial Analysis Intelligence Index | 61、最高設定(xhigh)で総合3位 |
| Artificial Analysis Coding Agent Index | 1位、58.6 |
| Vals Index | 2位、パレート・フロンティア上 |
| Agent Arena | 世界2位、4,200セッション以上で1336 |
| Zapier AutomationBench | 1位、56.3%(16,843ドルのシミュレーション) |
| FrontierCode 2.0 | デフォルトの「高」設定で46.2% |
| Chartography | 高密度のプロフェッショナル向けチャートで73.5% |
「総合3位」というのが、誇張のない見出しでしょう。Neonは、より大規模で低速なモデルに対して汎用的な知能で劣りますが、これは低コストなシステムとしては予想通りです。重要なのは結果の内容です。コーディングエージェントで1位、制御性(steerability)で2位、Zapierの長期ビジネスシミュレーションで1位、そして財務、会計、スプレッドシートモデリングタスクでトップランクを獲得しています。
またGoogleは、内部テストにおいてGemini 4モデルの中で最も低い虚偽情報の生成率を報告しています。エージェントの安全性スイートにおける不整合なアクション率は0.09%、エージェントの誠実性(honesty)の合格率は99.2%です。これらは自社発表の数字ですが、放置されたまま稼働するエージェントにとって最も重要な失敗モードに対処しています。
価格こそが最大の論拠
Neonのコストは、入力100万トークンあたり3ドル、出力100万トークンあたり15ドルです。キャッシュされた入力は0.15ドルで、これは95%の割引となり、コードベースなどの繰り返されるコンテキストを利用する場合に有利です。
| モデル | 入力 | 出力 |
|---|---|---|
| Gemini 4 Hydrogen | $1.50 | $7.50 |
| Gemini 4 Neon | $3.00 | $15.00 |
| Carbon / Argon(プロモーション価格、11月30日まで) | $2.00 | $10.00 |
| Carbon / Argon(標準価格) | $4.00 | $20.00 |
CarbonとArgonのプロモーション価格は11月30日に終了し、その後はそれぞれ4ドルと20ドルに戻ります。その時点では、Neonは定価ベースでフラッグシップより25%安くなります。さらにGoogleは、デフォルトの思考レベルにおけるタスクあたりのコストが32%低いと主張しており、これはトークン消費量を考慮するとさらに差が広がることを意味します。
これにより、購入者には奇妙な期間が生じます。今月末までは、トークン単価でCarbonの方がNeonよりも安価です。しかし来月からは、Neonの方が安くなり、エージェントによるコーディングにおいては競争力も備えます。第4四半期の契約を結ぶ調達チームは、12日後に変更される料金表を前提に価格を検討することになります。
サイバーセキュリティ・バリアント
一般的なモデルと並行して、Googleは信頼できる防御者向けに限定的な「Neon for cyber」バリアントを展開しています。高難易度のセキュアコード生成で76%、WebExploitBenchでの脆弱性テストで51.26%、SEC-bench Proで90.5%という、最先端の結果を大規模モデルの約半分のコストで実現していると主張しています。
これは、今回の発表の中で最も一般のアクセスが少ないものの、戦略的に最も重要な部分です。エージェントによるコーディングは、生成されたコードが安全かどうかがますます重要視されており、Googleはその能力をデフォルトモデルに組み込むのではなく、個別に販売しています。
可用性
Geminiアプリ:AI ProおよびUltraのサブスクリプションユーザーは、モデルピッカーで選択可能。無料ユーザーはNeonを使用できません。
開発者:Gemini APIおよびGoogle AI Studio(Gemini for Businessを含む)で利用可能。
Antigravity:AI ProおよびUltraのサブスクリプションユーザー向け。Hydrogenサブエージェントのオーケストレーターとして機能します。
今後の注目点
12月1日の料金表
Carbonのプロモーション価格終了後、GoogleがNeonの価格を3ドル/15ドルのまま据え置くか、あるいは調整するかによって、自社ラインナップの共食いがどの程度発生するかが決まります。
独立したエージェントテスト
コーディングエージェントのランキング変動は激しく、Neonの1位という順位は一部Google運営のテストに基づいています。今後1ヶ月の第三者による再現テストが、より雄弁に実力を物語るでしょう。
Argonの復活はあるか
最上位(フロンティア)モデルをより安価なモデルで置き換えることは、市場の方向性に対するGoogleの意思表示です。最高レベルの知能への需要が続く場合、この決定は見直される可能性があります。
ネーミングの問題
1ヶ月の間に4つの元素名を冠したモデルが登場し、1つが廃止され、もう1つが「自動」ラベルに統合されました。購入者にとってはブランドストーリーよりも比較表が必要ですが、公開資料ではその階層構造が分かりにくくなっています。




