# Дэвид Ондрей: «Gemini 4 Neon уничтожает бенчмарки конкурентов»

Источник: https://www.youtube.com/watch?v=n-LwSQq3xYE
Канал: David Ondrej
Опубликовано: 21.11.2026

---

Инженер в области агентных систем Дэвид Ондрей представил подробный технический разбор новой флагманской модели Gemini 4 Neon от Google DeepMind, сравнив её в реальных рабочих процессах с Fable 5.2 от Anthropic и GPT 6.2 Astra от OpenAI. В серии практических тестов в среде Cloudroom эксперт оценил возможности моделей в программировании, 3D-моделировании, генерации медиаконтента через протокол Higgsfield MCP и решении задач кибербезопасности. По оценке автора, появление Gemini 4 Neon кардинально меняет баланс сил в индустрии благодаря беспрецедентному соотношению стоимости, скорости генерации и качества рассуждений.

## ⚡ Неожиданный прорыв Google DeepMind
[[JUMP:00:00]]

Релиз модели Gemini 4 Neon стал одним из самых недооцененных событий в индустрии искусственного интеллекта за последние двенадцать месяцев [0:13]. Изначально семейство позиционировалось разработчиками как решение среднего класса, призванное заполнить нишу между компактными моделями и «тяжелыми» флагманами уровня Fable, Astra или Carbon [0:25]. Однако реальные тесты показали, что новинка превосходит признанных лидеров на большинстве ключевых бенчмарков, демонстрируя более высокую скорость и существенно более низкую стоимость инференса [0:38].

По словам Дэвида Ондрея, возвращение Google в высшую лигу выглядит особенно впечатляющим на фоне затяжного скепсиса сообщества:

*   На бенчмарках Cursor модель Gemini 4 Neon заняла первую строчку, опередив даже собственные разработки платформы и семейство Grok [1:55].
*   В сводном рейтинге из примерно 20 ведущих индустриальных тестов Neon уверенно конкурирует с Fable 5.2, превосходя Opus 5.5 [2:09].
*   Стоимость использования Neon оказывается от двух до семи раз ниже по сравнению с Fable 5.2, подписки на который исчерпываются критически быстро [2:47].
*   Создатель проекта Band Виктор Талин отметил, что в большинстве практических задач написания кода Gemini 4 Neon превзошла Fable 5.2 [1:16].

В отчете исследовательской платформы Artificial Analysis модель Gemini 4 Neon на профиле Extra High обходит решения конкурентов по экономической эффективности: она в 3 раза дешевле Opus и в 8 раз доступнее Fable [3:50]. В специализированном индексе сред разработки (Coding Agent Index) конфигурация Neon в связке с Antigravity CLI признана ведущей мировой системой для автономного кодинга [4:02].

## 🔄 Скорость релизов и гипотеза рекурсивного самообучения
[[JUMP:01:16]]

Главной технической загадкой нового релиза остается архитектурная иерархия линейки. Модель Carbon проектировалась как массивный, медленный и дорогостоящий флагман Google, в то время как Hydrogen закрывал категорию моделей умеренной емкости, аналогично Claude Sonnet или GPT Terra [1:30]. Тот факт, что более легкая Gemini 4 Neon превосходит «старшую» Carbon по качеству рассуждений, вызывает массу вопросов у инженеров [1:43].

Дэвид Ондрей обращает внимание на аномальное сокращение циклов между обновлениями Google DeepMind:

*   Интервал между моделями Argon и Carbon составил 28 дней [3:11].
*   Переход от Carbon к Hydrogen занял 15 дней [3:11].
*   Разрыв между Hydrogen и Neon сократился всего до 6 дней [3:11].

Такая динамика породила в экспертном сообществе гипотезу о том, что Google удалось практически освоить механизм рекурсивного самосовершенствования (RSI), при котором алгоритмы оптимизируют архитектуру последующих поколений без участия человека [2:59]. По мнению Ондрея, если ранее OpenAI и Anthropic задавали темп развития отрасли, то теперь Google демонстрирует самое масштабное возвращение в технологической истории [3:25]. 

В геополитическом контексте автор вспоминает тезис Илона Маска о разделении сфер влияния в сфере ИИ: Google доминирует на Западе, Китай сосредотачивается на наземной инфраструктуре благодаря колоссальным объемам выработки электроэнергии, а SpaceX уходит в космические вычисления [11:35]. По убеждению Ондрея, регуляторное давление левых политических сил в США и сложности со строительством наземных дата-центров делают космические вычислительные кластеры вполне вероятным сценарием на ближайшие 2–4 года [12:13].

## 🎨 Творческий тест: управление моделями изображений через Higgsfield MCP
[[JUMP:06:36]]

Для проверки реальных агентных навыков моделей Дэвид Ондрей провел сравнительное тестирование, в котором Gemini 4 Neon, Fable 5.2 и GPT 6.2 Astra выступали в роли постановщиков задач (промпт-инженеров) для единых генеративных движков [6:36]. Вся инфраструктура связывалась воедино с помощью протокола Higgsfield MCP, позволяющего терминальным агентам вызывать сторонние диффузионные модели (включая Flux 3 Image, Ideogram 6.2, Recraft V 4.1 и Grok Image 2.0) [6:49].

Результаты распределились следующим образом:

1.  **Заброшенная оранжерея (Flux 3 Image)**. Промпт от Fable страдал нарушением логики отражений и структуры растительности [7:18]. Astra выдала приятную композицию с теплым светом [7:30]. Победителем признан Neon, сгенерировавший наиболее гармоничное описание пола, скамеек и игры света на стенах [7:43].
2.  **Постер к инди-фантастике**. Fable и Astra сгенерировали абстрактные концепты, не отвечающие жанровым критериям сай-фая [7:57]. Neon оказался единственной моделью, передавшей аутентичную эстетику жанра [8:11].
3.  **Самурай на заснеженном поле**. Fable ошибся в деталях: вместо катаны изобразил странный кинжал, а фигуру чересчур погрузил в сугроб возле розовых кустов [8:23]. Astra допустила ошибку масштабирования фокуса, неестественно выдвинув на передний план птицу [8:36]. Neon сделал сцену менее реалистичной, в стилистике видеоигры, но победил за счет цельной кинематографической атмосферы [8:48].
4.  **Логотип уютной кофейни**. В этой дисциплине безоговорочную победу одержала Astra, предложив гармоничный дизайн с кошачьим силуэтом внутри чашки, в то время как идея Neon оказалась откровенно слабой [9:01].
5.  **Затонувший античный город**. Astra вновь продемонстрировала максимальную детализацию и фотореализм, обойдя конкурентов [9:15].

По выводам Ондрея, в управлении генеративными инструментами Neon на равных соперничает с признанными фаворитами, а связка любого терминального агента с Higgsfield MCP избавляет инженера от необходимости вручную формулировать сложные промпты: алгоритм сам подбирает параметры генерации [10:05].

## 💻 Программирование, интерфейсы и геймдев
[[JUMP:17:33]]

Практический батл на локальном хосте вскрыл глубокие различия в подходах моделей к веб-разработке и написанию чистого программного кода при едином уровне вычислительных усилий (High Reasoning Effort) [18:12].

В проектировании посадочной страницы для компании космического туризма Fable 5.2 создал качественный длинный лендинг с плавной анимацией и продуманным футером, хотя верстка местами выглядела разреженной [17:45]. GPT 6.2 Astra показала худший результат: страницу невозможно было прокручивать, анимации отсутствовали [18:12]. Gemini 4 Neon выдал полноценный рабочий интерфейс со сложными интерактивами, конфигуратором корабля и анимированной картой маршрута [18:26].

При создании интерактивной 3D-сцены дождливого киберпанк-переулка Токио на Three.js расклад изменился:

*   **Fable 5.2** занял первое место: реализовал пространственное перемещение клавишами W/S, динамическое освещение, дождь и корректную физику камеры [18:53].
*   **GPT 6.2 Astra** провалила задачу: текстуры земли содержали критические баги, а управление мышью оказалось инвертированным [19:19].
*   **Gemini 4 Neon** уступил Fable по количеству ассетов окружения, но обеспечил отличные отражения на асфальте и плавную работу вертикальной камеры [19:32].

Тест на алгоритмическое генеративное искусство (отрисовка рассвета в Патагонии чистым кодом без изображений) показал победу Fable по художественной выразительности [20:11]. Однако Neon проявил наибольшее техническое усердие, добавив интерактивный ползунок времени суток, смену фаз освещения и процедурную анимацию водной глади [20:25].

В разработке однокнопочной аркадной игры Fable создал безупречный тайм-киллер с механикой прыжков по платформам [20:38]. Astra предложила статичный диск с вращающейся стрелкой, страдающий от дефицита динамики [21:44]. Победителем стал Neon с проектом «Orbita»: процедурная механика гравитационных маневров вокруг ядра с перехватом орбит потребовала от модели глубокого понимания геометрии и математики столкновений [22:08].

## 🛠️ Рабочее окружение: Antigravity CLI, Cloudroom и экономика подписок
[[JUMP:22:59]]

Для практической интеграции Gemini 4 Neon компания Google предлагает консольный инструмент Antigravity CLI, который полностью вытеснил устаревший Gemini CLI [22:59]. Установка выполняется единой командной строкой в терминале, однако для промышленной разработки Дэвид Ондрей рекомендует специализированные агентные среды (ADE), такие как Cloudroom [23:25].

Платформа Cloudroom унифицирует доступ к различным ядрам разработки (Claude Code, Codex, Cursor, Antigravity) через общий интерфейс, позволяя гибко распределять задачи [23:39]. В настройках профиля рассуждений (Reasoning Effort) доступно четыре градации: Low, Medium, High и Extra High [24:05].

Ондрей настоятельно советует фиксировать уровень рассуждений на значении High:

*   Режим High дает оптимальную скорость генерации, сопоставимую с Opus 5.5, и мгновенный отклик [24:05].
*   Включение режима Extra High увеличивает итоговый бенчмарк Artificial Analysis всего на 1 балл, однако повышает расход токенов на 72% и время ожидания на 53% [27:09].
*   На тестах Cursor Bench переход с High на Extra High дает прирост всего в 1,7 балла при переплате в 63% (профиль High обеспечивает 97% предельной мощности) [27:22].
*   В бенчмарке Zapier Automation выигрыш составляет лишь 2 балла при удвоении стоимости, а при парсинге объемных PDF-файлов результат в Extra High парадоксальным образом ухудшается [27:36].

С точки зрения тарифных планов Google выделяет уровни Plus, Pro ($20 в месяц) и Ultra ($100 в месяц) [24:18]. Автор считает подписку Google AI Pro оптимальным выбором для большинства инженеров [24:30]. 

Согласно подсчетам Павела, приведенным в обзоре, Claude Opus 5.5 все еще остается лидером по объему субсидирования вычислительных мощностей разработчиком [25:23]. Однако Gemini 4 Neon на тарифе Google AI Ultra занимает уверенное второе место с коэффициентом 25.8x: внося $100 в месяц, пользователь фактически потребляет эквивалент $2600 по стандартным тарифам API [25:37].

## 🎬 Мультимодальные пайплайны и сборка ассетов через Higgsfield
[[JUMP:27:36]]

Интеграция Gemini 4 Neon с инструментарием Higgsfield MCP раскрывает потенциал создания сложных медиапродуктов через текстовые команды агенту [27:48]. Подключив интерфейс к терминалу или среде Cloudroom, разработчик делегирует модели подбор инструментов из обширной библиотеки: генераторы 3D-мешей (Mesh 7, Hunyuan 3D), синтезаторы речи и музыки (ElevenLabs v4, SeaDance 2.5), а также видеомодели [30:23].

В ходе практического эксперимента Ондрей поручил связке Neon и Higgsfield собрать полноценную киберпанк-аркаду с процедурной трехмерной графикой, звуковыми ретро-синтезаторными дорожками и интерактивным кодом [30:00]. Разница между режимами Medium и High оказалась разительной:

*   Версия на Medium сгенерировала плоскую 3D-модель аркадного автомата с примитивной физикой и коротким аудиоциклом [34:15].
*   Версия на High выдала детализированный кабинет с динамическим освещением, качественной музыкой на 60 секунд, продуманным управлением мышью и сложной геометрией [34:41].

В качестве исторического примера возможностей визуализации Ондрей продемонстрировал созданную моделью реконструкцию машины Алана Тьюринга 1936 года, написанную на чистом коде для Blender, а также физически точный симулятор горных лыж с процедурной динамикой снега [35:06].

При создании 15-секундного промо-ролика об истории искусственного интеллекта агент самостоятельно составил сценарий, обратился к видеомоделям через Higgsfield и выстроил хронологический видеоряд от ламповых ЭВМ 1950-х годов через современные стойки с ускорителями NVIDIA к гипотетической точке технологической сингулярности [43:29].

## 🛡️ Безопасность, фактчекинг и ночные автономные циклы
[[JUMP:33:12]]

Помимо математических и инженерных навыков, Gemini 4 Neon продемонстрировала лидерство в корпоративных дисциплинах: модель возглавила бенчмарки AA Briefcase (качество презентаций), Val's Finance, а также юридические и налоговые тесты [33:12]. Примечательно, что в бизнес-симуляции Vending Bench модель заняла первое место, проявив способность к жестким коммерческим переговорам ради максимизации прибыли предприятия [33:25].

Критически важным аспектом надежности стал рекордно низкий уровень галлюцинаций:

*   В ситуациях неопределенности Gemini 4 Neon прямо заявляет «Я не знаю», допуская выдуманные факты лишь в 14% случаев [33:37].
*   Модель Claude Opus фантазирует примерно в 50% стрессовых тестов [33:50].
*   Fable 5.2 и GPT 6.2 Astra генерируют недостоверные ответы с частотой около 60% [33:50].

В области кибербезопасности Ондрей называет модель незаменимым активом [39:10]. В бенчмарке веб-эксплойтов Neon набрал 51.3 балла против 37.1 у Opus, а в профиле SEC Bench Pro показал результат 90% [39:10]. В поиске уязвимостей CVE модель уступила Fable всего 4%, будучи при этом многократно дешевле в эксплуатации [39:24].

Дэвид Ондрей поделился своей архитектурой ночной защиты репозиториев, организованной в Cloudroom через инструмент Loops:

1.  Каждую ночь серверная среда автоматически запускает автономный цикл аудита репозиториев с ротацией передовых моделей (Neon, Opus Cyber 5, GPT 6, Soul) [39:36].
2.  Разные модели благодаря несхожим обучающим выборкам выявляют уникальные векторы атак и скрытые уязвимости в кодовой базе [39:49].
3.  При обнаружении бага первая модель пишет воспроизводимый эксплойт, вторая проверяет гипотезу в изолированной песочнице, после чего агент формирует pull request с патчем [41:07].
4.  Если проверка не выявила проблем, цикл автоматически архивируется, не отвлекая разработчика [40:54].

По оценке автора, в эпоху, когда атакующие хакеры применяют скоординированные рои агентов, зеркальное использование автоматических защитных контуров на базе Gemini 4 Neon становится обязательным стандартом индустрии [40:40].

## 📊 Стратегия выбора: как настроить ежедневный рабочий процесс
[[JUMP:44:22]]

Сравнив поведение агентов в финальном тесте создания рекламного ролика платформы Cloudroom, Ондрей отметил стилистическую разницу: Fable и Astra сгенерировали похожие видеоряды с закадровой озвучкой сгенерированными голосами, тогда как Neon отказался от искусственного дикторского голоса, сосредоточившись на динамическом визуальном повествовании [44:47]. При этом Astra оказалась наиболее сильной в креативном промптинге для превью YouTube-роликов, компенсировав провалы в написании кода [38:07].

Опираясь на результаты масштабных испытаний, Дэвид Ондрей формулирует рекомендации по распределению задач между моделями:

*   **Основная рабочая лошадка (Daily Driver)**. Gemini 4 Neon в связке с Antigravity CLI на тарифе Google AI Pro ($20) — лучший выбор по балансу стоимости, скорости и логики [48:47]. Модель способна взять на себя до 80% рутинного кода, архитектурного ревью и анализа данных [15:59].
*   **Сверхбыстрые микрозадачи**. Claude Opus 5.5 остается лидером по времени генерации первого токена (TTFT): его целесообразно использовать, когда ответ требуется получить за 10–20 секунд [47:42].
*   **Тяжелые научные расчеты**. Fable 5.2 превосходит конкурентов в узкоспециализированных биохимических задачах (например, предсказании структуры белков), что обусловлено спецификой тренировочного датасета Anthropic, однако его постоянное использование финансово нерационально [35:44].
*   **Визуальный продакшн**. Протокол Higgsfield MCP в связке с терминалом нивелирует разницу между интерфейсами: агент самостоятельно вызывает нужные мультимедийные генераторы на основе краткого текстового описания [49:13].

По мнению Ондрея, модель Gemini 4 Neon устранила многомесячное технологическое отставание Google и задала новый стандарт соотношения цены и производительности для всей отрасли агентного программирования [47:04].