Google, Gemini 4 ailesinin yeni üyesi Gemini 4 Neon’u kullanıma sundu. Gelişmiş akıl yürütme yeteneklerini yüksek işlem hızı ve daha düşük kullanım maliyetiyle bir araya getiren model; yazılım geliştirme, bilimsel araştırma, veri analizi ve kurumsal otomasyon gibi alanlara odaklanıyor.
Bir milyon tokenlık bağlam penceresiyle gelen Gemini 4 Neon, bazı performans değerlendirmelerinde GPT-6.2 Sol ve Claude Opus 5.5 gibi rakiplerini geride bıraktı. Google, yeni modeli hem bireysel kullanıcıların hem de profesyonel geliştiricilerin kullanımına açıyor.
Gemini 4 Neon performans testlerinde nasıl sonuçlar aldı?
Gemini 4 ailesinde Neon, yüksek işlem gücü gerektiren Gemini 4 Carbon ile daha hızlı ve ekonomik görevler için geliştirilen Gemini 4 Hydrogen arasında konumlandırılıyor.
Google’ın yeni modeli, özellikle karmaşık görevlerde güçlü sonuçlar elde ederken işlem maliyetini kontrol altında tutmayı amaçlıyor.
<AsyncImage query=”Google Gemini 4 Neon AI model Gemini app interface” aspectRatio=”16:9″/>
Artificial Analysis Intelligence Index değerlendirmesinde Gemini 4 Neon, en yüksek düşünme seviyesi olan xhigh ayarında 61 puan aldı. Claude Opus 5.5 aynı testte 59, GPT-6.2 Sol ise 57 puan elde etti. Neon bu sonuçla genel sıralamada üçüncü sıraya yerleşti.
Profesyonel iş görevlerini ölçen Vals Index’te ise model yüzde 70,9 başarı oranına ulaşarak ikinci sırada yer aldı. Claude Opus 5.5 yüzde 70,1, GPT-6.2 Sol yüzde 66,1 seviyesinde kaldı.
Neon, özellikle hukuki araştırma ve vergi işlemlerine yönelik Legal Research Bench ile Tax Agent Bench değerlendirmelerinde birinci sıraya çıktı.
Kodlama ve yazılım geliştirme alanında öne çıkıyor
Gemini 4 Neon’un dikkat çeken kullanım alanlarından biri yazılım geliştirme. Model, kod yazma, hata ayıklama, proje dosyalarını inceleme ve farklı bileşenler arasındaki ilişkileri analiz etme görevleri için geliştirildi.
Artificial Analysis Coding Agent Index’te 58,6 puan alan Neon, bu değerlendirmede ilk sıraya yerleşti.
Terminal-Bench 4.1 testinde yüzde 65,2, FrontierCode 2.0 değerlendirmesinde ise yüzde 46,2 başarı elde etti. Ancak bu iki testte Claude Opus 5.5 sırasıyla yüzde 65,8 ve yüzde 47,3 sonuçlarıyla Neon’un önünde yer aldı.
SWE-sweep testinde modelin mini-SWE altyapısıyla başarı oranı yüzde 12,8 olarak ölçüldü. Aynı model Google Antigravity üzerinden çalıştırıldığında bu oran yüzde 39’a yükseldi.
Bu sonuçlar, modelin performansının yalnızca temel model özelliklerine değil, kullanılan geliştirme aracına ve çalışma ortamına da bağlı olabileceğini gösteriyor.
Bilimsel araştırma ve veri analizinde yeni yetenekler
Gemini 4 Neon, yazılım geliştirme dışında matematiksel ve bilimsel görevlerde de değerlendirildi.
Modelin öne çıkan sonuçları şöyle:
| Test | Başarı |
|---|---|
| RiemannBench | %84 |
| Terminal-Bench Science | %70,5 |
| HLE-Diamond | %71,3 |
| Chartography | %73,5 |
Chartography testinde GPT-6.2 Sol yüzde 75,1 puanla Neon’u geride bıraktı. Bu nedenle modelin tüm değerlendirmelerde rakiplerinden daha iyi sonuç verdiğini söylemek mümkün değil.
Neon’un uzun belgeleri inceleme, farklı kaynaklardan bilgi toplama ve yapılandırılmış raporlar hazırlama yetenekleri, araştırma ve kurumsal analiz süreçlerinde kullanılmasını mümkün kılıyor.
Bir milyon tokenlık bağlam penceresi
Gemini 4 Neon’un teknik özellikleri arasında bir milyon tokenlık bağlam penceresi bulunuyor. Bu kapasite, modelin çok uzun metinleri ve büyük belge gruplarını tek bir çalışma bağlamında değerlendirebilmesini sağlıyor.
Model; metin, PDF, elektronik tablo, fotoğraf, ses ve video gibi farklı içerik türlerini işleyebiliyor. Böylece kullanıcılar birden fazla dosyayı aynı istem içerisinde analiz ettirebiliyor.
Google, Neon için dört farklı düşünme seviyesi sunuyor. Varsayılan high seviyesi, yanıt kalitesi ile işlem maliyeti arasında denge kurmayı hedefliyor. Daha karmaşık mühendislik ve araştırma görevlerinde xhigh seçeneği kullanılabiliyor.
Daha düşük düşünme seviyeleri ise hızlı tamamlanabilecek işlemlerde token tüketimini azaltmaya yardımcı oluyor.
Gemini 4 Neon daha düşük maliyetle çalışıyor
Google’ın paylaştığı maliyet değerlendirmelerine göre Neon, varsayılan high seviyesinde Gemini 4 Carbon ile benzer performans gösterirken görev başına yüzde 32 daha düşük maliyet oluşturabiliyor.
Üst düzey rakip modellerle yapılan karşılaştırmalarda ise belirli görevlerde maliyetin yüzde 50 ila 80 arasında azaldığı belirtiliyor. Bu oranlar, Google’ın değerlendirdiği test koşullarına dayanıyor ve her kullanım senaryosunda aynı tasarrufun sağlanacağı anlamına gelmiyor.
Gemini 4 Neon API fiyatlandırması şu şekilde:
| Kullanım | Fiyat |
|---|---|
| 1 milyon giriş tokenı | 3 dolar |
| 1 milyon çıkış tokenı | 15 dolar |
| 1 milyon önbelleğe alınmış giriş tokenı | 0,15 dolar |
Önbelleğe alınmış giriş tokenlarında yüzde 95 indirim uygulanıyor.
Claude Opus 5.5’in giriş tokenı 4 dolar, çıkış tokenı 20 dolar seviyesinde. Bu karşılaştırmada Neon yüzde 25 daha düşük fiyat sunuyor.
Ancak GPT-6.2 Sol ve Claude Sonnet 5.5’in giriş fiyatı 2 dolar, çıkış fiyatı 10 dolar olarak belirtiliyor. Bu modellerle karşılaştırıldığında Neon’un token başına fiyatı yüzde 50 daha yüksek.
Google’ın kendi model ailesinde Gemini 4 Hydrogen daha ekonomik bir seçenek olarak öne çıkıyor. Hydrogen için bir milyon giriş tokenı 1,50 dolar, çıkış tokenı ise 7,50 dolar.
Gemini 4 Carbon’un başlangıç fiyatları 30 Kasım’a kadar girişte 2 dolar, çıkışta 10 dolar olarak uygulanacak. 1 Aralık 2026 itibarıyla bu fiyatların sırasıyla 4 ve 20 dolara yükselmesi planlanıyor.
Antigravity ile çoklu yapay zeka ajanları
Gemini 4 Neon, Google Antigravity platformunda birden fazla yapay zeka ajanının koordinasyonunu üstlenebiliyor.
Bu kullanımda Neon, Orchestrator göreviyle ana işlemi yönetiyor ve alt görevleri Gemini 4 Hydrogen tabanlı ajanlara dağıtabiliyor. Böylece farklı işlemler paralel olarak yürütülebiliyor.
Google’ın paylaştığı örneklerden birinde Neon, Mont Blanc ve Chamonix bölgesine ait gerçek yükseklik verilerini kullanarak WebGL2 tabanlı bir kayak simülasyonu oluşturdu.
Projede 10.200 satırlık özel gölgelendirici kodu, 120 Hz fizik hesaplamaları, altı farklı kayak rotası, çığ simülasyonları ve uzamsal ses kullanıldı. Çalışmada önceden hazırlanmış oyun varlıklarına yer verilmedi.
Bir diğer örnekte ise model tabanlı ajanlar, tek bir görseli 100.000 hücreden oluşan bir Google Sheets tablosuna dönüştürdü. Görselin kenarlarını belirleme, üç boyutlu derinlik oluşturma ve ışıklandırmayı değiştirme işlemleri için 500.000’den fazla canlı elektronik tablo formülü kullanıldı.
Google, bu çalışmada görselin doğrudan tabloya eklenmediğini ve Google Apps Script kullanılmadığını belirtiyor.
Siber güvenlik araştırmalarında da kullanılabilecek
Gemini 4 Neon, yazılımlardaki güvenlik açıklarını tespit etme, istismar edilebilirliklerini değerlendirme ve hatalı kodları düzeltme gibi siber güvenlik görevlerini de destekliyor.
Modelin paylaşılan test sonuçları şöyle:
| Güvenlik testi | Başarı |
|---|---|
| SEC-bench Pro | %90,5 |
| CWE-bench v2 | %70,7 |
| WebExploitBench v1.2 | %51,26 |
Siber güvenlik alanında kullanılacak özel sürümün Fairwind Programı üzerinden yetkilendirilmiş güvenlik araştırmacılarına sunulması planlanıyor.
Google’ın güvenlik değerlendirmelerinde Neon’un Terminal-Bench 4.0 testindeki hile oranı yüzde 0 olarak ölçüldü. Ajan davranışları testinde hatalı yönlendirilmiş eylem oranı yüzde 0,09, dürüstlük değerlendirmesindeki başarı oranı ise yüzde 99,2 olarak açıklandı.
Model ayrıca internet sayfaları, e-postalar ve belgeler üzerinden iletilen zararlı komutlara karşı hazırlanan Gray Swan testinde, gerçek zamanlı korumalarla birlikte saldırıların tamamına direnç gösterdi.
Bu sonuçlar belirli test ortamlarına ait. Gerçek sistemlerde güvenlik değerlendirmesi yapılırken model çıktılarının ayrıca doğrulanması ve yetkilendirilmiş test ortamlarının kullanılması gerekiyor.
Gemini uygulaması ve Google hizmetleriyle entegrasyon
Gemini 4 Neon, yalnızca API üzerinden değil, Google’ın kullanıcı ve geliştirici platformları aracılığıyla da sunuluyor.
Gemini uygulamasında model; derin araştırma, uzun belgelerin incelenmesi, rapor hazırlama ve farklı kaynakların karşılaştırılması gibi görevlerde kullanılabiliyor.
Gmail ve Google Docs gibi hizmetlerden alınan bilgiler, ilgili izinler ve bağlantılar üzerinden analizlere dahil edilebiliyor.
Gemini Tasks özelliği de Neon’dan yararlanabiliyor. Örneğin farklı aylara ait elektrik faturalarını karşılaştırmak veya çeşitli belgelerdeki bilgileri kontrol etmek gibi çok aşamalı işlemler model üzerinden gerçekleştirilebiliyor.
Model seçim ekranında Neon, derin analiz görevleri için sunulurken Hydrogen daha günlük ve hızlı yardım işlemlerine odaklanıyor.
Gemini 4 Neon kimler tarafından kullanılabilir?
Google, Gemini 4 Neon’u 18 Kasım itibarıyla Google AI Studio ve Android Studio üzerinden ücretli Gemini API kullanıcılarına açtı.
Bireysel kullanıcılar modeli Google AI Pro ve Ultra abonelikleri kapsamında Gemini uygulamasından ve Google Antigravity üzerinden kullanabiliyor.
Kurumsal müşteriler ise Gemini for business kapsamında API veya model seçim ekranı aracılığıyla erişim sağlayabiliyor.
Vertex AI tarafında model, doğrulanmış kurumsal müşteriler için global, ABD ve Avrupa Birliği bölgelerinde listeleniyor.
Gemini 4 Neon; yüksek akıl yürütme kapasitesi, geniş bağlam penceresi ve ajan tabanlı iş akışlarıyla Google’ın profesyonel yapay zeka modelleri arasındaki yeni seçeneklerden biri haline geliyor. Ancak performans ve maliyet avantajları, kullanılan görev türüne, düşünme seviyesine ve çalışma ortamına göre değişiklik gösterebiliyor.
