Полевой разбор Gemini 4 Neon против Claude Fable 5.2 и GPT-6.2 Astra: где Google обогнал флагманы и в чём подвохЛонгрид · дайджест за 22 ноября
Лаконичный натюрморт на стыке студийного 3D и предметной съёмки: компактный матовый модуль Gemini 4 Neon с зелёным акцентом опережает массивные блоки флагманов Carbon, Claude Fable и GPT-6.2 Astra.
Лонгрид6 разделов≈ 22 мин

Полевой разбор Gemini 4 Neon против Claude Fable 5.2 и GPT-6.2 Astra: где Google обогнал флагманы и в чём подвох

С линейкой моделей Google в ноябре 2026 года случился редкий парадокс. Компания выкатила 18 ноября «среднюю» модель Gemini 4 Neon — по задумке она должна была скромно сидеть между быстрой Hydrogen и тяжёлым флагманом Carbon. Но в первый же день всё пошло наперекосяк: младший по званию Neon обошёл старший Carbon в сводных бенчмарках, работает заметно быстрее него и при этом стоит на API меньше половины цены Claude Fable 5.2 и GPT-6.2 Astra.

Казалось бы, вот он, идеальный кандидат на каждый день. Но уже через сутки отзывы разработчиков раскололись надвое. Одни показывали рабочие 3D-игры с физикой и хвалили модель за уровень топ-флагманов, а другие плевались и уходили обратно в Claude, потому что Neon выдавал сухие огрызки кода и спотыкался на простых правках. Самое смешное — правы оказались обе стороны. Всё упирается в то, где именно ты запускаешь модель, какой режим рассуждений включил и какие задачи пытаешься на неё повесить.

Почему средняя модель Google обогнала старшую Carbon и сломала линейку тарифов

Если ты следил за релизами Google последний год, то помнишь долгую паузу после Gemini 3.1, когда казалось, что конкуренты ушли далеко вперёд. А потом темп внезапно сорвался с цепи: после выхода Argon до Carbon прошло 28 дней, до лёгкой Hydrogen 15 дней, а до Neon всего 6. В результате внутри одного семейства четвертого поколения сложилась забавная иерархия из химических элементов, в которой названия вообще не подсказывают, кто тут главный.

На нижней ступени стоит Hydrogen — быстрая рабочая лошадка для повседневного кодинга и агентной рутины, единственная модель линейки с бесплатным доступом в Google AI Studio и приложении Gemini. На самом верху — тяжёлый и неторопливый Carbon, доступный только на дорогой подписке Google AI Ultra и рассчитанный на длинные исследования. А посередине воткнули Neon, который внезапно оказался и умнее, и шустрее старшего брата.

Официальная сводная таблица линейки Gemini 4: сравнение Carbon, Neon и Hydrogen по баллам AA Index, тарифам API, скорости и уровням рассуждений (Источник: блог Google)

Посмотри на эту раскладку: для большинства рабочих задач старший Carbon просто потерял смысл. Neon обходит его по качеству, отвечает намного бодрее и дополнительно получил четвёртый, максимальный режим глубины рассуждений, которого у Carbon вообще нет. Единственная причина смотреть в сторону Carbon сейчас — временная промо-акция до конца ноября и совсем уж специфические многочасовые исследования, где важен старый профиль поведения модели.

При этом бесплатного тарифа у Neon нет. Попробовать его можно либо через платный биллинг Gemini API и Google AI Studio, либо по подписке Google AI Pro за $20 в месяц, либо на Google AI Ultra за $100 в месяц. В корпоративном доступе модель тоже открыта через Gemini for Business. И вот тут начинается первый сюрприз: на обычном тарифе Pro при активной работе с кодом и агентами дневные лимиты сгорают за пару часов, так что для плотной разработки многие быстро упираются в потолок и переезжают на Ultra.

Загадка трёхкратного разрыва: обвязка Antigravity против AI Studio на миллион токенов

Теперь разберёмся, почему один и тот же человек может сначала назвать Neon провалом, а вечером — главной моделью года. Всё дело в обвязке агента, которую в англоязычных обзорах называют harness. Сама языковая модель — это только двигатель. А обвязка решает, какие инструменты дать этому двигателю в руки: как читать файлы проекта, запускать терминал, открывать браузер для проверки результата, сжимать контекст и распределять подзадачи между подагентами.

В официальных замерах Google DeepMind на сложном кодинговом тесте SWE-sweep этот эффект виден как на рентгене. Когда один и тот же чекпойнт Gemini 4 Neon запускают в минимальной обёртке Mini-SWE без оркестрации, он решает скромные 12,8% задач. Стоит пересадить ровно ту же модель в фирменную среду Google Antigravity с оркестратором, параллельными подагентами и контролем контекста — результат подскакивает втрое, до 39,0%.

Сводная таблица бенчмарков Gemini 4 Neon в сравнении с Claude Opus 5.5 и GPT-6.2 Sol, включая разрыв на SWE-sweep между минимальной и фирменной обвязкой (Источник: блог Google)

У конкурентов картина куда спокойнее: в той же таблице Claude Opus 5.5 тоже растёт в родной обвязке, но на другом уровне, а GPT-6.2 Sol в фирменном контуре даже чуть просел относительно минимального. Для Neon же обвязка оказалась критическим множителем. Если ты подключил его через простой чат или самописную обёртку над API без нормального цикла проверки, ты буквально видишь треть его реальной силы.

Ещё один практический нюанс — у Google сейчас три разные площадки для запуска Neon, и у каждой свои ограничения. Самая коварная разница спрятана в размере контекстного окна, то есть объёме данных, который модель держит в оперативной памяти за один проход. В Google AI Studio и через прямой API открыт полный лимит с синхронным выходом до 64 тысяч токенов и фоновым декодированием до миллиона, тогда как в Google Antigravity окно урезано ровно вдвое.

Площадка запускаОкно контекстаГлавный плюсДля каких задач выбирать
Gemini AppБазовое чат-окноБыстрый старт и интеграция с Google WorkspaceПрототипы за минуту, работа с Docs, Sheets и Gmail
Google AI Studio / API1 млн токеновЖивой счётчик токенов, плоская цена на весь объёмТяжёлые видеофайлы, огромные CSV, длинные PDF и аудит
Google Antigravity (IDE и CLI agy)512 тыс. токеновТрёхкратный буст в коде, оркестратор с Hydrogen, /swarmРазработка приложений, рефакторинг, автономные сборки

Выбор тут прост и прагматичен. Нужно скормить модели часовую запись экрана, стопку договоров или гигантскую выгрузку базы — открывай AI Studio, там полный объём контекста и сразу видно, сколько ты тратишь. Нужно писать живой проект, крутить тесты и чинить баги — иди в Antigravity, даже несмотря на половинный контекст. В кодинге качество обвязки перевешивает дополнительную память с огромным запасом.

Живой баттл: 3D-физика, код, нативное видео и неожиданный реванш Astra

Цифры в таблицах — штука приятная, но настоящий характер модели вылезает на боевых задачах, где нужно собрать что-то живое с нуля. Самая сильная сторона Gemini 4 Neon, которая сразу бросается в глаза в сравнении с Claude Fable 5.2 и GPT-6.2 Astra — это пространственное мышление, физика и графика на чистом коде через WebGPU и Three.js. Напомню на всякий случай: это браузерные технологии, которые крутят трёхмерную графику и физические расчёты прямо на странице с ускорением от видеокарты, без установки тяжёлых движков.

В серии стресс-тестов на физику Neon выдал вещи, которые год назад требовали бы пары недель работы инженера. В задаче с роботом-собакой на неровном известняке модель при усложнении промпта сама додумалась добавить независимую адаптацию каждой лапы к уклону поверхности, пятиточечное сканирование препятствий впереди и реалистичное скручивание позвоночника при повороте. В классическом тесте «пеликан на велосипеде» на чистом HTML, SVG и Three.js физика движения у Neon оказалась на голову выше, чем у GPT-6.2 Astra.

Инфографический патентный чертёж и аксонометрическая схема в браузере: трёхмерная кинематическая модель четвероногого робота с точками сканирования препятствий и симуляцией WebGPU.

Дальше — больше. Через связку Blender и WebGPU на Neon удалось собрать две полноценные игры в пинбол с физически корректными PBR-текстурами, витражными картами, мультиболом и процедурным звуком, который генерируется кодом на лету. Через Blender MCP (протокол, который даёт модели напрямую управлять 3D-редактором) Neon по историческим референсам реконструировал машину Тьюринга 1936 года, собрал 3D-симулятор горнолыжного спуска с торможением и ускорением и уверенно справился со сложной симуляцией дыма при запуске ракеты — по точности управления сценой в Blender модель встала сразу следом за Claude Fable 5.2.

Но как дела в более приземлённом кодинге, где не нужны роботы-собаки? В лобовом прогоне четырёх одинаковых задач на уровне рассуждений High силы между Neon, Claude Fable 5.2 и GPT-6.2 Astra распределились показательно. На лендинге космического туризма Fable 5.2 и Neon финишировали вровень: у обоих живой дизайн, а Neon вдобавок аккуратно сделал плавный скролл, настройку корабля и анимированную карту маршрута, пока GPT-6.2 Astra выдала статичную заглушку без прокрутки. В задаче с 3D-переулком киберпанк-Токио под дождём первое место забрал Fable 5.2 за плотную детализацию и атмосферный звук, Neon стал крепким вторым с хорошими отражениями на мокром асфальте и свободной камерой, а у Astra снова разъехался пол и инвертировалась мышь.

Две другие задачи ещё точнее показали разницу характеров. В генеративном арте кодом (горы Патагонии на рассвете) Fable 5.2 победил по художественному вкусу, но Neon вложил больше инженерии и добавил анимацию волн вместе с ползунком смены времени суток. А в однокнопочной аркаде Neon вырвался на первое место с цепкой орбитальной механикой, где нужно уклоняться от ядра: Fable 5.2 сделал игру проще и понятнее с первой секунды, но менее глубокой, а Astra замкнула тройку.

А потом случился неожиданный поворот. Когда тем же трём моделям дали чисто визуально-креативную задачу (сделать логотип кофейни и обложку для YouTube), GPT-6.2 Astra взяла убедительный реванш. И Neon, и Fable 5.2 выдали перенасыщенный шаблонный стиль и заметно испортили черты лица и геометрию логотипа, тогда как Astra попала в композицию с первой попытки. Трезвое напоминание для тех, кто спешит короновать одну модель на все случаи жизни.

Отдельный козырь Neon — нативная работа с видео и длинным контекстом. Claude до сих пор вынужден нарезать ролик на отдельные кадры и теряет динамику между ними, а Neon «проглатывает» видеофайл целиком. Перетаскиваешь запись прямо из проводника в Antigravity — и получаешь покадровый разбор с точными таймкодами, где что подправить в монтаже или интерфейсе. Добавь сюда лидерство в длинном контексте (95,2% на GraphWalks в диапазоне от 256K до 1M токенов против 66,8% у Opus 5.5) и в задачах кибербезопасности: на SEC-bench Pro модель выбивает 90,5%, на WebExploitBench доходит до 51,3%, а на CWE-Bench берёт 70,7%.

И ещё одна деталь, которую оценишь в первую же неделю работы с документами: Neon намного реже выдумывает факты с умным видом. Когда ответа нет в контексте, он спокойно признаётся, что не знает, вместо того чтобы сочинять правдоподобную сказку. По практическим замерам доля таких фабрикаций у Neon держится около 14%, тогда как у конкурентов в аналогичных тестах она легко уходит за половину.

Экономика токенов, кэш на 95% и ловушка режима Extra High

Переходим к деньгам — здесь у Google самый веский аргумент. По базовым официальным прайсам API и Claude Fable 5.2, и GPT-6.2 Astra стоят одинаково дорого, а Gemini 4 Neon обходится в разы дешевле на каждом входном и выходном токене. На графике ниже хорошо виден этот разрыв по всем трём тарифам: обычного входа, выхода и кэшированного входа.

Официальные тарифы API за 1 млн токенов (вход, выход и кэш)

На реальных длинных сессиях разрыв становится ещё заметнее из-за двух скрытых правил. Во-первых, у Gemini 4 Neon работает кэширование контекста со скидкой 95%: если ты гоняешь серию запросов по одной и той же кодовой базе или большой пачке документов, неизменяемая «шапка» промпта оплачивается за копейки. Во-вторых, у Neon плоская ставка на весь миллион токенов. У GPT-6.2 Astra после порога в 272 тысячи входных токенов ценник на вход и кэш удваивается, а на выход растёт в полтора раза. На тяжёлом аудите репозитория счёт у конкурента улетает в космос буквально за десяток шагов.

Но сэкономить на Neon можно ровно до того момента, пока ты не дёрнешь не тот рубильник рассуждений. У модели четыре уровня thinking_level: low, medium, high (стоит по умолчанию) и xhigh. Чем выше уровень, тем больше скрытых «мыслительных» токенов модель прокручивает внутри перед ответом — а тарифицируются они по дорогой ставке выходных токенов.

В живом тесте 3D-аркады экономить вниз до medium оказалось плохой идеей: на этом уровне модель слепила примитивную заглушку с коротким зацикленным звуком, тогда как high по тому же промпту выдал полноценную игру с минутным саундтреком и отзывчивым управлением мышью. А вот попытка выкрутить ручку до упора в xhigh почти всегда превращается в тихий слив бюджета.

Официальный график AA Index v5.0.1: соотношение качества и средней стоимости решения задачи для разных уровней рассуждений Gemini 4 Neon и моделей конкурентов (Источник: блог Google)

Кривая на графике беспощадна: переключение с high на xhigh добавляет к среднему счёту за задачу +72% денег и +53% времени ожидания ради одного-единственного балла качества. Похожая история на CursorBench (+1,7 балла за +63% цены) и AutomationBench (+2 балла почти за двойной чек). А при разборе длинных PDF максимальный режим иногда даже слегка проседает — модель начинает «передумывать» и закапывается в лишние детали.

Поэтому для повседневного API-интегрирования и рабочих скриптов разумнее жёстко фиксировать high, оставляя xhigh только под точечное ревью критичного кода или поиск сложных уязвимостей. В официальном Python SDK google-genai это задаётся в три строчки.

from google import genai
from google.genai import types

# Клиент автоматически подхватит переменную GOOGLE_API_KEY
client = genai.Client()

prompt = (
    "Проведи аудит безопасности этого модуля "
    "и предложи минимальный патч."
)

# Для 95% задач держим "high"; "xhigh" нужен только для сложного ревью
config = types.GenerateContentConfig(
    thinking_config=types.ThinkingConfig(
        thinking_level="high",
    ),
)

response = client.models.generate_content(
    model="gemini-4-neon",
    contents=prompt,
    config=config,
)

print(response.text)

Если не указывать thinking_config, модель сама возьмёт уровень high, но явный параметр в коде спасает от сюрпризов при обновлении библиотек и позволяет легко переключать режим под конкретный эндпоинт. Например, на первичную сортировку тикетов можно пустить low, на генерацию фич подойдёт high, а на ночной аудит авторизации лучше включить xhigh.

Чтобы прикинуть экономику на своих объёмах без таблиц в Excel, покрути ползунки ниже. Калькулятор считает реальную стоимость одного тяжёлого запроса по официальным ставкам и сразу учитывает скачок тарифа у GPT-6.2 Astra после 272 тысяч входных токенов.

Калькулятор стоимости запроса: Gemini 4 Neon vs Fable 5.2 vs GPT-6.2 Astra

Попробуй сдвинуть первый ползунок за отметку 272K и поднять долю кэша до 70–80%: сразу видно, как экономика длинных агентных сессий на Neon отрывается от конкурентов в три-четыре раза. А если модель ещё и тратит меньше выходных токенов за счёт лаконичности, итоговый чек за месяц разработки худеет ещё сильнее.

Рабочие связки: кросс-ревью /gemini-review, ночной /swarm и коммерческие прототипы

Самая хитрая практическая находка вокруг Gemini 4 Neon — использовать его не вместо привычного Claude Code или Codex, а в паре с ними как независимого ревьюера. Модели Google DeepMind обучаются по другой школе и на других данных, чем модели Anthropic и OpenAI. Когда один и тот же код проверяет «чужая» архитектура, она находит логические дыры и уязвимости, мимо которых авторская модель прошла с закрытыми глазами.

Именно здесь режим xhigh наконец-то оправдывает каждый потраченный цент. Код уже написан, вызов делается один раз перед мёржем, и дополнительная минута глубокого анализа стоит копейки по сравнению с багом в продакшене. В открытом навыке /gemini-review из репозитория davidondrej/skills эта связка оформлена через оркестратор Cloudroom: сначала ревью идёт в Antigravity CLI, а если тот недоступен — срабатывает запасной маршрут через Cursor CLI.

---
name: gemini-review
description: Independent Gemini 4 Neon review via Antigravity CLI
  (Cursor CLI backup) at xhigh reasoning, returned verbatim.
triggers: [user, model]
---

# Gemini Review

# Всегда запускаем Neon на xhigh через Cloudroom:
# сначала Antigravity CLI, резерв — Cursor CLI.
Always use **Gemini 4 Neon** (`gemini-4-neon`) at `xhigh`,
orchestrated by Cloudroom.

## Routes
- Primary (Antigravity CLI):
  `--provider acp-antigravity --model gemini-4-neon`
  `--reasoning-level xhigh`
- Backup (Cursor CLI):
  `--provider acp-cursor --model gemini-4-neon`
  `--reasoning-level xhigh`

## Review brief
Give neutral context (scope, paths, intended behavior, diff).
Review only; do not change files. Include word for word:
"During your final answer, Rate each issue you find from 1 to 10
on how often it would happen, and 1-10 on how bad it would be"

Обрати внимание на две детали в этом шаблоне. Во-первых, ревьюеру жёстко запрещают править файлы — он должен только читать дифф и рассуждать, без соблазна молча переписать полпроекта. Во-вторых, обязательная шкала оценки каждой находки от 1 до 10 по частоте и тяжести мгновенно отсекает придирки к стилю скобок и вытаскивает наверх реальные баги.

Эту же идею уже крутят в ночных циклах кибербезопасности на рабочих репозиториях. Модели ставят в ежедневную ротацию — сегодня репозиторий сканирует Neon, завтра Opus, потом Fable, Astra и Sol. Если агент ничего подозрительного не нашёл, ветка тихо архивируется сама. Если нашёл — он обязан доказать воспроизводимость уязвимости, прогнать проверку через вторую модель в другой обвязке и только потом положить готовый патч на стол инженеру.

Вторая сильная связка — режим Orchestrator и команда /swarm внутри Google Antigravity. Идея простая: ты ставишь задачу, и Gemini 4 Neon выступает координатором (дирижёром), а черновую параллельную работу раздаёт команде подагентов на быстрой Gemini 4 Hydrogen. Один агент собирает фактуру, второй рисует интерфейс, третий поднимает фронтенд, четвёртый крутит бэкенд. Главный секрет, чтобы утром не обнаружить красивый сломанный макет — вшить в сценарий обязательный цикл проверки: агент сам открывает собранное приложение во встроенном браузере, прокликивает кнопки, ловит ошибки в консоли и чинит их до финала.

В коммерческих задачах эта связка уже бьёт по старым ценникам агентств. Интерактивные 3D-лидмагниты и конфигураторы, за которые раньше просили от $10 000 до $100 000, теперь собираются за вечер на WebGPU. Популярным приёмом стал «троянский конь» для продаж локальному бизнесу: вместо холодного письма с презентацией ты скармливаешь агенту сайт конкретной компании, за полчаса собираешь рабочий калькулятор или обновлённый прототип сайта под их бренд и отправляешь готовую живую ссылку. Ещё один прикладной хит — финансовый аудит «грязных» инвойсов и выгрузок: Neon уверенно собирает из разношёрстных счетов аккуратную финансовую модель уровня CFO, не теряя строки на больших объёмах.

Быстрое правило настройки Neon под задачу

Для повседневного кода в Antigravity держи уровень high — он даёт около 97% потолка качества без переплаты. В xhigh переключайся только на финальное ревью через /gemini-review и аудит безопасности. А если нужно загрузить длинное видео или пачку таблиц тяжелее 512K токенов, сразу уходи в Google AI Studio.

Четыре честных ограничения Neon и как поделить роли между моделями

Теперь о шероховатостях — где Gemini 4 Neon реально раздражает и почему списывать Claude с OpenAI пока рано. Первая проблема чувствуется с первого же диалога: модель бывает до неприличия краткой. В прямом сравнении с Claude Fable 5.2 ответы Neon часто выходят примерно втрое короче — около трети объёма. Для быстрой правки в терминале это плюс, но если ты ждёшь развёрнутый архитектурный разбор или подробную спецификацию, приходится отдельно дописывать в промпт требование не резать детали.

Вторая беда — фирменные текстовые клише, когда используешь модель для статей, рассылок или лендингов. В боевых прогонах на копирайтинге Neon агрессивно злоупотребляет длинными тире и штампованными противопоставлениями в духе "The real game isn't picking investments, it's surviving yourself" или "Agents don't just answer one prompt, they loop". Выглядит такой текст мгновенно «пластиковым». Лечится это только жёстким списком запрещённых конструкций в системном промпте или переписыванием через другую модель.

Третий раздражитель — путаница с неймингом, лимитами и площадками. Угадать по названию, что Neon сильнее Carbon, невозможно, бесплатного тарифа для тестов нет, контекст в Antigravity вдвое меньше, чем в AI Studio, а подписка Pro за $20 при активной агентной работе упирается в лимиты слишком рано.

Четвёртое слабое место — сырость самой обвязки Google Antigravity, без которой Neon теряет две трети эффективности в коде. У среды до сих пор нет нативного мобильного приложения (команда подтвердила, что оно в разработке, но пока доступен только веб-PWA). Встроенный браузер для проверки интерфейсов уступает конкурентам по стабильности. Консольный клиент agy любит самовольно уходить в режим планирования даже при включённом auto и скупо показывает промежуточные вызовы инструментов. Плюс на коротких вопросах на 10–20 секунд Neon склонен «передумывать» и проигрывает Claude Opus 5.5 по времени до первого символа на экране.

Поэтому в реальной работе команды всё чаще делят задачи между тремя экосистемами — без попыток натянуть одну модель на весь рабочий день.

Экосистема и моделиГде держит лидерствоКогда лучше переключиться на соседа
Claude (Opus 5.5, Fable 5.2, Claude Code)Нативные слайды, длинные структурированные документы, зрелая среда разработки с мобильным контролемКогда нужен покадровый анализ видео, 3D-физика в коде или дешёвый миллионный контекст
OpenAI (GPT-6.2 Astra/Sol, Codex)Голосовой режим на ходу, самый надёжный computer use в браузере, креативные логотипы и YouTube-превьюКогда впереди тяжёлый 3D-код, длинные сессии свыше 272K токенов или нужен минимальный чек API
Gemini 4 Neon (Antigravity, AI Studio)3D/WebGPU и физика в коде, нативное видео, аудит длинных таблиц до 1M, кросс-ревью /gemini-review и кибербезопасностьКогда нужны чистые маркетинговые тексты без штампов, быстрый ответ за пару секунд или идеальная мобильная обвязка

Такая связка снимает вечный спор о том, кто сегодня «победил в ИИ». Держишь Claude под тексты, слайды и привычный ежедневный контур, OpenAI — под голос, автоматизацию кликов и визуальный креатив, а Gemini 4 Neon ставишь на 3D-инженерию, видео, тяжёлые документы и независимое ревью кода, где его сочетание цены и точности сейчас просто вне конкуренции.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 10