O Google DeepMind liberou o Gemini 4 Neon, quarto modelo de inteligência artificial que a companhia coloca no mercado em sete semanas, com uma proposta direta: superar o irmão Gemini 4 Carbon em desempenho e cobrar menos por tarefa. No nível máximo de raciocínio, o custo médio por tarefa fica em US$ 6,44, contra US$ 7,76 do Carbon, segundo medições da Artificial Analysis, casa que ranqueia modelos de IA. O anúncio é de 19 de novembro de 2026.
Cadência de lançamento vira argumento competitivo
Neon se encaixa entre Carbon e Hydrogen na família da empresa e trabalha com janela de contexto de 1 milhão de tokens — a quantidade de informação que o modelo consegue manter disponível de uma só vez, no caso cobrindo texto, imagem, áudio e vídeo. Quatro lançamentos em sete semanas indicam que o Google trocou ciclos anuais por entregas contínuas, movimento que encurta a vida comercial de cada versão e obriga os rivais a acompanhar o ritmo.
A vantagem de custo nasce do preço de tabela
| Métrica | Gemini 4 Neon | Gemini 4 Carbon |
|---|---|---|
| Entrada (1 milhão de tokens) | US$ 3 | US$ 4 |
| Entrada em cache | US$ 0,15 | não informado |
| Saída (1 milhão de tokens) | US$ 15 | US$ 20 |
| Custo por tarefa (nível xhigh) | US$ 6,44 | US$ 7,76 |
| Velocidade de geração | cerca de 110 tokens/s | cerca de 57 tokens/s |
| Tempo do benchmark | cerca de 21 minutos | cerca de 36 minutos |
Via Google AI Studio e Gemini for Business, o milhão de tokens de entrada custa US$ 3 — US$ 0,15 quando há reaproveitamento de cache — e o milhão de saída sai por US$ 15. A tabela é 25% inferior à do Carbon cheio (US$ 4 e US$ 20), mas 50% superior ao valor promocional do antecessor, mantido até o fim de novembro.
A leitura fácil de que o Neon seja mais econômico por consumir menos não se sustenta: ele gasta cerca de 15% mais tokens de saída por tarefa. Todo o ganho vem do preço unitário menor. Em velocidade, o modelo produz cerca de 110 tokens por segundo, quase o dobro dos 57 do Carbon, o que encurta a execução do benchmark de aproximadamente 36 minutos para 21. Um degrau abaixo do topo de raciocínio, o Neon iguala a nota de inteligência do Carbon gastando metade do valor por tarefa.
61 pontos e o terceiro lugar no ranking
No ajuste máximo, o Neon soma 61 pontos no Intelligence Index e supera o Carbon por um ponto. A colocação, porém, é a terceira da lista: OpenAI, com o GPT-6.2 Astra, e Anthropic, com o Claude Fable 5.2, aparecem na frente — e nenhum dos dois consta da tabela comparativa divulgada pelo Google.
Código, documentos e segurança
Dentro do Google Antigravity, ambiente da empresa para agentes de programação, o Neon marca 59 pontos no Coding Agent Index, contra 55 do Carbon e 58 de Claude Fable 5.2 e Claude Opus 5.5. A tarefa média de código custa US$ 6,86, diante de US$ 12,61 no Opus e US$ 15,47 no Fable. No teste SWE-sweep, o ambiente Antigravity triplica a taxa de acerto do Neon, para 39,0%.
Na análise visual, o modelo chega a 33,4% no teste de documentos GDP.pdf no nível high, cinco pontos acima do Carbon, mas recua para 28,0% no ajuste máximo. No AA-Briefcase, lidera a qualidade de apresentação com 1771 pontos Elo, à frente do Opus 5.5. Nas avaliações feitas pelo próprio Google, o Neon aparece à frente em categorias do Vals Index, no AutomationBench do Zapier (56,3%) e no RiemannBench (84,0%).
Para o mercado de segurança, a empresa prepara uma variante cibernética no programa Fairwind, com 90,5% no SEC-bench Pro e 51,26% no WebExploitBench v1.2, pela metade do preço dos modelos rivais. A ficha técnica do Neon afirma bloquear 100% dos ataques de injeção indireta de prompt no benchmark Gray-Swan — injeção de prompt é a técnica de esconder instruções maliciosas em páginas, arquivos ou respostas para desviar o comportamento do modelo.
O que muda para o investidor
A corrida deixou de ser apenas sobre qual laboratório tem o modelo mais inteligente. Preço por token e velocidade de resposta entraram no centro da decisão de compra, porque determinam o custo de operação de produtos que rodam IA em escala — atendimento automatizado, leitura de documentos, agentes de software. Para as empresas que consomem esses modelos, a disputa tende a reduzir a conta de infraestrutura e a ampliar margem em aplicações já em produção.
Para as desenvolvedoras, o efeito é outro: versões mais baratas chegando em sequência encurtam o ciclo de vida de cada modelo e comprimem a receita por unidade vendida. Quem cobra por token precisa justificar a diferença em qualidade, confiabilidade ou segurança — item que ganha peso contratual em setores regulados. A variante cibernética e a promessa de bloqueio total a ataques de injeção caminham nessa direção.

