Leitfaden zur Vermeidung von Fallstricken bei Gerüchten über neue Modelle: Eine Vier-Schritte-Verifizierungsmethode ausgehend von den swarm/RSI-Gerüchten zu Gemini 4 Neon

Leitfaden zur Vermeidung von Fallstricken bei Gerüchten über neue Modelle: Eine Vier-Schritte-Verifizierungsmethode ausgehend von den swarm/RSI-Gerüchten zu Gemini 4 Neon

Zusammenfassung: Dieser Artikel gleicht die Gerüchte rund um „Swarm/RSI“ bei Gemini 4 Neon Punkt für Punkt mit den Veröffentlichungsunterlagen von Google Antigravity und den Modellkarten von DeepMind ab. Die Prüfung erfolgt über drei Fragen: Wie arbeiten die mehreren Agenten im Produkt zusammen, welche Trainingsinformationen hat das Modell offengelegt, und was können die Leistungskennzahlen tatsächlich belegen.

gemini-4-neon-swarm-rsi-rumor-verification-guide-de-image-0

Fazit vorab: Stand 20.11.2026 (Pekinger Zeit) gibt es in den öffentlichen Unterlagen genau eine Sache, die swarm heißt – nämlich den Produktbefehl /swarm von Google Antigravity. Er kümmert sich um das parallele Schreiben und Prüfen von Code durch mehrere Agenten und hat nichts mit Trainingsmethoden zu tun. Die DeepMind-Modellkarte erklärt, dass Neon aus Gemini 4 Carbon adaptiert wurde, und nennt Ausrichtungsmaßnahmen wie überwachtes Feintuning und Reinforcement Learning – sie sagt aber nicht, ob beim Training Destillation oder das sogenannte RSI zum Einsatz kam. Für die Aussage „Neon wurde durch rekursives Swarm-Training erzeugt“ gibt es daher derzeit keine überprüfbare öffentliche Offenlegung. Man kann sie nicht als Tatsache schreiben, sollte sie aber auch nicht als „widerlegt“ darstellen.

Diese Schlussfolgerung ist an Voraussetzungen gebunden. Falls DeepMind später einen Neon-Sicherheitsbericht oder andere offizielle Dokumente mit neuen Trainingsdetails nachreicht, muss die Bewertung entsprechend aktualisiert werden. Entwickler, die Neon in ihrem eigenen Geschäft einsetzen möchten, können es über APIYI apiyi.com mit der exakten Modell-ID gemini-4-neon aufrufen. Das Modell ist am 20. November an den Start gegangen, der Preis entspricht dem offiziellen Tarif: 3 $ für Input, 15 $ für Output (pro Million Token).

Wissenskarte und Leseordnung zur Verifizierung der Gerüchte um neue Modelle

Die folgende Tabelle listet auf, welche Fragen die vier Abschnitte des Artikels jeweils beantworten, auf welche Belege sie sich stützen und wie sie aufeinander aufbauen. Abschnitt 1 grenzt zunächst ein, welche Punkte bereits belegt sind; die drei folgenden Abschnitte bewegen sich innerhalb dieses Rahmens.

Nr. Beantwortete Frage Hauptbelege Was der nächste Abschnitt erhält
1 Welche Punkte aus dem Gerücht um Gemini 4 Neon bereits belegt sind Antigravity-Blogbeitrag, DeepMind-Modellkarte, APIYI-Ankündigung Eine datierte Fakten-Zeitleiste als Vergleichsbasis für das Weitere
2 Wo die Beweiskette des Gerüchts abbricht Ursprünglicher Social-Media-Post, Hersteller-Demo, Modellkarte Welche Aussage jede Belegart maximal stützen kann und welche Materialien eine unabhängige Reproduktion erfordert
3 Was Benchmarks beweisen können und was nicht Die vier Indexstufen von Artificial Analysis, Coding-Agent-Index Eine korrekte Methode zum Lesen von Benchmarks und ein minimales Vorgehen für eigene Tests
4 Wie Entwickler den aktuellen Ist-Zustand prüfen können Modellkarte, Changelog, APIYI-Registry Ein reproduzierbarer Prüfablauf und die aktuellen Preise

Was die Leseordnung betrifft, bilden die Abschnitte 1 und 2 eine Hauptlinie und sollten der Reihe nach gelesen werden. Abschnitt 3 eignet sich für Leser, die Performance-Daten sehen möchten, Abschnitt 4 für Entwickler vor der Integration; beide Abschnitte lassen sich auch separat nachschlagen.

gemini-4-neon-swarm-rsi-rumor-verification-guide-de-image-1

Zum Verständnis: Begriffe, die man braucht, um die Gerüchte zu Gemini 4 Neon zu verstehen

Begriff Kurze Erklärung
/swarm Produktbefehl in Google Antigravity, der eine Aufgabe an mehrere Agenten parallel oder aufgeteilt übergibt
Worktree Voneinander isolierte Arbeitsverzeichnisse in einem Quellcode-Repository, sodass mehrere Agenten gleichzeitig Code ändern können, ohne dass Konflikte entstehen
Koordinierungsagent Der Agent, der die Aufgabe aufteilt, sie den einzelnen Arbeitsagenten zuweist, die Ergebnisse zusammenführt und die Verifikation organisiert
Knowledge Distillation Trainingsmethode, bei der ein Modell die Ausgaben oder das Verhalten eines anderen Modells lernt, um dessen Fähigkeiten zu übernehmen
RSI Recursive Self-Improvement, rekursive Selbstverbesserung: ob ein System seine eigenen Fähigkeiten oder seine Verbesserungsabläufe wiederholt verbessern kann
Überwachtes Feintuning Weiteres Training eines Modells mit annotierten Daten oder Referenzausgaben
Bestärkendes Lernen Anpassung des Modellverhaltens anhand von Belohnungssignalen; die konkreten Implementierungsdetails hängen davon ab, ob der Anbieter sie offenlegt
Modellkarte Vom Entwickler veröffentlichtes Dokument, das Herkunft, Fähigkeiten, Evaluationsergebnisse und Grenzen des Modells beschreibt
Unabhängige Reproduktion Mit überprüfbaren Eingaben, Modellversionen, Konfigurationen und Prozessprotokollen dasselbe Ergebnis erneut erzielen

1. Was bei den Gerüchten um Gemini 4 Neon bereits bestätigt ist

1.1 Eine chronologische Fakten-Timeline

Der erste Schritt bei der Prüfung eines jeden Gerüchts um ein neues Modell besteht darin, die bestätigten Punkte mit Datum und Quelle aufzulisten. Die folgende Tabelle enthält ausschließlich Inhalte, die offiziell oder von der Plattform selbst veröffentlicht wurden.

Datum (2026) Quelle Bestätigter Punkt
10. November Google-Antigravity-Blogbeitrag „Gemini 4 Carbon and /swarm“ /swarm wird als Vorschau veröffentlicht: Der Koordinator zerlegt Aufgaben, parallele Executoren arbeiten in isolierten Git-Worktrees, adversariale Prüfer führen Tests aus und hinterfragen Codeänderungen; verschiedene Rollen können unterschiedlichen Modellen zugewiesen werden
18. November Google-Antigravity-Blogbeitrag „Gemini 4 Neon in Google Antigravity“ Veröffentlichung von Neon mit Demo-Video: Mit Neon und /swarm wird ein mehrstufiges Zwei-Spieler-Browsergame gebaut, das im integrierten Browser läuft, wobei der Agent den zweiten Spieler übernimmt
18. November Google DeepMind „Gemini 4 Neon Model Card“ Neon wurde aus Gemini 4 Carbon abgeleitet; zu den öffentlich genannten Alignment-Maßnahmen zählen unter anderem überwachtes Feintuning und Reinforcement Learning; DeepMind kündigt an, einen Sicherheitsbericht zu Neon nachzureichen
20. November, 11:45 Uhr (UTC+8) APIYI-Ankündigung „Gemini 4 Neon ist live: gleicher Preis wie offiziell $3/$15″ APIYI (apiyi.com) listet gemini-4-neon; am selben Tag ist der Eintrag bereits im Modellregister vorhanden

1.2 Die Produktdefinition von /swarm

Laut dem Blogbeitrag vom 10. November übergibt /swarm die Eingabeaufforderung des Nutzers an eine Gruppe von Agenten. Der Koordinator startet mehrere spezialisierte parallele Arbeitsagenten, die ihre Codeänderungen jeweils in isolierten Git-Worktrees vornehmen, sodass sich die Änderungen nicht gegenseitig überschreiben. Zusätzlich gibt es adversariale Prüfer, die gezielt Tests ausführen und die Code-Diffs hinterfragen. Die Agenten arbeiten über ein gemeinsames, nur anhängendes Message-Board zusammen; im Leerlauf verbrauchen sie keine Token und werden bei Bedarf an Eingaben sofort aktiviert.

Das ist ein „Swarm“ im engineering-technischen Sinne, bestehend aus parallelen Prozessen, einer gemeinsamen Warteschlange und einer Verifikationsstufe. Beschrieben wird, wie das Laufzeit-Framework Antigravity die Arbeit organisiert – nicht, wie Gemini 4 Neon selbst trainiert wurde.

2. Die Evidenzkette der Gerüchte zu Gemini 4 Neon, swarm und RSI zerlegen

2.1 Was die vier Evidenzarten jeweils belegen können

Der Ursprung des Gerüchts ist ein Social-Media-Beitrag: ein etwa 62,5 Sekunden langes Video mit 756×403 Auflösung, das ein im Browser laufendes Zwei-Spieler-Kampfspiel mit Strichmännchen zeigt. Der Begleittext sagt, es sei „made by swarms“, und der Code sei „pure JS“. Der Analyseartikel von OrcaRouter weist darauf hin, dass der Beitrag weder Eingabeaufforderung noch Modellversion, Denkstufe oder Token-Statistik nennt und auch nicht erklärt, ob der Code von einem Agenten oder von mehreren Agenten generiert wurde.

Vergleicht man diesen Beitrag mit dem umliegenden Material, ergibt sich die folgende Evidenzkette.

Evidenz Art Maximal unterstützbare Aussage Nicht unterstützbare Aussage
Video im ursprünglichen Social-Media-Beitrag Präsentation durch Dritte, ohne Ausführungsprotokoll „Jemand hat ein Browser-Spiel gezeigt, das angeblich von swarm generiert wurde“ Generierungsprozess, verwendetes Modell, Trainingsmethode
Antigravity-Demo vom 18. November Eigenes Produktbeispiel des Herstellers „Google hat gezeigt, dass sich mit Neon + /swarm ein Zwei-Spieler-Browser-Spiel erstellen lässt“ Dass das Video im Social-Media-Beitrag über denselben Weg entstanden ist
/swarm-Dokumentation vom 10. November Offizielle Produktbeschreibung „swarm ist die Multi-Agenten-Kollaborationsfunktion von Antigravity“ Jegliche Schlussfolgerung zum Modelltraining
DeepMind-Modellkarte Offizielle Modelloffenlegung „Neon wird von Carbon angepasst und nutzt Ausrichtungsmaßnahmen wie überwachtes Fine-Tuning und Reinforcement Learning“ Ob beim Training Distillation oder RSI eingesetzt wurden oder nicht

Der OrcaRouter-Artikel erwähnt außerdem, dass die Herstellerdemo von Google einen Tag vor dem Video im Social-Media-Beitrag veröffentlicht wurde und derzeit der einzige öffentlich gezeigte Weg ist, mit swarm ein Zwei-Spieler-Browser-Spiel zu erstellen. Das belegt lediglich, dass beide inhaltlich ähnlich sind. Eine Herstellerdemo mit erklärendem Text und ein Video von Dritten sind unterschiedliche Evidenzarten; Erstere kann nicht den Ausführungsprozess der Letzteren belegen.

2.2 Warum die Formulierung „öffentlich nicht bestätigt“ treffender ist

In den sozialen Medien kursieren zwei Varianten: Die eine besagt, „Neon sei durch massenhaftes rekursives Training mit Kopien seiner selbst entstanden“, die andere entgegnet, „das sei längst widerlegt“. Beide Aussagen gehen über das hinaus, was die vorhandenen Belege stützen.

Die Modellkarte erwähnt weder Destillation noch RSI. Das heißt: Der Anbieter hat dazu nichts veröffentlicht – aber nicht, dass er es jemals bestritten hätte. Deshalb sollte es in Texten und in der externen Kommunikation sowohl bei „im Training wurde Destillation/RSI eingesetzt“ als auch bei „im Training wurde keine Destillation/kein RSI eingesetzt“ heißen: „öffentlich nicht bestätigt“ oder „für diese Behauptung gibt es keine überprüfbare Offenlegung“.

2.3 Welche Materialien eine unabhängige Reproduktion braucht

Damit eine Aussage wie „ein Swarm hat ein Spiel gebaut“ überprüfbar ist, braucht es mindestens vier Dinge: die vollständigen Eingabeaufforderungen, die Modellkonfiguration (die jedem Rollen zugewiesene Modell-ID und Reasoning-Stufe), die Ausführungsprotokolle (wie viele Runden die Prüfer zurückgewiesen haben und wie der Durchlauf schließlich bestanden wurde) sowie den Token-Verbrauch. Fehlt auch nur eines davon, ist ein erneuter Durchlauf ein anderes Experiment.

Selbst wenn alle vier Materialien vorliegen, beweist eine Reproduktion nur das Produktverhalten: welche Codequalität sich mit diesem Framework und dieser Konfiguration stabil erzeugen lässt, wie viele Token und wie viel Zeit dafür draufgehen. Eine Reproduktion kann den Trainingsprozess des Modells nicht rückwärts erschließen, denn dasselbe Ergebnis lässt sich über ganz unterschiedliche Trainingswege erreichen. Eine Zuordnung zum Training ist nur über die Angaben des Anbieters selbst möglich.

3. Gemini 4 Neon-Performance-Belege lesen: Trainingsdaten nicht aus Benchmark-Werten zurückrechnen

3.1 Die zwei Indexarten bei Artificial Analysis

Artificial Analysis (AA) hat am 18. November eine unabhängige Bewertung von Gemini 4 Neon veröffentlicht. Darin wird der API-Gesamtfähigkeitsindex getrennt nach vier Inferenzstufen ausgewiesen:

Stufe Intelligence Index Durchschnittliche Zeit pro Aufgabe
low 44 3,7 Minuten
medium 55 8,3 Minuten
high 60 14,8 Minuten
xhigh 61 21,5 Minuten

Die von AA angegebenen gewichteten Kosten für die Stufe xhigh betragen $6,44 pro Evaluierungsaufgabe. Laut der Modellübersicht derselben AA-Version erreicht GPT‑6.2 Sol maximal 57 Punkte, Gemini 4 Hydrogen maximal 54 Punkte. Darüber hinaus hat AA für die Kombination aus Antigravity CLI und Neon einen Coding-Agent-Index von etwa 59 gemessen. Dieser Index misst die Kombination „Framework + Modell“; der Testgegenstand unterscheidet sich vom API-Gesamtfähigkeitsindex, daher sollten die beiden Zahlen getrennt zitiert und nicht direkt miteinander verglichen werden.

3.2 Was jede Zahl beantworten kann

Die Vier-Stufen-Indizes der API beantworten die Frage, wie sich beim direkten Aufruf von Neon über die API je nach Denkstufe der Kompromiss zwischen Gesamtleistung bei der Aufgabe und Laufzeit darstellt. Der Coding-Agent-Index beantwortet die Frage, welches Niveau sich insgesamt erreichen lässt, wenn man Neon in der Antigravity CLI als Coding-Agent einsetzt.

Keiner der beiden Tests hat den Laufprozess der Social-Post-Videos gemessen, und keiner geht auf Trainingsmethoden ein. Aus „hohe Punktzahl“ folgt nicht „es wurde zwingend mit rekurrentem Swarm-Training trainiert“. Hohe Werte können aus sehr vielen verschiedenen Trainingswegen stammen – die Benchmarks selbst können das nicht auseinanderhalten. Außerdem stammen diese Stufen und Punktzahlen aus der eigenen Evaluationskette von AA. Beim Aufruf über Drittanbieter-Plattformen müssen End-to-End-Latenz, Erfolgsquote und tatsächliche Abrechnung separat gemessen werden.

gemini-4-neon-swarm-rsi-rumor-verification-guide-de-image-2

3.3 Selbsttest für Einsteiger: Mit derselben Aufgabe und festen Bedingungen die Ergebnisse prüfen

Wenn Sie wissen möchten, wie sich Neon in Ihrem eigenen Szenario schlägt, sollten Sie Herstellerdemos nicht als echten Test betrachten. Verlässlicher ist es, eine reale Aufgabe auszuwählen, API-Endpunkt, Stufe und Eingaben festzulegen, mehrere Läufe durchzuführen und die Ergebnisse zu protokollieren. So sieht der einfachste Aufruf aus:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # OpenAI-kompatibler Endpunkt von APIYI
)

resp = client.chat.completions.create(
    model="gemini-4-neon",
    messages=[{"role": "user", "content": "用纯 JS 写一个双人对战小游戏的核心循环"}]
)
print(resp.choices[0].message.content)
print(resp.usage)  # Token-Verbrauch erfassen
Vollständiges Skript mit Reproduktionsprotokoll anzeigen
import json
import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

BRIEF = {
    "model": "gemini-4-neon",          # Exakte Modell-ID verwenden
    "effort": "按 APIYI 文档填写档位",   # Parametername für die Stufe gemäß Plattformdokumentation
    "prompt": "用纯 JS 写一个双人对战小游戏的核心循环",
}

def run_once(run_id: int) -> dict:
    start = time.time()
    resp = client.chat.completions.create(
        model=BRIEF["model"],
        messages=[{"role": "user", "content": BRIEF["prompt"]}],
        temperature=0,
    )
    return {
        "run_id": run_id,
        "brief": BRIEF,
        "elapsed_s": round(time.time() - start, 2),
        "usage": resp.usage.model_dump() if resp.usage else None,
        "output": resp.choices[0].message.content,
    }

# Dieselbe Aufgabe 3-mal ausführen, Logs aufbewahren, damit andere sie überprüfen können
logs = [run_once(i) for i in range(3)]
with open("neon_runs.json", "w", encoding="utf-8") as f:
    json.dump(logs, f, ensure_ascii=False, indent=2)

Dieses Protokoll enthält die Eingabeaufforderung, den Modellnamen, die Stufe, die Laufzeit, den Token-Verbrauch und die Ausgabe – genau die Reproduktionsmaterialien, die in Abschnitt 2.3 aufgeführt sind.

🎯 Technischer Hinweis: Wenn Sie verschiedene Stufen oder Modelle vergleichen, ändern Sie nur eine Variable und lassen die übrigen Bedingungen unverändert. Über APIYI apiyi.com können Sie mit demselben API-Schlüssel zwischen Modellen wie Neon, Carbon und Hydrogen wechseln – so lassen sich Ergebnisse unter gleichen Bedingungen vergleichen.

4. Wie Entwickler den aktuellen Status von Gemini 4 Neon einsehen

4.1 Die Reihenfolge beim Abgleich der drei Quellen

Nach der Veröffentlichung eines neuen Modells ändern sich die Informationen schnell. Es empfiehlt sich, vor jedem Artikel oder jedem Go-live in dieser Reihenfolge zu prüfen:

  1. Google DeepMind Modellkarte: Herkunft des Modells bestätigen, öffentlich zugängliche Informationen zu Training und Alignment, Evaluierungsergebnisse und Einschränkungen – und darauf achten, ob ein Sicherheitsbericht nachgereicht wurde.
  2. Google Antigravity Changelog: den aktuellen Status von Produktfunktionen wie /swarm und Orchestrator bestätigen.
  3. APIYI Modellregister und Veröffentlichungsankündigungen: Modell-ID, Endpunkt, Gruppe und Listenpreis prüfen. Maßgeblich ist dabei immer die neueste Ankündigung. Beispiel: In der Gesamtübersicht vom 19. November fehlte Neon noch, doch die Ankündigung und das Register vom 20. November führen das Modell bereits – dass die alte Tabelle diese Zeile nicht enthält, widerlegt die neue Ankündigung nicht.

gemini-4-neon-swarm-rsi-rumor-verification-guide-de-image-3

4.2 Preise, Endpunkte und Gruppen anhand der exakten Modell-ID nachschlagen

Die folgende Tabelle enthält die Listenpreise aus dem öffentlichen Katalog von APIYI, alle Angaben in US-Dollar pro Million Token. Für alle aufgeführten Modelle sind sowohl das Google-native Format als auch ein OpenAI-kompatibler Endpunkt registriert.

APIYI-Modell-ID Eingabe Ausgabe Cache-Lesen Öffentlich registrierte Gruppe
gemini-4-neon 3 15 0.15 default, svip
gemini-4-carbon 2 10 0.10 default, svip
gemini-4-argon 2 10 0.10 default, svip
gemini-4-hydrogen 1.50 7.50 0.075 default, svip
gemini-3.8-flash 0.75 3.75 0.075 Gemini_Reverse, default, svip

Bei der Verwendung dieser Tabelle sind drei Punkte zu beachten:

  • Neon ist der Standardpreis. Laut der Ankündigung von APIYI gibt es für die $3/$15 kein festes Ablaufdatum.
  • Carbon und Argon sind derzeit zeitlich begrenzte Preise. Dem Plan in der Ankündigung zufolge werden sie ab dem 1. Dezember wieder auf $4 für die Eingabe und $20 für die Ausgabe zurückgesetzt. Das ist der in der Ankündigung genannte Plan – bitte prüfen Sie ihn zu diesem Zeitpunkt erneut.
  • Der Listenpreis entspricht nicht dem tatsächlich gezahlten Betrag. Welche Modelle ein Konto tatsächlich sehen kann, welche Gruppenrabatte gelten und wie hoch die endgültige Rechnung ausfällt, hängt vom jeweiligen Konto ab. Die $6.44 pro Bewertungsaufgabe bei AA sind die Kosten der AA-Bewertungskette und können nicht Ihre eigene Rechnung ersetzen.

Zur Frage „Wann erscheint das nächste Gemini-Modell?“: Bis zum aktuellen Stand enthalten weder das Echtzeit-Update-Archiv von APIYI, noch das Antigravity-Changelog, noch die Neon-Release-Ankündigung ein nächstes Modell oder Datum. APIYI hat dazu auch keine Zusage zum Integrationszeitpunkt gemacht. Ein Datum aus den Abständen der letzten Releases abzuleiten, erzeugt von vornherein nur neue Gerüchte.

💡 Integrationsempfehlung: Bestätigen Sie zunächst in der APIYI-Konsole unter apiyi.com, dass Ihr Konto gemini-4-neon sehen kann, und prüfen Sie die zugehörige Gruppe. Führen Sie dann mit dem Skript aus Abschnitt 3.3 einen kleinen Testlauf durch und zeichnen Sie den tatsächlichen Token-Verbrauch und die Rechnung auf. Neue Nutzer können diesen Schritt zunächst mit dem kostenlosen Testguthaben erledigen.

4.3 Wie man beim nächsten neuen Modellgerücht zu einer Einschätzung kommt

Fasst man die Methode dieses Artikels zu einer Entscheidungsregel zusammen, dann gilt: Zuerst fragen, in welche Kategorie die Aussage fällt – Produktverhalten, Trainingszuordnung oder Leistungsniveau – und anschließend die jeweils passende Quelle prüfen. Beim Produktverhalten sind Changelog und reproduzierbare Laufprotokolle ausschlaggebend, bei der Trainingszuordnung zählen nur offizielle Angaben wie Model Cards, und beim Leistungsniveau kommt es auf unabhängige Benchmarks an, die Testobjekt und Stufe ausdrücklich nennen. Aussagen, für die sich in keiner dieser drei Quellenarten ein Beleg findet, werden als „in öffentlich zugänglichen Materialien nicht bestätigt“ gekennzeichnet.

Für Gemini 4 Neon lässt sich derzeit Folgendes festhalten: Das Modell wurde von Carbon adaptiert; /swarm ist eine Multi-Agent-Produktfunktion von Antigravity; die vier von AA gemessenen Indexstufen liegen zwischen 44 und 61. Auf APIYI apiyi.com ist gemini-4-neon zum Standardpreis von $3/$15/$0.15 registriert. Zu den Behauptungen rund um Swarm-Training und RSI lässt sich erst nach einer offiziellen Offenlegung ein abschließendes Urteil fällen.


Referenzquellen

  1. Google Antigravity – Gemini 4 Carbon and /swarm (10.11.2026)

    • Link: antigravity.google/blog/gemini-4-carbon-in-google-antigravity
    • Beschreibung: Produktdefinition und Rollenverteilung von /swarm
  2. Google Antigravity – Gemini 4 Neon in Google Antigravity (18.11.2026)

    • Link: antigravity.google/blog/gemini-4-neon-in-google-antigravity
    • Beschreibung: Neon-Release und Herstellerdemo des Zwei-Spieler-Browser-Spiels
  3. Google DeepMind – Gemini 4 Neon Model Card (18.11.2026)

    • Link: deepmind.google/models/model-cards/gemini-4-neon/
    • Beschreibung: Modellherkunft und öffentlich beschriebene Alignment-Maßnahmen
  4. Artificial Analysis – Gemini 4 Neon Benchmark und Modellseite (18.11.2026, Kennzahlen werden laufend aktualisiert)

    • Link: artificialanalysis.ai/models/gemini-4-neon
    • Beschreibung: Intelligence Index in vier Stufen, Laufzeit und Coding-Agent-Index
  5. OrcaRouter – Gemini 4 Neon’s Stickman Game: The Swarm Claim (19.11.2026)

    • Link: orcarouter.ai/blog/gemini-4-neon-stickman-swarm-claim
    • Beschreibung: Analyse der Informationslücken im Video des ursprünglichen Social-Media-Posts
  6. Google Antigravity Changelog (fortlaufend aktualisiert)

    • Link: antigravity.google/docs/changelog
    • Beschreibung: Aktueller Status der Produktfunktionen
  7. APIYI – Ankündigung des Gemini 4 Neon-Launches und Modellregister (20.11.2026)

    • Link: docs.apiyi.com/live/2026-11/gemini-4-neon-launch
    • Beschreibung: Modell-ID, Endpunkt, Gruppe und Listenpreis

Autor: APIYI-Team
Technischer Austausch: Änderungen bei Modellen und Preisen gelten gemäß dem Dokumentationszentrum von APIYI; bei Fragen zur Integration erreicht ihr uns gerne über die offizielle APIYI-Website

Ähnliche Beiträge