Кратко: в этой статье мы по пунктам сверяем слухи о «swarm/RSI» вокруг Gemini 4 Neon с историей релизов Google Antigravity и карточками моделей DeepMind. Проверка идёт по трём вопросам: как в продукте взаимодействуют несколько агентов, какие сведения об обучении раскрывает модель и что могут доказать метрики производительности.

Сначала вывод: по состоянию на 2026-11-20 (по пекинскому времени) в публичных записях под названием swarm фигурирует только одна вещь — команда /swarm в Google Antigravity. Она отвечает за параллельную работу нескольких агентов над кодом и его проверку, и к методу обучения отношения не имеет. В карточке модели DeepMind указано, что Neon получена путём адаптации Gemini 4 Carbon; там упоминаются такие меры выравнивания, как дообучение с учителем и обучение с подкреплением, но не сообщается, использовались ли при обучении дистилляция или так называемый RSI. Поэтому утверждение «Neon рекурсивно обучалась с помощью swarm» на данный момент не подтверждено проверяемыми публичными данными. Это нельзя подавать как факт, и не стоит писать, будто оно «опровергнуто».
У этого вывода есть оговорка. Если опубликованный позже отчёт DeepMind о безопасности Neon или другие официальные документы раскроют новые детали обучения, оценку придётся обновить. Если разработчик хочет использовать Neon в своих продуктах, он может вызывать модель через APIYI apiyi.com, указав точный ID модели gemini-4-neon. Модель уже доступна с 20 ноября, цены совпадают с официальными: $3 за входные токены и $15 за выходные (за миллион токенов).
Карта знаний и порядок чтения при проверке слухов о новой модели
В таблице ниже перечислены вопросы, на которые отвечает каждый из четырёх разделов, доказательства, на которые они опираются, и связи между разделами. В разделе 1 сначала очерчивается круг того, что уже подтверждено; три следующих раздела работают в этих границах.
| № | На какой вопрос отвечает | Ключевые доказательства | Что даёт следующему разделу |
|---|---|---|---|
| 1 | Какие утверждения из слухов о Gemini 4 Neon уже подтверждены | Пост в блоге Antigravity, карточка модели DeepMind, объявление APIYI | Фактическая хронология с датами как базовая линия для дальнейших сравнений |
| 2 | Где обрывается цепочка доказательств слуха | Исходный пост в соцсети, демонстрация вендора, карточка модели | Какие формулировки максимум выдерживает каждый тип доказательств и какие материалы нужны для независимого воспроизведения |
| 3 | Что результаты бенчмарков доказывают, а что — нет | Четырёхуровневые индексы Artificial Analysis, индекс агентов программирования | Как правильно читать результаты бенчмарков и минимальный вариант собственного тестирования |
| 4 | Как разработчику проверить актуальное состояние на текущий момент | Карточки моделей, журнал обновлений, реестр APIYI | Воспроизводимая процедура проверки и актуальные цены |
По порядку чтения разделы 1 и 2 образуют основную линию, их лучше читать подряд. Раздел 3 подойдёт тем, кто хочет посмотреть данные о производительности, раздел 4 — разработчикам, готовящимся к интеграции; оба раздела можно читать отдельно.

To Know: термины, без которых не разобраться в слухах о Gemini 4 Neon
| Термин | Краткое объяснение |
|---|---|
/swarm |
Команда продукта в Google Antigravity: передаёт одну задачу нескольким агентам — либо для параллельной работы, либо с разделением ролей |
| Worktree | Изолированные рабочие каталоги внутри репозитория с исходным кодом — несколько агентов могут одновременно править код, не мешая друг другу |
| Агент-координатор | Тот самый агент, который разбивает задачу на части, распределяет их между рабочими агентами, собирает результаты и организует проверку |
| Дистилляция знаний | Метод обучения, при котором одна модель учится на выходах или поведении другой и таким образом перенимает её возможности |
| RSI | Recursive Self-Improvement, рекурсивное самосовершенствование: способна ли система раз за разом улучшать собственные возможности или сам процесс улучшения |
| Дообучение с учителем | Продолжение обучения модели на данных с разметкой или эталонными выходами |
| Обучение с подкреплением | Настройка поведения модели по сигналу вознаграждения; конкретные детали реализации зависят от того, раскрывает ли их производитель |
| Карточка модели | Документ, который публикует разработчик: происхождение модели, её возможности, результаты оценок и ограничения |
| Независимое воспроизведение | Повторное получение того же результата с использованием проверяемых входных данных, версии модели, конфигурации и журналов процесса |
1. Что уже подтверждено в слухах о Gemini 4 Neon
1.1 Хронология подтверждённых фактов по датам
Когда проверяешь любой слух о новой модели, первый шаг — составить список подтверждённых фактов с датами и источниками. В таблице ниже собраны только материалы, опубликованные официально или самой платформой.
| Дата (2026) | Источник | Подтверждённый факт |
|---|---|---|
| 10 ноября | Пост Google Antigravity «Gemini 4 Carbon and /swarm» | /swarm выпущен в режиме предварительного просмотра: координатор разбивает задачу, параллельные исполнители работают в изолированных git worktree, а состязательные проверяющие запускают тесты и оспаривают диффы кода; для разных ролей можно указать разные модели |
| 18 ноября | Пост Google Antigravity «Gemini 4 Neon in Google Antigravity» | Представлена Neon с демонстрационным видео: с помощью Neon и /swarm собирают браузерную игру для двух игроков с несколькими уровнями, работающую во встроенном браузере, а агент играет за второго игрока |
| 18 ноября | Google DeepMind, «Gemini 4 Neon Model Card» | Neon создана на основе Gemini 4 Carbon; публично раскрытые меры выравнивания включают обучение с учителем, обучение с подкреплением и другие; DeepMind обещает дополнительно выпустить отчёт по безопасности Neon |
| 20 ноября, 11:45 (UTC+8) | Объявление APIYI «Запуск Gemini 4 Neon: официальная цена $3/$15» | APIYI (apiyi.com) добавил gemini-4-neon в каталог; в тот же день запись уже появилась в реестре моделей |
1.2 Определение продукта /swarm
Согласно посту от 10 ноября, /swarm передаёт промпт пользователя группе агентов. Координатор запускает несколько специализированных параллельных рабочих агентов, и каждый из них вносит изменения в код в изолированном git worktree, поэтому изменения не перезаписывают друг друга. Кроме того, состязательные проверяющие специально запускают тесты и оспаривают диффы кода. Агенты взаимодействуют через общую доску сообщений, в которую можно только добавлять: в простое они не расходуют токены, а когда требуется ввод — сразу активируются.
Это «swarm» в инженерном смысле: он состоит из параллельных процессов, общей очереди и этапа проверки. Он описывает, как в среде выполнения Antigravity организована работа, и не касается того, как именно обучали Gemini 4 Neon.
2. Разбор цепочки доказательств вокруг слухов о Gemini 4 Neon swarm/RSI
2.1 Что может подтвердить каждый из четырех типов доказательств
Источник слуха — один пост в соцсети: видео длиной около 62,5 секунды и разрешением 756×403, на котором показана браузерная игра-файтинг со стикменами для двух игроков. В подписи сказано, что игра «made by swarms», а код — «pure JS». В аналитической статье OrcaRouter отмечается, что в посте не указаны промпт, версия модели, уровень рассуждений, статистика токенов, а также не сказано, один агент или несколько агентов генерировали код.
Если сопоставить этот пост с окружающими материалами, получится следующая цепочка доказательств.
| Доказательство | Характер | Что максимум может подтвердить | Что не может подтвердить |
|---|---|---|---|
| Видео из исходного поста в соцсети | Демонстрация третьей стороны, без записи выполнения | «Кто-то показал браузерную игру, которая якобы сгенерирована swarm» | Процесс генерации, использованную модель, способ обучения |
| Демонстрация Antigravity от 18 ноября | Собственный продуктовый кейс производителя | «Google показывал, как собрать браузерную игру для двух игроков на Neon + /swarm» |
Видео из соцсети было создано тем же путем |
Документация /swarm от 10 ноября |
Официальное описание продукта | «swarm — это функция многоагентного взаимодействия в Antigravity» | Любые выводы об обучении модели |
| Карточка модели DeepMind | Официальное раскрытие информации о модели | «Neon адаптирован Carbon; применялись меры выравнивания, такие как дообучение с учителем и обучение с подкреплением» | Использовались ли при обучении дистилляция или RSI |
В статье OrcaRouter также упоминается, что демонстрация от Google была опубликована на день раньше видео в соцсети и на данный момент это единственный публично продемонстрированный способ создания браузерной игры для двух игроков с помощью swarm. Это говорит лишь о том, что их содержание похоже. Демонстрация производителя с пояснительным текстом и видео третьей стороны относятся к разным типам доказательств; первая не может служить доказательством того, как выполнялось второе.
2.2 Почему формулировка «в открытых материалах не подтверждено» точнее
В соцсетях ходят две версии: одни утверждают, что «Neon обучен рекурсивно на куче собственных копий», другие в ответ говорят, что «это уже опровергнуто». Оба утверждения выходят за рамки того, что позволяют имеющиеся доказательства.
В карточке модели дистилляция и RSI не упоминаются. Это значит, что официально такую информацию не раскрывали, но не значит, что её официально отрицали. Поэтому в текстах и внешних коммуникациях и «в обучении применялись дистилляция/RSI», и «в обучении не применялись дистилляция/RSI» стоит переписывать как «в открытых материалах не подтверждено» либо «нет проверяемых раскрытий в поддержку этого утверждения».
2.3 Какие материалы нужны для независимого воспроизведения
Чтобы утверждение «swarm сделал игру» можно было проверить, нужно как минимум четыре вещи: полный промпт, конфигурация модели (ID модели, привязанный к каждой роли, и уровень «размышления»), журналы запуска (сколько раундов проверяющий отклонял и как в итоге всё прошло), а также расход токенов. Не хватает хотя бы одного — и повторный запуск превращается в другой эксперимент.
Даже при наличии всех четырёх материалов воспроизведение доказывает только поведение продукта: какое качество кода стабильно получается в этом фреймворке и конфигурации, сколько токенов и времени на это ушло. По воспроизведению нельзя восстановить процесс обучения модели, потому что один и тот же результат может быть достигнут совершенно разными путями обучения. Атрибуция обучения может опираться только на раскрытия самой компании.
3. Изучаем доказательства производительности Gemini 4 Neon: не стоит судить об обучении по бенчмаркам
3.1 Два типа индексов Artificial Analysis
Artificial Analysis (AA) 18 ноября опубликовала независимую оценку Gemini 4 Neon. Сводный индекс возможностей API в ней приводится отдельно для четырёх уровней рассуждений:
| Уровень | Intelligence Index | Среднее время на задачу |
|---|---|---|
low |
44 | 3,7 минуты |
medium |
55 | 8,3 минуты |
high |
60 | 14,8 минуты |
xhigh |
61 | 21,5 минуты |
Для уровня xhigh AA указывает взвешенную стоимость — $6.44 за одну задачу оценки. Согласно обзору моделей той же версии AA, у GPT‑6.2 Sol максимум 57 баллов, у Gemini 4 Hydrogen — 54 балла. Кроме того, AA измерила: у связки Antigravity CLI и Neon индекс агента для программирования составляет около 59. Этот индекс измеряет комбинацию «фреймворк + модель»; объект тестирования отличается от сводного индекса API, поэтому эти два числа нужно приводить отдельно и нельзя сравнивать их напрямую.
3.2 Что может сказать каждая цифра
Четыре уровня индекса API отвечают на вопрос: при прямом вызове Neon через API, как в разных режимах размышления соотносятся общая производительность на задачах и затраченное время. Индекс агента для кодинга отвечает на вопрос: какой общий уровень можно достичь, используя Neon в качестве кодинг-агента в Antigravity CLI.
Оба этих теста не измеряли процесс работы с видео для соцсетей и не касались методов обучения. «Высокий балл» ещё не означает, что «модель обязательно обучена рекурсивному swarm». Высокий результат может быть получен разными путями обучения, и сами по себе тесты этого не различают. Кроме того, эти уровни и баллы взяты из собственной цепочки оценки AA. При вызове через стороннюю платформу сквозную задержку, успешность и реальные счета нужно измерять отдельно.

3.3 Самопроверка для новичков: фиксируем условия и сверяем на одной задаче
Чтобы понять, как Neon ведёт себя в вашем сценарии, не принимайте демонстрации от производителя за реальный тест. Надёжнее выбрать настоящую задачу, зафиксировать эндпоинт, уровень (effort) и входные данные, запустить несколько раз и записать результаты. Вот самый простой способ вызова:
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # OpenAI-совместимый эндпоинт 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) # записываем расход токенов
Посмотреть полный скрипт с записью для воспроизведения
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", # используем точный ID модели
"effort": "按 APIYI 文档填写档位", # имя параметра уровня — по документации платформы
"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,
}
# прогоняем одну и ту же задачу 3 раза, сохраняем логи, чтобы другие могли перепроверить
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)
Этот лог содержит промпт, модель, уровень, время выполнения, расход токенов и результат — ровно те материалы для воспроизведения, что перечислены в разделе 2.3.
🎯 Совет: сравнивая разные уровни или разные модели, меняйте только одну переменную, а остальные условия оставляйте неизменными. Через APIYI apiyi.com можно одним и тем же API-ключом переключаться между моделями Neon, Carbon, Hydrogen и другими — так удобнее сравнивать результаты в одинаковых условиях.
4. Как разработчику проверить текущее состояние Gemini 4 Neon
4.1. Порядок сверки трёх источников
После выхода новой модели информация обновляется очень быстро. Перед каждым материалом или запуском рекомендую проверять её в таком порядке:
- Карточка модели Google DeepMind: проверьте источник модели, публичную информацию об обучении и выравнивании, результаты оценки и ограничения; обратите внимание, не опубликован ли дополнительно отчёт по безопасности.
- Журнал обновлений Google Antigravity: проверьте текущее состояние таких продуктовых функций, как
/swarmи Orchestrator. - Реестр моделей APIYI и анонсы запуска: проверьте ID модели, эндпоинт, группу и цену. Важно: ориентируйтесь на самое свежее объявление. Например, в сводной таблице от 19 ноября Neon ещё не было, но в объявлении и реестре от 20 ноября эта модель уже зарегистрирована; отсутствие строки в старой таблице не отменяет нового объявления.

4.2 Цены, эндпоинты и группы по точному ID модели
В таблице ниже — цены из публичного каталога APIYI, все указаны в долларах США за миллион токенов. У всех перечисленных моделей зарегистрированы эндпоинты в нативном формате Google и в формате, совместимом с OpenAI.
| ID модели APIYI | Вход | Выход | Чтение из кэша | Публично зарегистрированные группы |
|---|---|---|---|---|
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 |
При работе с этой таблицей нужно учитывать три момента:
- Neon — стандартная цена. По объявлению APIYI, для $3/$15 не установлен явный срок действия.
- Carbon и Argon сейчас по временной цене. По плану из объявления, с 1 декабря они вернутся к входу $4 и выходу $20. Это план из объявления — на тот момент перепроверьте.
- Указанная цена не равна фактической сумме к оплате. Какие модели реально видны в аккаунте, какие скидки по группе действуют и каким в итоге будет счёт, зависит от конкретного аккаунта. $6.44 за одну задачу оценки у AA — это стоимость в цепочке оценки AA, она не заменяет ваш собственный счёт.
О том, когда выйдет следующая модель Gemini: на текущий момент ни архив оперативных обновлений APIYI, ни журнал изменений Antigravity, ни объявление о выпуске Neon не дают названия следующей модели и даты, и APIYI также не брала на себя обязательств по срокам подключения. Вычислять дату по интервалам между последними релизами — само по себе порождает новые слухи.
💡 Рекомендация по подключению: сначала в консоли APIYI apiyi.com убедитесь, что аккаунту видна
gemini-4-neon, и проверьте группу, затем прогоните небольшой набор примеров скриптом из раздела 3.3 и запишите реальный расход токенов и счёт. Новые пользователи могут сначала сделать этот шаг на бесплатной тестовой квоте.
4.3 Как оценивать очередную утечку о новой модели
Сожмём метод из этой статьи в одно правило для проверки: сначала определите, к какой категории относится утверждение — поведение продукта, атрибуция обучения или уровень производительности, — и затем сверяйтесь с соответствующим источником. Для поведения продукта смотрите changelog и воспроизводимые логи запусков, для атрибуции обучения — только официальные раскрытия вроде model card, для уровня производительности — независимые бенчмарки с указанием объекта тестирования и конфигурации. Если ни один из трёх типов источников не даёт подтверждения, помечайте утверждение как «в публичных источниках не подтверждено».
Что касается Gemini 4 Neon, на данный момент можно уверенно утверждать следующее: модель адаптирована из Carbon; /swarm — это мультиагентная функция продукта Antigravity; измеренный AA четырёхуровневый индекс составляет от 44 до 61. В APIYI apiyi.com модель gemini-4-neon зарегистрирована по стандартной цене $3/$15/$0.15. Утверждения про обучение через swarm и про RSI стоит делать выводы только после официальных раскрытий.
Справочные материалы
-
Google Antigravity — Gemini 4 Carbon and /swarm (2026-11-10)
- Ссылка:
antigravity.google/blog/gemini-4-carbon-in-google-antigravity - Описание: продуктовое определение
/swarmи распределение ролей
- Ссылка:
-
Google Antigravity — Gemini 4 Neon in Google Antigravity (2026-11-18)
- Ссылка:
antigravity.google/blog/gemini-4-neon-in-google-antigravity - Описание: анонс Neon и демонстрация от производителя браузерной игры для двоих
- Ссылка:
-
Google DeepMind — Gemini 4 Neon Model Card (2026-11-18)
- Ссылка:
deepmind.google/models/model-cards/gemini-4-neon/ - Описание: происхождение модели и публично раскрытые меры выравнивания
- Ссылка:
-
Artificial Analysis — оценка Gemini 4 Neon и страница модели (2026-11-18, метрики обновляются динамически)
- Ссылка:
artificialanalysis.ai/models/gemini-4-neon - Описание: четырёхуровневый Intelligence Index, время отклика и индекс кодирующего агента
- Ссылка:
-
OrcaRouter — Gemini 4 Neon’s Stickman Game: The Swarm Claim (2026-11-19)
- Ссылка:
orcarouter.ai/blog/gemini-4-neon-stickman-swarm-claim - Описание: анализ информационных пробелов в видео из исходного поста в соцсети
- Ссылка:
-
Google Antigravity Changelog (обновляется постоянно)
- Ссылка:
antigravity.google/docs/changelog - Описание: актуальный статус функций продукта
- Ссылка:
-
APIYI — анонс запуска Gemini 4 Neon и реестр моделей (2026-11-20)
- Ссылка:
docs.apiyi.com/live/2026-11/gemini-4-neon-launch - Описание: ID модели, эндпоинт, группа и прайс-лист
- Ссылка:
Автор: техническая команда APIYI
Техническая поддержка: изменения моделей и цен — по документации APIYI; по вопросам подключения обращайтесь к нам через официальный сайт APIYI
