В мире больших языковых моделей (LLM) цена часто является решающим фактором для разработчиков и компаний, выбирающих провайдера. Однако, когда мы говорим о Google и их серии моделей Gemini 4, ситуация становится не просто сложной, а намеренно запутанной. 18 ноября 2026 года Google анонсировала новую модель — Gemini 4 Neon. Это событие не только расширило семейство, но и, по мнению многих экспертов, сделало и без того неочевидную структуру тарифов ещё более хаотичной. В этой статье мы подробно разберем, что такое Neon, как она соотносится с предыдущими версиями (Hydrogen, Argon, Carbon), и проведем практическое тестирование, чтобы понять, стоит ли переплачивать за «неон».
Если вы следите за рынком AI, то наверняка заметили, что Google активно экспериментирует с многоуровневым ценообразованием. Изначально линейка Gemini 4 состояла из трех моделей: Hydrogen, Argon и Carbon. Разница между ними заключалась не только в производительности, но и в стоимости запросов. Однако с появлением Neon эта архитектура дала трещину. Теперь у нас есть четыре уровня, и понять, какой из них выбрать для конкретного проекта, стало задачей, требующей калькулятора и терпения.
01Эволюция линейки: от Hydrogen к Neon
Чтобы понять текущую ситуацию, нужно вернуться к истокам. Изначально Google представила три модели серии Gemini 4, которые можно условно разделить по уровню «интеллекта» и стоимости:
- Hydrogen: Самая легкая и дешевая модель. Предназначена для простых задач, классификации текстов и быстрых ответов.
- Argon: Средний сегмент. Предлагает баланс между скоростью и качеством рассуждений.
- Carbon: Флагманская модель. Предназначена для сложных задач, требующих глубокого анализа и креативности.
На момент запуска цены были относительно прозрачными. Argon и Carbon стоили одинаково (что вызывало вопросы, почему стоит брать Carbon, если цена та же, но производительность выше — ответ был в качестве вывода), а Hydrogen стоил 3/4 от цены Argon. Однако эта стабильность продлилась недолго. С 1 декабря вступают в силу новые тарифы, которые кардинально меняют расклад сил.

Новая модель, Gemini 4 Neon, позиционируется как промежуточное звено, но Google в своих маркетинговых материалах почему-то предпочитает «забывать» об Argon. На официальном изображении, иллюстрирующем линейку, Argon отсутствует, что создает иллюзию, что Neon заменил его. На самом деле, Argon никуда не делся, но его место в иерархии стало неопределенным. Теперь порядок от самого дорогого к самому дешевому выглядит так: Carbon, Neon, Hydrogen. Но есть нюанс, который делает эту схему еще более запутанной.
02Ценовая ловушка: почему сейчас Neon дороже Carbon?
Самая важная часть для любого разработчика, планирующего интеграцию — это стоимость. Давайте посмотрим на цифры. На момент написания статьи (ноябрь 2026 года) действуют специальные стартовые цены, которые скоро изменятся.
Вот актуальные цены на входные и выходные токены (за миллион токенов):
- Neon: $3 за вход, $15 за выход.
- Carbon: $2 за вход, $10 за выход (со скидкой 50%).
- Hydrogen: $1.50 за вход, $7.50 за выход.
Как видите, прямо сейчас Neon является самой дорогой моделью в линейке, даже дороже флагманского Carbon. Это кажется абсурдным, но объясняется временной акцией на Carbon. С 1 декабря, когда истекает срок действия первоначальных скидок, цены на Carbon удвоятся. Тогда Carbon будет стоить $4 за вход и $20 за выход. В этот момент Neon ($3/$15) станет дешевле Carbon, но останется дороже Hydrogen.
Такая стратегия ценообразования создает путаницу. Разработчики, которые только начинают работу с Gemini 4, могут выбрать Neon, думая, что это «золотая середина», не понимая, что Carbon сейчас стоит дешевле, а через месяц станет значительно дороже. Это требует от команд постоянного мониторинга цен и гибкого планирования бюджетов.
03Практическое тестирование: Pelicans и Three.js
Цифры — это хорошо, но как ведет себя модель на практике? Чтобы оценить качество генерации кода и креативность Neon, я провел серию тестов. Ранее я уже тестировал модели Hydrogen, Argon и Carbon, используя набор задач, которые я называю «Pelicans» (из-за специфического стиля запросов, связанных с анимацией пеликанов). Для Neon я также запустил эти тесты, варьируя уровень усилий (effort level): низкий, средний и высокий.

Результаты показали, что Neon действительно занимает промежуточное положение. В задачах, где требуется базовое понимание контекста, Neon справляется лучше Hydrogen, но уступает Carbon в глубине анализа. Однако в задачах, требующих сложного кода, разница между Neon и Carbon становится менее очевидной, особенно при использовании высокого уровня усилий.
На обновленной сетке сравнений (см. изображение выше) можно увидеть, что результаты Neon для «пеликанов» выглядят лучше, чем у Hydrogen, но хуже, чем у Carbon. Это подтверждает позиционирование Neon как модели среднего класса, но с потенциалом, близким к флагману, при правильном использовании параметров.
04Тест на генерацию кода: Yonkers Rising
Чтобы проверить способность Neon генерировать сложный код, я использовал промпт, который ранее применял для других моделей. Задача была следующей: создать анимацию на Three.js, где персонаж Yonkers превращается в большого меха, выполняет крутое движение подъема, а затем топает по Манхэттену, Куинсу и Бруклину, используя данные OpenStreetMap.
Я отправил этот запрос в Google Antigravity с уровнем усилий «extra» (дополнительный). Результат был впечатляющим. Neon справился с задачей, сгенерировав рабочий код, который учитывал географические данные и создавал плавную анимацию. Конечно, код потребовал небольшой доработки, но это ожидаемо для любой LLM. Главное, что архитектура была правильной, и модель поняла контекст сложной 3D-анимации.
Этот тест показывает, что Neon способен справляться с задачами, которые ранее были прерогативой Carbon. Для разработчиков, которые не хотят переплачивать за Carbon (особенно после декабря), Neon становится привлекательной альтернативой для задач, требующих генерации кода.
05Что это значит на практике
Для разработчиков и компаний, использующих Google AI, ситуация с Gemini 4 Neon требует пересмотра стратегий. Вот несколько ключевых выводов:
- Не спешите с миграцией. Если вы используете Carbon, сейчас у вас есть возможность сэкономить 50% до 1 декабря. Если вы только начинаете, оцените, нужен ли вам Carbon. Для многих задач Neon будет достаточным и более дешевым вариантом.
- Argon — загадка. Модель Argon остается в тени. Ее цена не изменилась, но она не упоминается в новых материалах. Возможно, Google планирует ее обновить или убрать. Пока что она выглядит как «мертвая душа» в линейке.
- Neon — новый баланс. Neon предлагает хороший баланс между ценой и качеством. После 1 декабря она станет дешевле Carbon, что сделает ее идеальным выбором для большинства задач, не требующих максимальной глубины рассуждений.
- Тестируйте, тестируйте, тестируйте. Не верьте маркетингу. Проведите свои тесты с помощью промптов, характерных для вашего проекта. Используйте уровень усилий «extra» для критически важных задач.
В конечном итоге, Google продолжает экспериментировать с моделью ценообразования, что дает разработчикам больше выбора, но и больше ответственности за оптимизацию затрат. Gemini 4 Neon — это не просто еще одна модель, это сигнал о том, что рынок AI становится все более сегментированным, и успех будет зависеть от умения правильно выбирать инструменты под конкретные задачи.
Мы продолжим следить за обновлениями от Google и будем проводить дополнительные тесты, чтобы помочь вам сделать осознанный выбор. Следите за нашими обновлениями, чтобы быть в курсе последних изменений в мире больших языковых моделей.
Источник: Simon Willison ↗
