Was ist Gemini 4 Neon?
Google ordnet Neon zwischen dem schnellen Hydrogen und dem besonders aufwendige Aufgaben bearbeitenden Carbon ein. Argon gehört ebenfalls zur Modellfamilie und bleibt für anspruchsvolle Analysen und längere Entwicklungsaufgaben relevant. Welche Variante sinnvoll ist, hängt von deiner Aufgabe, der verwendeten Oberfläche und deinem Budget ab. [1], [2], [3]
Gemini 4 Neon ist ein multimodales KI-Modell von Google. Es kann unter anderem Texte, Tabellen, Diagramme und weitere Medien verarbeiten und daraus Antworten oder Arbeitsergebnisse erstellen. Google positioniert es für komplexe Softwareentwicklung, analytische Wissensarbeit und mehrstufige Arbeitsabläufe. Neon basiert auf Carbon und wurde für schnellere und effizientere Ausführung angepasst. [1], [5]
Für dich als Unternehmer ist vor allem die praktische Frage interessant: Kann das Modell bei einer Aufgabe Zeit sparen und zugleich ein Ergebnis liefern, das fachlich zu deinem Unternehmen passt? Genau hier unterscheiden sich die Einsatzgebiete der Modelle.
Google nennt für Neon ein Kontextfenster von einer Million Tokens. Darin kann das Modell größere Informationsmengen gemeinsam verarbeiten. Tokens sind Verarbeitungseinheiten; sie entsprechen weder exakt einem Wort noch automatisch einer vollständigen Seite. [1]
Hydrogen, Neon und Argon im direkten Vergleich
| Modell | Googles Schwerpunkt | Ein möglicher Einsatz |
|---|---|---|
| Gemini 4 Hydrogen | Schnelle und effiziente Ausführung | Texte strukturieren, einfache Codeänderungen, wiederkehrende Aufgaben |
| Gemini 4 Neon | Tiefere Analyse und komplexes Coding bei effizienter Ausführung | Mehrere Dokumente vergleichen, komplexere Funktionen entwickeln, Daten auswerten |
| Gemini 4 Argon | Anspruchsvolles Reasoning und längere Entwicklungsaufgaben | Architekturentscheidungen vorbereiten, umfangreiche Codebasis analysieren |
| Gemini 4 Carbon | Besonders schwierige Aufgaben mit langem Bearbeitungshorizont | Umfangreiche technische Projekte und anspruchsvolle Forschung |
Die Tabelle zeigt eine praktische Orientierung. Auch Hydrogen kann mehrere Schritte selbstständig bearbeiten, und Neon eignet sich für alltägliche Aufgaben. Für den tatsächlichen Vergleich zählen deine Daten, die Aufgabenstellung und das geprüfte Ergebnis. [1], [2], [3]
Grafik als Text lesen
Die Grafik ordnet vier Modelle nach ihrem Schwerpunkt und möglichen Aufgaben ein.
Hydrogen
Schnelle Alltagsaufgaben wie erste Entwürfe und einfache Codeänderungen.
Neon
Tiefere Analysen, Dokumente, komplexes Coding und mehrstufige Workflows.
Argon
Anspruchsvolles Reasoning, etwa für Architektur und eine komplexe Codebasis.
Carbon
Besonders schwierige langfristige Aufgaben, darunter umfangreiche Coding-Projekte.
Mehr über die Bedeutung von Hydrogen für die Google-Suche liest du in meinem Artikel Gemini 4 Hydrogen für SEO, GEO und Webdesign. Hier geht es vor allem darum, welches Modell du für welche Arbeit einsetzen kannst.
Was kann Gemini 4 Neon im Alltag leisten?
1. Dokumente und Daten gemeinsam auswerten
Du hast mehrere Angebote, eine Tabelle mit Kennzahlen und Gesprächsnotizen? Neon kann die Informationen zusammenführen und beispielsweise Unterschiede, offene Fragen oder widersprüchliche Angaben herausarbeiten.
Auch für SEO-Projekte kann das hilfreich sein: Ein Modell kann exportierte Suchdaten, eine Seitenliste und ein Briefing miteinander vergleichen. Die Interpretation bleibt eine fachliche Aufgabe: Eine sinkende Kennzahl allein erklärt noch nicht, warum sie gesunken ist.
2. Websites und Code weiterentwickeln
Bei der Webentwicklung kann Neon bestehende Dateien analysieren, Änderungsvorschläge erstellen und – abhängig von der Umgebung und den vergebenen Rechten – auch Werkzeuge oder Tests ausführen.
Ein praktisches Beispiel: Eine neue FAQ soll sich in eine bestehende Website einfügen. Die KI kann vorhandene Komponenten berücksichtigen, einen Vorschlag entwickeln und mögliche Fehler suchen. Ob Darstellung, Barrierefreiheit, Inhalt und Funktion wirklich passen, prüfst du anschließend selbst.
3. Mehrstufige Aufgaben bearbeiten
Ein agentischer Workflow besteht aus mehreren Arbeitsschritten: Das Modell plant eine Aufgabe, nutzt gegebenenfalls Werkzeuge und verarbeitet deren Ergebnisse weiter. Das kann vom Sammeln relevanter Informationen bis zum Erstellen eines überprüfbaren Entwurfs reichen.
Beispiel für ein Dienstleistungsunternehmen: Kundenfragen sammeln, bestehende Website-Inhalte zuordnen, fehlende Antworten identifizieren und einen Vorschlag für eine neue FAQ erstellen. Die Fachperson ergänzt Details und prüft die Aussagen vor der Veröffentlichung.
Grafik als Text lesen
Die Grafik zeigt drei Schritte von der Aufgabe bis zum geprüften Ergebnis.
1. Aufgabe klären
Ziele und Daten zusammenführen; Neon kann bei komplexen Analysen unterstützen.
2. Lösung erstellen
Entwürfe oder Code schrittweise erarbeiten; beispielsweise mit Hydrogen für schnelle Aufgaben und Neon für komplexeres Coding.
3. Ergebnis prüfen
Aussagen, Funktionen und Quellen kontrollieren und das Ergebnis fachlich freigeben.
Gemini 4 Neon in Google Antigravity: Mein Einblick
Als ich Google Antigravity geöffnet habe, wurde mir der Hinweis auf Gemini 4 Neon direkt in der Entwicklungsumgebung angezeigt. Google beschreibt Neon dort als ausgewogene Kombination aus Leistungsfähigkeit, Kosten und Geschwindigkeit.
Auch die Modellauswahl zeigt, wie sich Googles Modelle im Entwicklungsalltag kombinieren lassen. In meiner Ansicht sind unter anderem Neon, Argon und Hydrogen sowie Orchestrator-Varianten aufgeführt. Zum Zeitpunkt des Screenshots war Hydrogen ausgewählt; das geöffnete Menü zeigt die Einstellungen für Neon.
Meine Erfahrung: Modellwahl und Nutzungslimit im Alltag
Für einfache Codeverbesserungen auf einer einzelnen Seite, Sitemap-Aktualisierung und dergleichen nutze ich häufig Hydrogen. Bei seitenübergreifenden Anpassungen braucht das Modell in meiner Erfahrung manchmal länger, etwa wenn eine bestimmte Stelle in mehreren Dateien gesucht und ersetzt werden soll. In solchen Fällen breche ich den Vorgang bei Bedarf ab und nutze die Suchfunktion mit regulären Ausdrücken (Regex). Damit finde und ersetze ich passende Stellen für diese Aufgabe deutlich schneller.
Argon setze ich dagegen gezielt ein: In meinem Pro-Abo können wenige Prompts bereits ausreichen, um das Fünf-Stunden-Limit zu erreichen. Daher finde ich ein Zwischenmodell wie Neon interessant: Es eröffnet eine weitere Wahlmöglichkeit zwischen Hydrogen und dem sparsam eingesetzten Argon. Wie sich Neon bei meinen konkreten Aufgaben schlägt, werde ich noch prüfen.
Der reguläre Preis für Google AI Pro liegt bei etwa 22 Euro pro Monat. Über einen Studententarif bezahle ich derzeit rund 6 Euro monatlich; davor hatte ich ein Jahr lang kostenlosen Zugang über den Studententarif. Die verfügbaren Modelle und Nutzungskontingente können sich je nach Tarif und Zeitpunkt unterscheiden.
Den Orchestrator (Neon) habe ich mittlerweile getestet - pro Prompt ala 'Hier Findings aus einem aktuellen PageSpeed Test - empfehle Quick-wins ohne Architektureingriff und zeige mit im Code auf, was du warum ändern würdest' werden grob 10% vom 5-Stunden-Limit verbraucht. Den Orchestrator (Argon), der Modelle innerhalb eines Arbeitsablaufs kombiniert, habe ich bisher noch nicht eingesetzt. Ich plane, ihn demnächst zu testen. Für einen aussagekräftigen Vergleich möchte ich dieselbe Aufgabe mit denselben Ausgangsdaten an mehrere Modelle geben und Ergebnis, benötigte Korrekturen und Aufwand gegenüberstellen.
Was bedeuten die Thinking-Stufen?
Die Thinking-Stufe steuert, wie viel Rechenaufwand ein Modell für die Bearbeitung einer Anfrage einsetzen darf. Eine einfache Zusammenfassung braucht häufig weniger aufwendige Verarbeitung als die Analyse eines größeren Softwarefehlers.
In meiner Antigravity-Ansicht stehen bei Neon Low, Medium, High und Extra. Google beschreibt für Neon vier Abstufungen und nennt in seiner technischen Darstellung die höchste Einstellung xhigh. Welche Bezeichnungen und Stufen du auswählen kannst, hängt von der Oberfläche ab: Die Gemini-App-Hilfe nennt beispielsweise Low, Medium und High. [1], [4]
Für die Praxis empfehle ich:
- Einfach starten: Eine niedrigere Stufe für überschaubare Aufgaben ausprobieren.
- Bei Bedarf erhöhen: Wenn Zusammenhänge fehlen oder die Aufgabe komplexer wird, eine höhere Stufe testen.
- Ergebnis prüfen: Eine höhere Stufe ersetzt keine fachliche Kontrolle.
Höhere Einstellungen können mehr Nutzungskontingent beziehungsweise Rechenaufwand beanspruchen. [1], [4]
Was kosten Gemini 4 Neon, Hydrogen und Argon?
Wichtig ist die Unterscheidung zwischen Gemini-App beziehungsweise Antigravity und der API: Ein Abo für eine Benutzeroberfläche ist nicht automatisch gleichbedeutend mit unbegrenzter API-Nutzung.
Für die API nennt Google folgende Preise pro eine Million Tokens:
| Modell | Eingabe | Ausgabe | Einordnung |
|---|---|---|---|
| Hydrogen | 1,50 US-Dollar | 7,50 US-Dollar | Regulär genannte Preise |
| Neon | 3 US-Dollar | 15 US-Dollar | Regulär genannte Preise |
| Argon | 2 US-Dollar | 10 US-Dollar | Einführungspreise bis 30. November 2026 |
| Argon ab 1. Dezember 2026 | 4 US-Dollar | 20 US-Dollar | Von Google angekündigte Preise nach der Einführungsphase |
Stand: 19. November 2026. Preise und Verfügbarkeit können sich ändern; je nach Plattform, Caching und Nutzung gelten zusätzliche Bedingungen. [1], [2], [6]
Ein einfaches Beispiel: Bei 100.000 Eingabe- und 20.000 Ausgabetokens ergeben sich rechnerisch rund 0,30 US-Dollar für Hydrogen, 0,60 US-Dollar für Neon und während der Einführungsphase 0,40 US-Dollar für Argon. Das Beispiel betrachtet ausschließlich diese Tokenmengen zum genannten Tarif.
Die Kosten pro Aufgabe hängen davon ab, wie viele Tokens einschließlich der benötigten Verarbeitung tatsächlich anfallen. In Googles ausgewertetem Benchmark kostete eine Aufgabe mit Neon auf der Stufe High durchschnittlich 32 Prozent weniger als mit Carbon. Dieser Wert bezieht sich auf den genannten Vergleich und lässt sich nicht pauschal auf jedes Projekt übertragen. [1]
Wo kann ich Neon nutzen?
Google rollt Neon unter anderem für folgende Angebote aus: [1], [5]
- Gemini-App: für Google AI Pro und Ultra.
- Google Antigravity: für berechtigte Pro- und Ultra-Abonnenten.
- Gemini API: im kostenpflichtigen API-Tarif.
- Gemini for business: je nach Zugang über API oder Modellauswahl.
Hydrogen bietet Google breiter an, unter anderem auch für kostenlose Nutzer in unterstützten Produkten. Welche Funktionen konkret sichtbar sind, hängt von Produkt, Tarif, Region und Nutzungslimit ab. Bei Firmen- und Schulkonten spielen zusätzlich die jeweiligen Workspace-Lizenzen eine Rolle. [2], [4]
Die aktuelle Gemini-App-Hilfe nennt Hydrogen, Neon und Carbon. Wenn Argon in deiner Antigravity-Auswahl erscheint, bedeutet das daher nicht automatisch, dass es auch in jeder Gemini-App-Auswahl verfügbar ist. [4]
Was bedeutet Neon für SEO und GEO?
Neon kann dich bei SEO- und GEO-Aufgaben unterstützen: etwa beim Strukturieren von Kundenfragen, Vergleichen vorhandener Inhalte oder Auswerten größerer Datenbestände. Es kann auch bei der technischen Arbeit helfen, zum Beispiel beim Prüfen von Vorlagen oder Entwickeln kleiner Werkzeuge.
Ein KI-Modell ist aber kein Rankingfaktor. Entscheidend ist, ob deine veröffentlichten Inhalte und deine Website für Menschen nützlich, technisch zugänglich und fachlich verlässlich sind. Google empfiehlt auch für KI-generierte Inhalte, den Mehrwert für Nutzer in den Mittelpunkt zu stellen. [7]
Für die Optimierung deiner Sichtbarkeit in KI-Antworten verbinde ich deshalb technische Grundlagen, verständliche Inhalte und fachliche Prüfung.
So findest du das passende Modell
Starte mit deinem konkreten Ziel: Möchtest du einen ersten Entwurf, ein komplexes Problem analysieren oder Code in einer größeren Umgebung ändern?
- Schnelle Routine: Teste Hydrogen für erste Entwürfe, einfache Auswertungen oder klar umrissene Aufgaben.
- Mehr Tiefe und Umsetzung: Probiere Neon, wenn mehrere Informationen zusammenkommen oder ein anspruchsvollerer Workflow gefragt ist.
- Besonders schwierige Aufgaben: Vergleiche Argon oder Carbon, wenn die Aufgabe tiefes Reasoning oder längere Planung erfordert und das Modell in deiner Umgebung verfügbar ist.
Mein Tipp: Beurteile nicht nur, wie gut die erste Antwort klingt. Schau auch darauf, wie viele Nachfragen und Korrekturen du brauchst – und ob das Ergebnis zu deinem tatsächlichen Anwendungsfall passt.
Quellen und fachliche Grundlagen
Links und zugehörige Aussagen geprüft am 19.11.2026. Praxisempfehlungen sind als fachliche Einordnung formuliert.
- [1] Google: Introducing Gemini 4 Neon
- [2] Google: Introducing Gemini 4 Hydrogen
- [3] Google: Introducing Gemini 4 Argon
- [4] Google Gemini-Hilfe: About Gemini models
- [5] Google DeepMind: Gemini 4 Neon Model Card
- [6] Google: Gemini 4 Argon is now available
- [7] Google Search Central: Guidance about AI-generated content