---
title: "Gemini 4 Neon đạt 59 điểm code, vượt mốc 55 của Gemini 4 Carbon"
description: "Gemini 4 Neon đạt 59 điểm Coding Agent Index so với 55 của Gemini 4 Carbon. Ở mức thinking High, chi phí mỗi việc của Neon thấp hơn Carbon 32%."
canonical: "https://200lab.io/blog/gemini-4-neon-co-gi-moi"
published: "2026-11-19T14:44:14Z"
updated: "2026-11-19T14:44:14Z"
authors: ["Mỹ Ngọc"]
tags: ["AI", "News"]
reading_minutes: 15
access: "public"
---

Google vừa tung ra Gemini 4 Neon vào ngày 18/11 theo giờ Mỹ. Theo Artificial Analysis, đây là model thứ tư thuộc họ Gemini 4 xuất hiện trong khoảng 7 tuần. Trong [bài công bố của Google](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/), hãng hướng Neon vào việc code phức tạp, phân tích sâu và nghiên cứu khoa học với tốc độ xử lý nhanh.

Mình chưa dùng thử Gemini 4 Neon. Toàn bộ thông tin và số liệu trong bài này mình tổng hợp từ công bố của Google cùng các bên đánh giá độc lập.

## Vị trí của Gemini 4 Neon so với Carbon, Hydrogen và các bản trước

Google chia việc cho từng model trong họ Gemini 4 khá rõ. Gemini 4 Carbon gánh các dự án khó và dài hơi nhất, còn Gemini 4 Hydrogen lo những việc cần tốc độ nhanh mỗi ngày. Gemini 4 Neon nằm ở phân khúc tầm trung: suy luận đủ sâu mà vẫn phản hồi nhanh với chi phí vừa phải. Theo model card của hãng, Neon được điều chỉnh từ Gemini 4 Carbon.

Trang 9to5Google cho biết Neon đã thay thế Gemini 4 Argon và Gemini 3.1 Pro trong app Gemini. Menu chọn model trên app bây giờ gồm:

- Chế độ Auto tự động chọn model theo câu hỏi.
- Gemini 4 Hydrogen cho các việc nhanh hằng ngày.
- Gemini 4 Neon cho việc phân tích sâu.
- Gemini 4 Carbon cho việc code khó và dự án phức tạp.

Trước đây, Google chỉ mở bản Carbon cho một nhóm nhỏ chuyên gia an ninh mạng, bạn có thể xem lại trong [bài về Gemini 4 Carbon](https://200lab.io/blog/gemini-4-carbon-cybersecurity-model) trên blog 200Lab. Hiện tại, người dùng gói Google AI Ultra đã được dùng Carbon ngay trong app Gemini. Còn Gemini 4 Neon mở cho cả người mua gói Google AI Pro lẫn Google AI Ultra, và bản Hydrogen mở cho toàn bộ người dùng.

Trên bảng điểm Artificial Analysis Intelligence Index do Google trích dẫn, Gemini 4 Neon đạt 61 điểm, cao hơn mức 60 điểm của Gemini 4 Carbon và 54 điểm của Gemini 4 Hydrogen.

## 4 mức thinking level và context window 1 triệu token

Khi gọi Gemini 4 Neon, bạn có thể chọn một trong bốn mức thinking level gồm Low, Medium, High và Extra High hay xhigh, với High là mặc định. So với Gemini 4 Carbon chỉ có ba mức thinking là low, medium và high, Gemini 4 Neon có bốn mức với việc bổ sung thêm mức Extra High (xhigh). Theo Artificial Analysis, mức xhigh này đã xuất hiện trên dòng Gemini từ bản Hydrogen trước đó.

Google giải thích là các thinking level trên Neon tăng đều nhau. Nhờ vậy, dev dễ chỉnh độ sâu suy luận và lượng token tiêu thụ sao cho khớp với độ khó của từng việc.

Theo [model card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Neon-Model-Card.pdf) của Gemini 4 Neon, model này nhận context window tối đa 1 triệu token, tính gộp cả đầu vào lẫn đầu ra. Ở chế độ mặc định, mỗi lần trả lời model tạo tối đa 64 nghìn output token. Nếu bạn bật chế độ giải mã dài chạy nền thì giới hạn trả lời kéo lên tới 1 triệu output token.

Bạn có thể đưa cho Neon cả văn bản, hình ảnh, âm thanh lẫn video. Toàn bộ kiến thức của model dừng ở tháng 3/2026.

## Benchmark Gemini 4 Neon theo Google: so với Claude Opus 5.5 và GPT-6.2 Sol

Trong bảng công bố, Google so sánh Gemini 4 Neon với Claude Opus 5.5 và GPT-6.2 Sol. Hãng không đưa GPT-6.2 Astra và Claude Fable 5.2 vào bảng này.

Dưới đây là điểm số ở một số bài đo chính theo số liệu Google công bố:

- Trên bảng Artificial Analysis Index, Gemini 4 Neon đạt 61 điểm, cao hơn mức 59 điểm của Claude Opus 5.5 và 57 điểm của GPT-6.2 Sol.
- Ở bài đo Vals Index, Neon đạt 70,9%, nhỉnh hơn mức 70,1% của Claude Opus 5.5 và bỏ xa mức 66,1% của GPT-6.2 Sol.
- Với bài đo tự động hóa AutomationBench của Zapier, Neon dẫn đầu ở mức 56,3%, cao hơn mức 42,5% của Claude Opus 5.5 và 41,3% của GPT-6.2 Sol.
- Tại bài thi khó cho agent là Agents' Last Exam, Neon đạt 75,8%, vượt qua mức 73,0% của GPT-6.2 Sol lẫn 71,6% của Claude Opus 5.5.

Dù vậy, không phải hạng mục nào trong bảng của Google thì Neon cũng đứng nhất. Ở bài đo Terminal-Bench 4.1, Claude Opus 5.5 đạt 65,8%, cao hơn mức 65,2% của Gemini 4 Neon. Sang bài code FrontierCode 2.0, Claude Opus 5.5 đạt 47,3%, vượt mức 46,2% của Neon, còn ở bài đọc biểu đồ Chartography, GPT-6.2 Sol đạt 75,1%, cao hơn mức 73,5% của Neon.

Bù lại, khi làm việc với lượng dữ liệu lớn, model mới của Google có ưu thế rõ. Trên bài test GraphWalks với độ dài từ 256 nghìn đến 1 triệu token, Gemini 4 Neon đạt 95,2%, cao hơn mức 80,1% của GPT-6.2 Sol và 66,8% của Claude Opus 5.5.

![Bảng benchmark Google công bố: Gemini 4 Neon so với Claude Opus 5.5 và GPT-6.2 Sol. Nguồn: Google.](https://assets.200lab.io/sha256/48/4861c5f99275821c415517bcb5eeb23f2433ade78d3a7aa471af5f222f488b81/generations/425422ff5455a7f57028b0469a58eadf3580d43c0e9786ed3f565b3437d21189)

Google cũng nhắc nhiều tới chi phí chạy model. Ở mức thinking High mặc định, chi phí mỗi việc của Neon thấp hơn 32% so với Gemini 4 Carbon. Khi so với các frontier model đối thủ trên bảng Vals Index và Agent Arena, chi phí mỗi việc của Neon ở mức High thấp hơn khoảng 50% đến 80%. Ngay cả khi đẩy Neon lên mức xhigh, chi phí mỗi việc vẫn thấp hơn ít nhất 36% so với các model cạnh tranh chạy ở mức cao nhất.

![Điểm Artificial Analysis Intelligence Index theo chi phí mỗi việc ở các mức thinking của Neon, so với Carbon, Claude Opus 5.5 và GPT-6.2 Sol. Nguồn: Google.](https://assets.200lab.io/sha256/b5/b5dfd1e987d56f21e6999d129543f46c302dad85fff28aada15114b4e1ecd213/generations/507761ba791e7e02247943af2e229329150359a33a66071746d59c69fbe949fb)

Khi dẫn lại thông tin từ Google, GitHub cũng chia sẻ thêm một vài cải tiến lúc code. So với Gemini 4 Carbon, Neon bắt đầu trả lời nhanh hơn và ít tự ý sửa những đoạn code bạn không yêu cầu. Model cũng bớt đưa ra các khẳng định thiếu căn cứ về code, công cụ hay kết quả test.

Trong đợt test nội bộ trên Google Antigravity, Google nói Neon có tỉ lệ bịa thông tin thấp nhất từ trước tới nay so với các model của hãng. Trên bảng Agent Arena Index, Neon đứng thứ 2 về độ nghe lời khi người dùng đổi ý và sửa yêu cầu giữa chừng.

## Đánh giá độc lập: Gemini 4 Neon đứng sau GPT-6.2 Astra và Claude Fable 5.2 ở đâu

Để khách quan hơn, mình cùng xem thêm số liệu từ các bên benchmark độc lập. Ở đó có đo cả Claude Fable 5.2 lẫn bộ đôi model của OpenAI mà mình từng điểm qua trong [bài về GPT-6.2 Astra và Sol](https://200lab.io/blog/gpt-6-2-astra-sol-co-gi-moi).

Theo Artificial Analysis, khi bật mức xhigh, Gemini 4 Neon đạt 61 điểm trên bảng tổng sắp, cao hơn 1 điểm so với Gemini 4 Carbon ở mức high. Với kết quả này, Neon đứng hạng 3 toàn bảng, xếp sau GPT-6.2 Astra và Claude Fable 5.2 khi hai model đối thủ này bật mức thinking cao nhất.

Artificial Analysis bóc tách kỹ tốc độ và lượng token giữa hai model nhà Google. Khi chạy ở mức xhigh, Gemini 4 Neon hoàn thành một việc mất khoảng 21 phút, nhanh hơn mức khoảng 36 phút của Gemini 4 Carbon. Chi phí mỗi việc của Neon ở mức xhigh cũng thấp hơn khoảng 17% so với Carbon.

Tuy nhiên, trong mỗi việc, Neon tạo ra nhiều hơn Carbon khoảng 15% lượng output token. Tổng chi phí mỗi việc của Neon vẫn thấp hơn Carbon nhờ đơn giá token của Neon rẻ hơn 25% so với Carbon. Tương tự, thời gian chờ của Neon ngắn hơn Carbon nhờ tốc độ nhả chữ đạt khoảng 110 output token mỗi giây, nhanh gần gấp đôi mức 57 output token mỗi giây của Carbon.

Sang mảng lập trình với bảng Coding Agent Index của Artificial Analysis, Gemini 4 Neon ở mức xhigh khi chạy kèm Antigravity CLI đạt 59 điểm, dẫn đầu nhóm được đo. Điểm này cao hơn mức 58 điểm của Claude Fable 5.2 chạy trong Claude Code, mức 58 điểm của Claude Opus 5.5 và mức 55 điểm của Gemini 4 Carbon. Artificial Analysis tính toán chi phí mỗi việc trên bài đo này của Neon chỉ bằng khoảng một nửa so với Claude Opus 5.5 và chưa tới một nửa so với Claude Fable 5.2.

Một bên độc lập khác là Vals AI cũng vừa cập nhật bảng xếp hạng Vals Index:

- Claude Fable 5.2 đứng đầu bảng với 71,31%.
- Gemini 4 Neon đứng thứ hai với 70,87%.
- Claude Sonnet 5.5 đứng thứ ba với 70,85%.
- GPT-6.2 Astra xếp thứ tám với 67,66%.
- GPT-6.2 Sol xếp thứ mười với 66,06%.

Trên bảng này, ba model Gemini 4 gồm Neon, Carbon và Hydrogen cách nhau chưa tới 2,5 điểm.

Team phát triển công cụ code AI Cursor cũng tung ra kết quả benchmark CursorBench 4.1. Trên bảng này, Gemini 4 Neon ở mức Extra High đạt 65,4% và ở mức High đạt 63,7%. Cả hai mức này của Neon đều đạt điểm cao hơn mức 61,5% của Gemini 4 Carbon High, vượt cả mức 61,3% của Claude Fable 5.2 Max lẫn 58,1% của Claude Opus 5.5 Max.

## Dùng Gemini 4 Neon ở đâu: từ app Gemini, AI Studio tới Cursor và GitHub Copilot

Google đã đưa Gemini 4 Neon lên hầu hết các công cụ quen thuộc ngay trong ngày ra mắt:

- **Trên app Gemini:** Người dùng gói Google AI Pro và Google AI Ultra chọn được ngay Neon từ menu model. Tính năng Tasks trong Gemini cũng đã chạy được trên Neon để làm việc nhiều bước.
- **Google AI Studio và Android Studio:** Dev gọi được model qua Gemini API trả phí. Người có gói Google AI Pro và Ultra cũng dùng thử được Neon ngay trong Google AI Studio.
- **Google Antigravity:** Mở cho người dùng gói Google AI Pro và Ultra trên cả desktop app, CLI lẫn extension trong các IDE. Với tính năng Orchestrator trên Antigravity, bạn có thể gộp hai model trong cùng một prompt: dùng Gemini 4 Neon lên kế hoạch rồi giao cho Gemini 4 Hydrogen chạy các bước nhỏ.
- **Khối doanh nghiệp:** Đã có trong Gemini for business.
- **GitHub Copilot:** Mở dần cho các gói Copilot Pro+, Max, Business và Enterprise. Bạn chọn được Neon trong model picker trên VS Code, Visual Studio, Copilot CLI, chế độ coding agent, trang github.com, các IDE của JetBrains và Xcode, chi phí tính theo biểu giá của nhà cung cấp.
- **Cursor:** Gemini 4 Neon đã có trong menu chọn model.

Google hé lộ thêm bản chuyên biệt Neon for cyber sẽ mở cho các thành viên thuộc Fairwind Program trong vài ngày tới.

## Những điều cần để ý trước khi chuyển sang Gemini 4 Neon

Google cũng đưa ra nhiều con số về độ an toàn của model. Gray Swan có bài đo về tấn công prompt injection gián tiếp, tức kiểu kẻ xấu giấu lệnh độc hại trong trang web, email, tài liệu hay file code để lừa agent. Ở bài test này, Neon phòng thủ khá tốt.

Theo biểu đồ của Google, khi bật lớp bảo vệ thời gian thực kèm thinking level cao nhất, tỉ lệ bị tấn công thành công của Gemini 4 Neon là 0,0%. Con số này thấp hơn mức 2,3% của GPT-6.2 Sol, 2,4% của GPT-6.2 Astra và 4,1% của Claude Fable 5.2 trên cùng bài test.

![Gray Swan IPI: tỉ lệ tấn công prompt injection gián tiếp thành công, thấp hơn là tốt. Nguồn: Google.](https://assets.200lab.io/sha256/7d/7de822304e4c176b59e074fbbf9df30c51af76ad41284ec78ee4bd2fea7346e3/generations/4a99d27ab310a4f4345fa2a6483b77eaf2c092d40404288c49d38f90064142df)

Trên bài đo Terminal-Bench 4.0, Gemini 4 Neon chỉ từ chối nhầm 1,98% các việc hợp lệ. Trong bài test đo hành vi gian lận khi viết code, Neon tìm cách đi tắt ở 2,45% số việc, thấp nhất so với các model thuộc họ Gemini 4.

Dù vậy, đây đều là kết quả do Google tự đo và công bố. Bản Safety & Security Report đầy đủ theo lời Google phải vài ngày nữa mới xuất bản, và trong model card hiện tại, hãng vẫn cảnh báo Gemini 4 Neon có thể gặp ảo giác và bịa thông tin sai lệch.

Một điểm nữa dễ làm anh em dev tốn thêm chi phí là mức Extra High. Theo số liệu từ Cursor trên bài đo CursorBench, chi phí mỗi việc khi chạy Gemini 4 Neon ở mức Extra High lại đắt hơn so với chạy Gemini 4 Carbon ở mức High. Ở bài test của Cursor, chỉ khi hạ Neon xuống mức High thì chi phí mỗi việc mới rẻ hơn Carbon High. Bên cạnh đó, Artificial Analysis ghi nhận Neon dùng nhiều output token hơn Carbon cho cùng một việc.

## Gemini 4 Neon hợp với ai và cuộc đua model đang đi về đâu

Như đã nói ở đầu bài, mình chưa dùng thử Gemini 4 Neon trên dự án thực tế. Những chia sẻ dưới đây là góc nhìn của mình sau khi đọc bài công bố, xem model card và đối chiếu các bảng xếp hạng độc lập.

Theo mình, nếu bạn đang mua gói Google AI Pro mỗi tháng, Gemini 4 Neon là lựa chọn đáng giá để làm các việc nặng như phân tích tài liệu dài, xử lý bảng tính hay sửa code nhiều file. Lý do là ở gói Pro, bạn không chọn được bản Carbon vốn khóa riêng cho gói Ultra.

Khi dùng Neon để code hay làm agent, mình nghĩ bạn cứ giữ mức thinking High mặc định là vừa. Bạn chỉ nên bật mức Extra High cho những bài toán khó, bởi số liệu từ CursorBench chỉ ra rằng lạm dụng mức Extra High có thể làm chi phí mỗi việc cao hơn cả khi dùng Carbon High. Còn với mấy việc hỏi đáp hay tóm tắt nhanh hằng ngày, bạn cứ chuyển về Gemini 4 Hydrogen.

Google đã đưa Neon xuống cả gói trả phí Pro chứ không chỉ giữ độc quyền ở gói Ultra. Nhờ vậy, người mua gói Pro với mức phí thấp hơn gói Ultra vẫn được xài model đạt 61 điểm trên bảng benchmark của Artificial Analysis, cao hơn mức 60 điểm của bản Carbon. Google cũng xác nhận nếu bạn chuyển Tasks trong app Gemini sang chạy trên Gemini 4 Neon, hạn mức của gói sẽ dùng được lâu hơn so với khi chạy trên các model có kích thước lớn hơn Neon.

Nhìn rộng ra thị trường, lịch ra mắt model mới của các hãng đang bám đuổi nhau từng ngày. Anthropic tung Claude Fable 5.2 ngày 09/11, OpenAI ra dòng GPT-6.2 ngày 17/11, và hôm sau 18/11 thì Google đưa Gemini 4 Neon ra trận.

Trên bảng Intelligence Index của Artificial Analysis, Gemini 4 Neon xếp hạng 3, đứng sau GPT-6.2 Astra và Claude Fable 5.2. Nhưng sang mảng code, Neon đạt 59 điểm ở Coding Agent Index, vượt mức 58 điểm của Claude Fable 5.2 mà chi phí mỗi việc chưa tới một nửa model này. Trên bài đo CursorBench 4.1 (vốn không đo GPT-6.2 Astra), điểm của Neon cũng cao hơn Claude Fable 5.2 Max.

Theo mình, cả Google, OpenAI lẫn Anthropic lúc này đều chuyển sang đua tối ưu tỉ lệ điểm số trên chi phí, chứ không chỉ khoe một model mạnh nhất nhưng đắt và chậm hơn các bản tầm trung. Mình đoán sắp tới, những model vừa đủ mạnh vừa có chi phí vừa phải như Gemini 4 Neon hay GPT-6.2 Sol sẽ trở thành lựa chọn mặc định cho phần lớn người dùng và các hệ thống agent, còn các model đầu bảng chỉ được gọi khi gặp việc quá phức tạp.

Trước khi chuyển workflow sang model mới, bạn nên xem qua các con số từ Google lẫn kết quả benchmark độc lập của Artificial Analysis hay Vals AI. Với những việc quan trọng, bạn vẫn nên tự kiểm tra và chạy test lại kết quả do AI làm ra.

## Nguồn tham khảo

- [Introducing Gemini 4 Neon](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/), Google, 18/11/2026
- [Gemini 4 Neon Model Card](https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Neon-Model-Card.pdf), Google DeepMind, 11/2026
- [Gemini 4 Neon in Google Antigravity](https://antigravity.google/blog/gemini-4-neon-in-google-antigravity/), Google Antigravity Blog, 18/11/2026
- [Gemini 4 Neon in GitHub Copilot](https://github.blog/changelog/2026-11-18-gemini-4-neon-in-github-copilot/), GitHub Changelog, 18/11/2026
- [CursorBench 4.1](https://cursor.com/cursorbench), Cursor, cập nhật 18/11/2026
- [Google continues to accelerate its release cadence with Gemini 4 Neon](https://artificialanalysis.ai/articles/gemini-4-neon-intelligence-gain), Artificial Analysis, 18/11/2026
- [Vals Index](https://www.vals.ai/benchmarks/vals_index), Vals AI, cập nhật 18/11/2026
- [Google launches Gemini 4 Neon with Carbon quality at Flash speeds](https://9to5google.com/2026/11/18/gemini-4-neon-announcement/), 9to5Google, 18/11/2026
- [Google launches Gemini 4 Neon with Opus 5.5-level coding performance](https://venturebeat.com/technology/google-launches-gemini-4-neon-with-opus-5-5-level-coding-performance-at-25-lower-api-token-prices), VentureBeat, 18/11/2026

## Đọc thêm

- [GPT-6.2 Astra và GPT-6.2 Sol: làm nhiều việc hơn bản cũ trong cùng hạn mức](https://200lab.io/blog/gpt-6-2-astra-sol-co-gi-moi.md): GPT-6.2 Astra và Sol làm được nhiều việc hơn bản cũ trong cùng hạn mức gói. Sol cho việc hằng ngày, Astra cho việc khó; nhớ dặn model báo việc chưa làm được.
- [MausBot khác Grok Bot ở chỗ nào khi bạn đã trả phí Claude hoặc ChatGPT](https://200lab.io/blog/mausbot-khac-grok-bot-khi-da-tra-phi-claude-chatgpt.md): MausBot khác Grok Bot thế nào khi bạn đã trả phí Claude hoặc ChatGPT: app chat local-first, dùng subscription đã trả phí, tự chọn mức approval.
- [Dùng LLM-as-a-judge chấm output AI: khi nào tin được, khi nào không](https://200lab.io/blog/llm-as-a-judge-la-gi.md): LLM-as-a-judge là gì: dùng model chấm output theo rubric rồi đối chiếu nhãn tay; demo 12 câu CSKH với gpt-6-astra, temperature 0, khớp 10/12 trên bộ minh họa.
- [Gemini Decisions API: cổng chấm yes/no, choice và rubric của Google](https://200lab.io/blog/gemini-decisions-api.md): Gemini Decisions API chấm yes/no, chọn đáp án hoặc rubric kèm confidence trong một lượt. Google công bố latency 150-250 ms; bài tóm tắt từ docs, chưa gọi API.
- [Fine-tuning là gì? Khi nào chọn fine-tune, khi nào chọn RAG](https://200lab.io/blog/fine-tuning-la-gi.md): Fine tuning là gì: khi kiến thức hay đổi thì dùng RAG; muốn giữ format và giọng shop thì xét fine-tune hoặc LoRA.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt
