Google lancia il nuovo modello Gemini 4 Neon: il costo per token raddoppia
Il nuovo modello di Google è secondo nel Vals Index: per scegliere conta anche la spesa per completare un compito


Gemini 4 Neon ha tariffe doppie rispetto a Gemini 4 Hydrogen, eppure nel confronto indipendente Vals Index costa circa il 25% in meno per test. È il dato più interessante del nuovo modello di intelligenza artificiale (AI) di Google: suggerisce che, per scegliere un assistente da usare al lavoro, il listino da solo può essere fuorviante.
Annunciato da Google il 18 novembre 2026, Neon è pensato per sviluppare software, lavorare sui documenti e affrontare problemi scientifici. Arriva dopo Argon, Carbon e Hydrogen: quattro modelli Gemini 4 presentati al pubblico nell’arco di 36 giorni. Un ritmo che rende più difficile capire quando convenga davvero cambiare strumento.
Google ha avviato la distribuzione attraverso la Gemini API, l’interfaccia con cui le applicazioni possono usare il modello, e strumenti come AI Studio e Gemini for business. Nell’app Gemini e in Antigravity, l’ambiente Google per lo sviluppo assistito, l’accesso annunciato riguarda gli abbonati Google AI Pro e Ultra. Le tariffe per token non vanno quindi confuse con il prezzo dell’abbonamento all’assistente.
In questo articolo
Il prezzo dei token rappresenta solo una parte della spesa
I token sono le unità con cui un modello elabora le informazioni: nel testo corrispondono a parole o parti di parole. Chi accede al modello tramite API paga generalmente sia i token in ingresso, cioè il materiale fornito, sia quelli in uscita, prodotti dal modello. Neon costa rispettivamente 3 e 15 dollari per milione di token, contro 1,50 e 7,50 dollari di Hydrogen.
Il conto finale, però, dipende anche da quanti token vengono consumati per svolgere il lavoro. È un po’ come confrontare due professionisti soltanto dalla tariffa oraria, senza considerare quante ore servano a ciascuno per consegnare un risultato utilizzabile.
| Modello | Ingresso: dollari per milione di token | Uscita: dollari per milione di token | Costo per test nel Vals Index |
|---|---|---|---|
| Gemini 4 Hydrogen | 1,50 | 7,50 | 9,84 dollari |
| Gemini 4 Neon | 3 | 15 | 7,40 dollari |
Nel Vals Index di Vals AI, un benchmark, cioè un insieme standardizzato di prove, Neon raggiunge il secondo posto con il 70,87%, dietro Claude Fable 5.2 al 71,31%. Il suo costo per test è inferiore anche ai 10,51 dollari di Gemini 4 Carbon: in questa valutazione, quindi, combina un punteggio elevato con una spesa più contenuta rispetto agli altri due modelli Google.
L’indice comprende prove di finanza, programmazione, diritto e fisco, ponderate secondo il peso dei settori nel PIL statunitense. Non dimostra che Neon sia sempre il più conveniente, né misura direttamente il lavoro fiscale o legale italiano; mostra però perché scartarlo soltanto per il prezzo unitario sarebbe una scelta poco informata.
Un milione di token per lavorare su materiali diversi
Neon può elaborare insieme testo, immagini, audio, video e documenti. Per esempio, si può usare per confrontare una registrazione con le slide e con un documento di progetto, anziché ricostruire manualmente i collegamenti fra materiali separati. Comprendere questi contenuti, però, non significa poter generare immagini, audio o video.
La finestra di contesto è il tavolo di lavoro del modello
Indica quanto materiale il modello può tenere a disposizione durante l’elaborazione. Per Neon è di 1.048.576 token, condivisi fra ingresso e uscita: non sono un milione per ciascuno. Avere un tavolo più grande permette di consultare più materiale insieme, ma non garantisce che ogni dettaglio venga interpretato correttamente.
Per chi sviluppa applicazioni, Neon supporta anche l’esecuzione di codice e il richiamo di funzioni esterne, cioè la possibilità di chiedere ad altri programmi di svolgere operazioni. Sono capacità utili per passare dalla semplice risposta a un’attività composta da più passaggi, ma rendono ancora più importante controllare il risultato: un errore iniziale può influenzare anche i passaggi successivi.
Quattro versioni di Gemini in 36 giorni
Argon è stato annunciato il 13 ottobre, Carbon è diventato disponibile al pubblico il 10 novembre, Hydrogen il 12 e Neon il 18. Per Carbon c’era già stato, due settimane prima, un accesso ristretto a un gruppo di difensori informatici attraverso il programma Fairwind: anche la parola “lancio”, quindi, può indicare momenti diversi.
Non c’è una necessità tecnica che imponga agli utenti di cambiare modello così spesso. Esistono però ragioni concrete per pubblicare aggiornamenti ravvicinati: migliorare le capacità, ridurre il consumo necessario per alcuni compiti e offrire combinazioni diverse di qualità e prezzo. La documentazione di Google DeepMind indica che Neon deriva da Carbon: non ogni nuovo nome corrisponde dunque a una ripartenza da zero.
È più utile leggere queste uscite come un catalogo in rapida evoluzione che come una successione in cui l’ultimo arrivo rende automaticamente inutili tutti i precedenti. Per Google significa poter proporre strumenti adatti a carichi di lavoro differenti e rispondere alla concorrenza; per i clienti comporta invece un costo di valutazione, perché ogni aggiornamento va provato sulle proprie attività.
Anche i prezzi richiedono attenzione alle date: Argon costa oggi 2 dollari per milione di token in ingresso e 10 in uscita, ma Google prevede di portarli a 4 e 20 dopo la promozione che termina il 30 novembre. Una classifica di convenienza può cambiare senza che cambi il modello.
La necessità di un eventuale aggiornamento è soggettiva
Per un’azienda o un professionista italiano, il confronto sensato consiste nel ripetere un piccolo insieme di attività reali e misurare spesa, qualità e tempo necessario per correggere le risposte. La scheda tecnica di Google DeepMind avverte che Neon può ancora produrre allucinazioni, cioè informazioni errate presentate come attendibili: una risposta economica che richiede una lunga revisione può diventare la scelta più costosa.
Il criterio da adottare è quindi il costo di un risultato verificato e utilizzabile, includendo il lavoro umano necessario per ottenerlo. Con quattro uscite così ravvicinate, è anche il modo migliore per evitare che il calendario di Google diventi il calendario dei propri aggiornamenti.
Potrebbe interessarti
Google rende più facile riprendere le ricerche di AI Mode dalla homepage
La barra laterale è in distribuzione globale su desktop e avvicina l’esperienza a quella di ChatGPT e Claude
Modelli AI·20 novembre 2026, 16:02Abbiamo veramente il controllo dei nostri agenti AI?
Editoriale·20 novembre 2026, 14:01Apple lavora a un agente AI a cui delegare compiti tra app e computer
Il progetto prevede accessi controllati e ambienti isolati per eseguire codice e agire per conto dell’utente
Modelli AI·20 novembre 2026, 11:10Un agente OpenAI crea uno script per spiare delle email, il suo compito era di scrivere un documento
È successo durante l’addestramento di un modello interno: gli script non sono stati eseguiti e nessuna email è partita
Modelli AI·20 novembre 2026, 08:56Siri Recap prende appunti al posto nostro, ma rinunciare alla nostra privacy vale questa comodità?
La beta per Apple Watch permette di programmare l’ascolto trasformando conversazioni in titoli e punti chiave
Strumenti & App·19 novembre 2026, 17:06La proposta italiana sui social lega l’accesso degli under 16 ai genitori
Sotto i 13 anni scatterebbe il divieto; dai 13 alla soglia dei 16 servirebbe un profilo collegato a un genitore
Società·18 novembre 2026, 09:52In USA, 403 datacenter consumano 82 TWh di ellettricità. I benefici giustificano i costi?
Uno studio stima consumi ed emissioni degli impianti
Società·17 novembre 2026, 10:36