# Ľahkosť ťažkého myslenia

> Google DeepMind uviedol Gemini 4 Neon – stredne veľký model, ktorý zvláda špičkový vývoj softvéru, vedecký výskum aj kybernetickú obranu za zlomok času a nákladov oproti vlajkovej lodi rovnakej generácie. Jeho príchod naznačuje tichší obrat v umelej inteligencii: od samotnej monumentálnej veľkosti k disciplinovanej každodennej práci.

- URL: https://ai-news-daily.xyz/sk/posts/lahkost-tazkeho-myslenia/
- Published: 2026-11-19
- Tags: models, agents, business, safety
- Author: Vygenerované AI (this text was generated by AI; see https://ai-news-daily.xyz/sk/about/#ai-disclosure)
- Publisher: [AI News Daily](https://ai-news-daily.xyz/sk/)

**Google DeepMind uviedol Gemini 4 Neon – stredne veľký model, ktorý zvláda špičkový vývoj softvéru, vedecký výskum aj kybernetickú obranu za zlomok času a nákladov oproti vlajkovej lodi rovnakej generácie. Jeho príchod naznačuje tichší obrat v umelej inteligencii: od samotnej monumentálnej veľkosti k disciplinovanej každodennej práci.**

Minulý utorok o jedenástej večer už bol kuchynský stôl chladný, keď som to s faktúrou za elektrinu vzdal. Vedľa lampy ležali štyri dokumenty vo formáte PDF od regionálneho dodávateľa, dva naskenované odpočty elektromera a tabuľka, v ktorej nijako nevychádzal náhly jesenný príplatok. Celú tú zmes som nahral do vlajkového uvažujúceho modelu a sledoval pulzujúci kurzor, kým v tme pukal radiátor. Ubehli tri minúty, potom štyri. Odpoveď, ktorá napokon prišla, bola dôkladná, zdvorilá a úplne neprimeraná chvíli – akoby ste zavolali nákladný rušeň, aby previezol tašku cez mesto. Kým douvažoval, stratil som niť vlastného argumentu a notebook som zaklapol.

## Architektúra strednej cesty

Práve toto drobné, dobre známe trenie – rozdiel medzi modelom dosť múdrym na riešenie ťažkej úlohy a modelom dosť rýchlym na bežný pracovný deň – sa Google 18. novembra 2026 pokúsil ovládnuť. V oznámení, pod ktorým je podpísaný Koray Kavukcuoglu, senior viceprezident Google DeepMind a hlavný architekt pre umelú inteligenciu v Googli, spoločnosť predstavila Gemini 4 Neon. V rozrastajúcej sa periodickej tabuľke rodiny Gemini 4 obsadzuje Neon zámerne samotný stred. Gemini 4 Carbon zostáva ťažkým strojom pre najdlhšie a najťažšie projekty, kým Gemini 4 Hydrogen zvláda svižné každodenné úlohy. Neon vznikol úpravou modelu Carbon, aby oba svety prepojil: ponúka hlboké viacstupňové uvažovanie pre zložitú, často sa opakujúcu prácu, no zároveň skracuje čakanie a znižuje účet.

Ekonomika modelu je čitateľná aj bez tlmočníka. Google stanovil cenu Neonu na tri doláre za milión vstupných tokenov – pri vstupoch uložených vo vyrovnávacej pamäti klesá na pätnásť centov, čo je 95-percentná zľava – a pätnásť dolárov za milión výstupných tokenov. Všetko pritom funguje v jednotnom kontextovom okne s kapacitou milión tokenov, ktoré naraz spracuje text, tabuľky, súbory PDF, zvuk aj video. Pri uvedení sa model súbežne sprístupnil cez rozhranie Gemini API v prostrediach Google AI Studio a Android Studio, v službe Gemini for business, v nástroji Google Antigravity pre platiacich predplatiteľov programov Pro a Ultra a priamo vo výbere modelov v aplikácii Gemini.

Podľa čísel z nezávislých hodnotení nešla nižšia hmotnosť na úkor úsudku. V rebríčku Artificial Analysis Intelligence Index získal Neon pri najvyššom nastavení uvažovania 61 bodov a obsadil celkovo tretie miesto, pričom skončil len za väčšími a pomalšími modelmi. V indexe Vals obsadil druhé miesto s výsledkom 70,9 %, čím sa zaradil priamo na Paretovu hranicu pomeru ceny a presnosti, a zároveň vyhral testy Legal Research Bench aj Tax Agent Bench. V hodnoteniach spoločnosti Surge AI zameraných na financie, účtovníctvo a tabuľkové modelovanie zvíťazil vo väčšine kategórií. V teste Chartography dosiahol 73,5 % pri čítaní hutných odborných grafov a v benchmarku Agents' Last Exam v1.1 sa so 75,8 % vyrovnal popredným modelom. V teste AutomationBench od Zapieru skončil prvý s výsledkom 56,3 %. V novom indexe Agent Arena, ktorý vychádza z viac ako 4 200 reálnych agentických relácií, debutoval Neon na druhom mieste na svete so skóre 1336 bodov. Druhý skončil aj v ovládateľnosti – teda v tom, ako čisto dokáže prijať opravu od človeka uprostred rozpracovanej úlohy.

Azda najzvláštnejšou skúškou dlhodobého úsudku je Vending-Bench 2 od Andon Labs. Ide o ročnú simuláciu, v ktorej autonómny agent spravuje zásoby, rokuje s dodávateľmi konajúcimi proti jeho záujmom, platí denné poplatky a snaží sa bez straty súdržnosti premeniť päťsto dolárov na ziskový biznis s predajnými automatmi. Neon v nej skončil celkovo prvý so zostatkom 16 843 dolárov. V tichších miestnostiach matematiky a technického výskumu viedol v benchmarkoch Terminal-Bench Science so 70,5 %, RiemannBench s 84,0 % a HLE-Diamond so 71,3 %.

Prví firemní testeri opisovali tento posun menej cez desatinné miesta v rebríčkoch a viac cez povahu samotného modelu. Thai Tran, produktový vedúci pre umelú inteligenciu v spoločnosti Glean, uviedol, že Neon sa celkovou kvalitou pracovných výstupov vyrovnal modelu Carbon alebo ho prekonal – pri trojnásobnej rýchlosti a šesťdesiatich percentách nákladov. Brandon Valafar zo spoločnosti Micro1 zaznamenal, že model obsadil prvé miesto v ich indexe Medical Index aj v internom benchmarku pre biologické vedy. Ešte ostrejší rozdiel pomenoval hlavný vedec firmy Quadrillion Trenton Chang. Začínajúci výskumník podľa neho spustí akýkoľvek experiment, ktorý mu dáte; skvelý výskumník sa neprestáva pýtať prečo. Neon bol prvým modelom, pri ktorom jeho tím videl, že sa bez dohľadu nevzdáva po neúspešných pokusoch, hľadá nové signály a prepracúva vlastné stratégie modelovania namiesto toho, aby pri zlých výsledkoch rezignoval. Andrew Carr, hlavný vedec a spoluzakladateľ spoločnosti Cartwheel, ho označil za dôsledného partnera pri inžinierstve strojového učenia aj pri návrhu architektúry – za model, ktorý prijíma spätnú väzbu a rešpektuje doterajší stav poznania.

## Kód, roje agentov a odmerané úsilie

Skutočným testovacím polygónom autonómnych agentov sa stal vývoj softvéru, v ktorom dokáže jediná neopatrná úprava spustiť reťazovú reakciu v stovke súborov. Google navrhol Neon tak, aby zvládal dlhé pracovné relácie s intenzívnym využívaním nástrojov – či už pracuje samostatne, alebo v prostredí Google Antigravity pôsobí ako rozvážny koordinátor, ktorý riadi súbežne pracujúcich podagentov postavených na modeli Hydrogen. V praxi to znamená menej zbytočného opakovaného čítania súborov, priebežné hlásenie postupu a spoľahlivé zhutňovanie dlhých kontextových okien bez toho, aby model zabudol, prečo vlastne repozitár otvoril.

V rebríčku Artificial Analysis Coding Agent Index obsadil Neon celkovo prvé miesto so skóre 58,6 bodu. V benchmarku Terminal-Bench 4.1 dosiahol 65,2 % a v teste FrontierCode 2.0 pri predvolenom vysokom nastavení uvažovania 46,2 %. V benchmarku SWE-sweep viedol v prostredí mini-SWE s výsledkom 12,8 %, no v Google Antigravity svoj výkon viac než strojnásobil na doteraz najlepších 39,0 %. Ukazuje sa tak, ako výrazne dnes výkon agentov závisí od obslužnej vrstvy postavenej okolo samotných váh modelu.

Aby Google ukázal, ako tieto percentá vyzerajú v pohybe, predviedol Neon pri riadení rojov agentov na úlohách hraničiacich s barokovou okázalosťou. V prostredí Antigravity napísal Neon od nuly freeridový lyžiarsky simulátor z pohľadu prvej osoby v technológii WebGL2 na základe skutočných výškových údajov z oblasti Mont Blancu a Chamonix – vyše 10 200 riadkov vlastných shaderov, 120-hertzovú fyziku lyží, dynamicky vyrezávané stopy, doskové lavíny aj priestorový zvuk bez jediného vopred pripraveného podkladu. Ďalší roj vyhľadal archívne fotografie a vytvoril interaktívnu trojrozmernú rekonštrukciu pracovne Alana Turinga číslo X.8 na King's College v Cambridgei z roku 1936, vrátane kaplnky King's Chapel za oknom a funkčného univerzálneho Turingovho stroja tikajúceho na jeho stole. Tretí roj vzal jedinú fotografiu a premenil ju na tabuľku v Google Sheets so stotisíc bunkami bez vložených obrázkov a bez skriptov Apps Script. Viac ako pol milióna živých tabuľkových vzorcov v nej počíta detekciu hrán, mapuje trojrozmernú hĺbku a presvetľuje scénu v šiestich interaktívnych režimoch.

Pod pôsobivým divadlom sa však skrýva praktický ovládač. Neon ponúka štyri úrovne uvažovania – nízku, štandardnú, predvolenú vysokú a najvyššiu (xhigh) –, vďaka ktorým si inžinierske tímy dokážu prispôsobiť výdavky na tokeny závažnosti problému. Pri predvolenej vysokej úrovni znižuje Neon náklady na jednu úlohu o 32 % v porovnaní s modelom Carbon a v benchmarkoch Vals Index a Agent Arena vychádza zhruba o 50 až 80 % lacnejšie než popredné konkurenčné modely najvyššej triedy. Aj pri nastavení xhigh, určenom na najzamotanejšie vedecké a inžinierske problémy, pracuje na jednu úlohu o viac než 36 % lacnejšie než konkurenčné modely na strope ich možností.

## Tichá disciplína obrany

Rýchlosť a nízka cena majú aj temnejšiu stránku: čokoľvek, čo zlacňuje prácu tvorcom, láka aj útočníkov. Google toto napätie rieši špecializovaným variantom Gemini 4 Neon for cyber, ktorý v najbližších dňoch sprístupní prevereným bezpečnostným tímom v rámci programu Fairwind.

Vo všetkých fázach kybernetickej obrany dosiahol model špičkové výsledky, pričom minul približne polovicu rozpočtu väčších konkurentov. Pri generovaní bezpečných webových backendov na najťažšej úrovni benchmarku AutoBaxBench dosiahol 76 %. V proaktívnom penetračnom testovaní na WebExploitBench v1.2 zaznamenal 51,26 % za polovičnú cenu oproti veľkým konkurenčným modelom. Pri hľadaní chýb v existujúcich repozitároch v teste SEC-bench Pro dosiahol 90,5 % a náklady na jednu úlohu znížil na polovicu. Keď na platforme ExploitGym overoval, či sú chyby skutočne zneužiteľné, vyrovnal sa špičkovým modelom s polovičnou spotrebou tokenov oproti Carbonu. A pri opravovaní prvotných príčin zraniteľností v benchmarku CWE-bench v2 od spoločnosti Collinear dosiahol 70,7 %, čo je o 3,4 percentuálneho bodu viac než Carbon. Zakladateľka Thoughtful Lab Karina Nguyen uviedla, že v ich kybernetických testoch Neon odhalil nenápadné zraniteľnosti, ktoré iné modely prehliadli, a spotreboval pritom len zlomok tokenov.

Rovnako výpovedné je, ako sa Google pokúsil merať zdržanlivosť. Rýchly agent, ktorý si skracuje cestu alebo si vymyslí, že test prešiel, je horší než pomalý. V internom testovaní v prostredí Google Antigravity zaznamenal Neon najnižšiu mieru vymýšľania si faktov v doterajšej histórii firmy. V benchmarku Terminal-Bench 4.0 sa vyrovnal Carbonu s nulovým podielom podvádzania a v testoch obchádzania pravidiel pri programovaní siahol po skratkách len v 2,45 % úloh, čo je najnižší údaj v celej sérii Gemini 4. V hodnoteniach agentickej bezpečnosti mal model len 0,09 % nesprávne zosúladených krokov a dosiahol 99,2-percentnú úspešnosť v teste poctivosti agenta. Obmedzenie zbytočného odmietania požiadaviek zároveň znamenalo, že model zamietol len 1,98 % oprávnených úloh v Terminal-Bench 4.0 a nula percent v Terminal-Bench Science. Na jednotlivých úrovniach úsilia kleslo neúplné plnenie úloh o 43 až 56 % a prekračovanie zadaných hraníc o 15 až 35 %. Pri preverovaní odolnosti voči nepriamemu prompt injection – teda podstrčeným škodlivým pokynom ukrytým na webových stránkach, v e-mailoch alebo v repozitároch s kódom – dosiahol Neon v kombinácii s ochrannými mechanizmami v reálnom čase na najvyššej úrovni uvažovania nulovú úspešnosť útokov (0,0 %) v benchmarku od Gray Swan.

Každá poctivá správa sa však musí na chvíľu zastaviť na konci tlačového oznámenia. Benchmarky sú čisté laboratóriá, zatiaľ čo skutočný internet je vrakovisko. Nulová úspešnosť útokov v ohraničenom teste znamená len toľko, že ochranné a kontrolné systémy Googlu obstáli v scenároch, ktoré pripravil Gray Swan. Nedokazuje však, že šikovne ukrytý škodlivý kód v málo známej knižnici s otvoreným zdrojovým kódom nikdy neprekĺzne popri agentovi bez dozoru o tretej ráno. Rovnako ani šestnásťtisíc dolárov zo simulovaného biznisu s automatmi v San Franciscu nezaručuje, že firemné finančné oddelenie môže prestať kontrolovať poznámky pod čiarou. Skutočnou mierkou Neonu nebudú grafy zo dňa uvedenia, ale jeho tichá spoľahlivosť o pol roka, keď opadne čaro novinky a záznamy o prevádzke narastú.

## Návrat k stolu

Pre bežných predplatiteľov v aplikácii Gemini je prísľub omnoho menej divadelný než trojrozmerná pracovňa z Cambridgea. Neon čerpá kontext z Gmailu a Dokumentov Google, vyzná sa v neprehľadných bločkoch aj hustých finančných tabuľkách, priamo na webe porovnáva ponuky rôznych dodávateľov a zvláda viacstupňové rutinné úlohy bez toho, aby už v polovici popoludnia vyčerpal limity používania.

Dnes ráno, skôr než sa ulica za oknom celkom prebudila, som na kuchynskom stole znova otvoril tie štyri súbory PDF od energetikov a spolu s naskenovanými fotografiami elektromera ich pretiahol do okna na zadanie pokynu. Tentoraz sa nekonalo žiadne dlhé bdenie nad blikajúcim kurzorom. Za pár sekúnd model odhalil zdvojený distribučný poplatok zo septembra, porovnal ho s presným údajom v kilowatthodinách vytlačeným nabok na fotke pivničného elektromera a napísal krátky, vecný list fakturačnému oddeleniu. Nič z tej chvíle nepôsobilo futuristicky ani veľkolepo. Pripomínalo to skôr okamih, keď stlačíte vypínač a žiarovka sa okamžite rozsvieti. A práve to – možno viac než akékoľvek prvé miesto v rebríčkoch – je skutočná správa za modelom Gemini 4 Neon: špičková umelá inteligencia konečne prestala žiadať celú miestnosť, aby sa zastavila a sledovala, ako premýšľa.

## Zdroje

Kavukcuoglu, Koray. Introducing Gemini 4 Neon. [https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/](https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/)

Google DeepMind. Gemini 4 Neon Model Card. [https://deepmind.google/models/model-cards/gemini-4-neon/](https://deepmind.google/models/model-cards/gemini-4-neon/)

Google DeepMind. Gemini 4 Neon Model Evaluation Methodology. [https://deepmind.google/models/evals-methodology/gemini-4-neon/](https://deepmind.google/models/evals-methodology/gemini-4-neon/)

Artificial Analysis. Google continues to accelerate its release cadence with Gemini 4. [https://artificialanalysis.ai/articles/gemini-4-neon-intelligence-gain](https://artificialanalysis.ai/articles/gemini-4-neon-intelligence-gain)

Vals AI. Vals AI: AI Benchmarks for Real-World Tasks. [https://www.vals.ai/home](https://www.vals.ai/home)

Vals AI. Vals Legal Index Leaderboard and Methodology. [https://www.vals.ai/benchmarks/legal_index](https://www.vals.ai/benchmarks/legal_index)

Andon Labs. Vending-Bench 2. [https://andonlabs.com/evals/vending-bench-2](https://andonlabs.com/evals/vending-bench-2)
