今年のブラックフライデーは、もっとつくって、もっと売ろう。詳細を見る
本文へ移動
Gemini 4 Neon — シアンとアンバーに光る二つのコーディング機器
比較

Gemini 4 Neon と Claude Opus 5.5 を比較。コーディング性能と費用

同じエディターと各社のエージェントでの公開評価を比較します。合格パッチ当たりの費用から、切り替える条件を整理します。

EvoLink Team製品チーム
16 分
自動テストで検証できる反復的なコーディング作業は、Gemini 4 Neon の high で試します。既に安定しているリポジトリの作業フローでは、Claude Opus 5.5 を比較基準にします。 Neon は複数ファイルの修正で競争力があり、標準の入出力単価も低めです。切り替える前に、初回の合格率、レビュー時間、既存ツールが使えるかを測ります。 CursorBench 4.1 · Google API 料金 · Anthropic の料金

実際の開発環境で Gemini 4 Neon と Claude Opus 5.5 を比べる

現在の構成試すこと判断材料
一つのエディターで両モデルを選べるエディター、ツール、レビュー手順を固定してモデルを変える合格したパッチ、総費用、レビュー担当者の介入
チームが主に Claude Code を使っているClaude Code と Opus、Antigravity と Neon の構成全体を比べるリポジトリ内の指示、権限、作業の引き継ぎ
アプリから API で呼び出す同じタスク、許可済みツール、検証手順を使うツール実行の正しさ、パッチの有効性、失敗からの復帰
頻度が低くリスクの高い移行を扱っているNeon を過去事例の再実行か隔離ブランチで試す互換性チェックと手作業の手戻り
Claude Code と Antigravity を選ぶ場合は、ワークフロー全体を比較します。アプリが API を使う場合は、より多くの条件を固定できます。EvoLink 経由では同じタスクと合格条件を使い、メッセージ、ツールの結果、ストリーミングは各接続方式のガイドに従います。 EvoLink Claude Messages API · EvoLink Gemini ネイティブ API

二つのコーディング評価が測るもの

Artificial Analysis の Coding Agent Index では、Neon xhigh と Antigravity CLI の組み合わせが 59 点で平均 6.86 米ドル/タスク、Opus 5.5 max と Claude Code が 58 点で 12.61 米ドルでした。スコアは丸めた値で、モデルとツールの組み合わせ全体を評価しています。CursorBench 4.1 では同じエディター環境から別の比較ができます。 Artificial Analysis の評価
Artificial Analysis のコーディング評価。Antigravity CLI の Neon は丸めて 59 点で 1 タスク 6.86 米ドル、Claude Code の Opus 5.5 は 58 点で 12.61 米ドルでした。
Artificial Analysis のコーディング評価。Antigravity CLI の Neon は丸めて 59 点で 1 タスク 6.86 米ドル、Claude Code の Opus 5.5 は 58 点で 12.61 米ドルでした。
CursorBench 4.1 の設定スコア評価上のタスク単価
Neon medium57.7%$3.07
Opus 5.5 high54.5%$3.87
Neon high63.7%$6.54
Opus 5.5 xhigh56.7%$6.54
Neon xhigh65.4%$10.67
Opus 5.5 max58.1%$11.88
この結果では Neon high が有力な試験候補です。一方、Google の公表資料では Terminal-Bench 4.1 と FrontierCode 2.0 で Opus が少し上回ります。難しい端末デバッグや、そのままマージできる水準の変更が多いチームは、過去の同種タスクを再テストに加えてください。公開評価は課題選びに使い、切り替えは社内の合格条件で決めます。CursorBench の数値は 2026 年 11 月 19 日時点で確認しました。 CursorBench · Google DeepMind の評価

エージェントの実行環境はスコアにどれだけ影響するか

Google DeepMind は SWE-sweep の二つの構成を自ら実行し、サブタスクごとに重みを付けて採点しました。一方は Neon に Antigravity CLI、Opus に Claude Code と、各社のエージェントを使った構成です。もう一方では、両モデルに画像入力を扱える同じ mini-SWE-agent の実行環境を使いました。表の割合は、各エージェントがサブタスク全体で獲得した加重スコアです。 DeepMind の評価と方法
SWE-sweep の構成NeonOpus 5.5
提供元ごとの実行環境39.0%10.1%
共通の mini-SWE 実行環境12.8%3.6%
DeepMind の SWE-sweep はサブタスクで重み付けします。各社環境では Neon が 39.0%、Opus が 10.1%。共通の mini-SWE では 12.8% と 3.6% です。
DeepMind の SWE-sweep はサブタスクで重み付けします。各社環境では Neon が 39.0%、Opus が 10.1%。共通の mini-SWE では 12.8% と 3.6% です。

実行環境を変えると、スコア自体もモデル間の差も変わります。Google によると、Antigravity CLI はリポジトリの探索をサブエージェントに分担させられます。SWE-sweep のような不具合の発見を測る評価に向く機能です。モデルの入れ替えを検討するなら、可能な限り実行環境をそろえます。IDE ごと選ぶなら、権限と作業範囲をそろえてツール全体を比較し、習得やレビューにかかる時間も記録します。

アプリの新規作成とコード移行では、必要な力が異なります。 Vals Index の Vibe Code Bench は Neon 93.7%、Opus 90.3%。同じ指数の Code Migration 部分は Opus 80.5%、Neon 75.8% です。既存コードを移植するなら互換性を試します。新しい画面を作るなら、再読み込み後の下書き保持やキーボード操作など、実際の振る舞いを評価に入れます。 Vals の内訳と評価方法

合格パッチ当たりの費用を計算する

提供元の標準 API 料金は100万トークン当たり、Neon が入力 3 米ドル・出力 15 米ドル、Opus 5.5 が入力 4 米ドル・出力 20 米ドルです。キャッシュの読み書きやツールには個別の条件があります。同じリポジトリの情報を繰り返し送る場合は特に、アプリで利用する接続先の料金を使ってください。 Google の料金 · Anthropic の料金 · EvoLink の Opus 5.5 料金

100 件のコーディング作業を想定した例です。費用の合計に、失敗した試行と再試行も含めています。

接続先API の総費用合格パッチ数合格パッチ当たりの API 費用
Neon$4575$0.60
Opus 5.5$6090$0.67
Neon、合格数が少ないケース$4565$0.69
100 タスクの試算例。合格パッチ当たりの費用は、75 件合格の Neon が 0.60 米ドル、90 件の Opus が 0.67 米ドル、65 件の Neon が 0.69 米ドルです。
100 タスクの試算例。合格パッチ当たりの費用は、75 件合格の Neon が 0.60 米ドル、90 件の Opus が 0.67 米ドル、65 件の Neon が 0.69 米ドルです。

Neon の支払いが同じ 45 米ドルでも、合格率が落ちると合格パッチ当たりの費用が Opus 5.5 を上回ることがあります。API 費用にレビューや手直しの時間も加えて判断します。共有インターフェースの互換性を見落とすと、修正に呼び出し自体より大きな費用がかかることがあります。

プロバイダーの切り替え前に API 連携を確認する

Neon の既定の思考レベルは high。Opus 5.5 の適応型思考は medium が既定です。明示設定と本番で使う既定設定の両方を確認します。段階の名前が同じでも、計算量がそろうとは限りません。 Google Neon 開発ガイド · Anthropic のモデル仕様
連携の確認点Gemini 4 NeonClaude Opus 5.5
ネイティブ API の長い出力同期リクエストの既定は思考と出力を合わせて 65,536 トークン。対応する方式で長文生成Anthropic は最大 128K と記載
キャッシュ暗黙的ヒットで標準は100万キャッシュ入力トークン当たり $0.15100万トークン当たり読み取り $0.20、5分の書き込み $5、1時間の書き込み $8
複数ターンのツール状態利用するインターフェースの対話状態または思考署名を保持Claude Messages のツール結果と思考状態の仕様に従う
本番のエージェントは同じ指示を何十回ものツール呼び出しで使うことがあります。キャッシュの読み取り、新規入力、書き込みを分けて確認します。すぐに再試行する場合と、時間を空けて新規セッションで試す場合を比べます。同じ入力でもキャッシュにヒットする場合としない場合があり、費用が変わります。プロバイダー固有の会話状態は生成元で使います。別のプロバイダーで処理を再開する際は、元の根拠、許可したツールの出力、検証済みの中間状態から文脈を組み立て直します。 Google の料金 · Anthropic の料金とエフォート · Google の移行ガイド · Google Long Decode

切り替えの判断に使える比較を設計する

再現方法が分かっている不安定なテストの修正など、繰り返し発生するチケットを選びます。同じブランチ、チケットの説明、ツール権限、制限時間、テストコマンドを渡し、試行は互いに隔離します。可能ならモデル名を隠し、同じチェックリストで差分をレビューします。

もとの失敗が再現し、変更後はテストが繰り返し成功することを合格条件にします。タイムアウトの延長やアサーションの削除だけの変更は、レビュー担当者が妥当と判断できる根拠が必要です。人が介入した時点と理由を記録します。合格率を保ちつつ総費用か所要時間を改善できた種類から Neon へ移し、ワークフローと結果が費用に見合う仕事は Opus に残します。 EvoLink の Claude Opus 5.5 · EvoLink の Gemini 一覧
Neon のリリースガイドで提供先とレベル、Carbon との比較で Gemini 内の選び方を確認できます。

パッチを見る前に合格基準を決める

結果の測れる代表的なチケットを数件選び、リビジョン、依存関係のロックファイル、リポジトリの指示、ツール、停止条件をそろえます。Claude Code の既存設定では、成功に寄与するフックとコマンドを確認します。モデル自体を比べるなら、中立のテストランナーでも同じチェックができるようにします。

採点項目合格条件
機能変更前に障害が再現し、変更後に対象のテストを通過
互換性既存テストを通過し、以前に保存した入力や旧クライアントの動きを維持
変更範囲チケットの範囲に収まり、広い検査項目を無効にしていない
復旧ツール停止時に未完了箇所を報告し、副作用のある処理を重複実行しない

チケットごとに初回と最終の結果、レビューできる差分までの時間、課金トークン、レビュー分数をまとめます。再試行で解決した場合は両方を計上し、担当者が追加の情報を渡したかも記録します。復旧の費用が見えると、Opus を残す仕事と Neon に移す仕事を判断できます。

よくある質問

コーディングでは Neon が Opus 5.5 より優れていますか?

掲載した CursorBench 設定では Neon が上位ですが、端末やリポジトリの一部の評価では Opus が上です。自分のタスクと近い試験を見てください。

Neon の方が安いですか?

標準の入出力単価は 25% 低いです。合格タスク当たりの費用は使用量、キャッシュ、再試行、レビューで変わります。

両方を最高レベルで比較すべきですか?

難しいケースには最高レベルの試験も加えます。通常のリクエストでは予算と待ち時間に合う設定で比較します。

エディターを変えずに比較できますか?

両モデルと必要な機能を同じエディターが提供していれば可能です。主要な変数を一つ固定できます。

稼働中のエージェントはモデル名だけで切り替えられますか?

まず接続方式を確認します。ツールのメッセージ形式、思考設定や状態の保持方法は API ごとに異なる場合があります。

最初に何を試せばいいですか?

再発し、再現可能で、合格条件が明確なチケットを選びます。次に同じ種類のチケットが発生したときの接続先を判断できます。

SWE-sweep の結果に大きな差が出るのはなぜですか?

各社のエージェントが提供するツールや実行方法は異なります。共通の mini-SWE 実行環境を使うと、その違いとこの評価でのスコア差が小さくなります。 DeepMind の方法

別言語への移行にはどちらを先に評価しますか?

Opus を基準にし、Neon を自社の互換性テストで試します。Vals の移行部分では Opus、アプリ作成の評価では Neon が上回りました。 Vals Index の結果

統一APIでAIモデルを利用する

モデルの機能と現在の料金を比較し、APIドキュメントに沿って用途に合うモデルを組み込みましょう。