Google v úterý představil Gemini 4 Neon, nový přírůstek do své rodiny s názvem Gemini 4, o kterém společnost účtuje, že poskytuje hraniční úroveň inteligence s rychlým úplným dokončením úkolů napříč softwarovým inženýrstvím, znalostmi a vědeckými pracovními postupy. Oznámení přišlo od Koray Kavukcuoglu, SVP ve společnosti Google DeepMind a hlavního architekta AI společnosti, v oficiálním blogovém příspěvku.
Uvedení na trh pokračuje v rychlé kadenci Google vydání Gemini 4, která již zahrnuje varianty Carbon, Hydrogen a Argon – z nichž poslední se dostala na titulky pro autonomní hraní prostřednictvím závěrečných titulků Minecraftu. Neon se staví jako rychlá a efektivní úroveň rodiny: dostatečně silný na to, aby se dostal na vrchol nezávislých žebříčků, a přitom stojí mnohem méně než větší a pomalejší hraniční modely, které táhne. Sledujte každou hlavní verzi modelu v našem pokrytí modelů AI.
Kde Neon přistane na benchmarkech
Google říká, že Neon dosahuje skóre 61 v indexu umělé analýzy inteligence na své xhigh úrovni myšlení, celkově třetí a před srovnatelnými modely, zatímco přistává těsně za většími a pomalejšími konkurenty. V indexu Vals je na druhém místě se 70,9 %, čímž se řadí na Paretovu hranici mezi náklady a schopnostmi, a zaujímá první místo jak v Legal Research Bench, tak v Bench Tax Agent Bench.
Příběh podniku je místem, kde Google soustředí svá tvrzení. Neon syntetizuje tabulky, soubory PDF, grafy, zvuk a video v jediném kontextovém okně s 1 milionem tokenů a převádí tyto vstupy do strukturovaných výstupů. Google říká, že tento model je na prvním místě ve většině benchmarků Surge AI ve financích, účetnictví, tabulkovém modelování a sledování složitých omezení. Zveřejňuje 73,5 % na Chartography za čtení hustých profesionálních žebříčků a má stejný výkon jako přední modely na Agents' Last Exam v1.1 (75,8 %). Poprvé také debutuje na Zapier's AutomationBench s 56,3 % a převyšuje Andon Labs' Vending-Bench 2 – simulaci řízení podniku s dlouhým horizontem – se simulovanými výnosy 16 843 USD. V novém indexu Arena Agent Arena, který byl vytvořen z více než 4 200 relace agentů v reálném světě, je Neon celosvětově na druhém místě se skóre 1336 a na druhém místě v řiditelnosti, což znamená, že se čistě přizpůsobí opravám uživatelů uprostřed úlohy.
Vědecké a matematické uvažování má svou vlastní ukázku: Google tvrdí, že nejlepší výsledky ve své třídě jsou v Terminal-Bench Science (70,5 %), RiemannBench (84,0 %) a HLE-Diamond (71,3 %).
Vytvořeno pro dlouhotrvající kódovací agenty
Kódování je pravděpodobně případ použití. Google říká, že Neon je celkově na prvním místě v indexu umělé analýzy kódovacího agenta se skóre 58,6, 65,2 % na Terminal-Bench 4.1 a 46,2 % na FrontierCode 2.0 při výchozím vysokém nastavení. Na SWE-sweep vede Neon s 12,8 % na mini-SWE postroji a více než ztrojnásobí to na proklamovaných nejmodernějších 39,0 % při běhu v postroji Google Antigravity agent.
Model je navržen pro dlouhotrvající pracovní postupy agentů: udržuje výkon prostřednictvím složitých úloh náročných na nástroje, omezuje nadbytečná čtení souborů, sdílí postup při práci a spolehlivě zvládá komprimaci kontextu během dlouhých relací. Může také fungovat jako rychlý orchestrátor s vysokým úsudkem, který řídí paralelní vodíkové subagenty v antigravitaci. Ukázky Google byly charakteristicky efektní: Neon řídil Blender MCP v Antigravity a postavil fotorealistickou 3D laboratorní lavici vizualizující rodinu Gemini 4 s elementární přesností – Bunsenovy plameny pro uhlík a vodík, plynové výbojky pro Argon a Neon. Pomocí příkazu /swarm znovu vytvořila studii Alana Turinga z roku 1936 na King's College Cambridge v interaktivním 3D, doplněném o funkční univerzální Turingův stroj na stole. V další ukázce roj agentů proměnil jediný obrázek na tabulku Google se 100 000 buňkami s detekcí hran a 3D mapováním hloubky prostřednictvím více než 500 000 živých tabulkových vzorců bez vložených obrázků nebo Apps Scriptu.
Vyladěné ceny se čtyřmi úrovněmi myšlení
Gemini 4 Neon stojí 3 $ za milion vstupních tokenů a 15 $ za milion výstupních tokenů, přičemž vstup z mezipaměti stojí 0,15 $ za milion tokenů – 95% sleva navržená tak, aby byly smyčky agentů s dlouhým kontextem ekonomicky životaschopné. Kontextové okno s 1 milionem tokenů pokrývá podnikovou, analytickou a vědeckou pracovní zátěž modelu.
Google tímto vydáním také vylepšuje svůj žebříček na úrovni myšlení. Neon dodává čtyři úrovně, které se plynule rozšiřují a umožňují týmům vytáčet inteligenci a utrácet tokeny pro každou pracovní zátěž. Na své výchozí vysoké úrovni společnost uvádí, že Neon spojuje silné skóre umělé analýzy s o 32 % nižšími náklady na úlohu než Carbon a nachází se na Paretově hranici jak Vals Index, tak Agent Arena se zhruba o 50 % až 80 % nižšími náklady na úlohu než nejlepší konkurenční hraniční modely. Nastavení xhigh přidává hlubší uvažování ve více krocích pro nejnáročnější inženýrskou a vědeckou zátěž, přičemž stále stojí o 36 % a více méně na úkol než konkurenční modely při nejvyšším nastavení.
Kybernetická varianta pro důvěryhodné obránce
Google také umístil Neon jako bezpečnostní model. Gemini 4 Neon for cyber vytváří bezpečnější kód než Carbon ve všech jednoduchých, středních a těžkých výzvách na AutoBaxBench a dosahuje nejmodernější úrovně na tvrdé úrovni na 76 %. Na WebExploitBench v1.2 model vykazuje deklarovaných nejmodernějších 51,26 % při polovičních nákladech oproti konkurenčním velkým modelům a v celém životním cyklu zpevňování kódu dosahuje skóre 90,5 % na SEC-bench Pro (zjištění zranitelnosti při zhruba polovičních nákladech na výzvu), dosahuje hraniční úrovně využití a ověření G pomocí továrny na Exploitkenu na poloviční úrovni. 70,7 % na CWE-bench v2 společnosti Colinear pro opravy – nárůst o 3,4 bodu oproti Carbonu. Kybernetická varianta bude k dispozici důvěryhodným obráncům v nadcházejících dnech prostřednictvím programu Fairwind společnosti Google.
Bezpečnostní metriky pro produkční práci
Vzhledem k tomu, že Neon přináší možnosti na hraniční úrovni do rychlejšího a levnějšího modelu, Google říká, že toto vydání spojil se zabezpečením v reálném čase proti zneužití kybernetické a biologické bezpečnosti srovnatelné s ochranou Carbon – a zároveň omezuje mnohem méně legitimní práci, odmítá pouze 1,98 % úloh na Terminal-Bench 4.0 a žádnou na Terminal-Bench-Science. Interní monitory zarovnání ukázaly míru výstrahy pod základními liniemi Carbonu a model odpovídal Carbonu s 0,0 % podvádění na Terminal-Bench 4.0, zkrátil pouze 2,45 % úkolů ve vyhodnocení podvádění kódování od Googlu – nejnižší míra ze všech modelů agentů Gemini 4 – a zaznamenal 0,09 % u 2% míry chybně sladěných bezpečnostních akcí. hodnocení poctivosti agenta.
Dostupnost
Gemini 4 Neon je dnes uveden na trh v Gemini API v Google AI Studio, v Gemini pro firmy prostřednictvím API a rozbalovací nabídky modelů a pro placené předplatitele Google AI Pro a Ultra v Google Antigravity i v aplikaci Gemini.
Proč na tom záleží
Ceny společnosti Neon staví výkon agenta na hranici dosahu týmů, které by nemohly ospravedlnit náklady na model nejvyšší úrovně pro velké objemy úloh. Pokud tvrzení benchmarku obstojí v nezávislém testování, konkurenční obraz pro agentní kódování, podnikové znalosti a defenzivní zabezpečení se dále zpřísní – a propast mezi „dostatečně rychlým“ a „hraničním“ se stále zmenšuje. Chcete-li získat další spuštění, jako je tato, podívejte se na nejnovější vývoj AI na AI Buzz Wire.
---
Stay Ahead of AIZískejte nejnovější zprávy, analýzy a průlomové informace o umělé inteligenci – vše na jednom místě.
Přečtěte si další zprávy o AI →