Google ve středu představil Gemini 4 Neon, nejnovější přírůstek do své rodiny modelů Gemini 4 a, jak to The Decoder počítal, čtvrtý nový model Gemini, který Google dodal za měsíc. Google řadí Neon jako dříče střední úrovně, který spojuje inteligenci na hraniční úrovni s rychlým úplným dokončením úkolů napříč softwarovým inženýrstvím, znalostmi a vědeckými pracovními postupy – a jeho cena je výrazně nižší než u větších modelů, na které má nezpracované schopnosti.
„Dnes představujeme Gemini 4 Neon – přinášíme inteligenci na hraniční úrovni s rychlým komplexním dokončením úkolů napříč komplexním softwarovým inženýrstvím, znalostmi a vědeckými pracovními postupy,“ napsal v oznámení SVP a hlavní architekt AI společnosti Google DeepMind. SiliconANGLE uvedl, že model střední třídy běží třikrát rychleji než jeho větší sourozenec Carbon, přičemž vítězí v některých metrikách. For more context on this story, see our ongoing AI trends.
Kde se Neon řadí na benchmarky
V indexu umělé analýzy inteligence má Neon skóre 61 na své x vysoké úrovni myšlení, celkově se umístil na 3. místě – hned za většími a pomalejšími modely, uvedl Google. V indexu Vals je na 2. místě se 70,9 procenty a nachází se na Paretově hranici mezi cenou a výkonem. Zaujímá první místo v žebříčku Legal Research Bench i Tax Agent Bench a Google podle hodnocení Surge AI jej řadí na první místo ve většině benchmarků zahrnujících finance, účetnictví, tabulkové modelování a sledování složitých omezení.
Skóre s příchutí agentů je v oznámení stejně výrazné: celkově číslo 1 na Zapier's AutomationBench s 56,3 procenta, #1 na obchodní simulaci s dlouhým horizontem Andon Labs' Vending-Bench 2 s 16 843 dolary, 75,8 procenta na poslední zkoušce agentů v1.1 a 73,5 procenta za hustotu čtení v profesionální grafografii V novém indexu Arena Agent Arena, který byl vytvořen z více než 4 200 relací agentů v reálném světě, Neon celosvětově debutuje na 2. místě se skóre 1336. Ve vědeckém a matematickém uvažování uvádí Google nejlepší výsledky ve své třídě na Terminal-Bench Science (70,5 procenta), RiemannBench (84,0 procenta) a HLE-Diamond (71,3 procenta).
Vytvořeno pro dlouhotrvající kódovací agenty
Kódování je místo, kam Google míří Neon nejtvrději. Model je celkově na 1. místě v indexu agenta umělé analýzy s hodnotou 58,6, v Terminal-Bench 4.1 má 65,2 procenta a při výchozím vysokém nastavení má skóre 46,2 procenta na FrontierCode 2.0. Titulek VentureBeatu přímo orámoval konkurenční obrázek: Výkon kódování Opus 5,5 úrovně při o 25 procent nižších cenách tokenů API – přímý zásah do kódovacích modelů Claude společnosti Anthropic, které tento týden zahájily svůj vlastní tržní milník rekordním IPO společnosti Anthropic.
Nejvýraznější číslo je na SWE-sweep, srovnávacím testu softwarového inženýrství společnosti Google: Neon spravuje pouhých 12,8 procenta na standardním mini-SWE postroji, ale více než ztrojnásobí na deklarovaných nejmodernějších 39,0 procent, když běží v Google Antigravity, agentním IDE společnosti – údaj, který Google používá k tvrzení, že na modelu záleží stejně jako na modelu. Neon je také navržen tak, aby fungoval jako rychlý orchestrátor, který řídí paralelní vodíkové subagenty uvnitř Antigravity, omezuje redundantní čtení souborů a zpracovává komprimaci kontextu během dlouhých relací.
Google předvedl modelovou řadu agentů pomocí ukázkových sestav: fotorealistický 3D laboratorní stůl generovaný pomocí Blender MCP, lyžařský simulátor WebGL2 z první osoby napsaný od nuly na skutečném terénu nadmořské výšky Mont Blanc s více než 10 000 řádky vlastních shaderů a roj agentů, který proměnil jediný obrázek na detekci 100 000 buněk prostřednictvím živého vzorce Google Sheet,0500
Ceny, které podkopávají hranice
Neon stojí 3 $ za milion vstupních tokenů a 15 $ za milion výstupních tokenů s kontextovým oknem 1 milion tokenů. Vstupní tokeny uložené v mezipaměti běží 0,15 $ za milion – 95procentní sleva navržená pro agentní pracovní postupy, které opakovaně čtou stejný kontext. Na své výchozí vysoké úrovni myšlení Google říká, že Neon přináší o 32 procent nižší náklady na úkol než Carbon a při xhigh stojí o 36 procent nebo více na úkol méně než špičkové konkurenční hraniční modely při jejich nejvyšším nastavení.
Tento model představuje propracovaný čtyřúrovňový žebřík myšlení – od rychlé, levné úrovně až po úroveň xhigh pro nejnáročnější inženýrské a analytické úlohy – umožňuje týmům vytáčet inteligenci a tokeny utrácet za úkol. Google také uvádí, že Neon se umístil na 2. místě v řiditelnosti v novém indexu Agent Arena za čisté přizpůsobení opravám uprostřed úlohy a zaznamenává dosud nejnižší míru výroby v interním antigravitačním testování.
Bezpečnost dostává prvotřídní zacházení
Pozoruhodný důraz při startu je obranná bezpečnost. Na AutoBaxBench, která testuje, zda modely generují bezpečný kód od začátku, Neon překonává Carbon v jednoduchých, středních a těžkých výzvách a dosahuje nejmodernější úrovně na tvrdé úrovni se 76 procenty. Na WebExploitBench v1.2, benchmarku pro testování penetrace, Google tvrdí, že je nejmodernější na 51,26 procentech – při polovičních nákladech oproti konkurenčním velkým modelům.
Google tuto schopnost také produkuje: konfigurace „Gemini 4 Neon for cyber“ pokrývající vyhledávání, ověřování a opravy zranitelností bude v nadcházejících dnech uvedena na trh důvěryhodným obráncům prostřednictvím programu Fairwind společnosti.
Dostupnost
Gemini 4 Neon je dnes uveden na trh v Gemini API a Google AI Studio, v Gemini pro firmy prostřednictvím API a rozbalovací nabídky modelů a pro placené předplatitele Google AI Pro a Ultra v aplikaci Google Antigravity a Gemini. Jedno upozornění, které vývojáři objevili v Hacker News: Dokumentace Google Cloud uvádí, že model je dodáván s rychlým protokolováním pro sledování zneužití na platformě podnikových agentů a nenabízí žádné odhlášení – což je věc, kterou mohou týmy zpracovávající citlivý kód zvážit.
S Neonem dává Google jasně najevo svou strategii: namísto prodeje jednoho obrovského modelu dodává řadu modelů pojmenovaných jako prvky – Carbon, Hydrogen, Argon a nyní Neon – a nechává benchmarky hádat se o tom, který z nich stojí na hranici nákladové kapacity. Pro týmy náročné na kódování, které tento týden sledují debut Anthropic za bilion dolarů, je snížení ceny tou správnou volbou: téměř hraniční zpravodajství za zlomek ceny za úkol.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →