گوگل Gemini 4 Neon را روز سه‌شنبه معرفی کرد، یک الحاقیه جدید به خانواده خود به نام Gemini 4 که این شرکت به‌عنوان ارائه هوشمندی در سطح مرزی با تکمیل سریع وظایف انتها به انتها در مهندسی نرم‌افزار، کار دانش و جریان‌های کاری علمی اعلام کرده است. این اعلامیه توسط Koray Kavukcuoglu، SVP در Google DeepMind و معمار ارشد AI این شرکت، در یک پست وبلاگ رسمی منتشر شد.

این راه‌اندازی ادامه آهنگ‌های سریع گوگل از انتشار Gemini 4 است که در حال حاضر شامل انواع کربن، هیدروژن و آرگون می‌شود – که دومی تیتر یک بازی مستقل از طریق تیتراژ پایانی Minecraft شد. نئون خود را به‌عنوان سطح سریع و کارآمد خانواده معرفی می‌کند: به اندازه‌ای قوی است که می‌تواند در نزدیکی بالای تابلوهای امتیازات مستقل قرار بگیرد، در حالی که هزینه آن بسیار کمتر از مدل‌های مرزی بزرگ‌تر و کندتر است. هر نسخه اصلی مدل را در پوشش مدل های هوش مصنوعی ما دنبال کنید.

جایی که نئون روی معیارها قرار می گیرد

گوگل می‌گوید که نئون در شاخص هوش آنالیز مصنوعی در سطح تفکر عالی خود، امتیاز 61 را کسب کرده و در مجموع در رتبه سوم قرار دارد و از مدل‌های مشابه جلوتر است در حالی که دقیقاً پس از رقبای بزرگ‌تر و کندتر قرار می‌گیرد. در شاخص Vals با 70.9% در رتبه دوم قرار دارد و آن را در مرز پارتو از نظر هزینه در مقابل قابلیت قرار می دهد و در هر دو بخش تحقیقات حقوقی و بنگاه مالیاتی مقام اول را به خود اختصاص می دهد.

داستان سازمانی جایی است که گوگل ادعاهای خود را متمرکز می کند. نئون صفحات گسترده، فایل‌های PDF، نمودارها، صدا و ویدئو را در یک پنجره زمینه 1 میلیون توکن ترکیب می‌کند و آن ورودی‌ها را به نتایج ساخت‌یافته تبدیل می‌کند. گوگل می گوید که این مدل در اکثر معیارهای Surge AI در حوزه مالی، حسابداری، مدل سازی صفحه گسترده و محدودیت های پیچیده رتبه اول را دارد. 73.5٪ در Chartography برای خواندن نمودارهای حرفه ای متراکم پست می کند و عملکردی برابر با مدل های پیشرو در Agents' Last Exam نسخه 1.1 (75.8٪) دارد. همچنین برای اولین بار در Zapier's AutomationBench با 56.3% عرضه می شود و با درآمد شبیه سازی شده 16843 دلار بالاتر از Andon Labs Vending-Bench 2 - یک شبیه سازی افق طولانی برای اداره یک تجارت - قرار می گیرد. در شاخص جدید Agent Arena Arena که از بیش از 4200 جلسه نماینده در دنیای واقعی ساخته شده است، Neon با امتیاز 1336 در رتبه دوم جهانی قرار دارد و از نظر هدایت پذیری در رتبه دوم قرار دارد، به این معنی که کاملاً با اصلاحات کاربر میان کار سازگار است.

استدلال علمی و ریاضی ویترین خاص خود را پیدا می کند: گوگل ادعا می کند که بهترین نتایج در کلاس در Terminal-Bench Science (70.5٪)، RiemannBench (84.0٪) و HLE-Diamond (71.3٪) است.

برای عوامل برنامه نویسی طولانی مدت ساخته شده است

احتمالاً کدنویسی مورد استفاده خیمه شب بازی است. گوگل می‌گوید Neon با امتیاز 58.6 در رتبه اول در شاخص کدگذاری تحلیل مصنوعی، 65.2% در Terminal-Bench 4.1 و 46.2% در FrontierCode 2.0 در تنظیمات بالای پیش‌فرض خود قرار دارد. در SWE-sweep، Neon با 12.8 درصد در مهار mini-SWE پیشتاز است و بیش از سه برابر آن به سطح ادعایی پیشرفته 39.0 درصد در هنگام اجرا در مهار عامل ضد جاذبه Google پیشتاز است.

این مدل برای گردش‌های کاری طولانی‌مدت عامل طراحی شده است: عملکرد را از طریق کارهای پیچیده و ابزار سنگین حفظ می‌کند، خواندن فایل‌های اضافی را کاهش می‌دهد، پیشرفت را در حین کار به اشتراک می‌گذارد و فشرده‌سازی زمینه را به طور قابل اعتماد در جلسات طولانی مدیریت می‌کند. همچنین می تواند به عنوان یک ارکستراتور سریع و با قضاوت بالا عمل کند که عوامل فرعی هیدروژن موازی را در Antigravity هدایت می کند. نمایش‌های Google مشخصاً خودنمایی‌کننده بودند: نئون با اجرای Blender MCP در Antigravity، یک نیمکت آزمایشگاهی سه‌بعدی فوتورئالیستی ساخت که خانواده Gemini 4 را با دقت عنصری تجسم می‌کرد - شعله‌های Bunsen برای کربن و هیدروژن، لوله‌های تخلیه گاز برای آرگون و نئون. با استفاده از دستور / swarm، مطالعه سال 1936 آلن تورینگ در کینگز کالج کمبریج را به صورت سه بعدی تعاملی با یک ماشین تورینگ جهانی کار بر روی میز بازسازی کرد. در نسخه ی نمایشی دیگری، یک گروه عامل یک تصویر واحد را به یک تشخیص لبه در حال اجرا 100000 سلولی Google Sheet و نگاشت عمق سه بعدی از طریق بیش از 500000 فرمول صفحه گسترده زنده، بدون تصاویر جاسازی شده یا اسکریپت برنامه تبدیل کرد.

قیمت گذاری تنظیم شده با چهار سطح تفکر

Gemini 4 Neon 3 دلار به ازای هر میلیون توکن ورودی و 15 دلار به ازای هر میلیون توکن خروجی هزینه دارد، با ورودی حافظه پنهان 0.15 دلار به ازای هر میلیون توکن - یک تخفیف 95 درصدی که برای اقتصادی کردن حلقه های عامل با زمینه طولانی طراحی شده است. پنجره زمینه 1 میلیون توکنی، حجم کاری سازمانی، تحلیلی و علمی مدل را در بر می گیرد.

گوگل نیز با این نسخه نردبان سطح تفکر خود را اصلاح می کند. نئون چهار سطح را ارائه می‌کند که به طور پیوسته مقیاس می‌شوند و به تیم‌ها اجازه می‌دهد برای هر بار کاری اطلاعات و توکن خرج کنند. در سطح بالای پیش‌فرض، این شرکت می‌گوید نئون امتیاز تحلیل مصنوعی قوی را با ۳۲ درصد هزینه کمتر در هر کار نسبت به کربن دارد و در مرز پارتو در Vals Index و Agent Arena با تقریباً ۵۰ تا ۸۰ درصد هزینه کمتر برای هر کار نسبت به مدل‌های مرزی برتر رقیب قرار دارد. تنظیمات xhigh استدلال چند مرحله‌ای عمیق‌تری را برای سخت‌ترین حجم‌های کاری مهندسی و علمی اضافه می‌کند، در حالی که همچنان هزینه هر کار 36%+ کمتر از مدل‌های رقیب در بالاترین تنظیماتشان است.

یک نوع سایبری برای مدافعان قابل اعتماد

گوگل همچنین نئون را به عنوان یک مدل امنیتی قرار داد. Gemini 4 Neon برای سایبر کد ایمن‌تری نسبت به کربن در تمام چالش‌های آسان، متوسط ​​و سخت در AutoBaxBench تولید می‌کند، و در سطح سخت با 76% به پیشرفته‌ترین سطح می‌رسد. در WebExploitBench نسخه 1.2، این مدل 51.26 درصد از پیشرفته ترین 51.26 درصد را با نصف هزینه مدل های بزرگ رقیب ارسال می کند، و در طول چرخه عمر سخت شدن کد، امتیاز 90.5 درصد را در SEC-bench Pro کسب می کند (یافته های آسیب پذیری، تقریباً با نصف هزینه معمول در هر چالش)، با استفاده از سطح اعتبار مرزی ExploitationG به دست می آورد. کربن و به 70.7% در Collinear's CWE-bench v2 برای وصله می رسد - افزایش 3.4 نقطه ای نسبت به کربن. این نوع سایبری در روزهای آینده از طریق برنامه Fairwind گوگل در اختیار مدافعان مورد اعتماد قرار خواهد گرفت.

معیارهای ایمنی برای کار تولید

از آنجایی که نئون قابلیت‌های سطح مرزی را به مدلی سریع‌تر و ارزان‌تر می‌آورد، گوگل می‌گوید این نسخه را با پادمان‌های بی‌درنگ در برابر سوء استفاده از امنیت زیستی و سایبری که با حفاظت‌های کربن مقایسه می‌شود، همراه کرد - در حالی که کار بسیار کمتر قانونی را کاهش داد و فقط 1.98٪ از وظایف را در Terminal-Sench-Bench و non-Bench 4 رد کرد. مانیتورهای تراز داخلی نرخ هشدار را زیر خطوط پایه کربن نشان دادند، و مدل با کربن با تقلب 0.0 درصد در Terminal-Bench 4.0 مطابقت داشت، تنها روی 2.45 درصد از وظایف در ارزیابی تقلب کدنویسی Google - پایین‌ترین نرخ در بین هر مدل Gemini 4 - میانبر استفاده کرد - و در امتداد 0.0 درصد عملکرد ایمنی نادرست، 0.0 درصد از وظایف خود را ارسال کرد. 99.2٪ درصد قبولی در ارزیابی صداقت نماینده.

در دسترس بودن

Gemini 4 Neon امروز در Gemini API در Google AI Studio، در Gemini برای تجارت از طریق API و مدل کشویی، و برای مشترکین Google AI Pro و Ultra پولی در Google Antigravity و برنامه Gemini در دسترس است.

چرا مهم است

قیمت‌گذاری نئون عملکرد عامل مرزی را در دسترس تیم‌هایی قرار می‌دهد که نمی‌توانند هزینه‌های مدل سطح بالا را برای حجم کاری بالا توجیه کنند. اگر ادعاهای معیار در آزمایش‌های مستقل پابرجا بماند، تصویر رقابتی برای کدنویسی عاملی، کار دانش سازمانی و امنیت دفاعی بیشتر می‌شود - و شکاف بین «به‌اندازه کافی سریع» و «مرز» همچنان کاهش می‌یابد. برای راه اندازی های بیشتر مانند این، آخرین پیشرفت های هوش مصنوعی را در AI Buzz Wire بررسی کنید.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →