گوگل روز چهارشنبه جمینی 4 نئون را معرفی کرد، آخرین مدل اضافه شده به خانواده مدل های Gemini 4 خود و همانطور که The Decoder آن را شمارش کرده است، چهارمین مدل جدید Gemini که گوگل در یک ماه گذشته عرضه کرده است. Google نئون را بهعنوان یک اسب کاری میانرده معرفی میکند که هوش سطح مرزی را با تکمیل سریع وظایف سرتاسری در مهندسی نرمافزار، کار دانش، و گردشهای کاری علمی جفت میکند - و قیمت آن را بسیار پایینتر از مدلهای بزرگتری است که بر اساس قابلیت خام دنبال میکند.
SVP و Chief AI Architect در Google DeepMind در این اطلاعیه نوشت: «امروز، Gemini 4 Neon را معرفی میکنیم — هوش سطحی را با تکمیل سریع وظایف سرتاسر در مهندسی نرمافزار پیچیده، کار دانش، و گردشهای کاری علمی به ارمغان میآوریم. SiliconANGLE گزارش داد که مدل میانرده سه برابر سریعتر از برادر بزرگتر خود کربن کار میکند و در عین حال برنده برخی معیارها است. For more context on this story, see our ongoing latest AI developments.
جایی که نئون در معیارها رتبه بندی می کند
گوگل گفت: در شاخص هوش آنالیز مصنوعی، نئون در سطح تفکر xhigh خود، امتیاز 61 را کسب کرده و در رتبه سوم قرار می گیرد – درست پس از مدل های بزرگتر و کندتر. در شاخص Vals با 70.9 درصد در رتبه دوم قرار دارد و در مرز پارتو هزینه در مقابل عملکرد قرار دارد. رتبه اول را هم در میز تحقیقات حقوقی و هم در بنچ مامور مالیاتی به خود اختصاص داده است، و گوگل به ارزیابیهای هوش مصنوعی Surge اشاره کرد که آن را در رتبه اول در اکثر معیارهای پوشش مالی، حسابداری، مدلسازی صفحهگسترده و پیروی از محدودیتهای پیچیده قرار میدهد.
نمرات با طعم نماینده در این اعلامیه به همان اندازه برجسته هستند: در مجموع شماره 1 در Zapier's AutomationBench با 56.3 درصد، شماره 1 در شرکت Andon Labs's Vending-Bench 2 شبیه سازی تجاری طولانی مدت با 16,843 دلار، 75.8 درصد در Agents' Last Exam در نسخه 7.5 حرفه ای، و 75.8 درصد در Agents' Last Exam v1.1، برای خواندن حرفه ای 7.1، نمرات با طعم عامل. نمودارها در نمایه Agent Arena جدید Arena، که از بیش از 4200 جلسه نماینده واقعی ساخته شده است، نئون شماره 2 جهانی را با امتیاز 1336 به نمایش می گذارد. در استدلال علمی و ریاضی، Google بهترین نتایج کلاس را در Terminal-Bench Science (70.5 درصد)، HLE4-3 درصد (8.4-3 درصد) و RiemannDiamondBench گزارش می کند.
برای عوامل برنامه نویسی طولانی مدت ساخته شده است
کدنویسی جایی است که گوگل به سختی نئون را هدف قرار داده است. این مدل در رتبه 1 کلی در شاخص کدگذاری تحلیل مصنوعی با 58.6، 65.2 درصد در Terminal-Bench 4.1، و امتیاز 46.2 درصد در FrontierCode 2.0 در تنظیمات بالای پیش فرض خود، رتبه اول را دارد. تیتر VentureBeat تصویر رقابتی را به صراحت نشان میدهد: عملکرد کدگذاری سطح 5.5 Opus با قیمتهای توکن API 25 درصد پایینتر - یک ضربه مستقیم به مدلهای کدگذاری کلود آنتروپیک، که نقطه عطف بازار خود را این هفته با رکورد IPO آنتروپیک راهاندازی کردند.
قابل توجه ترین عدد مربوط به SWE-sweep، معیار رفت و برگشت مهندسی نرم افزار گوگل است: نئون فقط 12.8 درصد را در مهار استاندارد مینی SWE مدیریت می کند، اما بیش از سه برابر می شود و به 39.0 درصد می رسد که در داخل Google Antigravity اجرا می شود، عامل شرکت به عنوان مدلی که گوگل از آن به عنوان مدلی استفاده می کند. نئون همچنین طوری طراحی شده است که به عنوان یک ارکستر سریع عمل کند که عوامل فرعی هیدروژنی موازی را در داخل Antigravity هدایت می کند، خواندن فایل های اضافی را کاهش می دهد و فشرده سازی زمینه را در جلسات طولانی مدیریت می کند.
Google محدوده عاملی مدل را با ساختهای ویترینی نشان داد: یک نیمکت آزمایشگاهی سه بعدی واقعی که از طریق Blender MCP ایجاد شده است، یک شبیهساز اسکی اول شخص WebGL2 که از ابتدا در ارتفاعات واقعی Mont Blanc با بیش از 10000 خط سایهزن سفارشی نوشته شده است، و یک انبوه عامل، ازدحام یک عامل، تکتصویر e-010 Google را به یک تصویر010 تبدیل میکند. تشخیص از طریق بیش از 500000 فرمول زنده
قیمت گذاری که مرز را پایین می آورد
نئون 3 دلار در هر میلیون توکن ورودی و 15 دلار به ازای هر میلیون توکن خروجی هزینه دارد، با یک پنجره زمینه 1 میلیون توکن. توکنهای ورودی ذخیرهشده 0.15 دلار در هر میلیون اجرا میشوند – یک تخفیف 95 درصدی که برای گردشهای کاری عاملی طراحی شده است که متن یکسان را مکرراً بازخوانی میکند. در سطح تفکر بالای پیشفرض خود، گوگل میگوید که نئون 32 درصد هزینه کمتری برای هر کار نسبت به کربن ارائه میکند، و در نهایت هزینه آن 36 درصد یا بیشتر از مدلهای مرزی برتر در بالاترین تنظیماتشان، 36 درصد یا بیشتر کمتر است.
این مدل یک نردبان تفکر چهار سطحی پیشرفته را ارائه میکند - که از یک ردیف سریع کمهزینه به بالا برای سختترین حجمهای کاری مهندسی و تحلیلی را در بر میگیرد - به تیمها این امکان را میدهد که اطلاعات هوشمند و رمز را برای هر کار خرج کنند. گوگل همچنین گزارش می دهد که نئون رتبه دوم را در زمینه هدایت پذیری در شاخص جدید Agent Arena برای تطبیق تمیز با اصلاحات میانه کار دارد و کمترین نرخ ساخت خود را در تست داخلی Antigravity ثبت کرده است.
امنیت درمان درجه یک را دریافت می کند
تاکید قابل توجه پرتاب، امنیت دفاعی است. در AutoBaxBench، که آزمایش میکند آیا مدلها از ابتدا کد امن تولید میکنند یا خیر، نئون در چالشهای آسان، متوسط و سخت از کربن بهتر عمل میکند و در سطح سخت با ۷۶ درصد به آخرین هنر دست مییابد. در WebExploitBench نسخه 1.2، یک معیار تست نفوذ، گوگل ادعا میکند که پیشرفتهترین حالت را با 51.26 درصد - با نصف هزینه مدلهای بزرگ رقیب.
گوگل همچنین در حال تولید این قابلیت است: پیکربندی «جمینی 4 نئون برای سایبر» که یافتن آسیبپذیریها، اعتبارسنجی و وصلهسازی را پوشش میدهد، در روزهای آینده از طریق برنامه Fairwind این شرکت برای مدافعان قابل اعتماد ارائه میشود.
در دسترس بودن
Gemini 4 Neon امروز در Gemini API و Google AI Studio، در Gemini برای کسب و کار از طریق API و مدل کشویی، و برای مشترکین Google AI Pro و Ultra پولی در Google Antigravity و برنامه Gemini عرضه می شود. یک اخطار توسط توسعهدهندگان در Hacker News ظاهر شد: اسناد Google Cloud نشان میدهد که مدل با ورود سریع نظارت بر سوء استفاده در پلتفرم عامل سازمانی ارسال میشود و هیچ انصرافی را ارائه نمیدهد - برای تیمهایی که کدهای حساس را مدیریت میکنند.
با نئون، گوگل استراتژی خود را به صراحت بیان میکند: به جای فروش یک مدل عظیم، خانوادهای از مدلهای با نام عنصر - کربن، هیدروژن، آرگون، و اکنون نئون- را عرضه میکند و به معیارها اجازه میدهد در مورد اینکه کدام یک در مرز هزینهها قرار دارد بحث کنند. برای تیمهای برنامهنویسی سنگین که اولین تریلیون دلاری آنتروپیک را در این هفته تماشا میکنند، کاهش قیمت بسیار مناسب است: هوش نزدیک به مرز با کسری از هزینه هر کار.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →