Google បានណែនាំ Gemini 4 Neon កាលពីថ្ងៃអង្គារ ដែលជាការបន្ថែមថ្មីចំពោះធាតុរបស់វាមានឈ្មោះថា Gemini 4 family ដែលក្រុមហ៊ុនចេញវិក្កយបត្រថាជាការផ្តល់នូវការស៊ើបការណ៍សម្ងាត់កម្រិតព្រំដែនជាមួយនឹងការបញ្ចប់កិច្ចការរហ័សពីចុងដល់ចប់នៅទូទាំងផ្នែកវិស្វកម្មផ្នែកទន់ ការងារចំណេះដឹង និងលំហូរការងារវិទ្យាសាស្ត្រ។ សេចក្តីប្រកាសនេះបានមកពីលោក Koray Kavukcuoglu, SVP នៅ Google DeepMind និងជាប្រធានស្ថាបត្យករ AI របស់ក្រុមហ៊ុននៅក្នុងការប្រកាសប្លក់ផ្លូវការ។
ការបើកដំណើរការបន្តការចេញផ្សាយ Gemini 4 យ៉ាងរហ័សរបស់ Google ដែលរួមមានវ៉ារ្យ៉ង់កាបូន អ៊ីដ្រូសែន និង Argon រួចហើយ ដែលជាចំណងជើងចុងក្រោយដែលបង្កើតចំណងជើងសម្រាប់ការលេងដោយស្វ័យភាពតាមរយៈឥណទានចុងក្រោយរបស់ Minecraft ។ Neon ចាត់តាំងខ្លួនវាថាជាក្រុមដែលមានល្បឿនលឿន និងមានប្រសិទ្ធភាពនៃគ្រួសារ៖ រឹងមាំគ្រប់គ្រាន់ដើម្បីអង្គុយជិតកំពូលតារាងពិន្ទុឯករាជ្យ ខណៈពេលដែលមានតម្លៃទាបជាងម៉ូដែលព្រំដែនធំជាង និងយឺតជាងដែលវាដើរ។ តាមដានរាល់ការចេញផ្សាយគំរូសំខាន់ៗនៅក្នុងការគ្របដណ្តប់លើម៉ូដែល AI របស់យើង។
កន្លែងដែល Neon Lands នៅលើ Benchmarks
ក្រុមហ៊ុន Google និយាយថា Neon ទទួលបានពិន្ទុ 61 លើសន្ទស្សន៍វៃឆ្លាតវិភាគសិប្បនិម្មិតនៅកម្រិតការគិតខ្ពស់របស់ខ្លួន ដោយឈរនៅចំណាត់ថ្នាក់ទីបី និងនាំមុខគេក្នុងចំណោមម៉ូដែលដែលអាចប្រៀបធៀបបាន ខណៈដែលកំពុងស្ថិតនៅពីក្រោយគូប្រជែងធំជាង និងយឺតជាង។ នៅលើសន្ទស្សន៍ Vals វាជាប់ចំណាត់ថ្នាក់ទីពីរនៅ 70.9% ដោយដាក់វានៅលើព្រំប្រទល់ Pareto នៃតម្លៃធៀបនឹងសមត្ថភាព ហើយវាស្ថិតនៅលំដាប់ទី 1 ទាំងផ្នែកស្រាវជ្រាវផ្នែកច្បាប់ និងកៅអីភ្នាក់ងារពន្ធ។
រឿងសហគ្រាសគឺជាកន្លែងដែល Google កំពុងផ្តោតការអះអាងរបស់ខ្លួន។ Neon សំយោគសៀវភៅបញ្ជី PDF គំនូសតាង អូឌីយ៉ូ និងវីដេអូក្នុងបង្អួចបរិបទ 1 លានសញ្ញាសម្ងាត់តែមួយ ហើយបង្វែរធាតុបញ្ចូលទាំងនោះទៅជាការចែកចាយដែលមានរចនាសម្ព័ន្ធ។ Google និយាយថា គំរូនេះជាប់ចំណាត់ថ្នាក់លេខមួយនៅលើ Surge AI benchmarks ភាគច្រើននៅទូទាំងផ្នែកហិរញ្ញវត្ថុ គណនេយ្យ គំរូតារាង និងឧបសគ្គស្មុគស្មាញដូចខាងក្រោម។ វាប្រកាស 73.5% លើគំនូសតាងសម្រាប់ការអានគំនូសតាងដែលមានជំនាញវិជ្ជាជីវៈក្រាស់និងអនុវត្តដូចគ្នានឹងគំរូឈានមុខគេនៅលើការប្រឡងចុងក្រោយរបស់ភ្នាក់ងារ v1.1 (75.8%) ។ វាក៏បង្ហាញខ្លួនជាលើកដំបូងនៅលើ AutomationBench របស់ Zapier នៅ 56.3% និងនាំមុខ Andon Labs 'Vending-Bench 2 ដែលជាការក្លែងធ្វើរយៈពេលវែងនៃការដំណើរការអាជីវកម្មមួយ ជាមួយនឹងប្រាក់ចំណូលក្លែងធ្វើ $16,843 ។ នៅលើ Agent Arena Index ថ្មីរបស់ Arena ដែលបង្កើតឡើងពីវគ្គភ្នាក់ងារពិភពពិតជាង 4,200 Neon ជាប់ចំណាត់ថ្នាក់ទីពីរទូទាំងពិភពលោកជាមួយនឹងពិន្ទុ 1336 និងជាប់ចំណាត់ថ្នាក់លេខ 2 លើភាពបត់បែន ដែលមានន័យថាវាសម្របខ្លួនបានយ៉ាងស្អាតចំពោះការកែតម្រូវអ្នកប្រើប្រាស់ពាក់កណ្តាលភារកិច្ច។
ហេតុផលវិទ្យាសាស្រ្ត និងគណិតវិទ្យាទទួលបានការបង្ហាញផ្ទាល់ខ្លួនរបស់វា៖ Google ទាមទារលទ្ធផលល្អបំផុតក្នុងថ្នាក់លើ Terminal-Bench Science (70.5%), RiemannBench (84.0%) និង HLE-Diamond (71.3%)។
បង្កើតឡើងសម្រាប់ភ្នាក់ងារសរសេរកូដដែលដំណើរការយូរ
ការសរសេរកូដគឺជាករណីប្រើប្រាស់ marquee ។ Google និយាយថា Neon ជាប់ចំណាត់ថ្នាក់ដំបូងគេលើសន្ទស្សន៍ភ្នាក់ងារវិភាគកូដសិប្បនិម្មិតជាមួយនឹងពិន្ទុ 58.6 ប្រកាស 65.2% នៅលើ Terminal-Bench 4.1 និង 46.2% នៅលើ FrontierCode 2.0 តាមការកំណត់កម្រិតខ្ពស់របស់វា។ នៅលើ SWE-sweep, Neon នាំមុខ 12.8% លើខ្សែ Mini-SWE និងច្រើនជាងបីដងដែលទាមទារឱ្យមានភាពទាន់សម័យ 39.0% នៅពេលដំណើរការនៅខាងក្នុងខ្សែភ្នាក់ងារ Antigravity របស់ Google ។
គំរូនេះត្រូវបានវិស្វកម្មសម្រាប់លំហូរការងាររបស់ភ្នាក់ងារដែលដំណើរការយូរ៖ វាទ្រទ្រង់ដំណើរការតាមរយៈកិច្ចការស្មុគស្មាញ ឧបករណ៍ធ្ងន់ កាត់បន្ថយការអានឯកសារដែលលែងត្រូវការគ្នា ចែករំលែកវឌ្ឍនភាពនៅពេលវាដំណើរការ និងដោះស្រាយការបង្រួមបរិបទដោយភាពជឿជាក់ក្នុងវគ្គវែង។ វាក៏អាចដើរតួជាអ្នកប្រគុំតន្រ្តីដែលមានការវិនិច្ឆ័យខ្ពស់ និងរហ័ស ដែលដឹកនាំភ្នាក់ងាររងអ៊ីដ្រូសែនស្របគ្នានៅក្នុង Antigravity ។ ការបង្ហាញរបស់ Google ត្រូវបានបង្ហាញជាលក្ខណៈ៖ ការបើកបរ Blender MCP នៅក្នុង Antigravity, Neon បានសាងសង់បន្ទប់ពិសោធន៍ 3D បែបប្រាកដនិយមដែលមើលឃើញក្រុមគ្រួសារ Gemini 4 ជាមួយនឹងភាពត្រឹមត្រូវនៃធាតុ — អណ្តាតភ្លើង Bunsen សម្រាប់កាបូន និងអ៊ីដ្រូសែន បំពង់បង្ហូរឧស្ម័នសម្រាប់ Argon និង Neon ។ ដោយប្រើពាក្យបញ្ជា /swarm វាបង្កើតឡើងវិញនូវការសិក្សាឆ្នាំ 1936 របស់ Alan Turing នៅមហាវិទ្យាល័យ King's College Cambridge ក្នុងអន្តរកម្ម 3D ដែលបានបញ្ចប់ជាមួយនឹងម៉ាស៊ីន Universal Turing ដែលធ្វើការនៅលើតុ។ នៅក្នុងការបង្ហាញមួយផ្សេងទៀត ភ្នាក់ងារមួយបានប្រែក្លាយរូបភាពតែមួយទៅជា 100,000-cell Google Sheet កំពុងដំណើរការការរកឃើញគែម និងការគូសផែនទីជម្រៅ 3D តាមរយៈរូបមន្តសៀវភៅបញ្ជីផ្ទាល់ច្រើនជាង 500,000 ដោយមិនមានរូបភាពបង្កប់ ឬស្គ្រីបកម្មវិធីទេ។
លៃតម្រូវតម្លៃជាមួយនឹងកម្រិតគិតទាំងបួន
Gemini 4 Neon មានតម្លៃ 3 ដុល្លារក្នុងមួយលាននិមិត្តសញ្ញាបញ្ចូល និង 15 ដុល្លារក្នុងមួយលានថូខឹនទិន្នផល ជាមួយនឹងការបញ្ចូលក្នុងឃ្លាំងសម្ងាត់មានតម្លៃ 0.15 ដុល្លារក្នុងមួយលានថូខឹន ដែលជាការបញ្ចុះតម្លៃ 95% ដែលត្រូវបានរចនាឡើងដើម្បីធ្វើឱ្យរង្វិលជុំភ្នាក់ងារបរិបទវែងមានលទ្ធភាពសេដ្ឋកិច្ច។ វិនដូបរិបទ 1 លានសញ្ញាសម្ងាត់ ពង្រីកសហគ្រាស ការងារ វិភាគ និងវិទ្យាសាស្ត្រ។
Google ក៏កំពុងកែលម្អកម្រិតនៃការគិតរបស់ខ្លួនជាមួយនឹងការចេញផ្សាយនេះ។ អ៊ីយូតាដឹកជញ្ជូន 4 កម្រិតដែលធ្វើមាត្រដ្ឋានជាលំដាប់ ដោយអនុញ្ញាតឱ្យក្រុមហៅព័ត៌មានស៊ើបការណ៍សម្ងាត់ និងនិមិត្តសញ្ញាចំណាយសម្រាប់បន្ទុកការងារនីមួយៗ។ នៅកម្រិតខ្ពស់លំនាំដើមរបស់ខ្លួន ក្រុមហ៊ុននិយាយថា Neon ផ្គូផ្គងពិន្ទុការវិភាគសិប្បនិម្មិតដ៏រឹងមាំជាមួយនឹងតម្លៃទាបជាង 32% ក្នុងមួយកិច្ចការជាង Carbon ហើយអង្គុយនៅលើព្រំប្រទល់ Pareto នៃទាំង Vals Index និង Agent Arena ជាមួយនឹងតម្លៃប្រហែល 50% ទៅ 80% ទាបជាងតម្លៃក្នុងមួយភារកិច្ចជាងម៉ូដែលជួរមុខដែលប្រកួតប្រជែងកំពូល។ ការកំណត់ xhigh បន្ថែមហេតុផលច្រើនជំហានកាន់តែស៊ីជម្រៅសម្រាប់បន្ទុកការងារផ្នែកវិស្វកម្ម និងវិទ្យាសាស្ត្រដែលពិបាកបំផុត ខណៈពេលដែលនៅតែចំណាយអស់ 36%+ ក្នុងមួយកិច្ចការតិចជាងម៉ូដែលប្រកួតប្រជែងនៅការកំណត់ខ្ពស់បំផុតរបស់ពួកគេ។
បំរែបំរួលតាមអ៊ីនធឺណិតសម្រាប់អ្នកការពារដែលជឿទុកចិត្ត
Google ក៏បានដាក់ Neon ជាគំរូសុវត្ថិភាពផងដែរ។ Gemini 4 Neon សម្រាប់អ៊ីនធឺណេតផលិតកូដដែលមានសុវត្ថិភាពជាងកាបោនឆ្លងកាត់រាល់បញ្ហាប្រឈមដែលងាយស្រួល មធ្យម និងលំបាកទាំងអស់នៅលើ AutoBaxBench ដែលឈានដល់កម្រិតកំពូលនៃផ្នែករឹងនៅ 76% ។ នៅលើ WebExploitBench v1.2 ម៉ូដែលនេះប្រកាសពីភាពទាន់សម័យដែលទាមទារ 51.26% នៅពាក់កណ្តាលនៃការចំណាយលើម៉ូដែលធំប្រកួតប្រជែង ហើយឆ្លងកាត់វដ្តជីវិតនៃការពង្រឹងកូដ វាមានពិន្ទុ 90.5% នៅលើ SEC-bench Pro (ការស្វែងរកភាពងាយរងគ្រោះ ប្រហែលពាក់កណ្តាលនៃតម្លៃធម្មតាក្នុងមួយបញ្ហាប្រឈម) សម្រេចបានពាក់កណ្តាលនៃការកេងប្រវ័ញ្ច និងសុពលភាពនៃរថយន្ត។ ឈានដល់ 70.7% នៅលើ CWE-bench v2 របស់ Collinear សម្រាប់បំណះ - ការកើនឡើង 3.4 ពិន្ទុលើកាបូន។ បំរែបំរួលតាមអ៊ីនធឺណែតនឹងចេញសម្រាប់អ្នកការពារដែលគួរឱ្យទុកចិត្តនៅថ្ងៃខាងមុខតាមរយៈកម្មវិធី Fairwind របស់ Google ។
មាត្រដ្ឋានសុវត្ថិភាពសម្រាប់ការងារផលិតកម្ម
ដោយសារតែ Neon នាំមកនូវសមត្ថភាពកម្រិតព្រំដែនទៅកាន់ម៉ូដែលដែលលឿន និងថោកជាង Google និយាយថា ខ្លួនបានផ្គូផ្គងការចេញផ្សាយនេះជាមួយនឹងការការពារតាមពេលវេលាជាក់ស្តែងប្រឆាំងនឹងការប្រើប្រាស់មិនត្រឹមត្រូវតាមអ៊ីនធឺណិត និងសុវត្ថិភាពជីវសាស្ត្រដែលអាចប្រៀបធៀបទៅនឹងការការពាររបស់ Carbon — ខណៈពេលដែលកំពុងធ្លាក់ចុះការងារស្របច្បាប់តិចជាង ដោយបដិសេធត្រឹមតែ 1.98% នៃកិច្ចការនៅលើ Terminal-Bench 4.0-Bench និងគ្មាននៅលើ Terminal-Bench ម៉ូនីទ័រតម្រឹមខាងក្នុងបានបង្ហាញពីអត្រាការដាស់តឿនក្រោមកម្រិតមូលដ្ឋានរបស់ Carbon ហើយម៉ូដែលនេះបានផ្គូផ្គង Carbon ជាមួយនឹង 0.0% ការក្លែងបន្លំនៅលើ Terminal-Bench 4.0 បានប្រើផ្លូវកាត់លើកិច្ចការត្រឹមតែ 2.45% ប៉ុណ្ណោះក្នុងការវាយតម្លៃការក្លែងបន្លំការសរសេរកូដរបស់ Google ដែលជាអត្រាទាបបំផុតនៃគំរូ Gemini 4 ណាមួយ - និងបានបង្ហោះនូវអត្រាសុវត្ថិភាព 9 ស្របនឹងភ្នាក់ងារ 0។ អត្រាឆ្លងកាត់ 99.2% លើការវាយតម្លៃភាពស្មោះត្រង់របស់ភ្នាក់ងារ។
ភាពអាចរកបាន
Gemini 4 Neon កំពុងដាក់ឱ្យដំណើរការនៅថ្ងៃនេះនៅក្នុង Gemini API នៅក្នុង Google AI Studio នៅក្នុង Gemini សម្រាប់អាជីវកម្មតាមរយៈ API និងគំរូទម្លាក់ចុះ ហើយសម្រាប់អ្នកជាវ Google AI Pro និង Ultra ដែលបានបង់ប្រាក់ទាំងនៅក្នុង Google Antigravity និងកម្មវិធី Gemini ។
ហេតុអ្វីវាសំខាន់
ការកំណត់តម្លៃរបស់ Neon ធ្វើឱ្យដំណើរការភ្នាក់ងារនៅជាប់ព្រំដែនអាចឈានដល់ក្រុម ដែលមិនអាចបង្ហាញអំពីភាពត្រឹមត្រូវនៃការចំណាយលើម៉ូដែលកំពូលសម្រាប់បរិមាណការងារដែលមានបរិមាណច្រើន។ ប្រសិនបើការទាមទារស្តង់ដាររក្សានៅក្នុងការធ្វើតេស្តឯករាជ្យ រូបភាពប្រកួតប្រជែងសម្រាប់ការសរសេរកូដភ្នាក់ងារ ការងារចំណេះដឹងសហគ្រាស និងសុវត្ថិភាពការពារកាន់តែតឹងរ៉ឹងថែមទៀត ហើយគម្លាតរវាង "លឿនគ្រប់គ្រាន់" និង "ព្រំដែន" បន្តរួមតូច។ សម្រាប់ការបើកដំណើរការជាច្រើនទៀតដូចកម្មវិធីមួយនេះ សូមពិនិត្យមើលការអភិវឌ្ឍន៍ AI ចុងក្រោយបំផុតនៅលើ AI Buzz Wire។
---
ស្នាក់នៅមុន AIទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។
អានព័ត៌មាន AI បន្ថែម →