Google ने मंगळवारी जेमिनी 4 निऑन सादर केले, जेमिनी 4 फॅमिली नावाच्या त्याच्या घटकामध्ये एक नवीन जोड आहे जी कंपनी सॉफ्टवेअर अभियांत्रिकी, ज्ञान कार्य आणि वैज्ञानिक वर्कफ्लोमध्ये जलद एंड-टू-एंड टास्क पूर्ण करून फ्रंटियर-स्तरीय बुद्धिमत्ता प्रदान करते. Google DeepMind चे SVP आणि कंपनीचे चीफ AI आर्किटेक्ट यांनी अधिकृत ब्लॉग पोस्टमध्ये ही घोषणा केली आहे.
लाँचने Google च्या जेमिनी 4 रिलीझचा वेगवान कॅडेन्स सुरू ठेवला आहे, ज्यामध्ये कार्बन, हायड्रोजन आणि आर्गॉन प्रकारांचा आधीच समावेश आहे — ज्यातील नंतरचे Minecraft च्या अंतिम क्रेडिट्सद्वारे स्वायत्तपणे खेळण्यासाठी मथळे बनवले आहेत. नियॉन स्वतःला कुटुंबाचा वेगवान, कार्यक्षम स्तर म्हणून स्थान देतो: स्वतंत्र लीडरबोर्डच्या शीर्षस्थानी बसण्यास पुरेसे मजबूत आहे आणि मोठ्या, हळू फ्रंटियर मॉडेल्सपेक्षा खूप कमी किंमत आहे. आमच्या AI मॉडेल्स कव्हरेजमधील प्रत्येक प्रमुख मॉडेल रिलीजचे अनुसरण करा.
जेथे निऑन बेंचमार्कवर उतरते
Google ने म्हटले आहे की निऑनने त्याच्या उच्च विचार स्तरावर कृत्रिम विश्लेषण बुद्धिमत्ता निर्देशांकावर 61 स्कोअर केले आहे, जे मोठ्या, धीमे स्पर्धकांच्या अगदी मागे असताना एकंदरीत तिसरे आणि तुलनात्मक मॉडेलच्या पुढे आहे. Vals इंडेक्सवर ते 70.9% वर दुसऱ्या क्रमांकावर आहे, ते क्षमता विरुद्ध खर्चाच्या पॅरेटो सीमेवर ठेवते आणि कायदेशीर संशोधन खंडपीठ आणि कर एजंट खंडपीठ या दोन्हींवर ते पहिले स्थान घेते.
एंटरप्राइझ स्टोरी अशी आहे जिथे Google आपले दावे केंद्रित करत आहे. निऑन स्प्रेडशीट्स, पीडीएफ, चार्ट, ऑडिओ आणि व्हिडिओ एकाच 1 दशलक्ष-टोकन कॉन्टेक्स्ट विंडोमध्ये संश्लेषित करते आणि ते इनपुट संरचित डिलिव्हरेबलमध्ये बदलते. Google ने म्हटले आहे की, फायनान्स, अकाऊंटिंग, स्प्रेडशीट मॉडेलिंग आणि खालील जटिल मर्यादा या सर्व सर्ज एआय बेंचमार्कमध्ये मॉडेल प्रथम क्रमांकावर आहे. हे दाट व्यावसायिक तक्ते वाचण्यासाठी चार्टोग्राफीवर 73.5% पोस्ट करते आणि एजंट्सच्या शेवटच्या परीक्षेच्या v1.1 (75.8%) वर आघाडीच्या मॉडेल्सच्या बरोबरीने कामगिरी करते. ते Zapier's AutomationBench वर 56.3% वर प्रथम पदार्पण करते आणि Andon Labs' Vending-Bench 2 वर - व्यवसाय चालवण्याचे दीर्घ-क्षितिज सिम्युलेशन - $16,843 च्या सिम्युलेटेड कमाईसह. एरेनाच्या नवीन एजंट एरिना इंडेक्सवर, 4,200 पेक्षा जास्त वास्तविक-जागतिक एजंट सत्रांमधून तयार केले गेले आहे, निऑन 1336 च्या स्कोअरसह जागतिक स्तरावर दुसऱ्या क्रमांकावर आहे आणि स्टीयरबिलिटीमध्ये दुसऱ्या क्रमांकावर आहे, याचा अर्थ ते मध्य-कार्य वापरकर्त्याच्या सुधारणांशी पूर्णपणे जुळवून घेते.
वैज्ञानिक आणि गणितीय तर्काला स्वतःचे शोकेस मिळते: Google ने टर्मिनल-बेंच सायन्स (70.5%), रीमनबेंच (84.0%) आणि HLE-डायमंड (71.3%) वर सर्वोत्तम-श्रेणीतील निकालांचा दावा केला आहे.
दीर्घकाळ चालणाऱ्या कोडींग एजंटसाठी तयार केलेले
कोडिंग हा वादातीत वापराचा मुद्दा आहे. Google ने म्हटले आहे की कृत्रिम विश्लेषण कोडिंग एजंट इंडेक्समध्ये निऑन 58.6 च्या स्कोअरसह प्रथम क्रमांकावर आहे, टर्मिनल-बेंच 4.1 वर 65.2% आणि फ्रंटियरकोड 2.0 वर 46.2% त्याच्या डीफॉल्ट उच्च सेटिंगमध्ये आहे. SWE-स्वीपवर, निऑन मिनी-SWE हार्नेसवर 12.8% ने आघाडीवर आहे आणि Google च्या अँटीग्रॅव्हिटी एजंट हार्नेसमध्ये चालत असताना दावा केलेल्या अत्याधुनिक 39.0% पेक्षा तिप्पट आहे.
मॉडेल दीर्घकाळ चालणाऱ्या एजंट वर्कफ्लोसाठी इंजिनीयर केलेले आहे: ते जटिल, टूल-जड कार्यांद्वारे कार्यप्रदर्शन टिकवून ठेवते, अनावश्यक फाईल वाचणे कमी करते, कार्य करत असताना प्रगती सामायिक करते आणि दीर्घ सत्रांमध्ये संदर्भ कॉम्पॅक्शन विश्वसनीयपणे हाताळते. हे अँटीग्रॅव्हिटीमध्ये समांतर हायड्रोजन सबजेंट्स निर्देशित करणारा वेगवान, उच्च-निर्णय देणारा ऑर्केस्ट्रेटर म्हणून देखील कार्य करू शकतो. Google चे डेमो वैशिष्ट्यपूर्णपणे आकर्षक होते: अँटिग्रॅव्हिटीमध्ये ब्लेंडर MCP चालवत, निऑनने जेमिनी 4 फॅमिली मूलभूत अचूकतेसह दृश्यमान करणारे फोटोरिअलिस्टिक 3D लॅब बेंच तयार केले — कार्बन आणि हायड्रोजनसाठी बनसेन फ्लेम्स, आर्गॉन आणि निऑनसाठी गॅस डिस्चार्ज ट्यूब. /स्वार्म कमांडचा वापर करून, त्याने किंग्ज कॉलेज केंब्रिजमधील ॲलन ट्युरिंगचा 1936 चा अभ्यास इंटरएक्टिव्ह 3D मध्ये पुन्हा तयार केला, जो डेस्कवर कार्यरत युनिव्हर्सल ट्युरिंग मशीनसह पूर्ण झाला. दुसऱ्या डेमोमध्ये, एजंटच्या झुंडीने 100,000 सेल Google शीट रनिंग एज डिटेक्शन आणि 3D डेप्थ मॅपिंगमध्ये 500,000 पेक्षा जास्त थेट स्प्रेडशीट फॉर्म्युलाद्वारे एका इमेजचे रूपांतर केले, ज्यामध्ये कोणतीही एम्बेड केलेली प्रतिमा किंवा ॲप्स स्क्रिप्ट नाही.
चार विचार स्तरांसह किंमत ट्यून करा
Gemini 4 Neon ची किंमत $3 प्रति दशलक्ष इनपुट टोकन आणि $15 प्रति दशलक्ष आउटपुट टोकन, कॅश्ड इनपुटसह $0.15 प्रति दशलक्ष टोकनची किंमत आहे — दीर्घ-संदर्भ एजंट लूप आर्थिकदृष्ट्या व्यवहार्य बनवण्यासाठी डिझाइन केलेली 95% सूट. 1 दशलक्ष-टोकन संदर्भ विंडो मॉडेलच्या एंटरप्राइझ, विश्लेषणात्मक आणि वैज्ञानिक वर्कलोड्सवर पसरते.
या रिलीझसह Google त्याच्या विचार-स्तरीय शिडी देखील परिष्कृत करत आहे. नियॉन चार लेव्हल पाठवते जे स्थिरपणे स्केल करते, टीमला प्रत्येक वर्कलोडसाठी बुद्धिमत्ता आणि टोकन खर्च डायल करू देते. त्याच्या डीफॉल्ट उच्च स्तरावर, कंपनी म्हणते की कार्बनच्या तुलनेत प्रति टास्क 32% कमी खर्चासह निऑन मजबूत कृत्रिम विश्लेषण स्कोअर जोडते आणि वॅल्स इंडेक्स आणि एजंट एरिना या दोन्हीच्या पॅरेटो फ्रंटियरवर बसते आणि शीर्ष प्रतिस्पर्धी फ्रंटियर मॉडेल्सपेक्षा प्रति टास्क अंदाजे 50% ते 80% कमी खर्च करते. xhigh सेटिंग सर्वात कठीण अभियांत्रिकी आणि वैज्ञानिक वर्कलोडसाठी सखोल बहु-चरण तर्क जोडते आणि तरीही त्यांच्या सर्वोच्च सेटिंग्जमध्ये प्रतिस्पर्धी मॉडेल्सपेक्षा 36%+ कमी प्रति कार्य खर्च करते.
विश्वासू बचावकर्त्यांसाठी सायबर प्रकार
Google ने निऑनला सुरक्षा मॉडेल म्हणून देखील स्थान दिले. सायबरसाठी जेमिनी 4 निऑन ऑटोबॅक्सबेंचवरील सर्व सोप्या, मध्यम आणि कठीण आव्हानांमध्ये कार्बनपेक्षा अधिक सुरक्षित कोड तयार करते, हार्ड टियरवर 76% वर अत्याधुनिक पोहोचते. WebExploitBench v1.2 वर मॉडेल प्रतिस्पर्धी मोठ्या मॉडेल्सच्या निम्म्या किंमतीवर दावा केलेला अत्याधुनिक 51.26% पोस्ट करतो, आणि कोड-हार्डनिंग लाइफसायकलमध्ये ते SEC-बेंच प्रो वर 90.5% स्कोअर करते (असुरक्षा शोधणे, साधारणपणे निम्म्या खर्चावर, प्रति आव्हान समोरच्या निम्म्या खर्चावर) एक्सप्लोइट एक्स्प्लोएट-फ्रंट-व्हॅलव्हल एक्स्प्लोइड वापरून साध्य करते. कार्बनचे टोकन, आणि पॅचिंगसाठी कॉलीनियरच्या CWE-बेंच v2 वर 70.7% पर्यंत पोहोचते — कार्बनवर 3.4-पॉइंट उत्थान. Google च्या Fairwind Program द्वारे सायबर व्हेरिएंट येत्या काही दिवसांत विश्वसनीय बचावकर्त्यांसमोर आणले जाईल.
उत्पादन कार्यासाठी सुरक्षा मेट्रिक्स
नियॉनने वेगवान, स्वस्त मॉडेलमध्ये फ्रंटियर-लेव्हल क्षमता आणल्यामुळे, Google म्हणते की त्याने कार्बनच्या संरक्षणाशी तुलना करता सायबर आणि जैवसुरक्षा दुरुपयोगाविरूद्ध रिअल-टाइम सेफगार्ड्ससह रिलीझ जोडले आहे — अगदी कमी कायदेशीर कामांना नकार देत, Terminal-Bench 4.98 वरील फक्त 1.98% कार्ये नाकारून Terminal-Bench 4.0. अंतर्गत संरेखन मॉनिटर्सने कार्बनच्या बेसलाइनच्या खाली अलर्ट दर दाखवले आणि मॉडेलने टर्मिनल-बेंच 4.0 वर 0.0% फसवणूक करून कार्बनशी जुळवून घेतले, Google च्या कोडिंग फसवणूक मूल्यमापनात फक्त 2.45% कार्यांवर शॉर्टकट घेतले — कोणत्याही जेमिनी 4 मॉडेलचा सर्वात कमी दर — आणि त्याच्या सुरक्षिततेच्या बाजूने 9% चुकीचा दर पोस्ट केला. एजंटच्या प्रामाणिकपणाच्या मूल्यांकनावर 99.2% उत्तीर्ण दर.
उपलब्धता
Gemini 4 Neon आज Google AI स्टुडिओमधील Gemini API मध्ये, API आणि मॉडेल ड्रॉपडाउनद्वारे व्यवसायासाठी Gemini मध्ये आणि Google Antigravity आणि Gemini ॲप या दोन्हीमध्ये सशुल्क Google AI Pro आणि अल्ट्रा सदस्यांसाठी सादर होत आहे.
हे महत्त्वाचे का आहे
नियॉनच्या किंमतीमुळे सीमा-समीप एजंट कार्यप्रदर्शन संघांच्या आवाक्यात ठेवते जे उच्च-व्हॉल्यूम वर्कलोडसाठी शीर्ष-स्तरीय मॉडेल खर्चाचे समर्थन करू शकत नाही. बेंचमार्कचे दावे स्वतंत्र चाचणीत टिकून राहिल्यास, एजंटिक कोडिंग, एंटरप्राइझ ज्ञान कार्य आणि बचावात्मक सुरक्षा यासाठी स्पर्धात्मक चित्र आणखी घट्ट होते — आणि "फास्ट पुरेशी" आणि "फ्रंटियर" मधील अंतर कमी होत जाते. यासारख्या आणखी लॉन्चसाठी, एआय बझ वायरवर नवीनतम AI घडामोडी तपासा.
---
एआयच्या पुढे राहानवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.
अधिक AI बातम्या वाचा →