Google ने बुधवारी जेमिनी 4 निऑन सादर केले, जे त्याच्या जेमिनी 4 मॉडेल कुटुंबातील नवीनतम जोड आहे आणि, द डिकोडरने मोजल्याप्रमाणे, चौथे नवीन जेमिनी मॉडेल Google ने एका महिन्यात पाठवले आहे. Google ने नियॉनला मध्य-स्तरीय वर्कहॉर्स म्हणून स्थान दिले जे सॉफ्टवेअर अभियांत्रिकी, ज्ञान कार्य आणि वैज्ञानिक वर्कफ्लोमध्ये वेगवान एंड-टू-एंड टास्क पूर्ण करण्यासाठी फ्रंटियर-लेव्हल इंटेलिजेंसची जोड देते — आणि त्याची किंमत कच्च्या क्षमतेवर चालणाऱ्या मोठ्या मॉडेलपेक्षा कमी आहे.
"आज, आम्ही Gemini 4 Neon सादर करत आहोत - जटिल सॉफ्टवेअर अभियांत्रिकी, ज्ञान कार्य आणि विज्ञान कार्यप्रवाहांमध्ये जलद एंड-टू-एंड टास्क पूर्ण करून फ्रंटियर-स्तरीय बुद्धिमत्ता आणत आहोत," Google DeepMind चे SVP आणि मुख्य AI आर्किटेक्ट यांनी घोषणेमध्ये लिहिले. SiliconANGLE ने अहवाल दिला की मध्य-स्तरीय मॉडेल काही मेट्रिक्सवर जिंकताना त्याच्या मोठ्या भावंड कार्बनपेक्षा तीनपट वेगाने धावते. For more context on this story, see our ongoing AI trends.
जेथे निऑन बेंचमार्कवर क्रमांकावर आहे
आर्टिफिशियल ॲनालिसिस इंटेलिजेंस इंडेक्सवर, निऑनने त्याच्या उच्च विचारसरणीच्या पातळीवर 61 स्कोअर केले, एकूणच #3 क्रमांकावर आहे - अगदी मोठ्या, हळू मॉडेलच्या मागे, Google ने सांगितले. Vals इंडेक्सवर ते 70.9 टक्के वर #2 क्रमांकावर आहे आणि खर्च विरुद्ध कामगिरीच्या पेरेटो सीमांवर बसते. लीगल रिसर्च बेंच आणि टॅक्स एजंट बेंच या दोन्हींवर हे #1 स्थान घेते आणि Google ने सर्ज एआय मूल्यांकनाचा संदर्भ देऊन अर्थ, अकाउंटिंग, स्प्रेडशीट मॉडेलिंग आणि खालील जटिल मर्यादा समाविष्ट करणाऱ्या बहुतांश बेंचमार्कवर #1 क्रमांक दिला आहे.
घोषणेमध्ये एजंट-स्वाद स्कोअर तितकेच ठळक आहेत: Zapier's AutomationBench वर एकूण #1 56.3 टक्के, #1 Andon Labs' Vending-Bench 2 लाँग-हॉरिझन बिझनेस सिम्युलेशनवर $16,843, एजंट्सच्या शेवटच्या परीक्षेसाठी 75.8 टक्के आणि व्यावसायिक v131 च्या परीक्षेसाठी 75 टक्के. तक्ते एरेनाच्या नवीन एजंट एरिना इंडेक्सवर, 4,200 पेक्षा जास्त वास्तविक-जागतिक एजंट सत्रांमधून तयार केले गेले आहे, निऑनने 1336 च्या स्कोअरसह जागतिक स्तरावर #2 पदार्पण केले आहे. वैज्ञानिक आणि गणितीय तर्कामध्ये, Google टर्मिनल-बेंच सायन्स (70.5 टक्के), RiemannBench (70.5 टक्के), RiemannBench (70 टक्के), आणि 7.4 टक्के) वरील सर्वोत्कृष्ट श्रेणीतील निकाल नोंदवते.
दीर्घकाळ चालणाऱ्या कोडिंग एजंटसाठी तयार केले आहे
कोडींग म्हणजे Google ने निऑनला सर्वात कठीण लक्ष्य ठेवले आहे. आर्टिफिशियल ॲनालिसिस कोडिंग एजंट इंडेक्सवर मॉडेल 58.6 वर एकूण #1 क्रमांकावर आहे, टर्मिनल-बेंच 4.1 वर 65.2 टक्के, आणि फ्रंटियरकोड 2.0 वर त्याच्या डीफॉल्ट उच्च सेटिंगमध्ये 46.2 टक्के स्कोअर आहे. VentureBeat च्या मथळ्याने स्पर्धात्मक चित्र स्पष्टपणे तयार केले: Opus 5.5-स्तरीय कोडिंग कार्यप्रदर्शन 25 टक्के कमी API टोकन किमतींवर — अँथ्रोपिकच्या क्लॉड कोडिंग मॉडेल्सवर थेट शॉट, ज्याने या आठवड्यात Anthropic च्या रेकॉर्ड IPO सह स्वतःचा मार्केट मैलाचा दगड लाँच केला.
Google च्या सॉफ्टवेअर अभियांत्रिकी स्वीप बेंचमार्क SWE-sweep वर सर्वात उल्लेखनीय संख्या आहे: निऑन मानक मिनी-SWE हार्नेसवर फक्त 12.8 टक्के व्यवस्थापित करते परंतु Google Antigravity मध्ये चालत असताना दावा केलेल्या अत्याधुनिक 39.0 टक्क्यांपेक्षा तिप्पट आहे, कंपनीचे एजंटिक IDE हे मॉडेल म्हणून मॉडेल म्हणून वापरते - एक मॉडेल म्हणून 39.0 टक्के. स्वतः नियॉनला अँटीग्रॅव्हिटीमध्ये समांतर हायड्रोजन सबजेंट्सचे दिग्दर्शन करणारा, रिडंडंट फाईल रीड्स कापून आणि दीर्घ सत्रांमध्ये कॉन्टेक्स्ट कॉम्पॅक्शन हाताळण्यासाठी वेगवान ऑर्केस्ट्रेटर म्हणून काम करण्यासाठी देखील अभियंता आहे.
Google ने शोकेस बिल्डसह मॉडेलची एजंटिक श्रेणी प्रदर्शित केली: ब्लेंडर MCP द्वारे व्युत्पन्न केलेला फोटोरिअलिस्टिक 3D लॅब बेंच, सानुकूल शेडर्सच्या 10,000 पेक्षा जास्त ओळींसह वास्तविक मॉन्ट ब्लँक एलिव्हेशन भूप्रदेशावर सुरवातीपासून लिहिलेला प्रथम-व्यक्ती WebGL2 स्की सिम्युलेटर, आणि एक एजंट एका प्रतिमेत बदलतो. 500,000 पेक्षा जास्त थेट सूत्रांद्वारे 100,000-सेल Google शीट चालत असलेल्या एज डिटेक्शन.
सीमारेषेला कमी करणारी किंमत
निऑनची किंमत 1 दशलक्ष-टोकन संदर्भ विंडोसह, प्रति दशलक्ष इनपुट टोकनसाठी $3 आणि प्रति दशलक्ष आउटपुट टोकनसाठी $15 आहे. कॅश्ड इनपुट टोकन $0.15 प्रति दशलक्ष चालवतात — एजंटिक वर्कफ्लोसाठी डिझाइन केलेली 95 टक्के सूट जी समान संदर्भ पुन्हा पुन्हा वाचते. त्याच्या डीफॉल्ट उच्च विचारसरणीच्या स्तरावर, Google म्हणते की निऑन कार्बनच्या तुलनेत प्रति टास्क 32 टक्के कमी खर्च करते आणि उच्च सेटिंग्जमध्ये शीर्ष प्रतिस्पर्धी फ्रंटियर मॉडेल्सपेक्षा प्रति टास्क 36 टक्के किंवा त्याहून कमी खर्च करते.
मॉडेल एक परिष्कृत चार-स्तरीय विचार शिडीवर पदार्पण करते — सर्वात कठीण अभियांत्रिकी आणि विश्लेषणात्मक वर्कलोड्ससाठी वेगवान कमी-किमतीच्या स्तरापासून ते xhh पर्यंत पसरलेले — कार्यसंघांना बुद्धिमत्ता डायल करू देते आणि प्रति कार्य टोकन खर्च करू देते. Google ने नवीन एजंट एरिना इंडेक्सवर स्टीयरॅबिलिटीमध्ये #2 क्रमांकाचा अहवाल देखील दिला आहे, ज्यामुळे मिड-टास्क दुरुस्त्या स्वच्छपणे जुळवून घेतल्याबद्दल आणि अंतर्गत अँटीग्रॅव्हिटी चाचणीमध्ये त्याचा सर्वात कमी फॅब्रिकेशन रेट नोंदवला आहे.
सुरक्षेला प्रथम श्रेणी उपचार मिळतात
प्रक्षेपणाचा एक लक्षणीय महत्त्व म्हणजे संरक्षणात्मक सुरक्षा. AutoBaxBench वर, जे मॉडेल सुरवातीपासून सुरक्षित कोड तयार करतात की नाही याची चाचणी घेते, निऑन सोप्या, मध्यम आणि कठीण आव्हानांमध्ये कार्बनला मागे टाकते आणि 76 टक्के हार्ड टियरवर अत्याधुनिक कामगिरी करते. WebExploitBench v1.2 वर, एक पेनिट्रेशन-टेस्टिंग बेंचमार्क, Google 51.26 टक्के अत्याधुनिक दावा करते - मोठ्या मॉडेल्सच्या स्पर्धांच्या निम्म्या किंमतीवर.
Google देखील त्या क्षमतेचे उत्पादन करत आहे: "सायबरसाठी जेमिनी 4 निऑन" कॉन्फिगरेशन कंपनीच्या फेअरविंड प्रोग्रामद्वारे आगामी काळात विश्वासार्ह बचावकर्त्यांना भेद्यता शोधणे, प्रमाणीकरण आणि पॅचिंग समाविष्ट करते.
उपलब्धता
जेमिनी 4 निऑन आज जेमिनी API आणि Google AI स्टुडिओमध्ये, जेमिनीमध्ये API आणि मॉडेल ड्रॉपडाउन द्वारे व्यवसायासाठी आणि Google Antigravity आणि Gemini ॲप दोन्हीमध्ये सशुल्क Google AI Pro आणि अल्ट्रा सदस्यांसाठी सादर होत आहे. हॅकर न्यूजवर डेव्हलपरद्वारे समोर आलेली एक चेतावणी: Google क्लाउडचे दस्तऐवजीकरण एंटरप्राइझ एजंट प्लॅटफॉर्मवर गैरवर्तन-निरीक्षण प्रॉम्प्ट लॉगिंगसह मॉडेल शिप सूचित करते आणि निवड रद्द करण्याची ऑफर देत नाही — संवेदनशील कोड हाताळणाऱ्या संघांसाठी विचार.
नियॉनसह, Google आपली रणनीती स्पष्ट करत आहे: एक प्रचंड मॉडेल विकण्याऐवजी, ते घटक-नावाचे मॉडेल - कार्बन, हायड्रोजन, आर्गॉन आणि आता निऑन - पाठवते आणि बेंचमार्कमध्ये कोणता खर्च-क्षमता सीमारेषेवर बसतो याबद्दल तर्क करू देते. या आठवड्यात अँथ्रोपिकचे ट्रिलियन-डॉलर पदार्पण पाहणाऱ्या कोडिंग-जड संघांसाठी, किंमतीतील कपात ही खेळपट्टी आहे: प्रति-कार्य खर्चाच्या एका अंशाने जवळ-सीमावरील बुद्धिमत्ता.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →