Google đã giới thiệu Gemini 4 Neon vào thứ Ba, một bổ sung mới cho gia đình Gemini 4 có tên thành phần mà công ty quảng cáo là cung cấp trí thông minh cấp cao với khả năng hoàn thành nhiệm vụ từ đầu đến cuối nhanh chóng trong kỹ thuật phần mềm, công việc tri thức và quy trình làm việc khoa học. Thông báo này đến từ Koray Kavukcuoglu, SVP tại Google DeepMind và Kiến trúc sư trưởng AI của công ty, trong một bài đăng trên blog chính thức.
Việc ra mắt tiếp tục nhịp độ nhanh chóng của các bản phát hành Gemini 4 của Google, vốn đã bao gồm các biến thể Carbon, Hydrogen và Argon - biến thể sau này đã gây chú ý về việc tự động chơi thông qua các khoản tín dụng cuối của Minecraft. Neon tự định vị mình là cấp độ nhanh, hiệu quả trong dòng sản phẩm: đủ mạnh để đứng gần đầu bảng xếp hạng độc lập trong khi có chi phí thấp hơn nhiều so với các mô hình biên giới lớn hơn, chậm hơn mà nó theo đuổi. Theo dõi mọi bản phát hành mô hình chính trong phạm vi phủ sóng các mô hình AI của chúng tôi.
Nơi neon hạ cánh trên điểm chuẩn
Google cho biết Neon đạt 61 điểm trên Chỉ số trí tuệ phân tích nhân tạo ở cấp độ tư duy xhigh, xếp thứ ba tổng thể và dẫn trước các mô hình tương đương trong khi chỉ xếp sau các đối thủ lớn hơn, chậm hơn. Trên Chỉ số Vals, nó đứng thứ hai với 70,9%, đặt nó trên ranh giới Pareto về chi phí so với năng lực và nó chiếm vị trí đầu tiên trên cả Ban nghiên cứu pháp lý và Ban đại lý thuế.
Câu chuyện doanh nghiệp là nơi Google đang tập trung tuyên bố của mình. Neon tổng hợp các bảng tính, PDF, biểu đồ, âm thanh và video trong một cửa sổ ngữ cảnh 1 triệu mã thông báo duy nhất và biến những thông tin đầu vào đó thành các sản phẩm có cấu trúc. Google cho biết mô hình này đứng đầu trên hầu hết các điểm chuẩn của Surge AI về tài chính, kế toán, lập mô hình bảng tính và các ràng buộc phức tạp sau đây. Nó đăng 73,5% trên Chartography để đọc các biểu đồ chuyên nghiệp dày đặc và hoạt động ngang bằng với các mô hình hàng đầu trong Bài kiểm tra cuối cùng của Đại lý v1.1 (75,8%). Nó cũng ra mắt đầu tiên trên AutomationBench của Zapier với tỷ lệ 56,3% và đứng đầu Vending-Bench 2 của Andon Labs — một mô phỏng dài hạn về việc điều hành một doanh nghiệp — với doanh thu mô phỏng là 16.843 USD. Trên Chỉ số đấu trường đại lý mới của Arena, được xây dựng từ hơn 4.200 phiên đại lý trong thế giới thực, Neon đứng thứ hai trên toàn cầu với số điểm 1336 và đứng thứ hai về khả năng định hướng, nghĩa là nó thích ứng hoàn hảo với các chỉnh sửa của người dùng ở giữa nhiệm vụ.
Lý luận khoa học và toán học có màn trình diễn riêng: Google tuyên bố kết quả tốt nhất trong lĩnh vực Khoa học băng ghế dự bị (70,5%), RiemannBench (84,0%) và HLE-Diamond (71,3%).
Được xây dựng cho các tác nhân mã hóa chạy dài
Mã hóa được cho là trường hợp sử dụng marquee. Google cho biết Neon đứng đầu về tổng thể trong Chỉ số tác nhân mã hóa phân tích nhân tạo với số điểm 58,6, đạt 65,2% trên Terminal-Bench 4.1 và 46,2% trên FrontierCode 2.0 ở cài đặt cao mặc định. Trong quá trình quét SWE, Neon dẫn đầu với 12,8% trên dây nịt SWE mini và hơn gấp ba lần so với mức 39,0% hiện đại được tuyên bố khi chạy bên trong dây đai tác nhân chống trọng lực của Google.
Mô hình này được thiết kế cho các quy trình làm việc của tác nhân chạy dài: mô hình này duy trì hiệu suất thông qua các tác vụ phức tạp, nặng về công cụ, cắt giảm các lần đọc tệp dư thừa, chia sẻ tiến trình khi hoạt động và xử lý việc nén ngữ cảnh một cách đáng tin cậy trong các phiên dài. Nó cũng có thể hoạt động như một người điều phối nhanh chóng, có khả năng phán đoán cao, chỉ đạo các tác nhân phụ Hydrogen song song trong AntiGravity. Các bản demo của Google rất sặc sỡ: điều khiển Blender MCP trong AntiGravity, Neon đã xây dựng một băng ghế thí nghiệm 3D như ảnh thực, trực quan hóa dòng Gemini 4 với độ chính xác cơ bản — ngọn lửa Bunsen cho Carbon và Hydrogen, ống xả khí cho Argon và Neon. Sử dụng lệnh /swarm, nó đã tái tạo lại nghiên cứu năm 1936 của Alan Turing tại King's College Cambridge ở dạng 3D tương tác, hoàn chỉnh với Máy Turing vạn năng đang hoạt động trên bàn làm việc. Trong một bản demo khác, một nhóm tác nhân đã biến một hình ảnh duy nhất thành Google Trang tính 100.000 ô chạy tính năng phát hiện cạnh và lập bản đồ độ sâu 3D thông qua hơn 500.000 công thức bảng tính trực tiếp mà không có hình ảnh nhúng hoặc Apps Script.
Điều chỉnh giá theo bốn cấp độ tư duy
Gemini 4 Neon có giá 3 USD trên một triệu mã thông báo đầu vào và 15 USD trên một triệu mã thông báo đầu ra, với đầu vào được lưu trong bộ nhớ đệm có giá 0,15 USD trên một triệu mã thông báo — mức giảm giá 95% được thiết kế để giúp các vòng lặp tác nhân ngữ cảnh dài có hiệu quả kinh tế. Cửa sổ ngữ cảnh 1 triệu mã thông báo mở rộng khối lượng công việc doanh nghiệp, phân tích và khoa học của mô hình.
Google cũng đang tinh chỉnh thang cấp độ tư duy của mình với phiên bản này. Neon cung cấp bốn cấp độ có quy mô ổn định, cho phép các nhóm điều chỉnh mức chi tiêu thông minh và mã thông báo cho từng khối lượng công việc. Ở mức cao mặc định, công ty cho biết Neon kết hợp điểm Phân tích nhân tạo mạnh mẽ với chi phí cho mỗi nhiệm vụ thấp hơn 32% so với Carbon và nằm trên biên giới Pareto của cả Vals Index và Agent Arena với chi phí cho mỗi nhiệm vụ thấp hơn khoảng 50% đến 80% so với các mô hình biên giới cạnh tranh hàng đầu. Cài đặt xhigh bổ sung lý luận nhiều bước sâu hơn cho khối lượng công việc khoa học và kỹ thuật khó nhất trong khi vẫn có chi phí cho mỗi nhiệm vụ thấp hơn 36%+ so với các mẫu máy cạnh tranh ở cài đặt cao nhất.
Một biến thể mạng dành cho những người bảo vệ đáng tin cậy
Google cũng định vị Neon là mô hình bảo mật. Gemini 4 Neon dành cho mạng tạo ra mã an toàn hơn Carbon trong tất cả các thử thách dễ, trung bình và khó trên AutoBaxBench, đạt mức cao nhất ở cấp độ khó ở mức 76%. Trên WebExploitBench v1.2, mô hình này đạt 51,26% hiện đại được tuyên bố với chi phí chỉ bằng một nửa so với các mô hình lớn cạnh tranh và trong suốt vòng đời tăng cường mã, nó đạt 90,5% trên SEC-bench Pro (tìm ra lỗ hổng, với mức chi phí gần bằng một nửa chi phí thông thường cho mỗi thử thách), đạt được xác thực khai thác ở cấp biên giới trên ExploitGym bằng cách sử dụng một nửa số mã thông báo Carbon và đạt 70,7% trên băng ghế dự bị CWE của Colline. v2 để vá lỗi - tăng 3,4 điểm so với Carbon. Biến thể mạng sẽ được tung ra cho những người bảo vệ đáng tin cậy trong những ngày tới thông qua Chương trình Fairwind của Google.
Các thước đo an toàn cho công việc sản xuất
Vì Neon mang các khả năng cấp cao đến một mô hình nhanh hơn, rẻ hơn nên Google cho biết họ đã kết hợp bản phát hành với các biện pháp bảo vệ thời gian thực chống lạm dụng an toàn sinh học và mạng có thể so sánh với các biện pháp bảo vệ của Carbon — đồng thời từ chối các công việc ít hợp pháp hơn nhiều, chỉ từ chối 1,98% nhiệm vụ trên Terminal-Bench 4.0 và không có tác vụ nào trên Terminal-Bench-Science. Các màn hình căn chỉnh nội bộ cho thấy tỷ lệ cảnh báo dưới mức cơ sở của Carbon và mô hình này so sánh Carbon với tỷ lệ gian lận 0,0% trên Terminal-Bench 4.0, thực hiện các phím tắt chỉ 2,45% nhiệm vụ trong đánh giá gian lận mã hóa của Google — tỷ lệ thấp nhất so với bất kỳ mô hình Gemini 4 nào — và đăng tỷ lệ hành động sai lệch 0,09% trên bộ an toàn đại lý của nó cùng với tỷ lệ vượt qua 99,2% trong đánh giá tính trung thực của đại lý.
Sẵn có
Gemini 4 Neon hôm nay sẽ ra mắt trong API Gemini trong Google AI Studio, trong Gemini dành cho doanh nghiệp thông qua API và trình đơn thả xuống mô hình cũng như dành cho những người đăng ký Google AI Pro và Ultra trả phí trong cả Google AntiGraviity và ứng dụng Gemini.
Tại sao nó lại quan trọng
Định giá của Neon đặt hiệu suất của đại lý liền kề vào tầm tay của các nhóm không thể bù đắp được chi phí mô hình hàng đầu cho khối lượng công việc lớn. Nếu các tuyên bố về điểm chuẩn được duy trì trong thử nghiệm độc lập, thì bức tranh cạnh tranh về mã hóa tác nhân, công việc kiến thức doanh nghiệp và bảo mật phòng thủ sẽ ngày càng thắt chặt hơn — và khoảng cách giữa "đủ nhanh" và "biên giới" tiếp tục thu hẹp. Để biết thêm những lần ra mắt như thế này, hãy xem những phát triển AI mới nhất trên AI Buzz Wire.
---
Đi trước AINhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.
Đọc thêm tin tức về AI →