谷歌周二推出了 Gemini 4 Neon,这是其名为 Gemini 4 系列元素的新成员,该公司声称该产品可在软件工程、知识工作和科学工作流程中快速完成端到端任务,提供前沿级智能。谷歌 DeepMind 高级副总裁兼该公司首席人工智能架构师 Koray Kavukcuoglu 在官方博客文章中宣布了这一消息。

此次发布延续了 Google 快速发布 Gemini 4 的节奏,其中已经包含了碳、氢和氩的变体,后者因自动玩 Minecraft 的片尾字幕而成为头条新闻。 Neon 将自己定位为该家族中快速、高效的一员:足够强大,可以在独立排行榜上名列前茅,同时成本远低于它所追随的更大、速度较慢的前沿模型。关注我们的 AI 模型报道中的每个主要模型版本。

Neon 在基准上的表现

谷歌表示,Neon 在人工智能分析智能指数上的得分为 61 分,整体排名第三,领先于同类模型,仅落后于规模较大、速度较慢的竞争对手。在瓦尔斯指数上,它以 70.9% 的成绩排名第二,位于成本与能力的帕累托前沿,并且在法律研究台和税务代理台上均排名第一。

企业故事是谷歌集中其主张的地方。 Neon 在一个包含 100 万个令牌的上下文窗口中合成电子表格、PDF、图表、音频和视频,并将这些输入转换为结构化的可交付成果。谷歌表示,该模型在金融、会计、电子表格建模和复杂约束遵循的大多数 Surge AI 基准测试中排名第一。它在阅读密集的专业图表方面在 Chartography 上得分为 73.5%,并且在 Agents' Last Exam v1.1 上的表现与领先模型 (75.8%) 相当。它还首先在 Zapier 的 AutomationBench 上以 56.3% 的成绩首次亮相,并以 16,843 美元的模拟收入领先于 Andon Labs 的 Vending-Bench 2(一种经营企业的长期模拟)。 Arena 的新 Agent Arena Index 由 4,200 多个真实世界的代理会话构建而成,Neon 在全球排名第二,得分为 1336,在可操纵性方面排名第二,这意味着它可以干净地适应任务中的用户修正。

科学和数学推理也有自己的特色:Google 声称在 Terminal-Bench Science (70.5%)、RiemannBench (84.0%) 和 HLE-Diamond (71.3%) 上获得了一流的结果。

专为长时间运行的编码代理而构建

编码可以说是最重要的用例。谷歌表示,Neon 在人工分析编码代理指数上排名第一,得分为 58.6,在 Terminal-Bench 4.1 上的得分为 65.2%,在默认高设置的 FrontierCode 2.0 上得分为 46.2%。在 SWE-sweep 上,Neon 在迷你 SWE 安全带上以 12.8% 的成绩领先,而在 Google 的反重力代理安全带内运行时,Neon 的成绩是最先进的 39.0%,是该数字的三倍多。

该模型专为长期运行的代理工作流程而设计:它通过复杂的、工具繁重的任务来维持性能,减少冗余文件读取,在工作时共享进度,并在长时间会话中可靠地处理上下文压缩。它还可以充当快速、高判断力的协调者,指挥反重力中的并行氢子代理。 Google 的演示具有典型的华丽特征:在反重力中驱动 Blender MCP,Neon 构建了一个逼真的 3D 实验室工作台,以元素精度可视化 Gemini 4 系列 - 本生火焰用于碳和氢,气体放电管用于氩和氖。使用 /swarm 命令,它以交互式 3D 方式重现了艾伦·图灵 1936 年在剑桥大学国王学院的研究,并在桌子上放置了一台可用的通用图灵机。在另一个演示中,代理群将单个图像转换为包含 100,000 个单元格的 Google Sheet,通过超过 500,000 个实时电子表格公式运行边缘检测和 3D 深度映射,且没有嵌入图像或 Apps 脚本。

通过四个思维层次调整定价

Gemini 4 Neon 的成本为每百万个输入代币 3 美元,每百万个输出代币 15 美元,缓存输入的价格为每百万个代币 0.15 美元——95% 的折扣,旨在使长上下文代理循环在经济上可行。 100 万个令牌上下文窗口涵盖了模型的企业、分析和科学工作负载。

谷歌还通过此版本完善了其思维层次阶梯。 Neon 提供了四个可稳定扩展的级别,让团队可以针对每个工作负载调整智能和代币支出。该公司表示,在默认的高水平下,Neon 具有强大的人工分析得分,每项任务的成本比 Carbon 低 32%,并且位于 Vals Index 和 Agent Arena 的帕累托前沿,每项任务的成本比顶级竞争前沿模型低大约 50% 到 80%。 xhigh 设置为最困难的工程和科学工作负载增加了更深入的多步骤推理,同时每项任务的成本仍比最高设置下的竞争模型低 36% 以上。

值得信赖的防御者的网络变体

谷歌还将 Neon 定位为一种安全模型。在 AutoBaxBench 上的所有简单、中等和困难挑战中,面向网络的 Gemini 4 Neon 生成的代码比 Carbon 更安全,在困难层上达到了最先进的水平 76%。在 WebExploitBench v1.2 上,该模型发布了声称最先进的 51.26%,成本仅为大型模型竞争的一半,并且在整个代码强化生命周期中,它在 SEC-bench Pro 上得分为 90.5%(漏洞发现,每次挑战的成本约为通常成本的一半),使用 Carbon 的一半代币在 ExploitGym 上实现了前沿级开发验证,并在 Colliner 的 CWE-bench 上达到了 70.7% v2 用于修补 — 比 Carbon 提升 3.4 点。该网络变体将在未来几天通过谷歌的 Fairwind 计划向值得信赖的防御者推出。

生产工作的安全指标

由于 Neon 为更快、更便宜的模型带来了前沿水平的功能,谷歌表示,它在发布时配备了实时防护措施,防止网络和生物安全滥用,与 Carbon 的保护措施相当——同时拒绝了少得多的合法工作,在 Terminal-Bench 4.0 上只拒绝了 1.98% 的任务,在 Terminal-Bench-Science 上则没有。内部对齐监视器显示警报率低于 Carbon 的基线,该模型在 Terminal-Bench 4.0 上与 Carbon 匹配,作弊率为 0.0%,在 Google 编码作弊评估中仅对 2.45% 的任务采取了捷径(这是所有 Gemini 4 模型中比率最低的),并在其代理安全套件上发布了 0.09% 的错位操作率,同时在代理诚实评估中通过了 99.2% 的通过率。

可用性

Gemini 4 Neon 今天在 Google AI Studio 的 Gemini API 中推出,在 Gemini 中通过 API 和模型下拉菜单进行业务,并在 Google Antigravity 和 Gemini 应用程序中面向付费 Google AI Pro 和 Ultra 订阅者推出。

为什么它很重要

Neon 的定价使那些无法证明大容量工作负载的顶级模型成本合理的团队可以达到前沿代理性能。如果基准声明在独立测试中成立,那么代理编码、企业知识工作和防御安全的竞争格局将进一步收紧——“足够快”和“前沿”之间的差距不断缩小。如需了解更多此类产品,请在 AI Buzz Wire 上查看最新的人工智能进展。

---

保持人工智能领先地位

获取最新的人工智能新闻、分析和突破——尽在一个地方。

阅读更多人工智能新闻 →