谷歌周三推出了 Gemini 4 Neon,这是 Gemini 4 型号系列的最新成员,据 The Decoder 统计,这是谷歌一个月内推出的第四款新 Gemini 型号。谷歌将 Neon 定位为中端主力,它将前沿水平的智能与跨软件工程、知识工作和科学工作流程的快速端到端任务完成相结合,并且其价格远低于其在原始能力上落后的大型模型。
谷歌 DeepMind 高级副总裁兼首席人工智能架构师在声明中写道:“今天,我们推出 Gemini 4 Neon,带来前沿级智能,能够在复杂的软件工程、知识工作和科学工作流程中快速完成端到端任务。” SiliconANGLE 报道称,这款中端型号的运行速度比其较大的同级 Carbon 快三倍,同时在某些指标上获胜。 更多相关背景,请参阅我们的AI最新动态。
Neon 在基准测试中的排名
谷歌表示,在人工智能分析指数上,Neon 在其极高的思维水平上得分为 61,总体排名第 3,仅落后于更大、更慢的模型。在 Vals 指数中,它以 70.9% 的比例排名第二,位于成本与性能的帕累托前沿。它在法律研究基准和税务代理基准上均排名第一,谷歌援引 Surge AI 评估将其在涵盖金融、会计、电子表格建模和复杂约束遵循的大多数基准上排名第一。
代理商风格的分数在公告中同样突出:在 Zapier 的 AutomationBench 上总体排名第一,得分为 56.3%;在 Andon Labs 的 Vending-Bench 2 长期商业模拟上排名第一,得分为 16,843 美元;在 Agents' Last Exam v1.1 上得分 75.8%;在阅读密集专业图表的 Chartography 上得分 73.5%。 Arena 的全新 Agent Arena Index(根据 4,200 多个真实世界的代理会话构建)中,Neon 以 1336 分的成绩首次在全球排名第二。在科学和数学推理方面,Google 在 Terminal-Bench Science (70.5%)、RiemannBench (84.0%) 和 HLE-Diamond (71.3%) 上报告了一流的结果。
专为长时间运行的编码代理而构建
编码是 Google 最看重 Neon 的目标。该模型在人工分析编码代理指数上总体排名第一,为 58.6,在 Terminal-Bench 4.1 上得分为 65.2%,在默认高设置的 FrontierCode 2.0 上得分为 46.2%。 VentureBeat 的标题直白地描绘了竞争格局:Opus 5.5 级别的编码性能比 API 代币价格低 25%——这是对 Anthropic 的 Claude 编码模型的直接攻击,该模型本周通过 Anthropic 创纪录的 IPO 推出了自己的市场里程碑。
最引人注目的数字是 SWE-sweep(谷歌的软件工程扫描基准):Neon 在标准迷你 SWE 测试中仅管理 12.8%,但在 Google Antigravity(该公司的代理 IDE)中运行时,其性能达到声称的最先进的 39.0%,达到了三倍多——谷歌用这个数字来论证模型周围的测试与模型本身一样重要。 Neon 还被设计为充当快速协调器,指导 Antigravity 内的并行 Hydrogen 子代理,减少冗余文件读取并处理长时间会话中的上下文压缩。
Google 通过展示构建展示了该模型的代理范围:通过 Blender MCP 生成的逼真 3D 实验室工作台、在真实的勃朗峰海拔地形上从头开始编写的第一人称 WebGL2 滑雪模拟器,具有超过 10,000 行自定义着色器,以及将单个图像转换为 100,000 个单元的 Google Sheet 的代理群,通过超过 500,000 个实时公式运行边缘检测。
削弱前沿的定价
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,具有 100 万个代币上下文窗口。缓存输入令牌的价格为每百万美元 0.15 美元——这是专为反复重新读取相同上下文的代理工作流程设计的 95% 折扣。谷歌表示,在其默认的高思维水平下,Neon 的每项任务成本比 Carbon 低 32%,而在 xhigh 下,它的每项任务成本比最高设置下的顶级竞争前沿模型低 36% 或更多。
该模型首次推出了一个精致的四级思维阶梯——从快速低成本层一直到最困难的工程和分析工作负载的极高层——让团队可以调整每项任务的情报和代币支出。谷歌还报告称,Neon 在新特工竞技场指数的可操纵性方面排名第二,能够干净利落地适应中期任务修正,并在内部反重力测试中记录了其最低的制造率。
安全性得到一流的待遇
此次发布的一个显着重点是防御安全。在测试模型是否从一开始就生成安全代码的 AutoBaxBench 上,Neon 在简单、中等和困难挑战中的表现优于 Carbon,并在困难层达到了最先进的水平(76%)。在渗透测试基准 WebExploitBench v1.2 上,Google 声称达到了 51.26% 的最先进水平,而成本仅为大型模型竞争的一半。
谷歌也在将这一功能产品化:“Gemini 4 Neon for cyber”配置涵盖漏洞查找、验证和修补,将在未来几天通过该公司的 Fairwind 计划向值得信赖的防御者推出。
可用性
Gemini 4 Neon 今天在 Gemini API 和 Google AI Studio 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 应用程序中向付费 Google AI Pro 和 Ultra 订阅者推出。开发人员在 Hacker News 上提出了一个警告:谷歌云的文档表明,该模型在企业代理平台上附带了滥用监控提示日志记录,并且不提供选择退出功能——这是处理敏感代码的团队的一个考虑因素。
通过 Neon,谷歌明确了其战略:它不是销售一个巨大的模型,而是推出一系列以元素命名的模型——碳、氢、氩,现在是 Neon——并让基准争论哪一个位于成本能力前沿。对于本周观看 Anthropic 价值数万亿美元的首次亮相的大量编码团队来说,降价就是重点:以每任务成本的一小部分提供近前沿的智能。
---
掌握AI最新动态获取最新的AI新闻、分析和突破——尽在一处。
阅读更多AI新闻 →