Gemini 4 Neon上线:AA编程Agent榜登顶,成本比Opus 5.5低一半
谷歌发布Gemini 4家族成员Neon,AA智力指数61分居全球第三

AI圈的新品节奏一刻没停。谷歌
Gemini 4家族刚迎来第四位成员Neon,且是正式上线。
哈萨比斯在个人帖子里亲自官宣,称它是「炼金术的巅峰之作」。

Neon把卖点压在推理速度上,瞄准的是高频、复杂的软件工程、知识分析以及科研长程任务。
跑完一个任务,Neon的综合开销比Claude、GPT等对手的顶级旗舰低50%到80%,成绩却没有缩水。
谷歌官方安排了Claude
Opus 5.5和GPT-6.2 Sol同场对比,19组成绩中Neon拿下16组最高。

发布会的核心信息可以这样梳理。
智力一项,Neon的AA智力指数为61分,排在全球第三,比自家旗舰Carbon高出1分。
编程Agent榜上,它以58.6分登顶,跑单个任务的花费只有Claude Opus 5.5的一半出头。
速度方面,Neon每秒输出约110个token,Carbon为57个,前者快了近一倍。
定价为每百万token输入3美元、输出15美元,缓存命中0.15美元,上下文长度100万token。
它还能充当总指挥:在谷歌的Agent编程平台Antigravity里,Neon可以调度一批Hydrogen子Agent并行开工。
|
|
图灵书房原样复活
50万表格公式画3D
纸面参数之外,实战表现更能说明问题。
第一个实测里,Neon拉起「/swarm」多Agent团队,连续运转12个小时,把图灵在剑桥国王学院的书房重建为3D场景。
1936年,图灵就是在这间书房里写下了奠定现代计算机理论的那篇论文。
它的做法是先调出国王学院的档案照片,接着在Blender中完成建模和绑定,再渲染出带有年代感的材质与光影。
镜头由国王礼拜堂外的草坪推进至屋内,书架、壁炉、书桌依次入画,连桌上那台图灵机也做了真实还原。
这项实测检验的是长程任务中的调度能力:Neon要带领一队Agent,从查资料、建模一直做到渲染,全程不偏离目标。

另一项测试针对推理和写代码的硬功夫——表格里没有现成的图像算法可用,每一步都得由Neon用公式自行推导。
最终,Neon开出10万个单元格,在多个子表中铺下超过50万个实时表格公式。
仅凭这些基础公式,它就实现了Sobel边缘检测和3D深度映射;6种交互模式可随意切换,改动光照角度,整张图便实时重新打光。

还有一个测试是让Neon从零手搓一套第一人称3D高山滑雪模拟器。
这一轮较量拼的是长代码的工程能力。上万行着色器、物理引擎,加上真实地形数据,都得塞进同一个项目里跑通。
Neon没有动用任何预制3D素材。它直接取来勃朗峰与霞慕尼的真实高程地形数据动手搭建,随后一次性写出10200行自定义WebGL2着色器代码。
这套模拟器里装了120Hz物理引擎和6条高山雪道,动态雪痕、突发板状雪崩和空间音频也全都配齐。

中杯机型杀进全球前三,编程Agent排到第一
能撑起这些大场面,靠的是Neon实打实的分数。
在衡量综合智力的Artificial Analysis智力指数上,Neon以xhigh思考档位拿到61分。
换回默认的high档,它也有60分,与Carbon持平。可完成一个任务的成本,还不到Carbon原价的一半。
速度上Neon同样快出一截。同一套测试里,Carbon平均每个任务约需36分钟,Neon只用21分钟,省下四成时间。

智力之外,编程是Neon这回最拿得出手的一项。
分数与Claude打平,花费只占一半
编程Agent榜的第一名,由Neon搭配谷歌自家Antigravity CLI跑出。
Claude Code阵营里,Fable 5.2和Opus 5.5都在58分左右,分数彼此咬得很紧,开销却拉开明显差距。
Neon跑一个任务平均花6.86美元,Opus 5.5为12.61美元,Fable 5.2则要15.47美元。
网友Pranav Reddy出过同题测试,让Neon、Opus 5.5和Carbon都用Three.js画一段骑行动画。他的判断是Neon胜了Opus 5.5,距离Carbon已经不远。

Agent榜排第二,自动化榜拿第一
放到真实的Agent工作场景里,Neon的名次照样靠前。
Arena新上线的Agent榜单基于4200多场真实会话,Neon首次登场就排到全球第二。
Zapier另有一份自动化榜,用657个真实业务流程考模型。Neon在这份榜上取得56.3%,位列第一。
网络安全方面,找漏洞的SEC-bench Pro上Neon直接拿到90.5%的高分,刷新纪录;修漏洞的CWE-bench v2上,它也比Carbon高出3.4个百分点。
当然,Neon并非处处占优。
Terminal-bench 4.1和FrontierCode 2.0这两项硬核编程测试里,Opus 5.5依旧稍胜一头。
Neon坐上了总指挥的位置
AI开始给AI派活
跑分有输有赢,Neon这回真正的杀手锏,是谷歌给它安排的新岗位。
在Antigravity里,Neon既能自己单干,也能充当「总指挥」。
来了一个大任务,它先负责拆解,然后分派给一群并行的Hydrogen子Agent去执行。
Hydrogen属于Gemini 4家族中的轻量模型,速度最快,价格仅为Neon的一半。

Swarm和Super-agent,各自管的是两层不同的事
Neon指挥一群Hydrogen的这套Swarm协作,乍看与DeepSeek最近提出的Super-agent颇为相似,但两者管的并不是同一层面的事。
各是什么
Swarm:一项任务内部的分工方案。规划、判断和验收由Neon负责,写代码、改文件、跑测试交给Hydrogen,目的是把一件活干得又好又快。
Super-agent:一个常驻在线、能同时管理多项工作的Agent系统。消息接收、任务关联、工作派发由Router负责,多个Worker各干各的,目的是多件事并行时能持续跟进,用户不必挨个盯会话。
哪里相同
协调与执行分开:一层负责安排,一层负责干活。
两者都有反馈回路:执行中遇到问题,会回报、调整,再继续推进。
都在替人省事:用户不用亲自安排每一步,也不用追着每个执行者跑。
哪里不同
管的范围不同:Swarm管一项任务内部怎么分工,Super-agent管多项任务之间怎么调度、怎么持续跟进。
动脑的角色不同:Neon要吃透任务、亲自定方案;Super-agent的Router尽量只做关联和派发,复杂推理交给Worker。
强模型的位置不同:谷歌把判断力强的Neon放在上层,配速度快的Hydrogen;DeepSeek的建议则相反,Router可以轻一点,Worker更需要强模型。
与模型的绑定方式不同:Swarm是一组固定的模型搭配;Super-agent是一套系统设计,不同角色可以配不同模型,也可以全用同一个。
Agent时代的超级王牌,谷歌七周四连发
Agent时代拼的,是谁能把一件大活自己拆、自己派、自己验收,一口气干到底。
今天,这个总指挥的位子,谷歌交给了一个中杯,旗舰Carbon只在最难的活上出场。
这一下,正好打在Claude身上。写代码、干长活的Agent,一直是Claude最硬的一张牌,可Fable 5.2才发布9天,就在编程Agent榜上被Neon压了过去。
比起这一分半分的差距,谷歌的出牌速度才是Claude真正的麻烦。
11月10日以来,谷歌已经有三款Gemini 4全量上线。
谷歌把这种速度归因于RSI。布林这位谷歌联合创始人早在10月就提到,公司已经踩上「RSI的跑步机」,研究团队眼下正跟模型联手,去造下一代的模型。
谷歌内部RSI要是真转起来,模型一代比一代造得快,超级智能时代的王牌,就会落在Gemini手里。
现在,压力给到了Claude和GPT。

