奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了

资讯 网易科技 作者:网易 全文 5054 字 · 约 13 分钟读完 配图 16 张 分类GeminiRSIGPTGPT-6GoogleOpenAI

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了,谷歌,编程,工作流,大模型,知名企业,gemini

所属频道 大厂动态ChatGPT 与 GPTGemini 与 Google AI前沿研究

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 1)
智东西
编译 杨京丽
编辑 李水青

智东西11月19日消息,刚刚,谷歌发布Gemini 4系列新模型Gemini 4 Neon,面向复杂软件工程、知识工作和科学研究,主打在前沿智能水平下,更快、更经济地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 2)

▲谷歌发布Gemini 4 Neon(图源:X)

谷歌最近高频发布新模型离不开RSI进展,就在11月13日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自我改进记忆实现持续递归自我改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Self-Improvement Memory,SIM)的新方法。

此外,谷歌此前10月28日发布的世界模型Genie 4,今天也已在Project Genie中开放。用户可以在体验过程中通过文字提示修改环境,模型支持实时原生音频和对话。

在Artificial Analysis Intelligence Index中,Gemini 4 Neon在xhigh推理档位下取得61分,整体排名第三,超过Gemini 4 Carbon(high)、Claude Opus 5.5(max)和GPT-6.2 Sol(max)等模型,仅落后于Claude Fable 5.2(max)和GPT-6.2 Astra(max)。在覆盖企业知识工作的Vals Index中,Neon以70.9%的得分排名第二,位列帕累托前沿。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 3)

▲Gemini 4 Neon在Artificial Analysis上测评成绩(图源:Anrtificial Analysis)

除了提升原始能力,谷歌也提升了模型的使用体验。在新推出的Agent Arena Index中,目前Neon的整体排名位列第三,仅次于Claude Fable 5.2(max)和Claude Opus 5.5(max),可引导性位列第二,仅次于Claude Fable 5.2(max)能够在任务进行中根据用户的纠正调整行动。在谷歌Antigravity内部测试中,Neon的编造率也降至Gemini模型迄今最低。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 4)

▲Gemini 4 Neon在Agent Arena Index上测评成绩(图源:Arena)

价格方面,Neon每百万输入Token为3美元(约合人民币20元),每百万输出Token为15美元(约合人民币100元)。缓存输入价格优惠95%,每百万Token为0.15美元(约合人民币1元),支持100万Token上下文窗口。

Neon现已在Google AI Studio的Gemini API、Gemini for business中开放。付费Google AI Pro和Ultra订阅用户可在Google Antigravity中使用,Pro和Ultra订阅用户也可在Gemini应用中选择该模型。

谷歌称,在Gemini 4系列中,Carbon可负责最困难、耗时最长的项目,Hydrogen负责快速完成日常任务,Neon则兼顾推理深度和执行效率,面向复杂且使用频率较高的开发、分析和企业工作流。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 5)

模型发布后,部分开发者分享了Gemini 4 Neon的使用体验。

一位开发者用相同提示词对比了Gemini 4 Neon和Claude Opus 5.5的生成效果。Neon耗时20分钟,成本约3.5美元,Opus耗时18分钟,成本约7.2美元。他认为,Neon生成的画面细节丰富,是Gemini 4系列在这项测试中表现最好的一次,但Opus的整体效果仍明显更好,谷歌正在快速追赶。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 6)

▲开发者对比Gemini 4 Neon和Claude Opus 5.5(图源:X)

另一位开发者用Gemini 4 Neon生成了两款射击游戏。其中,3D竞技场游戏中的敌人波次、生命值、弹药、换弹、游戏结束和重新开始等功能均能正常运行。他说,Neon在首次构建中因服务器错误中断,第二轮完成了开发。另外一款霓虹峡谷风格的轨道射击游戏节奏快,每次命中都有清晰反馈。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 7)

▲开发者用Gemini 4 Neon生成射击游戏(图源:X)

一、综合处理100万Token上下文,客户称速度达Carbon三倍

企业工作中的信息分散在电子表格、PDF、图表、音频和视频中。Neon可以在100万Token上下文窗口内综合处理这些资料,生成结构化成果。

Neon在Vals Index榜单中排名第二,并在法律研究测试和税务Agent测试中排名第一。

在Surge AI的评测中,Neon在金融、会计、电子表格建模和复杂约束遵循等领域的大多数测试中排名第一。在考察专业图表理解能力的Chartography中,Neon得分73.5%;在Agents’ Last Exam v1.1中得分75.8%,与领先模型处于相近水平。

在Zapier用于衡量企业自动化任务执行能力的AutomationBench中,Neon以56.3%的成绩排名第一。在Andon Labs模拟长期经营企业的Vending-Bench 2中,Neon以最终账户余额16843美元(约合人民币11.3万元)排名第一。

Arena新推出的Agent Arena Index覆盖超过4200次真实Agent会话,Neon首次上榜即以1333分排名全球第三,仅次于Claude Fable 5.2和Claude Opus 5.5。

科学和数学推理方面,Neon在Terminal-Bench Science、RiemannBench和HLE-Diamond中分别取得70.5%、84.0%和71.3%的成绩。谷歌称,这三项成绩均处于同类模型领先水平。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 8)

美国企业搜索公司Glean在早期评测中发现,Neon的整体质量达到或超过Carbon,速度为Carbon的3倍,成本为其60%。Glean认为,这种质量、成本和速度的平衡,适合需要准确性、细节和快速响应的多步骤工作。

二、长时间运行Agent工作流,指挥多个子Agent并行工作

Neon专为长时间运行的Agent工作流设计,可以独立完成复杂、工具调用密集的任务,也可以在Google Antigravity中担任协调者,指挥多个Hydrogen子Agent并行工作。

谷歌称,Neon减少了重复读取文件的行为,会在执行过程中汇报进度,并能在长会话中可靠地处理上下文压缩。

在Artificial Analysis Coding Agent Index中,Neon以58.6分排名第一。它在Terminal-Bench 4.1中得分65.2%,在默认high推理档位下,FrontierCode 2.0得分46.2%。

面对实际代码库,Neon可以进行跨文件调试和重构,并针对问题做局部修改。在SWE-sweep测试中,Neon使用mini-SWE运行框架时得分12.8%,在Google Antigravity运行环境中则达到39.0%,超过前者的3倍。

此次发布,谷歌也展示了几项官方案例。

Gemini 4 Neon能够生成具有照片级真实感的3D实验台。Neon通过Blender MCP调用Blender,利用/swarm协调多个Agent,用实验装置呈现Gemini 4系列模型对应的不同化学元素。其中,Carbon和Hydrogen用火焰呈现,Argon和Neon则使用高压气体放电管呈现。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 9)

Gemini 4 Neon还复原了图灵1936年的书房。Neon使用/swarm检索历史照片,构建了剑桥大学国王学院的交互式3D场景,从室外的国王学院礼拜堂到室内房间,室内书桌上还放置了一台可以运行的通用图灵机。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 10)

三、提供四档推理强度,默认档单任务成本比Carbon低32%

谷歌为Neon提供了四档推理强度,让团队根据不同任务调整智能水平和Token开销。默认的high档位面向日常复杂工作,xhigh则为最困难的工程、分析和科研任务提供更深入的多步骤推理。

谷歌称,在默认high档位下,Neon在Artificial Analysis Intelligence Index中取得较高得分,单任务成本比Carbon低32%。

在Vals Index和Agent Arena中,high档Neon均处于成本与性能的帕累托前沿,即在对应测试下,难以同时找到表现更好、成本更低的选择。与竞品前沿模型相比,其单任务成本约低50%至80%。

切换至xhigh档位后,Neon取得自身最高的智能评测得分,单任务成本仍比竞品最高推理档位低36%以上。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 11)

四、不同难度代码安全性均超过Carbon,漏洞发现测试得分90.5%

随着模型编程规模扩大,从一开始生成安全代码变得愈发重要。谷歌发布了面向网络安全的Neon for Cyber,强调从生成安全代码,到发现、验证和修复现有漏洞的完整工作流程。

在AutoBaxBench中,Neon在简单、中等和困难三个难度上的代码安全性表现均超过Carbon,在困难档位取得76%的成绩,达到该项测试的最高水平。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 12)

在WebExploitBench v1.2渗透测试评测中,Neon以51.26%的成绩取得最高分,成本约为竞品大型模型的一半。

在漏洞发现测试SEC-bench Pro中,Neon得分90.5%,达到该项测试的最高水平,每项挑战的成本约为对比模型的一半。

在用于验证漏洞可利用性的ExploitGym中,Neon达到前沿水平,所需Token约为Carbon的一半。

在Collinear的CWE-bench v2漏洞修复测试中,Neon得分70.7%,该得分较Carbon提升3.4%。

Gemini 4 Neon for Cyber将在未来几天,通过Fairwind计划陆续向经过信任认证的防御人员开放。

五、Agent诚实性测试通过率99.2%,可在执行中接受用户纠正

谷歌称,Neon延续了Carbon防范严重滥用和提示注入的能力,并进一步改善模型对齐和Agent行为。

防范滥用方面,Neon配备了针对网络安全和生物安全滥用的实时防护措施,同时减少对合法任务的拒绝。在Terminal-Bench 4.0和Terminal-Bench Science中,Neon的任务拒绝率分别为1.98%和0%。

在内部编程使用中,Neon触发思维链和行为偏离监测告警的比例,低于Carbon已有的较低基线。谷歌也在对外产品中部署了相同的监测机制。

在Terminal-Bench 4.0中,Neon的作弊率与Carbon一样为0%;在谷歌内部编程作弊评测中,Neon在2.45%的任务中采取了捷径,是Gemini 4系列最低水平。

在Agent安全测试中,Neon的行为偏离率为0.09%,在Agent诚实性评测中的通过率达到99.2%。

与Carbon相比,Neon在不同推理档位下,“任务执行不到位”的情况减少43%至56%,“超出用户授权范围行事”的情况减少15%至35%。

在Gray Swan间接提示注入测试中,Neon使用最高推理档位、开启实时防护措施后,抵御了该项测试中的全部攻击,攻击成功率为0%。

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了(配图 13)

在Gemini应用中,Neon也被用于写作、资料整理、研究和多步骤任务。它可以读取上传的电子表格、PDF和照片,整理报告或摘要,并从Gmail、Google Docs等应用中提取相关信息。

谷歌举例称,用户可以让Neon分析账单,查找公共事业费用突然上涨的原因,或交叉核对多份收据和文件,为协商退款做准备。Neon也会结合网络资料,处理需要最新信息的采购比价和市场研究任务。

结语:谷歌继续细分模型分工,Neon瞄准高频复杂任务

Neon将Gemini 4系列的分工进一步细化。Carbon承担最困难的长程项目,Hydrogen处理日常执行,Neon则面向需要较强推理能力的软件开发、知识工作和企业任务。

此次发布中,谷歌反复强调单任务成本、完成速度,以及执行过程中接受纠正的能力。从企业采购到开发者日常使用,这些指标将直接影响模型能否持续融入实际工作流程。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini 4 Neon 上线,NVIDIA 并行生成打破逐字解码

    Google 推出 Gemini 4 Neon,主打推理与任务执行,已接入 App 和 Tasks。NVIDIA 发布 Nemotron-Sigma,尝试并行块生成以加速代码和数学解题。Hugging Face 分享了 27B 模型后训练效率优化及微调耗时超预期的技术原因。LMArena 数据显示 GPT-6.2 As

    来源 AI 应用前沿
  2. OpenAI发布GPT-6.2双版本:3D设计亮眼,实测体验两极

    千呼万唤之中,OpenAI 终于把 GPT-6.2 推到了台前,一口气推出两个版本:GPT-6.2 Astra 和 GPT-6.2 Sol。有意思的是,OpenAI 这次又赶在了一个微妙的时间点出牌。眼下,Anthropic 上市的消息仍在持续发酵,AI 行业的竞争也愈发激烈。OpenAI 偏偏选在此时发布新一代模型,

    来源 腾讯网
  3. OpenAI发布GPT-6.2 Astra:性能超Claude Fable 5.2,成本仅5%

    OpenAI在Anthropic上市前夕"精准狙击",推出GPT-6.2 Astra与Sol双模型。GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,在多步骤专业工作基准测试中的得分较Claude Fable 5.2高出5.5分,而成本仅为后者的5%。GPT-6.2 Sol面向日常任务,成

    来源 华尔街见闻
  4. 拖更两个月的GPT-6.2,居然是一个“汇报狂魔”?

    美国当地时间11月17日,OpenAI正式推出GPT-6.2 Astra和GPT-6.2 Sol。 这场发布来得比外界预期更晚。早在10月底,就有网友从ChatGPT用量记录中扒出疑似GPT-6.2的灰测痕迹,此后模型标识和测试截图不断流出。此前媒体曾预测新模型最快于11月6日发布,最终发布日期比这一预期晚了11天。

    来源 AI 行业观察
  5. GPT-6.2 Astra/Sol来了!首破自进化红线,OpenAI历史性一夜

    新智元报道 真是猝不及防!刚刚,OpenAI正式发布GPT-6.2 Astra和GPT-6.2 Sol。API定价上,Astra单价直降20%,输入8美元、输出40美元/百万Token,Sol则保持输入2美元、输出10美元/百万Token。好消息是,每月200美元的Pro用户终于能用Sol的Ultrafast极速模式了

    来源 腾讯网
  6. OpenAI发布GPT-6.2 Astra与Sol:同任务成本仅Claude Fable 5.2约5%

    就在 Anthropic 敲钟上市的同一天,OpenAI 端出了它的“贺礼”。 11 月 18 日凌晨消息,OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol 两款新模型:在复杂专业任务上,GPT-6.2 Astra 的得分超过 Claude Fable 5.2,而单任务成本只有后者的约 5

    来源 AI 行业观察
  7. OpenAI发布GPT-6.2 Astra与Sol:Anthropic IPO定价前夜,成本大降

    IT之家 11 月 18 日消息,就在 Anthropic IPO 定价前一天,OpenAI 突然毫无预兆地送上了一份“惊喜”。 OpenAI 今日正式发布了最新的 GPT-6.2 Astra 和 GPT-6.2 Sol 模型,重点提升专业工作、编程、计算机操作及多步骤智能体任务的表现,同时降低完成任务所需的输出 To

    来源 AI 行业观察
  8. Anthropic IPO文件披露:亚马逊持股14.7%,谷歌持股13.7%

    Anthropic IPO由亚马逊与谷歌合计持股近三成,估值1.405万亿美元,公开市场检验现金流与算力成本。OpenAI发布GPT-6.2双模型,推进企业分层商业化,并携北约网络防御、签约AMD算力。英伟达遭SEC调查、创始人辞任、股价重估,AI基建进入资本回报与治理考验;美国BIS将出口管制延伸至远程云算力。谷歌G

    来源 钛媒体
  9. OpenAI发布GPT-6.2 Astra与Sol:API缓存输入降价60%

    11月17日,OpenAI发布两款升级主力模型GPT-6.2Astra与GPT-6.2Sol,人工智能竞争再进一步。二者定位不同:Astra主攻专业深度,Sol领跑日常效率,覆盖专业工作与日常任务场景,并在API使用成本上显著优化。OpenAI以“双核驱动”满足不同用户需求,推动新一代智能引擎落地。

    来源 AI 产业速递
  10. OpenAI发布GPT-6.2 Astra:性能超Anthropic,API降价20%

    OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。OpenAI表示,GPT-6.2 Astra在多步

    来源 腾讯网
  11. 让大语言模型学会把方向盘交出去

    你有没有想过,一个客服机器人在接到"帮我取消订单"这种请求时,脑子里到底在发生什么?它要先查这个客户是谁,再查订单状态,然后决定是直接取消还是该先问一句"您确定吗"。这一整套流程,看起来简单,但背后每一步都要调用一次大语言模型,也就是那个又贵又慢的AI大脑。**大语言模型*:指像GPT、Gemini这样参数规模巨大、.

    来源 腾讯网
  12. GPT-6.2 Astra发布即遭差评:跑分领先,实测口碑两极

    OpenAI 可能没想到,自己精心准备的新模型,刚刚发布就迎来了一场颇为热闹的舆论风波。 今天凌晨,OpenAI 正式发布 GPT-6.2 Astra 和 GPT-6.2 Sol,主打更强的专业工作能力、更高的 Token 效率,以及进一步降低的使用成本。 按照官方公布的成绩,新模型在编程、科研、专业办公、3D 设计等

    来源 AI 行业观察
  13. OpenAI发布GPT-6.2双模型:Astra与Sol上线,成本仅5%

    OpenAI于当地时间11月17日发布GPT-6.2系列模型,包括旗舰模型Astra和面向日常任务的Sol。Astra在Agents' Last Exam测试中得分比GPT-6 Astra高5.2分,比Claude Fable 5.2高5.5分,完成成本仅为后者约5%。两款模型已在ChatGPT Work、Codex及

    来源 凤凰科技
  14. GPT-6.2 Astra发布:基准超Claude Fable 5.2,API降价20%

    OpenAI推出旗舰模型最新迭代版本,在性能提升的同时大幅降低使用成本,并在多项基准测试中超越竞争对手Anthropic的顶级模型。 此次发布的GPT-6.2 Astra定位于复杂专业工作场景,涵盖金融建模与科学研究等领域,同步推出的GPT-6.2 Sol则面向日常任务。 OpenAI表示,GPT-6.2 Astra在

    来源 AI 行业观察
向下滚动自动加载更多