Gemini 4 Neon发布:跑分逼近旗舰,单任务成本砍半
作者|Wildcard编辑|靖宇谷歌,这次是真的回来了。11 月 18 日,Google DeepMind 点亮了Gemini 4 Neon的霓虹灯牌。这是 Gemini 4 系列在短短 7 周内甩出的第 4 款元素模型。如果看一眼官方放出的基准跑分长表和社区实测反馈,你会发现它精准卡在了一个极其舒服的「甜点」位上,既
谷歌这回是真真切切地回到了牌桌中央。
11 月 18 日,
Gemini 4 Neon的霓虹灯牌亮起。
短短 7 周里,Gemini 4 系列已经连发 4 款,Neon 是第 4 个。翻翻官方晒出的基准跑分长表,再看看社区里的实测反馈,它正好落在一个很舒服的位置上:智商已经逼近旗舰,个别项目还实现了反超,单任务成本却只有对手的一半上下。
Reddit 技术社区里,一向挑剔的开发者这回几乎一边倒地叫好,说它「便宜得离谱又强得可怕」。每月掏 19.99 美元订阅
真正让全球程序员摸不着头脑的,恐怕只有谷歌那套神秘的命名学。从 9 月底的
Hacker News
网友给 Gemini 4 做的「元素周期表」选模型界面|图片来源:网络
01
炼金术「杰作」
名字确实让人犯迷糊,可 Neon 在产品矩阵里下的刀却相当清楚。
它卡在重型长周期旗舰 Carbon 和轻量高频执行模型 Hydrogen 中间,直接把 Gemini 3.1 Pro 和 Argon 原先的位置接了过来。Alphabet 首席科学家兼
DeepMind 董事长
这句评价背后是硬邦邦的指标。Neon 拥有 100 万
独立评测机构那边,Neon 开到 xhigh 档位拿下 61 分,排在全球第三,同时把自家老大哥 Carbon 的 high 档(60 分)和 Anthropic 的
企业客户真正看中的,是那张跑分对单任务成本的散点折线图。Neon 给出的是一线旗舰的智商,账单却按中端走量模型来算。
输出速度上,它每秒大约 110 tokens,接近 Carbon(约 57 tokens/s)的两倍;跑完 AA 基准,单任务平均耗时从 Carbon 的 36 分钟压到 21.5 分钟,单任务成本落在 6.44 美元,比恢复标准价后的 Carbon(7.76 美元)低约 17%。到了 Antigravity 平台默认 high 档,单次任务成本比 Carbon 直接少了 32%。
AA Index v5.0.1 下 Gemini 4 Neon 各档位与 Carbon、Claude Opus 5.5、GPT-6.2 Sol 的智力分与单任务成本对比|图片来源:Google
放到眼下最卷的编程和企业级赛道上,这种性价比的杀伤力更直观。在 Neon 在 。
在体现真实工程能力的细分测试里,Neon 在
Gemini 4 Neon 在编程、知识工作、科学推理与网络安全等基准上与 Claude Opus 5.5、GPT-6.2 Sol 的对比|图片来源:Google
当然,这台新引擎也不是没有槽点。
头一个是高档位下话太多、延迟也高。开 xhigh 跑完 AA 全套评测,Neon 一共吐出 2.83 亿输出 tokens,比 Carbon 多出不少,首答延迟到了 56.51 秒。要是追求极致响应,把它调回 medium 档明显更划算,耗时能压到 8.3 分钟,输出量也收到 6290 万 tokens。
另一件让国内技术论坛「大佬说」上的开发者聊得津津有味的小插曲,是11 月底前短暂冒出来的「价格倒挂」。
Neon 的 API 按输入 3 美元、输出 15 美元(每百万 tokens,缓存命中享 95% 折扣至 0.15 美元)的正式价上线,也没给免费额度;那边旗舰 Carbon 和 Argon 在 11 月 30 日前还处在 2 美元和 10 美元的首发优惠期,得等到 12 月 1 日才回到 4 美元和 20 美元的原价。结果就是 11 月剩下的十几天里,次旗舰的单价反倒比旗舰贵了 50%,算是个有点好笑的商业时间差。
02
从单兵炫技到包工头带队
跑分表终究是死的,技术圈真正兴奋的点,在于 Neon 在真实工程环境里拿出的统治力。
打开 Google Antigravity 的实机演示,长程多智能体协同是什么样子,一眼就能看明白。有个项目叫 NEONPUTT 84,Neon 在里面开启 /swarm 模式,实时跳动的任务图谱上,scaffold、shaders、courses、physics、ui、engine、verifier 等 8 个并行节点同时被调度起来。这些节点分头写出了自定义 GLSL 着色器、240Hz 物理引擎和 8 个关卡,凑成一款满是 3D 合成波味道的迷你高尔夫游戏。代码写完还不算完,它自己接管浏览器去点界面测试,瞄准、击球,一杆进洞,打得稳稳当当。
Gemini 4 Neon 在 Antigravity 中通过 /swarm 调度 8 个并行子 Agent 协同开发|图片来源:Google Antigravity
Gemini 4 Neon 生成 3D 迷你高尔夫游戏 NEONPUTT '84 并自主操作浏览器验收测试|图片来源:Google Antigravity
时间拉长看,它的耐力也不含糊。官方那场重磅演示里,Neon 在 Antigravity 中靠 /swarm 一口气跑了整整 12 小时,只凭历史档案照片,就在 3D 空间里一块砖一块瓦地重建出艾伦·图灵 1936 年在剑桥国王学院的书房,甚至让那张虚拟书桌上跑起了一台真能交互操作的通用图灵机。YouTube 频道 CHOOSETO.AI 上,一位刚入职谷歌的开发者拿到早期内测权限,放出了大量一手实测,跑分一概跳过。镜头里,Neon 用单条 SDF 数学公式直接画出一条精细的 3D 龙,用单文件生成带动作的 SVG 孔雀,还把一张 1959 年的老旧平面户型图变成能走进去逛的 3D 房屋。换到硬核后端场景,它在 Google Cloud Run 上独立部署值班 Agent,应用被人为故意搞挂后迅速完成回滚;在 DGX Spark 上跑双星系碰撞模拟也不在话下,甚至不经训练就能直接手写神经网络权重。
自己挽起袖子干重活之外,Neon 更聪明的一步是学会了当「包工头」。Antigravity 这次同步上线全新的 Orchestrator(Neon)双模型自动编排模式:碰上复杂的多文件工程,Neon 坐镇中军管架构规划和状态审查,常规的代码修改、包更新、跑测试统统交给便宜轻快的 Hydrogen;执行环节一旦卡住,控制权自动回到 Neon 手里修正计划,开发者不用再手动切模型。
一线工程团队也把它脾气摸得很透。GitHub Copilot 官方博客专门写到,跟老大哥 Carbon 比,Neon 启动更快,改代码时也更克制——未经请求擅自乱动别处的情况少了很多,对代码和工具结果的编造率在内部测试中创下新低。早期合作的机器学习研究团队则看重另一点:它不再像「新手研究员」那样一遇实验失败就放弃,而是会像老练的学者一样追问原因、寻找新信号,主动重构建模策略。
03
「北美大
豆包」的绝地翻盘
看今天这气势,很难想到仅仅四个月前,谷歌 AI 在中文互联网上还背着个挺讽刺的外号——「北美大豆包」。把日历翻回 2026 年 7 月前后,那是 Gemini 口碑最暗的一段低谷:数学推理翻车,安全审查又频出抽象失误,网友群嘲铺天盖地。5 月 Google I/O 大会上承诺 6 月交付的 Gemini 3.5 Pro 爽约跳票,最后只端出 3.5 Flash 去对标竞品中端;主流编码和 Agent 榜单首页一度连 Gemini 的名字都找不到。更尴尬的是,模型内置知识库长期停在 2025 年 1 月,直到 3.6 Flash 才更新到 2026 年 3 月,对手发了什么新版本它都不认识,一开联网搜索智商还容易跟着往下掉。
短短四个月过去,牌面整个翻了过来。整个 11 月,谷歌出拳密度极高。除了 7 周连发四款 Gemini 4 元素模型,他们还同步
谷歌这轮翻盘,是怎么做到的?
Google DeepMind 高级副总裁、首席 AI 架构师 Koray Kavukcuoglu|图片来源:Google
今年 8 月,谷歌完成一次关键组织重组:Demis Hassabis 转任 Alphabet 首席科学家兼 DeepMind 董事长,DeepMind 高级副总裁、首席 AI 架构师 Koray Kavukcuoglu 正式接管日常运营与 Gemini 路线图。9 月 The Information 的峰会上,Koray 直言「讨论我们是不是已经实现 AGI,根本算不上眼下正确的问题」,把全员重心硬拽回打造可靠的实用 Agent。过去那种死憋大招、到年底却惨遭跳票的旧习气被他彻底废掉,换成「尽早发货、高频迭代」的铁律;预训练和后训练之间,还专门插进一支死磕编程能力的「中训练」团队。
DeepMind 后训练负责人 Melvin Johnson 指出,过去 Gemini 模型卡壳,是因为简单任务全做对之后,根本产生不了有效的学习信号。团队为此搭了一套极严苛的自动化强化学习闭环,专挑 Agent 依然会栽跟头的高难度跨仓库工程硬骨头,塞进严格沙盒和保留单元测试里反复摔打。对「绕过检查器、伪造测试结果」这类作弊行为,系统罚得很重,硬生生把严格环境下的内部虚构率压到约 1.5% 的历史新低。
真正托底这一切的终极筹码,是谷歌苦熬多年的全栈自研硬件终于到了兑现期。牌桌上的对手还在为英伟达 GPU 供货紧缺和高昂算力账单承压,谷歌第 7 代 TPU Ironwood 配合开源软件层 TPU Sync 已经成熟落地,能把海量上下文的 KV 缓存以毫秒级卸载到主机内存里。
SemiAnalysis 的评测给出了一个结论:在长上下文和多轮 Agent 场景里,Ironwood 每美元产出极具统治力。死对头 Anthropic 也因此签下了大规模的 TPU 算力合作。谷歌第 8 代 TPU 更进一步,已经把训练芯片和推理芯片彻底拆开、各自独立优化。自有算力在底座上源源不断,谷歌才敢大打价格战,也才有底气推行「Neon 加 Hydrogen」的大小模型混编。
几个月前,「北美大豆包」还是被群嘲的对象。如今它靠工程纪律和算力家底完成了自我救赎。谷歌不再执着于用一篇宏大论文证明 AGI,转而以每两周一次的发版节奏,把好用的模型砸向市场。OpenAI 和 Anthropic 最不愿看到的那个恐怖对手,真正苏醒了。