谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元

资讯 华尔街见闻 全文 5856 字 · 约 15 分钟读完 配图 8 张 分类豆包Google字节跳动智能体

用一半的成本打出顶级Agent表现,谷歌AI这一波真的支棱起来了。

所属频道 大厂动态智能体与 Agent国产大模型

谷歌这回算是真正归位了。11 月 18 日,Google DeepMind 把 Gemini 4 Neon 的霓虹灯牌点亮。

短短 7 周,这已经是 Gemini 4 系列扔出的第 4 款元素模型。翻翻官方那份长长的基准跑分表,再看看社区实测反馈,会发现它的位置卡得极巧——智商已经贴近旗舰,个别项目还能反超,单任务成本却只有对手的一半左右,妥妥的「甜点」位。

Reddit 技术社区里,平时挑剔的开发者这次几乎一边倒,直说它「便宜得离谱又强得可怕」。每月掏 19.99 美元订阅 Google AI Pro 的普通用户也不用再咬牙上 Ultra 档,在 Gemini App 里就能直接用上准旗舰水准的模型。再加上整个 11 月密集落地的模型和工具矩阵,那个一度在牌桌边缘打转的谷歌 AI,又回到了牌桌中央。

让全球程序员摸不着头脑的,大概只剩谷歌这套神秘命名。9 月底叫 Argon(氩),10 月底是 Carbon(碳),11 月中旬换成 Hydrogen(氢),现在又来了 Neon(氖)——不按原子序数排,也不按字母表或者能力强弱分。

Hacker News 上有较真的网友把化学性质全列了一遍找规律,最后无奈吐槽:谷歌八成是把元素丢帽子里随机抓的,星巴克杯型都比这好懂。国内网友则开始催更第 118 号元素「鿫」(Oganesson),顺带调侃看条科技新闻还得重背初中化学。

谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元(配图 1)网友给 Gemini 4 设计的「元素周期表」选模型界面|图片来源:网络

炼金术「杰作」

名字让人一头雾水,Neon 在产品矩阵里的刀法却清楚得很。它正好夹在重型长周期旗舰 Carbon 和轻量高频执行模型 Hydrogen 中间,直接顶掉了此前 Gemini 3.1 Pro 和 Argon 的位置。Alphabet 首席科学家兼 DeepMind 董事长 Demis Hassabis 对它评价很高,称其为「炼金术的杰作」。

这句评价背后是硬指标撑着。Neon 的上下文窗口为 100 万 token(在 Antigravity 中最高支持 512K 上下文),输出上限最高也是 100 万 token,文本、音视频、PDF 和电子表格都能原生多模态输入。推理能力上,它给出 low、medium、high(默认)、xhigh 四档思考深度可调,开发者在控成本上有了很大余地。

独立评测机构 Artificial Analysis 的数字最说明问题。AA Intelligence Index v5.0.1 总榜上,Neon 开 xhigh 档拿到 61 分,排在全球第三,前面只有 GPT-6.2 Astra 和 Claude Fable 5.2;自家老大哥 Carbon 的 high 档(60 分)、Anthropic 的 Claude Opus 5.5(59 分)和 OpenAI 的 GPT-6.2 Sol(57 分)都被它压在身后。切回默认 high 档仍有 60 分,降到 medium 档拿到的 55 分,也高过轻量模型 Hydrogen 拼尽全力的 xhigh 档(54 分)。

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 拿一线旗舰的智商,开出中端走量模型的账单。

输出速度约每秒 110 tokens,差不多是 Carbon(约 57 tokens/s)的两倍;跑完 AA 基准单任务的平均耗时从 Carbon 的 36 分钟缩到 21.5 分钟,单任务成本定在 6.44 美元,比恢复标准价后的 Carbon(7.76 美元)低约 17%。在 Antigravity 平台默认 high 档下,单次任务成本比 Carbon 直接少了 32%。

谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元(配图 2)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

转到眼下最卷的编程和企业级赛道,这种性价比的杀伤力更直观。AA Coding Agent Index 榜单上,Neon 以 58.6 分(约 59 分)排第一,账面实力和 Claude Code 加持的 Claude Fable 5.2、Opus 5.5(均为 58 分)大致打平;可算经济账,Neon 在 Antigravity CLI 下平均单任务成本只有 6.86 美元,差不多是 Claude Opus 5.5(12.61 美元)和 Fable 5.2(15.47 美元)的一半。真实工程能力的细分测试里,它同样领先:CursorBench 4.1 拿到 65.4%,压过 Opus 5.5 的 58.1%;Antigravity 环境下的 SWE-sweep 冲到 39.0%,远超 Opus 5.5 的 10.1% 和 GPT-6.2 Sol 的 8.3%。模拟企业自动化的 Zapier AutomationBench(56.3%)、模拟长期商业经营的 Vending-Bench 2(16,843 美元)、科学推理 RiemannBench(84.0%)以及 AA-Briefcase 的输出呈现质量单项(1771 Elo),它都拿了榜首;面向 Fairwind 计划防御者开放的网安特化版,在 SEC-bench Pro 上也刷出 90.5% 的高分。

谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元(配图 3)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,这台新引擎也有让人皱眉的地方。

高配置档位下的啰嗦和等待最受诟病。跑完整套 AA 评测,Neon 在 xhigh 档位输出了 2.83 亿 tokens,明显高过 Carbon,首答要等上 56.51 秒。真要追求秒回,调回 medium 档更靠谱——8.3 分钟就能跑完,输出量也降到 6290 万 tokens。

还有一桩小事,国内技术论坛「大佬说」上的开发者聊得挺起劲:11 月底之前,短暂出现过一阵「价格倒挂」。

Neon 的 API 一上线就走正式价——输入 3 美元、输出 15 美元(每百万 tokens,缓存命中打 95% 折扣,降到 0.15 美元),免费额度也没给。可旗舰 Carbon 和 Argon 在 11 月 30 日前还享受着 2 美元、10 美元的首发价,12 月 1 日才回调到 4 美元和 20 美元。于是 11 月余下那十几天,次旗舰的单价反倒比旗舰高出 50%,成了个带点黑色幽默的商业时间差。

从单点炫技到带队施工

跑分表毕竟是静态的。真正让技术圈坐不住的,是 Neon 在真实工程环境里表现出的那种压制力。

看 Google Antigravity 的实机演示,长程多智能体协同是什么样,一眼就明白了。

在名为 NEONPUTT 84 的项目中,Neon 开启 /swarm 模式,任务图谱实时跳动,scaffold、shaders、courses、physics、ui、engine、verifier 等 8 个并行节点被同时调度。这些节点分头写自定义 GLSL 着色器、240Hz 物理引擎和 8 个关卡,合起来做出一个 3D 合成波风格的迷你高尔夫游戏。代码写完后,它还自己接管浏览器去点界面测试,瞄准、挥杆,一杆进洞。

谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元(配图 4)Gemini 4 Neon 在 Antigravity 中用 /swarm 调度 8 个并行子 Agent 联合开发|图片来源:Google Antigravity

谷歌Gemini 4 Neon亮相:61分冲上AA总榜第三,单任务成本仅6.44美元(配图 5)Gemini 4 Neon 做出 3D 迷你高尔夫游戏 NEONPUTT '84,并自己开浏览器验收测试|图片来源:Google Antigravity

时间拉长,它的耐力一样能打。官方重点演示里,Neon 在 Antigravity 中借 /swarm 连轴转了 12 小时。只给历史档案照片,它就在 3D 空间里一点点搭出艾伦·图灵 1936 年在剑桥国王学院的书房,还在那张虚拟书桌上跑起一台能真正交互操作的通用图灵机。

YouTube 频道 CHOOSETO.AI 上,一位刚进谷歌的开发者拿到早期内测权限,放出一批一手实测,跑分一概跳过。视频中,Neon 仅用一条 SDF 数学公式就画出精细的 3D 龙,单文件生成带动画的 SVG 孔雀,还顺手把一张 1959 年的旧平面户型图变成可以走进去逛的 3D 房屋。换到硬核后端场景,它在 Google Cloud Run 上独自部署值班 Agent,碰到人为搞挂的应用很快完成回滚;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。

自己干重活之外,Neon 更聪明的一步是学会了当「包工头」。

Antigravity 这次同时上线了 Orchestrator(Neon)双模型自动编排模式。碰上复杂的多文件工程,Neon 留在中枢做架构规划和状态审查,常规的改代码、更新包、跑测试都甩给便宜轻快的 Hydrogen;执行环节一卡住,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。

一线工程团队也摸清了它的脾气。GitHub Copilot 官方博客专门写到,跟老大哥 Carbon 比,Neon 启动更快,改代码时还更克制——没被要求就乱动别处的情况少了很多,编造代码和工具结果的比率在内部测试中也是新低。早期合作的机器学习研究团队则有另一番感受:它不再像「新手研究员」那样一遇实验失败就撂挑子,而是会像老练学者那样追问原因、找新信号,主动调整建模思路。

「北美大豆包」的翻身仗

看今天这架势,很难想到就在四个月前,谷歌 AI 在中文互联网上还挂着个挺扎心的外号——「北美大豆包」。

回到 2026 年 7 月前后,那是 Gemini 口碑最灰暗的一段。数学推理翻车、安全审查接连出抽象失误,网友群嘲铺天盖地。5 月 Google I/O 大会上说好 6 月交付的 Gemini 3.5 Pro 放了鸽子,最后拿 3.5 Flash 去对打竞品中端;主流编码和 Agent 榜单首页,一度连 Gemini 的名字都看不到。更下不来台的是,模型内置知识库长期卡在 2025 年 1 月,到 3.6 Flash 才更新到 2026 年 3 月,对手发了什么新版本它根本不知道,一开联网搜索智商还容易跟着往下掉。

四个月过去,局面完全颠倒。

整个 11 月,谷歌出手又密又狠。7 周连发四款 Gemini 4 元素模型之外,还同步拿出能用提示词生成可交互 3D 环境的世界模型 Genie 4、低成本处理长视频的 Gemini Omni 1.2 Flash,并把 Antigravity 打磨成横跨软件开发与化学信息学科研的硬核 Agent 平台。各大综合榜单上,谷歌终于又有底气和 OpenAI 的 GPT-6.2 系列、Anthropic 的 Claude 5.2 及 Opus 5.5 正面掰手腕。

谷歌这轮翻盘,靠的是什么?

今年 8 月,谷歌做了一次关键的组织调整:Demis Hassabis 转任 Alphabet 首席科学家兼 DeepMind 董事长,日常运营和 Gemini 路线图则交到了 DeepMind 高级副总裁、首席 AI 架构师 Koray Kavukcuoglu 手里。到了 9 月,Koray 在 The Information 的峰会上把话挑明:「讨论我们是不是已经实现 AGI,根本算不上眼下正确的问题」。他要把全员的注意力拽回一件事——做出可靠的实用 Agent。

过去那种憋到年底再放大招、结果屡屡跳票的做法,被他彻底叫停。取而代之的是「尽早发货、高频迭代」的硬规矩。另有一处安排:在预训练和后训练之间,专门塞进一支死磕编程能力的「中训练」团队。

DeepMind 后训练负责人 Melvin Johnson 的解释是,早先 Gemini 模型卡住,症结在于简单任务全做对之后,有效学习信号就出不来了。团队于是搭起一套极严的自动化强化学习闭环,专挑 Agent 仍会栽跟头的高难度跨仓库工程硬骨头,放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,系统罚得很重,严格环境下的内部虚构率被压到约 1.5% 的历史新低。

真正托底的终极筹码,其实是另一件事:谷歌苦熬多年的全栈自研硬件,终于到了兑现的时候。

牌桌上的对手还在为英伟达 GPU 供货紧缺和高昂算力账单发愁,谷歌这边,第 7 代 TPU Ironwood 配合开源软件层 TPU Sync 已经成熟落地,海量上下文的 KV 缓存能以毫秒级卸载到主机内存。

SemiAnalysis 的评测给出的结论是,Ironwood 在长上下文和多轮 Agent 场景下每美元产出极具统治力。香到连死对头 Anthropic 都签下了大规模的 TPU 算力合作。谷歌的第 8 代 TPU 更进一步,已经把训练芯片和推理芯片彻底拆开独立优化。底座上源源不断的自有算力,正是谷歌敢打价格战、推行「Neon 加 Hydrogen」大小模型混编的底气。

几个月前还被群嘲的「北美大豆包」,终究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。

风险提示及免责条款
投资有风险,入市要谨慎。本内容不作为针对个人的投资建议,也没有顾及每位用户各自的投资目标、财务状况或实际需求。文中的看法、观点和结论是否适合自己,用户得自行判断。据此操作,风险自担。
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

    来源 腾讯网
  2. 谷歌Gemini 4逆袭!国产AI没有上榜

    最新的 Agent Arena 榜单中,被大家戏称北美 “豆包” 的 Gemini 算是翻身了,直接跑赢了 GPT!两个模型Gemini 4 neo 和 Gemini 4 carbon都压着GPT打,算是出了口恶气。不少朋友可能不清楚这个榜单到底测什么,它不比AI聊天问答好不好玩,而是比AI 智能体的实战干活能力:比如

    来源 腾讯网
  3. 谷歌发布Gemini 4 Neon:编程追平Claude

    11月19日消息,谷歌发布Gemini 4 Neon,面向编程、资料分析和多步骤任务。新模型已通过开发者API开放,Google AI Pro和Ultra订阅用户也可陆续在Gemini应用及AI开发工具Antigravity中使用。 打开网易新闻 查看精彩图片 在谷歌的产品线中,Neon位于旗舰模型Carbon和主打速

    来源 AI 行业观察
  4. 谷歌推Gemini Tasks智能体:覆盖2.5亿用户,大摩看好其10亿用户基础

    智通财经APP获悉,谷歌母公司Alphabet(GOOGL.US,GOOG.US)正式推出Gemini人工智能(AI)智能体新功能“Tasks”,将AI助手从回答问题进一步升级为能够代替用户执行购物、预订、支付等实际任务的数字助理。摩根士丹利在11月18日发布的研报中指出,谷歌凭借Gemini庞大的现有用户基础、深度整

    来源 腾讯网
  5. 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
  6. 谷歌提出SIM记忆机制:让AI智能体跨模型持续自我改进

    模型一换,精心优化的 agent harness 可能立刻“水土不服”。专为 Claude 演化的 harness 甚至可能给 Gemini 带来“负收益”。因此,模型迁移后需要重新评估继承的修改,判断哪些仍然有效,哪些需要修订。 harness 管理 agent 的上下文、工具和执行流程。递归自我改进(RSI)虽会依

    来源 AI 行业观察
  7. 梁文锋的“大肥鱼”,围剿大厂 Agent 地盘?

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 华卫封面来源 | 豆包AI龙虾(OpenClaw)成为过去时,现在AI社区里流行起了“养鱼”。近日,一群有独特个性的AI小鱼活跃在互联网各个角落。除了在办公、编程中干活,还做了不少意想不到的事儿,有的在社交平台到

    来源 腾讯网
  8. DeepSeek开源Agent框架WorkBuddy:154万日活,社区养出3.5万插件

    龙虾(OpenClaw)成为过去时,现在AI社区里流行起了“养鱼”。 近日,一群有独特个性的AI小鱼活跃在互联网各个角落。除了在办公、编程中干活,还做了不少意想不到的事儿,有的在社交平台到处留言互动,还有的跑到抖音直播,甚至相互之间还谈起了恋爱。 而它们的“本体”,来自DeepSeek开源的Agent框架DeepSee

    来源 AI 行业观察
  9. 豆包工作DAU超800万:上线三个月,企业ARR破20亿

    11月18日,豆包官方宣布,上线仅三个月的豆包工作日活跃用户数(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元。 豆包工作是豆包面向生产力场景推出的 AI 产品及品牌,自8月25日正式发布以来,持续更新专业办公能力。11月16日,豆包工作上线 “工作台” 功能,首批覆盖金融、医疗、教育、创意

    来源 AI 行业观察
  10. 谷歌Gemini Tasks扩大开放:AI可代打电话、登录网站并下单

    谷歌宣布扩大Gemini Tasks的访问权限,该功能可协调通话、代用户登录网站甚至完成购物。这标志着AI助手从信息查询向任务执行迈出关键一步,但也引发隐私与安全担忧。本文详解Gemini Tasks的功能、行业竞争背景及未来影响。

    来源 AI 科技快讯
  11. 一年卖了5000万,第一批明星AI产品还是下线了

    11月9日,腾讯元器停服。对一个做公众号的运营者来说,最直接的变化是,自己搭的自动回复机器人不回消息了。元器是腾讯2024年5月推出的零代码智能体平台,用户不用写代码,就能把公众号、知识库和插件拼成一个机器人。 更早之前的10月底,字节扣子发布《扣子企业版下线公告》:11月30日起,企业标准版、企业旗舰版暂停接受新客户

    来源 AI 行业观察
  12. 纳德拉预言:AI智能体将重塑互联网经济格局

    微软CEO萨提亚·纳德拉在最新访谈中提出,AI智能体将不再是简单的聊天工具,而是能替用户完成搜索、比价、下单的“数字代理人”。这一转变可能从根本上动摇以广告和流量为核心的互联网商业模式,迫使亚马逊、谷歌等巨头重新思考获客与竞争的方式,内容创作者与广告主的利益分配也将随之重写。

    来源 AI 科技快讯
  13. Gemini聊天记录保留期延至2个月,关闭历史记录也适用

    Google宣布将Gemini聊天记录的保留时间从72小时大幅延长至2个月,且无论用户是否关闭历史记录均适用。该政策将在未来几周全球推出。此举与Google此前“关闭历史记录后72小时删除”的承诺形成矛盾,再度引发外界对AI聊天数据隐私与透明度的担忧。

    来源 AI 科技快讯
  14. 豆包工作三月成绩单:DAU超800万,企业ARR破20亿

    11月18日,豆包宣布生产力AI产品“豆包工作”上线三个月,日活用户突破800万,企业客户年度经常性收入超20亿元,B端AI商业化增速强劲。该产品8月25日发布,深耕专业办公场景;11月16日上线“工作台”,首批覆盖金融、医疗、教育、创意设计等21个垂直专业领域,提供预配置行业功能。

    来源 AI 产业速递
  15. 谷歌Gemini Tasks大扩张:AI帮你打电话、购物、登录网站

    谷歌宣布扩大Gemini Tasks的访问权限,该功能可协调通话、代用户登录网站甚至完成购物。这标志着AI助手从信息查询向任务执行迈出关键一步,但也引发隐私与安全担忧。本文详解Gemini Tasks的功能、行业竞争背景及未来影响。

    来源 AI 行业观察
  16. 豆包实时音视频通话模型1.0 API上线:可在连续多模态信息流实时交互

    11月19日,火山引擎正式上线豆包实时音视频通话模型(SeedRealtime 1.0)API服务。该模型将声音、画面、时序与表达统一到端到端模型中,可在连续多模态信息流上实时交互,并降低传统级联系统的延迟叠加和信息损耗,适用于语音助手、智能硬件、陪伴式应用和实时客服等场景。

    来源 凤凰科技
向下滚动自动加载更多