谷歌Gemini 4 Neon发布:100万Token上下文,每百万输出15美元
智东西(公众号:zhidxcom)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。▲谷歌发布Gemin
智东西11月19日消息,谷歌刚刚推出
Gemini 4系列新模型Gemini 4 Neon。该模型面向复杂软件工程、知识工作和科学研究,重点是在保持前沿智能水平的同时,更快、更省钱地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。
谷歌近期密集发新模型,与一篇名为《自我改进记忆实现持续递归自我改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement)的论文有关。论文提出了一种叫自我改进记忆(Self-Improvement Memory,SIM)的新方法。
另外,谷歌10月28日发布的世界模型Genie 4,今天也已在实时原生音频和对话方面有了进展。
在排名中它位列第三,超过排名第二的选手,进入帕累托前沿。
除了原始能力,谷歌也改进了模型的使用体验。新推出的版本位列第二,仅次于Claude Fable 5.2(max),能在任务进行中按用户的纠正调整行动。在谷歌Antigravity内部测试里,Neon的编造率也降到了Gemini模型至今最低。
价格上,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
谷歌表示,Gemini 4系列中,Carbon负责最难、耗时最长的项目,Hydrogen负责快速搞定日常任务,Neon则在推理深度和执行效率之间取平衡,面向复杂且使用频率较高的开发、分析和企业工作流。
模型发布后,一些开发者分享了自己用Gemini 4 Neon的体验。
有开发者用同一提示词对比了Gemini 4 Neon和Claude Opus 5.5的生成效果。Neon花了20分钟,成本约3.5美元;Opus花了18分钟,成本约7.2美元。该开发者认为,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。
另一位开发者用Gemini 4 Neon生成了两款射击游戏。其中,3D竞技场游戏里的敌人波次、生命值、弹药、换弹、游戏结束和重新开始等功能都能正常运行。他提到,Neon在首次构建时因服务器错误中断,第二轮才完成开发。另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。
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、音频和视频里。Neon能在100万Token上下文窗口内把这些资料综合处理,生成结构化成果。
Neon在Vals Index榜单中排名第二,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
在Zapier用于衡量企业自动化任务执行能力的
Arena新推出的Agent Arena Index覆盖超过4200次真实Agent会话,Neon首次上榜就以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
▲谷歌发布Gemini 4 Neon(图源:X)
▲Gemini 4 Neon在Artificial Analysis上测评成绩(图源:Artificial Analysis)
▲Gemini 4 Neon在Agent Arena Index上测评成绩(图源:Arena)
▲开发者对比Gemini 4 Neon和Claude Opus 5.5(图源:X)
▲开发者用Gemini 4 Neon生成射击游戏(图源:X)
智东西(公众号:zhidxcom) 编译 | 杨京丽 编辑 | 李水青
美国企业搜索公司Glean在早期评测中给出的结论是,Neon的整体质量达到甚至超过Carbon,速度是后者的3倍,成本只有60%。在Glean看来,质量、成本与速度能取得这样的平衡,适合那些对准确性、细节和响应速度都有要求的多步骤工作。
二、Agent工作流可长时间运行,还能指挥多个子Agent并行
Neon本身就是为长时间运行的Agent工作流打造的。复杂、工具调用密集的任务,它可以独立完成;在
Google Antigravity中,它也能充当协调者,指挥多个Hydrogen子Agent并行干活。
按谷歌的说法,Neon减少了重复读取文件的动作,执行过程中会汇报进度,长会话里遇到上下文压缩也能可靠处理。
在
放到实际代码库上,Neon能做跨文件调试和重构,并针对具体问题做局部修改。
这次发布,谷歌还亮出了几项官方案例。
比如Gemini 4 Neon生成的照片级真实感3D实验台:Neon通过Blender MCP调用Blender,用/swarm协调多个Agent,把Gemini 4系列模型对应的不同化学元素做成实验装置——Carbon和Hydrogen用火焰呈现,Argon和Neon则用高压气体放电管呈现。
它还原的图灵1936年书房同样如此。Neon用/swarm检索历史照片,搭出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一直做到室内房间,书桌上还摆着一台可以运行的通用图灵机。
三、推理强度分四档,默认档单任务成本比Carbon低32%
四档推理强度是谷歌给Neon准备的,团队可以按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档位则用于最困难的工程、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中拿到较高得分,单任务成本比Carbon低32%。
Vals Index和Agent Arena中,high档Neon都处在成本与性能的帕累托前沿——对应测试下,很难再找到表现更好、成本更低的选择。跟竞品前沿模型比,其单任务成本约低50%至80%。
切到xhigh档位,Neon拿到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。
四、各难度代码安全性均超Carbon,漏洞发现测试得分90.5%
模型编程规模越来越大,一开始就生成安全代码变得愈发重要。谷歌为此发布了面向网络安全的Neon for Cyber,覆盖从生成安全代码到发现、验证、修复现有漏洞的完整工作流程。
AutoBaxBench中,简单、中等、困难三个难度上Neon的代码安全性表现都超过Carbon,困难档位取得76%的成绩,达到该项测试的最高水平。
WebExploitBench v1.2渗透测试评测中,Neon以51.26%的成绩拿到最高分,成本约为竞品大型模型的一半。
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。
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。
Collinear的CWE-bench v2漏洞修复测试中,Neon得分70.7%,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%,执行中可接受用户纠正
谷歌称,Neon延续了Carbon防范严重滥用和提示注入的能力,模型对齐和Agent行为也得到进一步改善。
防范滥用上,Neon针对网络安全和生物安全滥用配备了实时防护措施,同时减少对合法任务的拒绝。Terminal-Bench 4.0和Terminal-Bench Science中,Neon的任务拒绝率分别为1.98%和0%。
在内部编程场景里,Neon触发思维链和行为偏离监测告警的比例,比Carbon本来就偏低的基线还低。同样的监测机制,谷歌也用在了对外的产品上。Terminal-Bench 4.0的作弊率一栏,Neon和Carbon都停在0%;而在谷歌内部的编程作弊评测中,Neon有2.45%的任务走了捷径,这个数字是Gemini 4系列里最低的。
Agent安全测试中,Neon的行为偏离率为0.09%,Agent诚实性评测通过率则达到99.2%。把推理档位拉开对比,Neon“任务执行不到位”的情形比Carbon少43%至56%,“超出用户授权范围行事”的情形少15%至35%。
用最高推理档位并开启实时防护之后,Neon在Gray Swan间接提示注入测试里挡住了所有攻击,攻击成功率为0%。
在Gemini应用内,写作、资料整理、研究和多步骤任务也能交给Neon。上传的电子表格、PDF和照片它都能读,据此整理报告或摘要,还能从Gmail、Google Docs这类应用里把相关信息提取出来。谷歌举的例子是分析账单:找出公共事业费用为何突然上涨,或者把多份收据和文件交叉核对,为协商退款做准备。碰上需要最新信息的采购比价、市场研究,Neon会结合网络资料来处理。
结语:谷歌继续细分模型分工,Neon瞄准高频复杂任务
Gemini 4系列的分工被Neon切得更细:最困难的长程项目归Carbon,日常执行交给Hydrogen,Neon则负责对推理能力要求较高的软件开发、知识工作和企业任务。
整场发布中,谷歌多次把单任务成本、完成速度、执行途中接受纠正的能力拿出来讲。企业采购看这些指标,开发者日常使用也看这些指标,它们直接决定模型能不能长期扎进实际工作流程。