谷歌Gemini 4再添Neon:中杯模型补位,Genie 4开放
编辑|冷猫 一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。 谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。 在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场! Demis
谷歌在基础模型上接连出手,从主打最高智能的型号到主打最高效率的型号一路铺开,为了重回榜首,动作明显加快。
Gemini 4 模型刚发完一款,转眼又有了新成员。
这次补上的是 Gemini 4 Neon,位置落在最高智能和最高效率之间,属于「中杯」。此前的
Carbon、Argon、Hydrogen 之后,它才露面。
Demis Hassabis 对这款中杯模型的评价是「Alchemy at its finest(炼金术的杰作)」。
放到 Gemini 4 家族里看分工:Carbon 是旗舰,承担最难的长程项目;Hydrogen 对准日常高频使用,讲究响应速度。Neon 夹在两者中间,按照官方说法,它「在复杂编程、分析推理和生产级企业工作流上提供前沿推理能力,同时更快、更省」。
Neon 的速度达到 Carbon 的 3 倍,成本却只有 Carbon 的 60%。价格上,每百万输入 token 3 美元,每百万输出 token 15 美元,缓存输入 token 低到 0.15 美元;上下文窗口为 100 万 token。它还带 4 档可调的思考深度,开发者能按任务复杂度在速度和推理深度之间切换。
Gemini 4 Neon 跑了 12 小时 /swarm,从档案照片里重建出艾伦・图灵 1936 年的研究,其中包含一台可运行的通用图灵机,也就是现代计算的蓝图。
博客链接:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
全面跑分
Neon 在第三方评测上表现全面。Artificial Analysis Intelligence Index 上,它拿到 61 分,排第 3,前面只有体量更大、速度更慢的模型;Vals Index 上以 70.9% 位列第 2,处在帕累托前沿。
全新的 Agent Arena Index 里,Neon 靠 4200 余个真实世界智能体会话拿下第 2,得分 1336;可操控性(steerability)也是第 2——用户中途改口,模型能更干净地调整方向。
企业和知识工作类评测,Neon 大面积刷榜。Legal Research Bench 与 Tax Agent Bench 两项均列第 1;Surge AI 覆盖的金融、会计、电子表格建模等类目大多也是第 1。Zapier AutomationBench 以 56.3% 排第 1,Andon Labs 的 Vending-Bench 2 同样第 1($16,843)——这项测试模拟长周期商业经营,对长程规划要求很高。密集图表阅读基准 Chartography 得分 73.5%,Agents' Last Exam v1.1 得分 75.8%,与头部模型持平。
科学和数学推理方面,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)三项均列第一,都是同类最佳。
逐项拆解 Neon 能力
官方博客把 Neon 的新能力归为几个大方向。
写代码更准更稳。Neon 面向真实生产环境,能处理多文件调试、重构和精准编辑。谷歌特别提到它的「surgical edits(手术式编辑)」能力,能对多文件项目做定点修改。模型在多步骤指令遵循上提升明显,内部
Google Antigravity 测试中还录得迄今最低的编造率(fabrication rate)。
100 万 token 窗口拿下多模态。电子表格、PDF、图表、音频、视频,Neon 能在同一个上下文窗口里同时消化,输出结构化交付物。「Neon 在整体质量上追平甚至超过了 Carbon,速度快 3 倍,成本降低 40%。它在准确性、细节和速度之间找到了令人信服的平衡。」
安全是Neon这次发布里一个比较特别的方向。谷歌拿出了Neon for Cyber,从写安全代码、找漏洞,到验证漏洞、修漏洞,一整条链路都覆盖了。
AutoBaxBench安全代码生成的困难级别上,Neon拿到SOTA,成绩76%,Carbon被全面甩开;WebExploitBench v1.2渗透测试同样是SOTA,51.26%,成本只有竞品大模型的一半;SEC-bench Pro漏洞发现也是SOTA,90.5%,单次挑战的花费约为同类产品的一半;CWE-bench v2漏洞修补为70.7%,比Carbon高出3.4%。这套Neon for Cyber会在未来几天内通过Fairwind Program,向受信任的安全防御人员开放。
安全对齐方面,Neon几乎做到了「零作弊」。Terminal-Bench 4.0上作弊率0.0%,和Carbon打平;编码作弊评估里只有2.45%的任务出现走捷径的行为,这个数字是Gemini 4全系列里最低的;智能体安全套件中,不当行为率0.09%,诚实评估通过率99.2%。Gray Swan的间接提示注入基准中,Neon在最高思考级别上的攻击成功率是0.0%。
跟Carbon相比,Neon把「服务不足」压低了43%-56%,「越权操作」压低了15%-35%。碰到合法任务,它基本不拒绝:Terminal-Bench 4.0上拒答率只有1.98%,Terminal-Bench-Science上是0%。
消费者端同样有变化。Gemini应用里的Neon写作输出质量更高,读取电子表格、PDF和照片这些上传内容时更准,还能接上Gmail和Docs调取相关信息。Tasks功能现在改由Neon驱动,处理复杂的多步骤任务时速度更快,额度也更省。目前Gemini 4 Neon已开始滚动上线:开发者可以在Google AI Studio和Android Studio中通过Gemini API付费层级构建应用,Google AI Pro和Ultra订阅用户能在Google Antigravity里试用;企业用户则走Gemini for Business的API或模型下拉菜单。消费者这边,Pro和Ultra订阅用户直接在Gemini应用的模型选择器里切到Neon即可。网络安全方向的Neon for Cyber会在未来几天内通过Fairwind Program推送给受信任的防御人员。
谷歌 DeepMind 在 10 月 28 日官宣了最新一代世界模型 Genie 4,官方说法是「迄今为止最逼真、交互性最强的世界模型」。
等了超过半个月,谷歌总算宣布 Genie 4 正式上线、可以用了。
博客链接:https://blog.google/innovation-and-ai/models-and-research/google-deepmind/genie-4-now-available-project-genie/
Genie 4 是目前谷歌旗下最逼真、交互性也最强的世界模型。它这次最核心的新本事叫「mid-session prompting」——你逛这个世界的时候,随时能用自然语言改环境。换天气、塞一个角色进去、改剧情走向都行,变化当场就发生在当前画面里。
原生音频(native audio)也是头一回出现。Genie 4 生成的世界本身带声音,而且声音跟着场景自动变,环境音效、角色对话都在里面,「听觉」这块总算补齐了。
两代模型的分工是:Genie 4 主打最高保真度;Genie 3 继续留在 Project Genie 的模型选择器里,面向更长时间的探索和全景场景。
这次谷歌在 Genie 4 之外还上线了 Project Genie Agent。过去造一个世界,得你把 prompt 精心组织好;现在成了一场对话。你用自然语言描述想要的世界,智能体会调度谷歌的多模态模型组合,先生成初始视觉画面定下这个世界的视觉风格,再配上量身定制的背景音乐。
还有一点更有意思:你探索世界的时候,Gemini 模型能同步看着屏幕内容,主动弹出「下一步去哪」的建议,也能顺着你的旅程自动触发世界内的事件。
画廊里已经建好的世界也能拿来remix:改底层结构、换配乐、调规则,做成自己的版本,再发到社区画廊,让别人来玩,也让人家接着二次创作。眼下这套Project Genie的新体验只对符合条件的Google AI Ultra订阅用户开放,Google AI Pro会员可以在同一个页面报名进候补名单。