AI前沿

一月四款:Gemini 4 Neon 补上中间那一档,编程智能体指数第一

一、先看它站在家族的第几格

11 月 18 日,Google DeepMind 发布 Gemini 4 Neon,署名的是 SVP 兼首席 AI 架构师 Koray Kavukcuoglu。官方定位很直白:Carbon 啃最难、周期最长的项目,Hydrogen 干日常快活,Neon 站在中间,用更低的单任务成本承担高频的复杂工作。这是一个月里的第四款 Gemini,也是第一次把贵的那档和便宜的那档之间的空档填上。

规格上,100 万 token 上下文,最多生成 100 万 token 输出,能吃文本、图像、视频、音频和 PDF,支持代码执行、文件搜索,以及调用 Google 搜索和地图做事实核验,但不做图像与音频生成。思考档位分四档,默认 high,最难的任务切 xhigh。

二、跑分里最该看的是哪一行

xhigh 档在 Artificial Analysis 智能指数拿 61 分,总榜第三,前面是更大更慢的模型。Vals Index 70.9% 排第二,落在帕累托前沿;Agent Arena 1336 分排第二,基于 4200 多个真实 agent 会话,其中中途改需求还能跟上的操控性也排第二。编程智能体指数 58.6 分第一,Terminal-Bench 4.1 是 65.2%,HLE-Diamond 71.3%。

但有一行比排名更有信息量:SWE-sweep 在原生 mini-SWE harness 上只有 12.8%,换到 Google 自家的 Antigravity 里变成 39.0%。同一个模型、同一批任务,差了三倍。这说明它相当一部分工程能力绑在工具链上,上下文压缩、子智能体编排、文件读取策略都是 Antigravity 给的。想复现官方数字,得连 harness 一起搬。

三、价格表里的真话

输入每百万 3 美元,输出 15 美元,缓存输入 0.15 美元,等于打了 95% 的折。官方说默认 high 档下单任务成本比 Carbon 低 32%;在 Vals 和 Agent Arena 的帕累托前沿上,比顶级竞品的单任务成本低 50% 到 80%。

这句话翻译过来是:Neon 不是最强的,是每块钱买到最多分的那一档。真要拧到 xhigh 啃硬骨头,成本和延迟都会上去,那时候该换 Carbon。谷歌自己也没藏着,明说它落后于更大更慢的模型。

发布方式也值得记一笔:网络安全能力做了受限发布,只开给 Fairwind Program 里的可信防御者。一个模型越会找漏洞,越不能随便给人用,这条线现在成了各家发布旗舰时的标配动作。

同一天,Genie 4 也从研究预览转正,向 AI Ultra 订阅者开放。模型层的仗打到这个密度,比的已经不是单点能力,而是谁能在同一周里把旗舰、中档、世界模型和工具链一起铺出去。

来源:Google 官方博客 2026-11-18 https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/