精华速览
谷歌于11月19日发布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,强调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。Neon在Artificial Analysis Intelligence Index的xhigh档位下取得61分,排名第三,超过Claude Opus 5.5和GPT-6.2 Sol;在Vals Index中以70.9%排名第二。定价为每百万输入Token 3美元、输出15美元,缓存输入优惠95%,支持100万Token上下文窗口。谷歌同时披露自我改进记忆(SIM)研究进展,并将Gemini 4系列分工细化为Carbon、Hydrogen和Neon三档。
要点透视
- Gemini 4 Neon于11月19日发布,是谷歌7周内第四款Gemini 4系列模型,定位为兼顾推理深度与执行效率,面向高频复杂开发、分析和企业工作流。
- 在Artificial Analysis Intelligence Index的xhigh推理档位下,Neon得分61,整体排名第三,超过Gemini 4 Carbon(high)、Claude Opus 5.5(max)和GPT-6.2 Sol(max),落后于Claude Fable 5.2(max)和GPT-6.2 Astra(max)。
- 在Vals Index中Neon得分70.9%,排名第二并位列帕累托前沿;在法律研究测试和税务Agent测试中排名第一。
- 定价为每百万输入Token 3美元、每百万输出Token 15美元,缓存输入每百万Token 0.15美元,优惠95%,支持100万Token上下文窗口。
- 谷歌称在默认high档位下,Neon单任务成本比Carbon低32%;与竞品前沿模型相比,单任务成本约低50%至80%,xhigh档位成本仍比竞品最高推理档位低36%以上。
- 企业搜索公司Glean早期评测显示,Neon整体质量达到或超过Carbon,速度为Carbon的3倍,成本为其60%。
- Agent能力方面,Neon在Artificial Analysis Coding Agent Index以58.6分排名第一,在Agent Arena Index首次上榜以1333分排名全球第三,可引导性排名第二。
- 安全与对齐方面,Neon在Agent诚实性评测通过率99.2%,行为偏离率0.09%,在Gray Swan间接提示注入测试中攻击成功率为0%;Neon for Cyber将在未来几天通过Fairwind计划向经信任认证的防御人员开放。
文章拆解
谷歌此次发布Neon,最直接的变化不是单点能力刷新,而是Gemini 4系列的产品分工进一步细化。按照谷歌的说法,Carbon负责最困难、耗时最长的项目,Hydrogen处理日常任务,Neon则填补两者之间——面向复杂但使用频率较高的开发、分析和企业工作流。这一分层意味着谷歌不再只用一个旗舰模型覆盖所有场景,而是试图用不同成本与推理档位组合,把模型嵌入企业日常流程。
从评测数据看,Neon的竞争力主要体现在性价比而非绝对能力登顶。它在Artificial Analysis Intelligence Index的xhigh档位排名第三,落后于Claude Fable 5.2和GPT-6.2 Astra,但在Vals Index、Agent Arena和多个企业自动化测试中进入前列。Glean的早期评测称其质量达到或超过Carbon,速度为3倍、成本为60%,这类来自企业客户的反馈比厂商自述更能说明其定位:用可接受的质量换取更低的单任务成本和更快的响应。
Neon的另一个重点是长时间运行的Agent工作流。谷歌称其可独立完成工具调用密集的任务,也可在Antigravity中协调多个Hydrogen子Agent并行工作,并减少重复读取文件、在执行中汇报进度、处理长会话上下文压缩。Agent Arena Index覆盖超过4200次真实会话,Neon首次上榜即排名第三,可引导性排名第二,说明其在任务进行中接受用户纠正的能力受到评测认可。不过,这些榜单多由厂商或第三方机构设计,实际企业环境中的稳定性尚待更多独立验证。
价格与上下文窗口是影响采用的关键变量。100万Token上下文和缓存输入95%的折扣,直接降低了处理电子表格、PDF、图表和音视频等分散资料的成本。但开发者对比显示,Neon在相同提示词下耗时20分钟、成本约3.5美元,Claude Opus 5.5耗时18分钟、成本约7.2美元,前者画面细节丰富但整体效果仍明显落后。这说明Neon的优势集中在成本侧,质量追赶仍在进行中。
安全与对齐是此次发布的隐性主线。谷歌披露Neon在Agent诚实性评测通过率99.2%、行为偏离率0.09%,并推出面向网络安全的Neon for Cyber。随着Agent自主执行范围扩大,编造率、越权行为和提示注入防护将直接影响企业是否敢把高频工作流交给模型。谷歌称Neon编造率降至Gemini系列最低,但相关测试多为内部或特定基准,真实部署中的滥用防范效果尚待确认。
更宏观的背景是谷歌高频发布与递归自我改进(RSI)研究的同步推进。11月13日,谷歌云AI、DeepMind与宾夕法尼亚州立大学联合发布SIM论文,提出自我改进记忆方法;11月19日Neon发布;同日世界模型Genie 4在Project Genie开放。模型迭代节奏加快与自我改进研究之间是否存在直接工程转化,素材未给出明确因果,尚待确认。但可以确定的是,谷歌正用更细的分工、更低的单任务成本和更强的Agent可控性,争夺企业高频工作流的入口。

暂无评论。