跳到正文

Gemini 4 Neon 发布:编码 Agent 榜登顶,任务成本比 Carbon 低 32%

Google DeepMind 发布 Gemini 4 Neon:编码 Agent 榜第一,智能指数 61,定价 3/15 美元每百万 token,今日上线 API、AI Studio、Antigravity 与 Gemini 应用。

小杜

约 7 分钟读完

Gemini 4 Neon 发布:编码 Agent 榜登顶,任务成本比 Carbon 低 32%

Google DeepMind 在东京时间 11 月 19 日早上 06:34 发布了 Gemini 4 家族的新成员 Neon。定位很明确:不是最强的,也不是最快的,而是卡在中间的那个——前沿级智能,跑复杂任务够快、够便宜,专为每天高频跑的工程、知识工作和科研流程准备。发布当天就进了 Gemini API、AI Studio、Antigravity 和 Gemini 应用。

Neon 最抢眼的一张牌是编码:在 Artificial Analysis 的 Coding Agent Index 上以 58.6 分排第一;但更有意思的不是分数本身,而是同一张榜单上不同 harness 测出的巨大落差——SWE-sweep 在迷你 harness 里只有 12.8%,换到 Antigravity 里直接跳到 39.0%。这篇就把发布内容、跑分、定价和能用在哪说清楚。

Neon 在家族里的位置

Gemini 4 现在是四款模型排队:Carbon 负责最难、最长线的项目,Hydrogen 负责日常快速执行,Argon 另有分工,Neon 夹在 Carbon 和 Hydrogen 之间。按 DeepMind 的说法,Neon 是为"复杂但高频"的工作准备的:多文件调试和重构、跨表格和 PDF 的企业分析、长流程的 Agent 任务。

模型卡里写明,Neon 由 Carbon 衍生而来(adapted from Gemini 4 Carbon),知识截止到 2026 年 3 月。也就是说它不是一条全新的训练线,而是把旗舰的能力往"快和便宜"的方向压出来的版本。这也解释了它的定价和跑分分布:大部分指标紧贴 Carbon,个别地方甚至反超。

Neon 有四个 thinking level(思考档位),默认是 high,最高是 xhigh。档位越高推理越深、token 花得越多,团队可以按任务难度自己调。DeepMind 强调这是一套"平滑升级"的档位设计,不是简单的开关。

跑分:编码登顶,但要看清测试条件

先说官方给出的头条数字(均为 Google 自选的评测集,文末会提醒怎么看):

  • Artificial Analysis Intelligence Index:xhigh 档位 61 分,综合排名第三,仅次于两个更大、更慢的模型;同榜 Claude Opus 5.5 是 59 分,GPT-6.2 Sol 是 57 分。
  • Artificial Analysis Coding Agent Index:58.6 分,排名第一。
  • Vals Index:70.9%,排名第二;其中 Legal Research Bench 和 Tax Agent Bench 两个分项都是第一。
  • Agent Arena Index:1336 分,排名第二,基于 4200 多场真实 Agent 会话;可操控性(中途纠正后能否干净地改方向)也是第二。

编码是 Neon 的主战场:Terminal-Bench 4.1 拿了 65.2%,FrontierCode 2.0 在默认 high 档位是 46.2%。但要诚实地说一句,Neon 并非全胜——同一张官方对比表里,Terminal-Bench 4.1 上 Opus 5.5 是 65.8%,FrontierCode 2.0 上 Opus 5.5 是 47.3%,都比 Neon 略高一线。Neon 赢在广度:CursorBench 4.1 是 65.4%,对 Opus 5.5 的 58.1%;AutomationBench 56.3% 对 42.5%;长流程开店模拟 Vending-Bench 2 做到 16843 美元,排名第一。

真正值得算法工程师留意的是 SWE-sweep 的落差:同一个模型、同一个任务集,迷你 harness 测出来 12.8%,放进 Antigravity 的 harness 就变成 39.0%,而且是当时的最佳成绩。差距不在模型,在 harness——Antigravity 的并行子 Agent 编排、进度同步和上下文压缩把分数抬了三倍。选编码 Agent 时,"模型 + 工具链"是一整套购买决策,只看模型分数会吃亏。

知识工作和科学推理上,Neon 的分布很平均:Agents' Last Exam v1.1 是 75.8%,RiemannBench 84.0%,Terminal-Bench Science 70.5%,HLE-Diamond 71.3%,这几项在官方表里都是同组第一。读 dense 图表的 Chartography 是 73.5%,长上下文 GraphWalks(256k 到 1M,BFS F1)做到 95.2%,对 Opus 5.5 的 66.8% 拉开明显差距。100 万 token 上下文窗口在这里是真能用上的:企业工作里表格、PDF、图表、音频、视频可以一次喂进去,再输出结构化结果。

Gemini 4 Neon 与 Claude Opus 5.5、GPT-6.2 Sol 的官方跑分对比

图:Google DeepMind 官方对比表,Neon 对 Claude Opus 5.5 和 GPT-6.2 Sol。蓝色为 Neon 领先项。注意 Terminal-Bench 4.1 和 FrontierCode 2.0 上 Opus 5.5 略高。来源:deepmind.google

定价:每 token 不便宜多少,按任务算才便宜

Neon 的定价是输入每百万 token 3 美元,输出每百万 token 15 美元,缓存输入 0.15 美元(比标准输入价低 95%),上下文窗口 100 万 token。

单看 token 价,Neon 并不算便宜:它比 Carbon 促销价(输入 2 美元、输出 10 美元)还贵 50%。但 Carbon 的促销价只到 11 月 30 日,之后涨到输入 4 美元、输出 20 美元,到时 Neon 反而比 Carbon 便宜 25%。DeepMind 真正想卖的是"按任务算":默认 high 档位下,Neon 每完成一个任务的成本比 Carbon 低 32%;xhigh 档位下,比竞品最高档位便宜 36% 以上;在 Vals 和 Agent Arena 的帕累托前沿上,比头部前沿模型便宜 50% 到 80%。

对实际使用者来说,真正省钱的是缓存价:0.15 美元每百万 token,适合反复复用长提示词的场景——比如固定了系统提示词的 Agent、反复查同一批文档的分析任务。反过来,如果你的任务是短提示词、一次性调用,Neon 的 token 价并没有优势,Hydrogen 可能更合适。

安全和网络防御:这次单独成章

这次发布里安全占了很大篇幅,而且单拎了一个"Gemini 4 Neon for cyber"版本。DeepMind 的逻辑是:Agent 写代码的规模越大,一开始就写出安全的代码、提前发现漏洞就越重要。

官方给出的网络安全数字:找漏洞的 SEC-bench Pro 上 90.5%,当时最佳,单题成本大约是竞品的一半;验证漏洞可利用性的 ExploitGym 上达到前沿水平,用的 token 只有 Carbon 的一半;修漏洞的 CWE-bench v2 上 70.7%,比 Carbon 高 3.4 个百分点;渗透测试 WebExploitBench v1.2 上 51.26%,当时最佳,成本是大型竞品的一半;自动攻防 AutoBaxBench 困难档 76%,当时最佳。

这个 cyber 版本不会马上全量开放,而是通过 Fairwind Program 在未来几天内先给受信任的防守方。想申请要走 Google Cloud 的客户团队。

通用安全方面,Neon 保持了 Carbon 级别的防护:针对严重误用和提示注入的实时防护;Terminal-Bench 4.0 上作弊率 0.0%,走捷径率 2.45%,是 Gemini 4 家族里最低的;Agent 诚实度评估通过率 99.2%,错位动作率 0.09%;在 Gray Swan 的间接提示注入基准上,最高思考档位下攻击成功率 0.0%。代价是拒答率很低:Terminal-Bench 4.0 上只拒了 1.98% 的任务,Terminal-Bench-Science 上是 0%。对生产级 Agent 来说,低拒答 + 低作弊的组合比单纯"安全分高"更实用。

今天在哪能用上

发布当天就已上线:付费版 Gemini API(AI Studio 和 Android Studio 里可用)、Gemini for business(API 或模型下拉框)、Google Antigravity(付费 Pro 和 Ultra 订阅)、Gemini 应用(Pro 和 Ultra 订阅用户在模型下拉框里选)。Neon 的网络防御版走 Fairwind Program,几天内向符合条件的成员开放。

需要注意的是,Gemini 应用里只有 Pro 和 Ultra 订阅用户能选到 Neon,免费用户暂时用不上。开发者走 API 是最直接的路,模型名就是 Gemini 4 Neon。

小杜点评

Neon 这次发布最值得琢磨的不是"又一个新模型",而是 Google 在明牌打"中档"这张牌:Carbon 守最难的任务,Hydrogen 守最快的任务,Neon 守每天要跑几十上百次的任务。对算法工程师来说,选模型正在从"挑最强的"变成"按任务分档"——高频的编码 Agent、文档分析、长流程自动化,Neon 这个档位大概率是性价比的甜点。

但有两个提醒。第一,跑分要带着 harness 一起看:SWE-sweep 从 12.8% 到 39.0% 的跳变说明,Agent 评测里工具链的权重可能比模型本身还大,换个 harness 结论就变了,照搬分数做选型会踩坑。第二,价格要按任务算、按时间算:Neon 现在比 Carbon 促销价贵,12 月 1 日之后才反过来变便宜;缓存价 0.15 美元是真香,但只对长提示词复用的场景有效。

如果已经在用 Antigravity 或 Gemini API 跑编码 Agent,Neon 值得马上试一次高频任务,对比一下任务成本和完成率;如果还在免费层,先等它下放到更多入口再说。

参考来源

  • Google DeepMind 官方博客:Introducing Gemini 4 Neon,2026 年 11 月 18 日(东京时间 11 月 19 日 06:34 发布):https://deepmind.google/blog/introducing-gemini-4-neon/
  • AlphaSignal:Google DeepMind's Gemini 4 Neon Targets Complex Agent Workflows at 61 Intelligence Score:https://alphasignal.ai/news/google-deepmind-s-gemini-4-neon-targets-complex-agent-workflows-at-61
  • TestingCatalog:Google launches Gemini 4 Neon at $3 per million tokens:https://www.testingcatalog.com/google-launches-gemini-4-neon-on-gemini-antigravity-and-apis/
  • Gemini 4 Neon 模型卡(DeepMind 官方,见原文链接)

评论

正在确认登录状态…