Google DeepMind 发布 Gemini 4 Neon:1M 上下文、AA Coding Agent Index 登顶,定价 $3/$15
来源MarkTechPost查看原文
速览
- Neon 是 Gemini 4 家族中档模型,介于 Carbon 与 Hydrogen 之间
- 定价 $3/$15,比 GPT-6.2 Sol 的 $2/$10 贵,比 Opus 5.5 的 $4/$20 便宜
- AA Intelligence Index 61 领先两个主要对手,但全部为 Google 自报数据
- 长上下文召回是最大优势,GraphWalks 领先 Opus 5.5 近 28 个百分点
- 编码 Agent 场景领先,但 Terminal-bench 与 FrontierCode 仍输给 Opus 5.5
- 支持 4 档思考等级,high 为默认,xhigh 面向最难工程与科研任务
- 可在 Antigravity 中充当编排者,调度并行 Hydrogen 子 Agent
- 闭源、仅 API,无本地部署或量化版本
Google DeepMind 发布 Gemini 4 家族的中档模型 Gemini 4 Neon,定位在 Gemini 4 Carbon 与 Gemini 4 Hydrogen 之间,面向编码 Agent、知识工作与科研流程。官方给出的卖点是「接近前沿的分数、更低的单任务成本」,定价为每 100 万 token 输入 $3、输出 $15,缓存输入 $0.15。模型卡显示 Neon 由 Gemini 4 Carbon 改编而来,支持文本、图像、音频、视频输入,知识截止 2026 年 3 月,参数量与架构未披露,闭源、仅 Google 托管。基准方面,Neon 在 AA Intelligence Index 得 61,高于 Claude Opus 5.5 的 59 和 GPT-6.2 Sol 的 57;在 AA Coding Agent Index 以 58.6 排名第一;GraphWalks(256K 至 1M 上下文)得 95.2%,远高于 GPT-6.2 Sol 的 80.1% 和 Opus 5.5 的 66.8%。但它并非全面领先:Terminal-bench 4.1 以 65.2% 略输 Opus 5.5 的 65.8%,FrontierCode 2.0 以 46.2% 落后 Opus 5.5 的 47.3%,Chartography 以 73.5% 落后 GPT-6.2 Sol 的 75.1%。所有对比分数均由 Google 自行报告,未经独立复现。
关键事实
- Gemini 4 Neon 定价为每 100 万 token 输入 $3、输出 $15,缓存输入 $0.15
- AA Intelligence Index 得 61,高于 Claude Opus 5.5 的 59 与 GPT-6.2 Sol 的 57
- AA Coding Agent Index 以 58.6 排名第一
- GraphWalks(256K 至 1M 上下文)得 95.2%,Opus 5.5 为 66.8%,GPT-6.2 Sol 为 80.1%
- Terminal-bench 4.1 得 65.2%,略低于 Opus 5.5 的 65.8%;FrontierCode 2.0 得 46.2%,低于 Opus 5.5 的 47.3%
- SWE-sweep(provider harness)得 39.0%,Opus 5.5 为 10.1%,GPT-6.2 Sol 为 8.3%
本站视角
对国内做编码 Agent 和多步自动化流程的团队来说,Neon 最实际的价值不在 AA Intelligence Index 那 2 分差距,而在 GraphWalks 上 95.2% 对 66.8% 的长上下文召回差距。做代码库级重构、跨文件依赖分析、长文档审阅这类任务的团队,过去常被迫把上下文切碎、自己写检索层,如果这个数字在真实负载下站得住,能省掉不少工程胶水。但需要提醒的是,GraphWalks 是 Google 自己选的基准,且所有对比分数均来自其发布表格,未经第三方复现;同一张表里 Neon 在 Terminal-bench 4.1 和 FrontierCode 2.0 上都输给 Opus 5.5,说明它在「真正动手改代码」这一环并没有代际优势。我们的判断是:这是一次扎实的中档产品补位,不是能力跃迁。$3/$15 的单 token 价格高于 GPT-6.2 Sol 的 $2/$10,Google 用「单任务成本低 32% 至 80%」来对冲,但单任务成本取决于模型实际消耗多少 token,这个变量由工作负载决定,厂商无法替用户保证。对成本敏感的 API 调用方,建议先用自己的真实任务做 A/B,而不是直接采信发布表格。另一个值得观察的点是 Antigravity 里的编排模式:让 Neon 指挥多个 Hydrogen 子 Agent 跑并行子任务,这实际上是把「模型能力」包装成「系统能力」,如果这套编排在第三方框架里无法复现,那它的优势就绑定在 Google 自家平台上。最后,闭源、仅托管、参数量不披露,意味着有数据合规或私有化部署要求的国内企业基本被排除在外,这类用户更现实的参照对象仍是可自托管的开源模型。
背景与影响
Gemini 4 家族目前分为三档:Carbon 负责最难的长周期项目,Hydrogen 负责快速日常执行,Neon 居中平衡深度与效率。Neon 由 Carbon 改编而来,Google 未披露参数量与架构,延续了前沿模型普遍闭源、仅 API 交付的做法。从定价结构看,Carbon 目前为 $2/$10,11 月 30 日后涨至 $4/$20,Neon 的 $3/$15 正好卡在中间,这意味着 Google 在 Carbon 涨价后需要一个价格更平滑的中档产品承接成本敏感型客户。Google 强调的「单任务成本」而非「单 token 价格」值得注意:Neon 的 token 单价比 GPT-6.2 Sol 更贵,只有在每个任务消耗 token 更少的前提下,单任务成本优势才成立,而这一点取决于具体工作负载。竞争格局上,Anthropic 的 Opus 5.5 在终端操作与代码质量类基准上仍守住优势,OpenAI 的 GPT-6.2 Sol 在图表理解上领先,Neon 的差异化主要落在长上下文召回与 Agent 编排上。此外,Google 在发布中把 Antigravity 编排、上下文压缩、减少冗余文件读取作为 Agent 工作流的核心卖点,说明竞争重心正从单次推理分数转向长任务中的工程效率。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。