Google DeepMind 发布 Gemini 4 Neon:定位高性价比前沿模型,Artificial Analysis 智能指数 61 分排名第三
来源Google DeepMind查看原文
速览
- Gemini 4 Neon 定位为兼顾深度与效率的前沿模型,填补 Carbon 与 Hydrogen 之间的档位。
- Artificial Analysis 智能指数 61 分排名第三,Vals 指数排名第二并位于帕累托前沿。
- 100 万 token 上下文窗口,输入 3 美元/百万 token,输出 15 美元/百万 token。
- Agent Arena Index 排名第二,强调可操控性和多步指令遵循能力。
- 编码 Agent Index 排名第一,Antigravity 环境将 SWE-sweep 成绩提升三倍以上。
- 四档思考级别让团队按工作负载调节智能与 token 开销。
- Neon for cyber 在漏洞发现、验证和修补全流程达到前沿水平,通过 Fairwind Program 开放。
- 安全评估中拒绝合法任务比例极低,IPI 攻击成功率为 0.0%。
- 即日起通过 Gemini API、AI Studio、Antigravity 和 Gemini 应用向付费订阅用户推出。
Google DeepMind 于 11 月 18 日发布 Gemini 4 Neon,定位为在复杂软件工程、知识工作和科学工作流中实现快速端到端任务完成的前沿模型。Neon 在 Artificial Analysis 智能指数 xhigh 思考级别下得分 61,总排名第三,仅次于更大更慢的模型;在 Vals 指数上排名第二并位于帕累托前沿。定价为每百万输入 token 3 美元(缓存输入 0.15 美元,95% 折扣)、每百万输出 token 15 美元,上下文窗口 100 万 token。模型即日起通过 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 以及 Gemini 应用向 Pro 和 Ultra 订阅用户推出。Neon 在多项基准上表现突出:Vals 指数 70.9% 排名第二,Legal Research Bench 和 Tax Agent Bench 排名第一,Chartography 73.5%,Agents' Last Exam v1.1 75.8%,Zapier AutomationBench 56.3% 排名第一,Andon Labs Vending-Bench 2 以 16,843 美元排名第一,Arena 新 Agent Arena Index 以 1336 分在 4200 多个真实 agent 会话中排名全球第二。科学推理方面,Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3%。编码方面,Artificial Analysis Coding Agent Index 排名第一(58.6),Terminal-Bench 4.1 得分 65.2%,FrontierCode 2.0 默认 high 设置下 46.2%,SWE-sweep 在 mini-SWE harness 上 12.8%,在 Google Antigravity 中提升至 39.0%。Neon 提供四档思考级别,默认 high 级别下每任务成本比 Carbon 低 32%,xhigh 级别下比竞品最高设置成本低 36% 以上。网络安全版本 Neon for cyber 在 AutoBaxBench 困难档达到 76% 的 state-of-the-art,WebExploitBench v1.2 达 51.26%,SEC-bench Pro 达 90.5%,将通过 Fairwind Program 向可信防御者开放。安全方面,Neon 在 Terminal-Bench 4.0 上仅拒绝 1.98% 的任务,Terminal-Bench-Science 上拒绝率为 0%,在 Gray Swan IPI 基准上以最高思考级别配合实时防护实现了 0.0% 的攻击成功率。
关键事实
- Gemini 4 Neon 于 2026 年 11 月 18 日发布,Artificial Analysis 智能指数 xhigh 级别得分 61,总排名第三。
- 定价为每百万输入 token 3 美元、缓存输入 0.15 美元(95% 折扣)、每百万输出 token 15 美元,上下文窗口 100 万 token。
- Vals 指数得分 70.9% 排名第二,Legal Research Bench 和 Tax Agent Bench 排名第一。
- Arena 新 Agent Arena Index 得分 1336,在 4200 多个真实 agent 会话中排名全球第二。
- Artificial Analysis Coding Agent Index 排名第一(58.6),Terminal-Bench 4.1 得分 65.2%。
- SWE-sweep 在 mini-SWE harness 上为 12.8%,在 Google Antigravity 中提升至 39.0%。
本站视角
对中文开发者和做 Agent 的团队来说,Neon 的核心信号是价格与每任务成本:输入 3 美元/百万 token、输出 15 美元/百万 token,默认 high 级别下每任务成本比 Carbon 低 32%,这直接影响到高频调用场景的毛利模型。如果这些数字在真实工作负载中成立,国内做代码 agent、文档处理和数据分析的团队在选型时会把 Neon 纳入与 Claude、GPT 系列的对比清单。对使用 API 的中小企业,100 万 token 上下文加上四档思考级别意味着可以用同一模型覆盖从日常问答到复杂重构的不同任务,减少多模型拼接的工程成本。我们的判断是,Neon 更像是一次精准的档位补全和成本优化,而非能力跃迁——它在 Artificial Analysis 智能指数上排名第三,落后于更大更慢的模型,Google 自己也承认这一点。真正值得跟进的是 Antigravity 环境对 SWE-sweep 成绩的放大效应(12.8% 到 39.0%),这说明 harness 和工具链对 agent 表现的影响可能不亚于模型本身,国内团队应关注自身 agent 框架的优化空间。可疑之处在于:大量 benchmark 成绩来自 Google 内部测试或合作方评估,Vending-Bench 2、Agent Arena Index 等新基准的独立复现尚未出现;Neon for cyber 的 76% 等数据也只对 Fairwind Program 成员开放,外部无法验证。安全方面 0.0% 的 IPI 攻击成功率是在最高思考级别加实时防护下取得,默认设置下的表现需要观察。
背景与影响
Gemini 4 家族目前包括 Carbon、Hydrogen 和 Neon 三个成员:Carbon 面向最难的长周期项目,Hydrogen 负责快速日常执行,Neon 则定位在两者之间,平衡深度与效率。Google DeepMind 此次强调的不只是模型能力,还包括可操控性、抗伪造、agent 安全等工程化指标,反映出前沿模型竞争正从单一 benchmark 分数转向生产环境中的可靠性与成本效率。Neon 的定价和每任务成本数据表明,Google 希望用更低成本吸引高频 agent 工作负载的开发者。Neon for cyber 通过 Fairwind Program 定向开放,意味着 Google 在网络安全这一敏感领域采取受控分发策略。需要观察的是,这些 benchmark 成绩多来自 Google 内部或合作方评估,第三方独立复现结果尚未出现;Agent Arena Index 等新基准的长期稳定性也有待验证。
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。