Gemini 4 Neon 发布,编码智能体榜排第一

谷歌 DeepMind 11 月 18 日发布 Gemini 4 Neon,这是 Gemini 4 家族里定位居中的一档。按谷歌的分工,Carbon 负责最难、周期最长的项目,Hydrogen 负责日常的快速执行,Neon 夹在两者之间,主打复杂编码、分析推理和企业级工作流。

定价为每百万 token 输入 3 美元、输出 15 美元,缓存输入 0.15 美元,是标准输入价的二十分之一。上下文窗口 100 万 token。思考强度分四档,谷歌称默认的 high 档单任务成本比 Carbon 低 32%,最高的 xhigh 档比竞品最高档单任务便宜 36% 以上。

成绩单上的位置

谷歌列出的第三方榜单不少。Artificial Analysis 的编码智能体指数 58.6 分,排第一;综合智能指数在 xhigh 档拿到 61 分,排第三。Vals 指数 70.9%,排第二;Arena 的智能体竞技场 1336 分,基于 4200 多次真实智能体会话,同样排第二。Zapier 的 AutomationBench 56.3%、Andon Labs 的 Vending-Bench 2 跑出 16843 美元,这两项都排第一。

偏工程的测试里,Terminal-Bench 4.1 是 65.2%,上周发布的 Hydrogen 在同一测试上是 57%;FrontierCode 2.0 在默认档拿到 46.2%。SWE-sweep 的分数跟测试框架关系很大:用 mini-SWE 框架只有 12.8%,换成谷歌自家的 Antigravity 框架是 39.0%。这些数字多为第三方或谷歌内部评测,发布页没有给出统一的测试条件,横向引用时要留意口径。

安全一侧,谷歌给了几组行为数据:编码作弊评估中走捷径的比例 2.45%,智能体安全测试的错误行为率 0.09%,Gray Swan 间接提示注入的攻击成功率为 0。面向网络安全的版本只开放给受信任的防御方,经 Fairwind 计划在未来几天陆续放开,需要联系谷歌云客户团队申请。

谷歌在介绍里写道:

“Neon also excels at multi-step instruction following and builds on our ongoing progress to curb fabrication”

(Neon 在多步指令遵循上表现突出,也延续了我们在抑制编造内容上的进展。)

示意图:中央控制台调度机械臂工位并行作业,呈现Gemini 4 Neon协调子智能体的方式

三档放在一起算

把同家族的公开价格摆在一起:Hydrogen 每百万 token 输入 1.5 美元、输出 7.5 美元;Carbon 推广期是 2 美元和 10 美元,12 月起恢复到 4 美元和 20 美元;Neon 是 3 美元和 15 美元。

只看单价,Neon 比推广期的 Carbon 还贵一半。谷歌说的”低 32%“按任务计,靠的是完成同一件事消耗的 token 更少。粗算一个例子:某个智能体任务读 20 万 token、写 3 万 token,Neon 的标价成本约 0.6 + 0.45 = 1.05 美元;同样的用量放到 12 月之后的 Carbon 上,是 0.8 + 0.6 = 1.4 美元。两者实际差多少,要看 Neon 在具体任务上省下多少输出,谷歌没有公布单项任务的 token 用量。

任务里如果有大段重复上下文,比如反复读同一个代码仓库,缓存价的作用更明显。上面那 20 万 token 输入若全部命中缓存,输入部分只要 0.03 美元,单次成本主要落在输出上。

在哪里能用

开发者可以在 Gemini API 付费层调用,Google AI Studio 和 Android Studio 已经接入;企业客户通过 Gemini for business 和 Antigravity 使用。在 Antigravity 里,Neon 可以充当调度者,指挥多个并行的 Hydrogen 子智能体分头干活。

Gemini App 里,Google AI Pro 和 Ultra 订阅用户能在模型下拉菜单里选它,Gemini 的任务功能也可以改用 Neon 运行。免费用户能不能用、App 里的用量上限是多少,谷歌没有说明。

参考来源:Google 官方博客 Gemini 4 Neon 发布文章、CocoLoop、Artificial Analysis、Vals;核验每百万 token 输入、输出与缓存价格,第三方榜单名次与分数以谷歌引用口径为准。