四十八個德瑞克

Gemini 4 Neon:複雜軟體工程、知識工作與科學研究流程的前沿智慧

Gemini 4 Neon 深藍抽象封面:發光核心與光流

作者:科拉伊·卡夫庫楚奧盧(Koray Kavukcuoglu),Google DeepMind 資深副總裁暨 Google 首席 AI 架構師

日期:2026年11月18日

原文:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/

在複雜的軟體工程、知識工作與科學研究流程中,帶來前沿等級的智慧,以及快速的端到端任務完成能力。

今天,我們推出 Gemini 4 Neon —— 在複雜的軟體工程、知識工作與科學研究流程中,帶來前沿等級的智慧,以及快速的端到端任務完成能力。

在最高思考層級(xhigh thinking level)下,Neon 在 Artificial Analysis Intelligence Index 上以 61 分排名超越同級模型、總排名第三,僅次於更大、速度較慢的模型。在 Vals Index 上,Neon 排名第二,並落在柏拉圖前緣(Pareto frontier)上。除了持續推進原始模型能力,我們也不斷讓模型更好協作:在全新的 Agent Arena Index 上,Neon 在可操控性(steerability,能乾淨俐落地適應任務中途的使用者修正)排名第二。Neon 在多步驟指令遵循上同樣出色,並延續我們抑制捏造內容的進展,在內部的 Google Antigravity 測試中創下歷來最低的捏造率。

該模型定價為每百萬輸入型符(token)3 美元(快取輸入每百萬 0.15 美元,降價 95%),每百萬輸出型符 15 美元,上下文視窗為 100 萬型符。

Gemini 4 Neon 今日起陸續上線:透過 Gemini API,於 Google AI Studio、Gemini for business(經由 API 與模型下拉選單)、付費 Google AI Pro 與 Ultra 訂閱戶的 Google Antigravity,以及 Pro 與 Ultra 訂閱戶的 Gemini app 中提供。

橫跨企業、分析與科學工作全面交付

企業工作存在於試算表、PDF、圖表、音訊與影片之中。Neon 能在單一 100 萬型符上下文視窗中綜合所有這類輸入,並將輸入轉為結構化的交付成果。在獨立評測中,Neon 名列頂尖模型之一:在 Vals Index 上排名第二(70.9%),並在 Legal Research Bench 與 Tax Agent Bench 兩項基準上均拿下第一。

Neon 在 Surge AI 的多個類別中也大幅領先,在金融、會計、試算表建模與複雜條件遵循等基準中多數排名第一。在 Chartography dense 專業圖表判讀上得分 73.5%,在 Agents’ Last Exam v1.1 上與領先模型並駕齊驅(75.8%)。在 Zapier 的 AutomationBench(56.3%)與 Andon Labs 的 Vending-Bench 2(16,843 美元,一項模擬經營事業的長時程模擬)中均拿下總排名第一。最後,在橫跨 4,200 多場真實世界代理任務的 Arena 全新 Agent Arena Index 上,以 1,336 分初登場即名列全球第二。

在科學與數學推理方面,涵蓋量化分析、數學與技術研究問題,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)與 HLE-Diamond(71.3%)均為同級最佳。

Gemini 4 Neon 協助把零散資訊轉為清晰、有根據的答案。在日常職場任務上,它在品質、成本與速度之間取得極具說服力的平衡。在我們的早期評測中,它以 3 倍速度、60% 成本,達到或超越 Gemini 4 Carbon 的整體品質。我們很期待把這些能力帶給處理多步驟工作、兼顧準確、細節與速度的 Glean 客戶。

—— 泰·陳(Thai Tran),Glean AI 產品負責人

在我們的評測中,Gemini 4 Neon 在 Medical Index 與內部生命科學基準上穩居排行榜前段,同時維持強勁的成本效益與顯著的速度優勢。

—— 布蘭登·瓦拉法(Brandon Valafar),Micro1 策略 AI 負責人

Neon 比我們測試過的其他 Gemini 模型明顯更周全、更謹慎。Neon 擅長探索大型程式碼庫,並快速掌握複雜架構。在我們的資安評測中,Neon 用零頭的型符量,就找到其他模型遺漏的好幾個細微漏洞。我們認為 Neon 是兼顧成本效益的探索與研究任務的絕佳模型。

—— 卡琳娜·阮(Karina Nguyen),Thoughtful Lab 創辦人

新手研究員只會照你給的實驗照做,優秀的研究員會不斷追問為什麼。Gemini 4 Neon 是第一個讓人感覺像後者的模型。它會持續探索:尋找新資料、想像可抽取的新訊號,以訓練出更好的模型。這是我們見過第一個不需人類盯著、會自己鞭策自己做得更好的模型:面對不理想的結果,它不會放棄,而是重新設計建模策略以取得更好成果。

—— 特倫頓·張(Trenton Chang),Quadrillion 首席科學家

Gemini 4 Neon 在機器學習工程、資料工程、實驗管理與架構設計上是不可思議的好夥伴。它聽得進回饋、做事周全、會驗證假設、理解前人研究,整體上讓 AI 模型開發流程更輕鬆。

—— 安德魯·卡爾(Andrew Carr),Cartwheel 首席科學家暨共同創辦人

為生產級程式碼而生

Neon 為長時間運行的代理工作流程打造,能在複雜、大量使用工具的任務中從頭到尾維持效能——無論是獨立運行,或是在 Google Antigravity 中擔任快速、高判斷力的編排者(Orchestrator),指揮平行運作的 Hydrogen 子代理。它減少重複的檔案讀取、邊做邊同步進度,並在長時間任務中可靠地處理上下文壓縮。

在核心開發者與研究者工作流程中,Neon 達到前沿水準效能,與同級領先模型互有勝負:在 Artificial Analysis Coding Agent Index 上總排名第一(58.6),在 Terminal-Bench 4.1 上得分 65.2%,在 FrontierCode 2.0 上為 46.2%(預設 high 設定)。在生產級程式碼方面,Neon 能以精準、外科手術式的編輯,處理跨儲存庫的多檔案除錯與重構。在 SWE-sweep 上,它在 mini-SWE 測試架上已領先(12.8%),在 Google Antigravity 測試架下更成長三倍以上、達到最優的 39.0%,展現 Antigravity 測試架所釋放的潛力。

展示影片概述

以下四支展示影片均在 Google Antigravity 中以 Neon 完成,每支概述如下:

為生產級工作流程帶來效率與掌控

我們在每次新模型發布中持續打磨思考層級,讓團隊能更精細地掌控,並在層級之間平滑升級。Neon 的四個層級穩定遞進,讓團隊能按每份工作負載的需求調整智慧與型符花費。

Neon 在第三方基準上以更低的單任務成本繳出高效能。在預設 high 思考層級下,它在 Artificial Analysis Intelligence Index 拿下高分的同時,單任務成本比 Carbon 低 32%。在 high 層級下,它在 Vals Index 與 Agent Arena 均位居柏拉圖前緣,單任務成本比頂尖競品前沿模型低約 50% 至 80%。xhigh 思考層級則為最艱難的工程、分析與科學工作負載提供更深的多步驟推理。Neon 在此展現最高智慧分數,單任務成本仍比競品最高設定低 36% 以上。

為快速、高效、前沿等級的資安防禦而生

隨著代理式程式開發擴張,從一開始就產出安全程式碼至關重要。資安專用的 Gemini 4 Neon 在 AutoBaxBench 所有簡單、中等、困難挑戰上產出的程式碼都比 Carbon 更安全,並在困難層級拿下最優成績(76%)。

守護系統也意味著在攻擊者之前主動找出弱點,滲透測試一直是企業資安的基石。在 WebExploitBench v1.2 上,Neon 以競品大型模型一半成本拿下最優成績(51.26%)。

在既有程式碼加固上,資安專用 Neon 橫跨程式碼強化生命週期的前沿水準效能——漏洞發掘、驗證與修補——同時比大型前沿模型更快、更具成本效益。

資安專用 Gemini 4 Neon 將在未來幾日內,作為 Fairwind Program 的一部分向受信任的防禦方推出。

為安全、可靠的執行而設計

Gemini 4 Neon 沿用 Gemini 4 安全與防護堆疊的改進——在維持與 Gemini 4 Carbon 同級的防嚴重誤用與防提示詞注入保護的同時,在模型對齊與代理行為上更進一步。對於一個要在生產環境扛起高要求、長時間工作的模型,我們聚焦於:

在我們的代理行為評測中,Neon 在 Carbon 的強基準上進一步把服務不足(under-service)降低 43% 至 56%,把越權逾矩(overreach)降低 15% 至 35%,幅度依投入程度而異。

更多細節請見 Gemini 4 Neon 模型卡。

為更深度的分析而生

在 Gemini app 中,Gemini 4 Neon 擅長需要前沿等級推理與快速回應的工作。

Neon 在 Gemini 4 家族中的定位

Neon 為複雜程式開發、分析推理與生產級企業工作流程而生。Carbon 負責最艱難、長時程的專案,Hydrogen 負責快速的日常執行,Neon 則在深度與效率之間取得平衡。Neon 以更快、更具成本效益的方式,為複雜、高頻的工作流程提供前沿等級推理。

今日開始用 Gemini 4 Neon 打造

Gemini 4 Neon 今日起陸續上線:

關於作者

科拉伊·卡夫庫楚奧盧(Koray Kavukcuoglu)是全球頂尖的人工智慧專家之一。身為 Google DeepMind 資深副總裁,他領導 Google DeepMind 最先進生成式 AI 模型的開發,及其在 Google 產品中的大規模整合。在現職之前,他曾任 Google DeepMind 研究副總裁,創立深度學習團隊,其團隊開創 DQN(Deep Q-Network)與 WaveNet 等重大研究突破。

〔譯註(非原文):Glean 為企業 AI 搜尋公司;Micro1、Thoughtful Lab、Quadrillion、Cartwheel 均為受訪新創/研究團隊;Hydrogen、Carbon、Argon、Neon 均為 Gemini 4 家族模型代號,本文保留原文。〕


HN 討論整理:一邊承認模型變強,一邊沒人搞得懂它是誰

整理基於 Hacker News 討論串(story 50552424,live 留言 549 則):本次抓取 544 則、頂層 102 則全掃,5 則已刪;抓取時間 2026-11-19。增量回掃 live 全樹後確認,未出現既有框架外的新主題。以下六組,每組先給一句論點,再附網友原話(僅標帳號)。

1. 命名混亂已從抱怨升級為產品缺陷:元素名對應不到能力、價格與速度

元素序與能力、價格、速度三套排序互相矛盾,查週期表也定位不了模型;需要對照表才懂的產品名,就是產品本身的問題。

「我對不斷推出新名字、又無法把這些新名字對應到使用場景感到疲勞。」(@stillpointlab)

「我向你保證,這些公司內部也感受到同樣的困惑。」(@mstibbard)

「如果理解產品名稱需要一張對照表,那是產品的問題,不是消費者的問題。」(@accrual)

2. Neon 贏了評測卻不是旗艦:Carbon 的 long-horizon 定位自我矛盾

Neon 整體智力高於 Carbon,Carbon 卻仍被放在 long-horizon 位置;官方敘事無法解釋為何評測輸家才是旗艦。

「雖然整體比 Carbon 更聰明,Carbon 仍被定位為長程模型。」(@declanjackson)

「最好的模型會是最近發布的那個,而不是最大的那個。」(@onlyrealcuzzo)

3. 這次是真的追上前沿了:Pareto 前緣上的位置比總分更有說服力

與 Fable 5.2 差距約 1%、成本只要四成,Vals Index 第二、Legal 與 Tax 兩項第一;但評測是否早被各家刷分刷到失真,是另一派揮之不去的懷疑。

「看起來它的表現與 Fable 5.2 相差約 1%,成本卻只要四成。」(@irthomasthomas)

「那個差距是我判斷模型是否過度承諾的私人測謊器。」(@lanthissa)

4. Anthropic 的護城河不在預訓練,在後訓練與真實 production 資料迴圈

同一道題:為何 Gemini 評測不輸、用起來卻不如 Opus 5.5?較有說服力的答案,指向 Claude Code 回饋迴圈,加上大量真實任務 RL 環境帶來的資料優勢,而非單純的模型大小。

「儘管評測擺在那裡,它們用起來就是沒有 Opus 5.5 那麼好。」(@impulser_)

「他們有巨大的預算去購買真實世界任務的 RL 環境。」(@nl)

「令人驚訝的是,兩個月後我們才勉強推出在價格、速度、品質上達到 Opus 5.5 的模型。」(@ehsankia)

5. 快、貴、token 吃得多:效率帳不能只看每百萬 token 單價

Neon 實測 127 tokens/s、Carbon 只有 46;但單價便宜不代表帳單便宜,實際 token 消耗可達 Argon 的三到四倍,Neon 還是第一個撞上 8192 輸出上限的 Google 模型。

「127 tokens 每秒,比 Carbon 的 46 快得多。」(@seizethecheese)

「Neon 是 Google 第一個撞到 8192 輸出上限的模型。」(@mertarican)

「我只想要 Opus 5.5 等級、極快、價格只要一小片。」(@agrippanux)

6. 真正的採用障礙是 entitlement:方案分級、條款與無預警下架

模型好不好是一回事,買不買得到、會不會半夜被拔掉是另一回事;互相矛盾的權益證詞本身就是結論:沒人說得準自己買到了什麼。

「他們在沒有任何警告的情況下,把 3.1 Pro 和 Argon 還有 Flash 從我的 Pro 訂閱裡移除了。」(@jonathanstrange)

同串另有多位網友回報:學生與 Workspace 帳號被卡在 Hydrogen 與舊版之間、用第三方軟體存取 Antigravity 屬違規條款、舊模型無預警下架打亂既有工作流程。

正反分歧一覽

面向 正方 反方
命名方案 元素名簡短好記,週期表是全世界最普及的有序清單(@baoooooooooooo、@WarmWash) 元素序與能力、價格、速度全不對應,選模型等於玩俄羅斯輪盤(@yunwal、@wat10000、@bloky)
是否追上前沿 與 Fable 5.2 差距約 1%、成本四成;Vals 第二、Legal 與 Tax 第一(@irthomasthomas、@onlyrealcuzzo) 評測已被刷分污染,AA 六成評測私有化無法驗證;實際用起來仍不如 Opus 5.5(@andriy_koval、@impulser_)
Carbon 的定位 Carbon 是 long-horizon 深思考模型,研究級推理仍較強(@declanjackson、@WarmWash) 評測全面輸給 Neon,long-horizon 只是替落後模型找的說詞(@woggy、@seizethecheese)
成本效率 單位 token 價格低於 Carbon,reasoning 調到 medium 就能壓低成本(@XCSme、@ByteAtATime) 實際 token 消耗是 Argon 三到四倍,帳單才是真相(@mertarican、@abraxas)
可用性與方案 Neon 已納入 20 美元 Pro 方案,比需要更高階的 Carbon 親民(@anvuong、@mathis) 權益與實際可用模型互相矛盾,舊模型無預警下架(@ncd、@jonathanstrange)

懶人包

若上方內嵌頁無法顯示,可直接開啟備援連結:https://derek-static.pages.dev/gemini-4-neon-hn.html


來源

Exit mobile version