谷歌推出 Gemini 4 Neon,在 xhigh 档位综合排名第3
谷歌将 Neon 定位为面向复杂软件、知识和科学工作的模型,介于速度更快的 Hydrogen 和能力更强的 Carbon 之间。此次发布既强调其基准测试成绩和相较 Carbon 更低的任务成本,也包括通过谷歌产品全面推出,以及网络安全版本采取更受限的推出方式。
在xhigh思考级别下,Neon在Artificial Analysis Intelligence Index上得分为61,总排名第三。2
谷歌称,Neon在Zapier的AutomationBench中取得56.3%的成绩,总排名第一。2
谷歌称,在默认的high思考级别下,Neon每项任务的成本比Carbon低32%。2
经过
谷歌称 Gemini 4 Neon 带来了哪些变化谷歌推出了 Gemini 4 Neon,适用于软件工程、知识任务和科学工作流程,并将其描述为面向复杂流程、而非单一狭窄任务的模型。2 谷歌公布的定位是:Neon 介于 Hydrogen 和 Carbon 之间;谷歌称 Hydrogen 速度更快,Carbon 能力更强,并表示 Neon 面向频繁出现的高难度工作负载。1 在 xhigh 思考设置下,Neon 在 Artificial Analysis Intelligence Index 中获得 61 分,综合排名第3;这是谷歌所介绍的该模型性能定位的一个例证。2 谷歌还表示,Neon 在 Legal Research Bench 和 Tax Agent Bench 中领先;在更广泛的工作流程相关主张之外,这为其发布提供了法律和税务工作的实例。2
不同评测中的排名有所不同:Neon 在 Vals Index 中排名第二,在 Agent Arena Index 的可控性排名中也位列第二,并非在所有指标中都处于同一位置。2 在自动化方面,谷歌称 Neon 在 Zapier 的 AutomationBench 中取得 56.3% 的成绩,综合排名第一;这与它在 Artificial Analysis Intelligence Index 中的成绩和排名不同。2 谷歌称,Neon 在 Artificial Analysis Coding Agent Index 中以 58.6 分位居第一;在默认的 high 档位下,它在 Terminal-Bench 4.1 中的成绩为 65.2%,在 FrontierCode 2.0 中的成绩为 46.2%。2 这些结果对应不同的具名基准测试,并且在有说明的情况下采用了不同设置,因此不能视为适用于所有软件或知识工作的单一通用分数。2
谷歌列出的科学相关测试成绩包括:Terminal-Bench Science 中的 70.5%、RiemannBench 中的 84.0%,以及 HLE-Diamond 中的 71.3%。2 对于 SWE-sweep,谷歌报告了在不同环境下取得的两项成绩:在 mini-SWE 测试框架中为 12.8%,在 Google Antigravity 中为 39.0%。2 由于报告的 SWE-sweep 数值来自不同测试框架,这些数值分别反映模型在相应设置中的表现,而不是在同一套设置下进行的直接比较。2 谷歌称,Neon 能在 Antigravity 中协调并行运行的 Hydrogen 子代理;这意味着模型承担编排角色,负责指挥其他代理,而非仅作为独立模型完成工作。2
Neon 的上下文窗口为 1 million tokens;谷歌称,它可以将电子表格、PDF、图表、音频和视频整合为结构化输出。2 这项能力描述涵盖多种输入格式和结构化交付内容,而所述上下文窗口数值则说明模型可处理的上下文量。2 谷歌称,模型设有四种思考级别,团队可以根据所执行的任务,调整智能水平与 token 消耗之间的平衡。2 这些级别让工作负载调整成为产品介绍的一部分,但发布信息没有列出各级别的单独价格。2
谷歌列出的输入价格为每 million tokens $3,输出价格为每 million tokens $15;缓存输入为每 million tokens $0.15,谷歌称其折扣为 95%。2 这些价格分别适用于发送给模型的 token、模型生成的 token,以及从缓存中提供的输入 token,而非所有 token 使用统一费率。2 谷歌称,在默认的 high 思考设置下,Neon 的单项任务成本比 Carbon 低 32%;这是对任务成本的比较,并非声称每次请求的价格差异都相同。2 因此,谷歌所述的市场定位将较高的基准测试排名与低于 Carbon 的单项任务成本结合起来,不过这一成本比较特指默认的 high 档位。2
谷歌称,在使用 Google Antigravity 进行的内部测试中,Neon 的虚构率创下迄今最低纪录;这一说法仅限于该公司的测试环境。2 该公司还报告称,Neon 在 Terminal-Bench 4.0 中拒绝了 1.98% 的任务,在 Terminal-Bench-Science 中没有拒绝任何任务。2 这些拒绝率对应两个具名评测,而虚构率的说法指的是 Antigravity 内部测试;两者是不同的指标和测试设置。2 谷歌称,Neon 保留了其所称 Gemini 4 Carbon 具备的防范严重滥用和提示注入的保护措施。2
通用模型正通过 Google AI Studio 中的 Gemini API、面向企业的 Gemini、Antigravity 中的 Google AI Pro 和 Ultra,以及 Gemini 应用中的 Pro 和 Ultra 订阅逐步推出。2 根据谷歌的发布信息,这些渠道涵盖开发者访问、企业使用、Antigravity 计划以及 Gemini 应用订阅。2 Neon for cyber 的初期推出渠道范围较窄:谷歌计划在未来几天内通过 Fairwind Program 向可信赖的防御人员提供该版本。2 因此,谷歌所描述的两种推出方式中,通用模型通过广泛渠道发布,而网络安全版本初期则限制访问。2
影响
一层一层往外传- 第 1 层基准测试排名
谷歌公布了Neon在Artificial Analysis Intelligence Index上的得分和总排名,以及其在Artificial Analysis Coding Agent Index上排名第一。2
事实 - 第 2 层工作流与编排
Neon面向复杂的软件工程、知识工作和科学工作流,并可在Google Antigravity中指挥并行运行的Hydrogen子代理。2
事实 - 第 3 层成本与使用
谷歌列出了输入、输出和缓存输入token的价格,并称在默认的high思考设置下,Neon每项任务的成本低于Carbon。2
事实 - 第 4 层访问权限
谷歌介绍了通用模型的广泛推出渠道,以及Neon for cyber最初受限的推出渠道。2
事实
来源
每个来源支撑了哪些内容本文由 AI 依据下方列出的来源撰写:每条事实都逐字核对过原文,推测与分析单独标注。 我们怎么写