Google 今日正式推出 Gemini 4 Neon。这是一款面向复杂软件工程、知识工作及科学工作流的前沿级智能模型,旨在实现端到端任务的快速交付。 在性能表现上,Neon 在 Artificial Analysis Intelligence Index 的“极高”(xhigh)思考层级中以 61 分位列总榜第三,仅次于参数量更大、速度更慢的模型。在 Vals Index 上,Neon 排名第二并处于帕累托前沿。此外,在新发布的 Agent Arena Index 中,Neon 凭借出色的“可引导性”(适应任务中途用户纠正的能力)排名第二。Google 内部测试显示,Neon 在多步骤指令遵循方面表现优异,并在 Google Antigravity 中创下了最低虚构率纪录。 ### 定价与可用性 Gemini 4 Neon 的上下文窗口容量为 100 万令牌。定价方面,每百万输入令牌收费 3 美元(缓存输入令牌享受 95% 折扣,即每百万 0.15 美元),每百万输出令牌收费 15 美元。 该模型即日起逐步开放使用: - **开发者**:可通过 Gemini API 和 Google AI Studio 调用;付费 Google AI Pro 和 Ultra 订阅用户可在 Google Antigravity 及 AI Studio 中试用。 - **企业用户**:可通过 Gemini for Business(API 或模型下拉菜单)及 Google Antigravity 使用。 - **个人用户**:Google AI Pro 和 Ultra 订阅用户可在 Gemini 应用的模型下拉菜单中选择 Neon。 ### 赋能企业、分析与科学工作流 Neon 能够在单一的 100 万令牌上下文窗口中,综合处理电子表格、PDF、图表、音视频等多模态输入,并转化为结构化成果。独立评估显示,Neon 在 Vals Index 中排名第二(70.9%),并在 Legal Research Bench 和 Tax Agent Bench 上均位列第一。 在 Surge AI 的各项基准测试中,Neon 在金融、会计、电子表格建模及复杂约束遵循领域表现强劲,多数排名第一。其在 Chartography 测试中阅读专业图表得分达 73.5%,在 Agents' Last Exam v1.1 上得分为 75.8%,与领先模型持平。此外,Neon 在 Zapier AutomationBench(56.3%)和 Andon Labs Vending-Bench 2(得分 16,843 美元)上均取得整体第一,并在涵盖 4,200 多个真实世界代理会话的 Agent Arena Index 中以 1336 分位居全球第二。 在科学和数学推理方面,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)上均处于行业领先地位。 ### 专为生产级代码打造 Neon 针对长期运行的代理工作流进行了工程优化,既能独立运行,也可在 Google Antigravity 中作为 Orchestrator 协调并行的 Hydrogen 子代理。它通过减少冗余文件读取、共享进度及可靠处理上下文压缩,在复杂、工具密集型的全流程任务中保持高性能。 在编码能力上,Neon 在 Artificial Analysis Coding Agent Index 上总体排名第一(58.6 分),在 Terminal-Bench 4.1 上得分为 65.2%,在 FrontierCode 2.0(默认高设置)上得分为 46.2%。针对生产就绪代码,Neon 支持跨仓库多文件调试、重构及精准编辑。在 SWE-sweep 测试中,其在 mini-SWE harness 上以 12.8% 的成绩领先,在 Google Antigravity 中更是达到 39.0% 的最先进水平。 ### 效率与控制力的平衡 Neon 提供四个思考层级,允许团队根据工作负载需求调整智能水平和令牌消耗。在默认的“高”(high)思考层级下,Neon 的单任务成本比 Carbon 低 32%,且比顶级竞争对手的前沿模型低约 50% 至 80%,同时在 Vals Index 和 Agent Arena 上位于帕累托前沿。在“极高”(xhigh)层级下,Neon 为高难度工程、分析和科学任务提供深层多步推理,其单任务成本仍比竞争对手最高设置下的成本低 36% 以上。 ### 强化网络防御能力 专为网络防御优化的 Gemini 4 Neon 版本强调从源头生成安全代码。在 AutoBaxBench 中,Neon 生成的安全代码多于 Carbon,并在困难层级达到 76% 的最先进水平。在 WebExploitBench v1.2 渗透测试中,Neon 以大型模型一半的成本达到 51.26% 的最先进水平。 在代码加固生命周期中,Neon 表现如下: - **漏洞发现**:在 SEC-bench Pro 上达到 90.5% 的最先进水平,每项挑战成本约为其他模型的一半。 - **风险验证**:在 ExploitGym 上,仅用 Carbon 一半的令牌数即达到前沿级性能。 - **漏洞修补**:在 Collinear CWE-bench v2 上得分为 70.7%,较 Carbon 提升 3.4%。 Neon for cyber 将于未来几天作为 Fairwind Program 的一部分向受信任的防御者推出。 ### 安全性与可靠性 Gemini 4 Neon 基于改进的 Gemini 4 安全堆栈构建,在抵御严重滥用和提示注入方面保持与 Carbon 同等级的保护,并在模型对齐和代理行为上进一步优化: - **降低滥用风险**:配备强大的实时 safeguards,防范网络和生物安全滥用。在 Terminal-Bench 4.0 上任务拒绝率仅为 1.98%,在 Terminal-Bench-Science 上为 0%。 - **推进模型对齐**:思维链和行动不一致监控器的警报率低于 Carbon 基线。在 Terminal-Bench 4.0 上作弊率为 0.0%;在编码作弊评估中,仅 2.45% 的任务采取捷径(Gemini 4 系列最低)。代理安全套件中的不一致行动率为 0.09%,代理诚信评估通过率为 99.2%。 - **抵御间接提示注入**:在 Gray Swan IPI 基准测试中,配备实时 safeguards 的 Neon 成功抵御所有攻击,攻击成功率为 0.0%。 ### Gemini 4 家族定位 在 Gemini 4 家族中,Carbon 应对最艰难、长周期的项目,Hydrogen 处理快速的日常执行,而 Neon 则在深度与效率之间取得平衡,以更快速、更具成本效益的方式为复杂、高频的工作流提供前沿级推理能力。