BlackHalo logo
Published on

Google 发布 Gemini 4 Neon:面向复杂工程与科学工作流的高效前沿模型

Authors
  • Name
    yigitdemirag
    blog.google
Gemini 4 Neon 相关头图
头图来源: 来源页面

模型概述与核心定位

Google DeepMind 于 2026 年 11 月 18 日正式发布 Gemini 4 Neon,这是一款旨在平衡前沿智能与高效执行能力的新模型。Neon 专注于在复杂的软件工程、知识工作和科学工作流中实现快速的端到端任务完成。在 Artificial Analysis Intelligence Index 的 xhigh 思考级别上,Neon 以 61 分排名第三,仅次于更大、更慢的模型。在 Vals Index 上,Neon 排名第二,并位于帕累托前沿。除了原始模型能力,Neon 在可操控性方面也表现突出,在全新的 Agent Arena Index 上排名第二,能够干净地适应用户在任务中途的修正。该模型还擅长多步骤指令遵循,并在内部 Google Antigravity 测试中录得了迄今为止最低的虚构率。

定价与可用性

Gemini 4 Neon 的定价为每百万输入 token 3 美元(缓存输入 token 每百万 0.15 美元,折扣 95%),每百万输出 token 15 美元,并支持 100 万 token 的上下文窗口。该模型即日起在多个平台上线:开发者可通过 Google AI Studio 的 Gemini API 付费层使用;企业用户可通过 Gemini for business(API 或模型下拉菜单)和 Google Antigravity 使用;消费者方面,Google AI Pro 和 Ultra 订阅者可在 Gemini 应用和 Google Antigravity 中选择 Gemini 4 Neon。

企业、分析与科学工作流表现

Neon 能够在一个 100 万 token 的上下文窗口中综合处理电子表格、PDF、图表、音频和视频等多种输入,并将其转化为结构化的交付成果。独立评测显示,Neon 在 Vals Index 上排名第二(70.9%),并在 Legal Research Bench 和 Tax Agent Bench 上均排名第一。在 Surge AI 的多个类别中,Neon 在金融、会计、电子表格建模和复杂约束遵循等基准测试上排名第一。它在 Chartography 上得分为 73.5%,能够读取密集的专业图表;在 Agents' Last Exam v1.1 上表现与领先模型持平(75.8%)。在 Zapier 的 AutomationBench(56.3%)和 Andon Labs 的 Vending-Bench 2(模拟长期经营企业的场景,得分 16,843 美元)上,Neon 均获得第一名。在 Arena 的新 Agent Arena Index 上,Neon 在超过 4,200 次真实代理会话中以 1336 分全球排名第二。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%)上均达到同类最佳水平。

面向生产的代码能力

Neon 专为长时间运行的代理工作流而设计,能够在复杂的、工具密集型的端到端任务中保持性能。它可以独立运行,也可以在 Google Antigravity 中作为快速、高判断力的 Orchestrator 来指挥并行的 Hydrogen 子代理。Neon 能减少冗余的文件读取,在执行过程中分享进度,并在长时间会话中可靠地进行上下文压缩。在核心开发者和研究人员工作流中,Neon 在 Artificial Analysis Coding Agent Index 上排名第一(58.6),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%。对于生产级代码,Neon 能够跨仓库进行多文件调试和重构,执行精准的、手术刀式的编辑。在 SWE-sweep 上,它在 mini-SWE 框架上领先(12.8%),而在 Google Antigravity 中,其得分超过三倍,达到 39.0%,展示了 Antigravity 框架的潜力。

效率与控制

Neon 提供四个思考级别,让团队可以根据工作负载需求调整智能程度和 token 消耗。在默认的高思考级别下,Neon 在获得高 Artificial Analysis Intelligence Index 分数的同时,每任务成本比 Carbon 低 32%。在 Vals 指数和 Agent Arena 的高级别上,Neon 位于帕累托前沿,每任务成本比顶级竞争模型低约 50% 到 80%。xhigh 思考级别则为最困难的工程、分析和科学工作负载提供更深层次的多步骤推理,在此级别下,Neon 展现出最高的智能分数,同时每任务成本仍比竞争模型的最高设置低 36% 以上。

网络安全能力

随着代理式编码的扩展,从一开始就生成安全代码至关重要。Gemini 4 Neon 在 AutoBaxBench 的所有简单、中等和困难挑战中,生成的代码都比 Carbon 更安全,在困难级别上达到了最先进水平(76%)。在 WebExploitBench v1.2 上,Neon 以竞争大型模型一半的成本达到了最先进水平(51.26%)。在代码加固生命周期中,Neon 在漏洞发现、验证和修补方面均展现出前沿性能。在 SEC-bench Pro 上,Neon 达到最先进水平(90.5%),每挑战成本约为一半。在 ExploitGym 上,它使用比 Carbon 少一半的 token 就达到了前沿性能。在 Collinear 的 CWE-bench v2 上,Neon 达到 70.7%,比 Carbon 提升了 3.4%。Gemini 4 Neon for cyber 将作为 Fairwind 计划的一部分,在未来几天内向受信任的防御者开放。

安全与可靠执行

Gemini 4 Neon 基于 Gemini 4 安全堆栈构建,在防止严重滥用和提示注入方面保持了与 Carbon 同等级别的保护,同时在模型对齐和代理行为方面取得了进展。在内部编码使用中,其思维链和行动错位监控器的警报率保持在 Carbon 设定的低基线以下。Neon 在 Terminal-Bench 4.0 上作弊率为 0.0%,在编码作弊评估中仅 2.45% 的任务走捷径(Gemini 4 系列中最低)。其代理安全套件中的错位行动率为 0.09%,代理诚实评估通过率为 99.2%。在代理行为评估中,Neon 在不同努力水平下将服务不足率降低了 43%–56%,将越界率降低了 15%–35%。在 Gray Swan 的 IPI 基准测试中,Neon 对间接提示注入攻击的抵抗力优于同类模型,在其最高思考级别下,Neon 抵抗了该基准测试中的所有攻击,攻击成功率为 0.0%。

在 Gemini 应用中的体验

在 Gemini 应用中,Neon 擅长需要前沿推理和快速响应的工作。它能够更精确地读取电子表格、PDF 和照片等上传文件,将密集材料转化为有用的报告和摘要,并从 Gmail 和 Docs 等 Google 应用中提取相关细节。Neon 经常整合来自网络来源的细节,以保持对快速变化主题的响应时效性。在 Gemini 中运行的任务现在可以使用 Neon,它能比大型模型更快、更高效地处理复杂的多步骤工作。

在 Gemini 4 系列中的定位

Neon 专为复杂编码、分析推理和生产级企业工作流而构建。Carbon 处理最困难、长期的项目,Hydrogen 处理快速的日常执行,而 Neon 则平衡了深度和效率。Neon 能够更快、更具成本效益地为复杂、高频的工作流提供前沿推理。

原标题:Gemini 4 Neon。 HN 原始发布时间:2026年11月19日星期四。当前记录为 1025 分、763 条评论。

阅读原文 · 查看 HN 讨论