Google 发布 Gemini 4 Neon:面向编程与智能体工作流,百万上下文
Google DeepMind 于 11 月 18 日发布 Gemini 4 Neon,定位为在复杂软件工程、知识工作与科研流程中提供前沿级智能并快速完成端到端任务的模型。该模型即日起在 Gemini API、Google AI Studio、Gemini for business、Google Antigravity 及 Gemini 应用中面向不同订阅层级开放,网络安全版本则通过 Fairwind 计划向受信任防御者分批发放。
定位与定价:介于 Carbon 与 Hydrogen 之间
Gemini 4 Neon 被放在 Gemini 4 家族的中段:Carbon 负责最难、长周期的项目,Hydrogen 负责快速的日常执行,Neon 则在深度与效率之间取得平衡,面向复杂、高频的工作流提供前沿级推理。官方称其在 Artificial Analysis 智能指数上以 xhigh 思考级别取得 61 分,整体排名第三,仅次于更大、更慢的模型。
价格方面,Neon 为每百万输入 token 3 美元、每百万缓存输入 token 0.15 美元(相当于 95% 折扣)、每百万输出 token 15 美元,上下文窗口为 100 万 token。官方表示在默认 high 思考级别下,其每任务成本比 Carbon 低 32%;在 Vals 指数与 Agent Arena 上处于帕累托前沿,每任务成本比顶级竞品低约 50% 至 80%。
编程与智能体:长任务、并行子智能体与工具调用
Neon 针对长时间运行的智能体工作流设计,可在工具密集的复杂任务中维持端到端表现,既能独立运行,也能在 Google Antigravity 中充当高判断力的编排者,指挥并行的 Hydrogen 子智能体。官方称它能减少冗余文件读取、在工作过程中同步进度,并在长会话中可靠地处理上下文压缩。
在编程基准上,Neon 在 Artificial Analysis Coding Agent Index 上排名第一(58.6),Terminal-Bench 4.1 得分 65.2%,FrontierCode 2.0 在默认 high 设置下为 46.2%。官方还称其在 SWE-sweep 的 mini-SWE 测试框架上为 12.8%,在 Antigravity 中提升至 39.0%,用以说明测试框架本身对成绩的影响。
官方演示包括在 Antigravity 中驱动 Blender MCP 构建 3D 实验台、从零编写第一人称 WebGL2 滑雪模拟器,以及用智能体集群把单张图片转成含 50 万以上实时公式的 10 万单元格 Google Sheet。这些演示用于展示工具调用与并行编排能力,并非独立评测结果。
企业、分析与科研场景的基准表现
Neon 可在单个 100 万 token 上下文中综合处理电子表格、PDF、图表、音频与视频等输入,并输出结构化交付物。官方给出的第三方评测包括 Vals 指数第 2(70.9%)、Legal Research Bench 与 Tax Agent Bench 第 1,以及在 Surge AI 的金融、会计、表格建模与复杂约束遵循等类别中多数基准排名第一。
其他数据包括 Chartography 73.5%、Agents' Last Exam v1.1 为 75.8%、Zapier AutomationBench 56.3% 与 Andon Labs Vending-Bench 2 的 16843 美元,以及在 Arena 新 Agent Arena Index 上以 1336 分位列全球第 2,覆盖 4200 多个真实智能体会话。科研与数学方面,官方称其在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)与 HLE-Diamond(71.3%)上为同类最佳。
思考级别与安全:四级推理、低捏造率与提示注入防护
Neon 提供四档思考级别,官方称各档之间过渡平滑,团队可按工作负载调节智能程度与 token 消耗;xhigh 档面向最难的工程、分析与科研任务,提供更深的多步推理,官方称其在此档仍比竞品最高设置每任务便宜 36% 以上。
安全方面,Neon 延续 Gemini 4 的安全栈,官方称其对严重滥用与提示注入的防护维持 Carbon 级别,同时在模型对齐与智能体行为上继续改进。内部 Antigravity 测试中捏造率为历代最低;Terminal-Bench 4.0 作弊率 0.0%,编码作弊评估中走捷径比例为 2.45%,智能体安全套件中错位动作率 0.09%,智能体诚实度评估通过率 99.2%。
在 Gray Swan 的间接提示注入基准上,官方称在最高思考级别配合实时防护时,Neon 抵御了该基准内的全部攻击,攻击成功率为 0.0%。官方还称其在 Terminal-Bench 4.0 上仅拒绝 1.98% 的任务、Terminal-Bench-Science 上为 0%,即对合法任务的误拒较少。
网络安全版本与开放渠道
Neon 在 AutoBaxBench 的简单、中等、困难三档挑战上均生成比 Carbon 更安全的代码,困难档达到 76% 的当前最佳水平;在 WebExploitBench v1.2 上以 51.26% 达到当前最佳,成本约为竞品大模型的一半。面向代码加固流程,官方称其在 SEC-bench Pro 上为 90.5%,在 ExploitGym 上以 Carbon 一半的 token 达到前沿水平,在 CWE-bench v2 上为 70.7%,比 Carbon 提升 3.4%。
Gemini 4 Neon for cyber 将在未来数日通过 Fairwind 计划向受信任的防御者开放,申请需联系 Cloud 账户团队。普通版本的开放渠道包括:开发者可通过 Google AI Studio 与 Android Studio 的 Gemini API 付费层使用,Google AI Pro 或 Ultra 订阅者可在 Antigravity 与 AI Studio 中试用;企业可通过 Gemini for business 的 API 或模型下拉菜单使用;消费者可在 Gemini 应用的下拉菜单中选择该模型。
知序观察
观察:Neon 的发布显示 Google 在 Gemini 4 家族中补上“高频复杂任务”这一档,用较低单价和四档思考级别争夺编程智能体与企业分析场景。官方基准多来自自家或合作方评测,且部分成绩依赖 Antigravity 测试框架,横向比较需谨慎。对开发者而言,缓存输入 95% 折扣与百万上下文是实际成本变量;对安全团队,Fairwind 的分批开放意味着能力释放仍受准入控制。