实测 Gemini 4 Neon:超越 Opus 5.5,比肩Carbon,快3倍省4成

简介: 谷歌发布 Gemini 4 Neon 模型,实测显示其在 18 项同台基准中胜出 Opus 5.5 共 16 项,Artificial Analysis 综合智能总榜以 61 分超越 Opus 5.5 与自家 Carbon,同时单题成本更低、速度更快。官方数据显示其在跨仓库修 bug、长文本检索和办公自动化等任务上表现突出,编码代理榜排名第一,不幻觉率达 86%。

凌晨 3 点 58 分,皮查伊在 X 上甩出一段带四根发光管的动图,配文只写了个 Happy WedNEsday!。

里头大写的 NE 就是元素周期表里的氖,说到底是在给今天的 Gemini 4 Neon 预热。

01-pichai-wednesday-tweet.gif

▲ 图:皮查伊凌晨发布的 Happy WedNEsday! 预热推文

没过半小时,API 文档、Google Cloud 还有我们本机的客户端入口就先放出来了。

偏偏 DeepMind 官网那张模型卡网页一直 404,挂在那里半天打不开。

等博客也是等,我干脆先拉本地客户端把几个模型叫出来跑真题,直到 5 点 35 分官博才算正式上架。

前阵子干活其实挺熬人的,手头一直少个顺手的中间档。

Carbon 的成品质量确实没话讲,可稍微大点的工程就磨半天,动不动断线重连。

Hydrogen 倒是快得飞起,但凡遇到复杂物理模拟和跨文件重构,智商立马掉下去。

今天把官方数据、第三方榜单和我本机实测全拉通看了一遍,悬着那口气终于放下了。

我之前一直把 Opus 5.5 当作真正干活当中的天花板,现在看来,这个位置被取代了。

而且 Neon 把 Carbon 的优势继承下来的同时,顺手把慢和贵这俩短板给补齐了。

能力接近甚至压过 Carbon,成本只要六成左右,速度还更快,这不就是我一直想要干活的模型吗。

18 项同台赢下 Opus 16 项,双榜王座也换了

Artificial Analysis 刚刷新的综合智能总榜,Neon 开 xhigh 档直接拿到 61 分。

排在后面的 Opus 5.5 是 59 分,连自家大哥 Carbon 的 60 分也被反超 1 分。

02-aa-intelligence-index.png

▲ 图:Artificial Analysis 综合智能指数总榜排名,Neon(xhigh)列第 3

单看总分还不够直观,把横轴换成每道题真实花费的散点图才更见功力。

Neon 以每题 6.44 美元稳稳贴在右上方的帕累托前沿线上,把高分和高性价比同时占住了。

03-aa-intelligence-vs-cost.png

▲ 图:Artificial Analysis 智能指数与单任务平均成本前沿

点开官方博客那张 19 项基准大表,谷歌这次直接挑着 Claude Opus 5.5 和昨天刚发的 GPT-6.2 Sol 对打。

扣掉一项 Opus 5.5 没跑的安全测试,双方同台有分数的 18 项里头,Neon 赢走了 16 项。

跨仓库修 bug 的 SWE-sweep 差得最夸张,Neon 配 Antigravity 拿到 39.0%。

回头看 Opus 5.5 才 10.1%,GPT-6.2 Sol 更低,只有 8.3%。

拼长文本找线索的 GraphWalks 跑了 95.2%,领先 Opus 5.5 快 30 个百分点。

办公 AutomationBench 和长程开店模拟全排第一,科研数学题也是全赢。

唯二落后 Opus 5.5 的两项,是 Terminal-bench 4.1 和默认档的 FrontierCode 2.0,也就差个 1 个百分点上下。

04-official-benchmarks-vs-opus.gif

▲ 图:官方六项核心基准对比

写代码的真本事还得看第三方榜:AA 独立编程代理榜上,Antigravity 配 Neon 拿 59 分排到了第一。

紧跟在后面的是 Claude Code 里的 Opus 5.5 和 Fable 5.2,这回正面站上去了。

防瞎编这块它也没扔掉大哥的老底子,AA 测出不幻觉率有 86%,Opus 5.5 在同一套题里只有 50%。

05-aa-coding-agent.jpg

▲ 图:Artificial Analysis 编码代理指数排名

翻下 Arena 全球 4,200 多次真实用户盲测,Neon 靠默认 high 档就在 Agent 总榜站上全球第 2。

1,336 分压过第 3 名 Opus 5.5(1,335 分)和第 4 名 Carbon(1,303 分),听人中途改需求的纠偏分也在第 2。

06-arena-agent-index.png

▲ 图:Arena Agent Index 全球盲测排名

旁边的 Text Arena 文本总榜更夸张,前头三张椅子直接被谷歌搬空了。

Carbon 第一、Argon 第二、Neon 第三,活生生把 Opus 5.5 挤出前四落到第 5 名。

谷歌在 Arena 里面简直是屠榜般的存在,前 4 个它占了 3 个,这种地位之前只有 Claude 才有。

07-arena-text-leaderboard.png

▲ 图:Text Arena 文本总榜,Gemini 4 占前 4 中 3 席

继承 Carbon 底座再补齐短板,三剑客定位彻底捋顺

很多人好奇中间档怎么把顶配大哥反超了,其实翻一下 Model Card PDF 开头就写着:Neon 本身就是拿 Carbon 当底座继续调出来的。

100 万上下文和低幻觉底子全留着,还把 Carbon 都不给用的第四档 xhigh 思考放开了。

Neon 一上架,早先过渡的 Argon 就撤出了主推清单,三款机器怎么分工一下子明明白白。

极少数不管耗时有多久都要死磕到底的超级难题,才轮到 Carbon 出马;平时打杂跑快活还有免费额度用,都交给 Hydrogen。

至于日常高频敲重代码、看财报研报和做科学推理,主力位置就是 Neon 的,它单打能抗,也能挂着当调度手往下派活给 Hydrogen。

08-gemini4-family-cn.png

▲ 图:Gemini 4 三款模型定位与规格对照

官方博客原话引述了首批客户 Glean 的内部评测:Neon 整体质量跟 Carbon 持平甚至还更稳,速度却跑出三倍,成本只有 60%。

第三方跑完整套智力测试的耗时也能对上号:Neon 默认 high 档只用 14.8 分钟,Carbon 磨了 34.2 分钟,省了一半还多。

工程长对话里它少了很多重复翻文件,写代码偷懒率压到全系最低 2.45%,还支持 Word、PPT 和 Excel 原生按页切片读取。

官方放出的实录案例里,第一段是在 10 万个表格格子里纯靠 50 万条公式算出 3D 深度图和六种光影。

另一段用 /swarm 连续跑了 12 小时,对着老照片 3D 复原出 1936 年图灵在剑桥的书房和能转的通用图灵机。

趁等博客真机连测五题:大哥超时的重活它全接住了

因为我的 Claude 账号之前封了,手里测不了 Opus 5.5,等博客那一小时我拉本地 4 个模型同开 high 档连跑五题。

总成绩单先摊开:Neon 在冷链排障、防幻觉、仓库 AGV、音乐合成器和加测抗震塔上全过,大哥 Carbon 和 Sol 却各超了两轮。

09-local-bench-overview.gif

▲ 图:四模型本机同台真题耗时与过关对照

第一题考冷链温控隐蔽三连 Bug 排障,故意埋了 0 度当漏传跳过、2 到 8 度合格边界误判以及连续计数器不清零三个坑。

Hydrogen 81 秒写完,Neon 138 秒一次修通还附带三句大白话复盘,Carbon 磨了 481 秒,用时不到大哥三分之一。

第二题是华东二号仓外币出货防幻觉测试,给齐 7.77 万欧元和 465.5 万日元出货单,却故意抽走必需的结算汇率文件。

这关专盯模型会不会拍脑袋估汇率,结果四家都算完原币小计后老实挂起报错,Neon 只用 40 秒,没人瞎编。

真正拉开档次的是第三题:16×12 智能仓库窄巷道多 AGV 死锁消解调度台。

题目要求拆齐 scheduler.js、app.js、index.html 与 verify.js 四文件,跑通时空预约与 B1 到 B8 避让港湾,100 步内零碰撞过关。

首轮卡死 420 秒时只有 Hydrogen 417 秒压哨过线,Carbon 零字节交白卷,GPT-6.2 Sol 超时后网页只剩一块空白底板。

后来我放宽到 540 秒补跑 Neon,498 秒交齐完整四文件工程(核心三件套 72KB),对头抢道自动进 B4、B7 港湾避让,五项断言全过。

10-local-agv-showcase.gif

▲ 图:仓库多 AGV 调度台三模型实拍对比

第四题四家同台限 540 秒写单文件 WebAudio 音乐合成器,看谁写长代码不掉线。

Carbon 到点还是空文件,GPT-6.2 Sol 写完 59KB 超时了,Hydrogen 花 199 秒交出 83KB。

Neon 用 374 秒写完 99KB 整个台面,双振荡器混音、滤波和包络拖拽都能直接上手调。

里头赛博琶音、温暖电钢、深海低音三套预设点开就有声,上面示波器和彩色频谱柱也跟着声音实时跳。

测完这四道,我又单独拿 Neon 试了一道物理题:12 层高楼风阻尼球抗震对比台。

420 秒写出来一个 102KB 单页,左边是没装阻尼的楼,右边楼顶挂着黄色风阻尼球反向吸能。

底下用的是 2 毫秒步长的四阶龙格-库塔(RK4)实时算物理方程,连 Den Hartog 最优调谐和 0.1% 能量守恒校验都做进去了。

11-local-tmd-tower-neon.png

▲ 图:Neon 单题直出的 12 层抗震塔动力学实验室

成本只有 Carbon 60%、比 Opus 省一半:谁能用在哪用

比完活干得咋样,翻过来看真实账单更让人心里痒。

标价上 Neon 是每百万输入 3 美元、输出 15 美元,比 Opus 5.5 的 4/20 美元便宜四分之一。

到了真实干活扣费上,差距远不止那 25%。

AA 跑完整套测试一均摊,Opus 5.5 每题平均花 10.04 美元,等首个字吐出来就得接近六分钟。

Neon 开最重 xhigh 档单题花 6.44 美元,首字掉进 56 秒,吐字速度拉到每秒 110 个 token。

切回默认 high 档同拿 60 分,单题更降到 3.74 美元,比 Opus 5.5 省掉六成多。

这 3.74 美元不光压过促销期 Carbon 的 4.90 美元,跟标准价 7.76 美元比更是不到一半。

Arena 真实会话的中位数账单也是这个路数,Neon 每单 2.82 美元,比 Opus 5.5 省下 53%。

后台日志把省钱门道摊得很直白:排障题里 Carbon 83% 的输出都在干想,光思考烧掉近 3 万 token,Neon 总输出只有 1.4 万个。

即使 Carbon 在 11 月 30 日前还在半价促销,这一单 Neon 实扣 0.41 美元依然少交 26%,恢复原价后差不多只掏四成的钱。

12-pricing-vs-opus-and-carbon.gif

▲ 图:主流模型百万单价与单任务真实账单对照

至于今天谁可以用、去哪儿找,这次各端放开得挺齐整的。

手里有 Google AI Pro 或 Ultra 订阅,现在打开产品页就能选上它。

日常对话用 Gemini App,写工程直接切进 Antigravity 客户端就行。

点开模型菜单就能看到,Gemini 4 Neon 从 Low 到 Extra 的四档思考,连同专属的 Orchestrator (Neon) 都已经挂上去了。

13-antigravity-neon-menu.jpg

▲ 图:Antigravity 客户端已上线 Neon 四档思考与调度模式

自己接接口搞开发的,可以直接去 AI Studio 和 Android Studio 的付费层调用。

企业用户已同步开放 Gemini for business 与 Google Cloud,安全研究团队还能申请 Fairwind 通道。

留意它眼下不带免费层,几句话就能完事的轻活或白嫖额度,继续留给 1.5/7.5 美元的 Hydrogen 就够用。

从 11 号发 Carbon、13 号出 Hydrogen,再到今天早上端出 Neon,谷歌前后 8 天连着亮了三张牌。

曾经那个谷歌真的回来了,8 天发了三个模型,每个都很强大。相比之下,GPT 反而变成美国豆包了。

对我来说今天这算正式换防了:日常碎活扔给 Hydrogen,正经交差的硬仗全线交给 Gemini 4 Neon。

这篇就聊到这儿。要是对你有用,点个赞,也分享给需要的朋友。

参考资料

01|Google Blog:Introducing Gemini 4 Neon
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/

02|Google DeepMind:Gemini 4 Neon Model Card PDF
https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Neon-Model-Card.pdf

03|Google AI for Developers:Gemini API 模型文档与定价
https://ai.google.dev/gemini-api/docs/models/gemini-4-neon

04|Artificial Analysis:Gemini 4 Neon 独立测评页
https://artificialanalysis.ai/models/gemini-4-neon

05|Arena:Agent Arena Index 官方榜单公告
https://x.com/arena/status/2123169189397709174

相关文章
|
4天前
|
人工智能
Google 提示「所在地区不可用」?进不去 Antigravity 或 Gemini,先查账号这个设置
进不去 Antigravity 或 Gemini,提示所在地区不可用?三步查清 Google 账号关联地区、官方更正表单理由选法与改区注意事项。
Google 提示「所在地区不可用」?进不去 Antigravity 或 Gemini,先查账号这个设置
|
3月前
|
机器学习/深度学习 缓存 人工智能
最新版 kimi/kimi-k3 功能介绍
随着AI智能体应用走向真实生产落地,行业对于大模型的评判标准已经不再局限于简单问答、短文生成这类基础任务,更加看重模型处理长周期开放任务的综合实力,要求基座模型能够完成目标拆解、多工具协同调用、中间结果校验、错误自我排查修复,在尽量减少人工干预的前提下交付完整可用成果。Kimi‑K3作为Kimi体系当中综合能力最强的旗舰基座模型,整体参数量达到2.8万亿,基于自研KDA混合线性注意力机制以及注意力残差技术搭建,原生内置视觉理解能力,拥有一百万token原生上下文窗口,也是全球首个公开开放的三万亿参数级别模型,面向长周期软件工程、深度知识工作、复杂逻辑推理、多模态智能体场景打造,既支持普通用户直
520 1
|
5月前
|
人工智能
中文AI播客推荐:用耳朵跟上AI,这些音频节目值得长期订阅
文字信息密度高但消耗注意力,播客的好处是能塞进通勤、做饭、跑步这些"眼睛在忙但耳朵空着"的时间。而AI领域恰好特别适合播客这种形态——很多最有价值的信息不是来自新闻稿和论文摘要,而是来自创业者、投资人、工程师在对话中不经意透露的判断、踩过的坑和正在验证的假设。这些内容很难写成文章,但在一个小时的对话里自然就流出来了。
1096 0
|
2月前
|
缓存 资源调度 开发工具
dsh 怎么升级到最新版?DeepSeek Harness 升级教程:三种升级方式、版本固定与降级、升级前备份
升级 dsh 就是换到新版本:先查当前与最新版本,再按安装方式升级(npx 自动最新、npm update -g、源码 git pull 构建),必要时用 @版本号固定或降级。本文讲清升级与更新的区别、升级步骤、备份与版本管理技巧。
2249 1
dsh 怎么升级到最新版?DeepSeek Harness 升级教程:三种升级方式、版本固定与降级、升级前备份
|
4月前
|
人工智能 JSON 文字识别
金融AI技能库:104个开源Skill即插即用
零API费用的金融AI技能库:104个场景纯Python实现,毫秒级响应 当金融AI遇上"账单焦虑" 金融行业的AI落地,存在一个被长期忽视的悖论:业务方要的是"即时可用",技术方给的是"先接API再说"。 一个发票查验场景,接入第三方OCR服务,单次调用0.3元,日均10万笔,月账单9万。一个财报分析需求,调用大模型API,单次Token消耗折合0.8元,季报期间批量处理500份,
|
5月前
|
人工智能 自然语言处理 数据挖掘
用ChatGPT和Codex搭建个人AI工作流:从一人部门到开源实践
本文探讨AI时代“一人部门”工作法:用ChatGPT拆解任务、构建知识库,用Codex将流程工具化,结合复盘与沉淀,打造可持续的个人AI工作系统(OPC)。非替代团队,而是以工具+流程+知识,提升单人可复用、可迭代的系统性产出能力。
1849 7
|
9月前
|
XML 人工智能 JSON
自动化评测的九九归一——评测agent
本文提出并落地统一评测Agent架构,通过让Agent自主学习业务标注标准(如语雀文档),实现评测集生成、自动打分、结果验收与Badcase分析的全链路自动化。
自动化评测的九九归一——评测agent
|
11月前
|
存储 人工智能 Cloud Native
玄晶引擎深度测评:Sora2+Coze+RPA三重赋能,AI内容生产工具的云原生进化
玄晶引擎升级,融合Sora2视频生成、Coze智能体调用与RPA自动化运营,打造云原生AI内容生产闭环。通过云边协同、低代码集成与多平台联动,实现从创意到转化的全链路提效,助力企业降本增效,提供阿里云生态下AI工具选型新范式。(239字)
699 5
敏捷开发 小程序 API
3187 0
|
Linux 编译器 C语言
CentOS 快速安装Python3和pip3
CentOS是经常使用的Linux系统之一,特别是作为服务器使用,其只自带了Python2,但是现在使用更广泛的是Python3,因此需要自行安装,同时为了更方便地安装第三方库,还需要安装pip3。