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
|
5天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
5444 11
|
5天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2064 6
|
7天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
7天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
20天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
9707 58
|
3天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
15天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3306 9
|
20天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
6004 69
|
3天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
944 0