Gemini 4 Neon发布:百万上下文、综合榜第三,Google把前沿能力做成“日常主力模型”

Google发布Gemini 4 Neon,将其定位在旗舰级Carbon与高速低成本的Hydrogen之间,面向复杂编程、企业知识工作、科学分析和高频Agent流程。Neon可以同时处理文字、图片、音频和视频,拥有100万Token统一上下文,标准同步输出上限为6.4万Token,后台长生成最高可占满整个百万Token窗口。API价格为每百万输入/输出Token 3美元/15美元。第三方Artificial Analysis给予其61分,综合排名第三,仅落后于Claude Fable 5.2和GPT‑6.2 Astra;不过,它相对Carbon的能力提升只有1分,Terminal‑Bench和FrontierCode也未超过Claude Opus 5.5。Google公布的安全指标表现出色,但完整安全报告尚未发布,现有结果主要是内部自动评测,不能视为已经完成独立红队验证。

文章作者、来源:Google DeepMind

这不是Google最强模型,而是试图成为默认主力的模型

Gemini 4系列目前分成多个档位:Carbon处理最困难、最长时间的旗舰任务;Hydrogen强调快速执行和较低成本;Neon则位于两者之间,试图在能力、速度和价格之间找到更适合高频使用的平衡点。

Google没有公布Neon的参数量、混合专家规模、训练Token数量或训练算力,只说明它由Gemini 4 Carbon调整而来。模型提供low、medium、high和xhigh四档推理强度,允许开发者根据任务价值逐步增加推理预算。

因此,Neon并不是一种从零设计的新架构,更像是从Carbon能力底座中重新优化出来的生产版本:保留大部分复杂推理和Agent能力,同时减少完成任务所需的时间与Token。

它也不是开放权重模型。用户只能通过Gemini API、Google AI Studio、Gemini for business、Google Antigravity和Gemini应用调用,无法下载权重在本地自行部署。

百万上下文可以同时装入文字、图片、音频和视频

Neon接受文本、图片、音频及视频文件,所有输入、推理和输出共享100万Token上下文。

普通同步调用最多输出6.4万Token;通过后台长生成模式,输出可以进一步延伸,最高占满整个100万Token统一窗口。这种能力适合生成大型代码迁移、长篇研究报告或持续多轮的Agent工作记录,但不能理解成“输入100万Token后,还能额外输出100万Token”。

模型知识截止时间为2026年3月。较新的信息仍需要接入Google Search、企业数据库或其他外部工具,不能仅凭模型内部记忆回答。

Google称Neon在长上下文GraphWalks测试中得到95.2%,高于GPT‑6.2 Sol的80.1%和Claude Opus 5.5的66.8%。但GraphWalks主要检查模型能否在超长上下文中追踪图结构关系,并不代表它读取百万Token法律文件或代码时能保持95%的总体准确率。

综合榜第三,但相对Carbon只是“小幅升级”

Neon在Artificial Analysis Intelligence Index最高推理档取得61分,排在Claude Fable 5.2和GPT‑6.2 Astra之后,位列第三;Carbon最高公开成绩为60分。

第三方测试显示,Neon最高档完成一项综合评测任务平均约需21.5分钟,明显快于Carbon的约36分钟;单任务成本约为6.44美元,比Carbon按非促销价格计算的7.76美元低约17%。换言之,它的优势主要来自用更短时间和更少Token达到相近能力,而不是智能分数发生大幅跃升。

在专业知识工作方面,Neon的成绩更突出:Vals Index为70.9%,排名第二;Agents’ Last Exam为75.8%;AutomationBench为56.3%,高于模型卡中列出的Claude Opus 5.5和GPT‑6.2 Sol。

科学与数学测试中,Neon在Terminal‑Bench‑Science取得70.5%、RiemannBench取得84.0%、HLE‑Diamond取得71.3%。这些评测覆盖终端科研工具、数学推理和高难度知识任务,说明它并不只是一个速度更快的普通办公模型。

编程能力很强,但没有全面超过Claude

Google称Neon在Artificial Analysis Coding Agent Index取得58.6分,位列当时第一;CursorBench 4.1为65.4%,也超过模型卡列出的Claude Opus 5.5。

但其他编程评测并不支持“全面领先”的结论。Terminal‑Bench 4.1中,Neon为65.2%,略低于Claude Opus 5.5的65.8%;FrontierCode 2.0中,Neon为46.2%,同样低于后者的47.3%。

更值得注意的是SWE‑sweep:Neon在Google Antigravity原生Agent框架中得到39.0%,而换成较简单的mini‑SWE框架后只有12.8%。

这意味着39%的结果并非纯粹来自模型权重。Antigravity负责上下文压缩、工具选择、任务状态管理和多Agent调度,运行框架本身贡献了大量性能。不同公司若使用自己的Agent框架,未必能复现同样成绩。

Neon还可以充当“调度模型”,把大型任务拆分后交给多个速度更快的Hydrogen子Agent处理。一个Neon负责规划、审查与整合,多个Hydrogen负责并行搜索、读取代码和执行修改。这反映出Google正在把竞争重点从单个模型分数,转向整套多Agent运行系统。

专业工作不再局限于文本和代码

Neon能够同时读取电子表格、PDF、专业图表、录音和视频,再把其中的信息整理成结构化报告。

Google展示了一个多Agent案例:Antigravity中的Neon调取历史照片和资料,重建1936年Alan Turing在剑桥大学国王学院的研究空间,从教堂外部到房间内部均可交互探索,桌上还运行着一台模拟的通用图灵机。

这种案例将搜索、资料验证、三维建模、程序编写和可交互界面连接在同一流程中。不过,它仍是官方选择的成功展示,不代表模型能够准确重建历史地点;三维空间中的装饰、尺寸和物品位置可能包含推断或生成内容。

模型在Chartography专业图表理解测试中得到73.5%,低于GPT‑6.2 Sol的75.1%;因此,即使它能够读取复杂表格和图表,也不能省略人工检查,尤其是用于投资、医疗或合规决策时。

每百万Token收费3美元/15美元,但当前未必比Carbon便宜

Neon标准API价格为每百万输入Token 3美元、缓存输入0.15美元、输出15美元。输出价格包含模型思考Token,缓存读取相当于普通输入价格的5%。

Google称,默认high推理档的Neon单任务成本比Carbon低32%;在Vals和Agent Arena中,相对最高档竞争模型可以降低约50%至80%的任务成本。这里计算的是完成整项任务所消耗的Token和工具步骤,不只是API单价。

需要注意的是,Carbon目前处于限时促销:截至2026年11月30日,每百万输入/输出Token暂时只收2美元/10美元,反而低于Neon;12月1日恢复4美元/20美元后,Neon的固定单价才会比Carbon低25%。

因此,“Neon更便宜”主要指标准长期价格和实际任务消耗,并不意味着发布当日的每个API请求都比Carbon收费更低。

官方安全数字很好看,但完整报告还没发布

Google公布的内部Agent安全评测显示,Neon的不当操作率为0.09%,诚实性测试通过率为99.2%;在带实时防护的Gray Swan间接提示词注入测试中,没有观察到成功攻击。

模型在Terminal‑Bench 4.0中被判定为作弊的比例为0%,在Google另一项代码评测中走捷径的比例为2.45%,为Gemini 4系列最低。它还减少了两种常见Agent问题:任务做得不够完整,以及越过用户授权范围采取额外行动。

但模型卡同时说明,这些安全成绩主要来自自动评测,而不是完整的人类红队测试;Neon的详细Safety & Security Report将在之后数日发布。

Google认为Neon相对已完成关键能力评估的Argon没有达到“重大能力变化”门槛,因此没有重新执行全部前沿风险评测,而是沿用Argon的部分结论。其中,严重网络攻击、生物风险和模型削弱人类控制的可能性仍不能被完全排除。

这不代表Google已经确认Neon会造成这些后果,而是其内部框架没有足够证据将相关风险排除。完整安全报告尚未公开,是本次发布中最需要继续观察的资料缺口。

Gemini 4 Neon已向Gemini API付费用户开放,并进入Google AI Studio、Android Studio、Gemini for business和Antigravity。Gemini应用中的Google AI Pro及Ultra用户也可以选择它,网络安全研究人员则需要通过Fairwind Program申请更宽松的权限。