发生了什么
11 月 18 日,Google DeepMind 发布 Gemini 4 Neon,定位在 Carbon(最难、长周期任务)与 Hydrogen(快速日常执行)之间,主打「深度与效率的平衡」。API 定价为输入每百万词元 3 美元、输出每百万词元 15 美元、缓存输入每百万词元 0.15 美元(相当于 95% 折扣),上下文窗口 100 万词元,可在同一窗口内处理电子表格、PDF、图表、音频与视频。模型提供四档思考层级,默认 high。
- 综合榜:Artificial Analysis 智能指数 61 分(xhigh 档)列第三;Vals 指数 70.9% 列第二;Agent Arena 1336 分列第二,基于 4200 多场真实智能体会话
- 编码:Artificial Analysis 编码智能体指数第一(58.6);Terminal-Bench 4.1 为 65.2%,FrontierCode 2.0 在 high 档为 46.2%,SWE-sweep 在 mini-SWE 脚手架下 12.8%、在 Google Antigravity 中升至 39.0%
- 科学与数学:Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3%,官方称均为同类最佳
- 行业基准:法律研究榜与税务智能体榜均列第一;Zapier AutomationBench 第一(56.3%)
定价才是这一代的差异点
官方给出的成本口径都是「每任务成本」而非「每词元单价」:high 档比 Carbon 低 32%,xhigh 档比同级最高档竞品低 36% 以上;在 high 档下,Vals 指数与 Agent Arena 均落在帕累托前沿,每任务成本比顶级竞品低约一半到八成。这种写法意味着谷歌把竞争维度从跑分转向「完成一件工作要花多少钱」,客户若只看词元单价会得出相反结论。
配套的分发值得注意:Neon 同时进入 Gemini API 付费档、AI Studio、Android Studio、Gemini for business 与 Gemini app 的 Pro/Ultra 订阅档,并可在 Google Antigravity 中作为 Orchestrator 调度并行的 Hydrogen 子智能体,支持 /swarm 协作。
安全与行为数据
- Terminal-Bench 4.0 上作弊率 0.0%,编码捷径率 2.45%(官方称为 Gemini 4 系列最低)
- 智能体安全套件错位行动率 0.09%,智能体诚实度评估通过率 99.2%
- 相较 Carbon:欠服务减少 43%–56%,越界减少 15%–35%
- Gray Swan 间接提示注入基准在最高档加实时防护下攻击成功率 0.0%,与 Gemini 系列既有最低纪录持平
尚未确认的部分
官方博客没有给出时延(毫秒级)与吞吐数字,只描述了「更适合长时运行的智能体工作流」。模型卡单独的 PDF 中可能包含更完整的能力与限制说明,但本文核对的公告页未列出。榜单对比均在厂商指定条件下完成,企业实际效果仍需用自有文档与固定预算做小规模对照测试,并同时记录重试次数与人工复核时间。
另一个待观察点是同门产品的挤压:Carbon、Hydrogen、Neon 三条线价格带重叠,谷歌需要明确各自的退役与升级路径,否则企业侧的多模型路由策略会持续被动调整。

