谷歌发布 Gemini 4 Neon 主打端到端任务快速完成

原标题:Gemini 4 Neon
88AI 研判分

谷歌正式发布 Gemini 4 Neon,定位为兼顾前沿智能与端到端快速任务完成的模型,覆盖复杂软件工程、知识工作与科学工作流。该模型在 Artificial Analysis 智能指数上以 61 分位列总榜第三,在 Vals Index 上排名第二并进入帕累托前沿,同时在 Agent Arena 可操控性榜单上排名第二,体现出对任务中途用户纠正的良好适应能力。

报道正文

本文目录10 个章节

将前沿级智能与跨复杂软件工程、知识工作和科学工作流的快速端到端任务完成能力相结合。



Gemini 4 Neon 主视觉图

您的浏览器不支持音频元素。

收听文章 [[duration]] 分钟

今天,我们推出 Gemini 4 Neon——将前沿级智能与跨复杂软件工程、知识工作和科学工作流的快速端到端任务完成能力相结合。

在其 xhigh 思考级别下,Neon 在 Artificial Analysis Intelligence Index 上以 61 分位列同类模型之前,总体排名第 3,仅次于规模更大、速度更慢的模型。在 Vals Index 上,Neon 排名第 2,并跻身帕累托前沿。除了持续提升模型的原始能力之外,我们也在不断让模型更易于协作使用——在全新的 Agent Arena Index 上,Neon 的可引导性(即能够顺畅地适应用户在任务中途提出的修正)排名第 2。Neon 在多步指令遵循方面同样表现出色,并在我们持续遏制虚构内容的工作基础上更进一步,在 Google Antigravity 的内部测试中创下了迄今最低的虚构率。

该模型定价为每百万输入 token 3 美元(每百万缓存输入 token 0.15 美元,即 95% 折扣),每百万输出 token 15 美元,上下文窗口为 100 万 token。

Gemini 4 Neon 今日起在 Google AI Studio 的 Gemini API 中推出,同时面向 Gemini for business(通过 API 和模型下拉菜单)、Google Antigravity 中付费的 Google AI Pro 和 Ultra 订阅用户,以及 Gemini 应用中的 Pro 和 Ultra 订阅用户开放。

在企业、分析和科学工作中全面交付

企业工作场景中的数据广泛存在于电子表格、PDF、图表、音频和视频之中。Neon 能够在单个 100 万 token 的上下文窗口内跨所有这些输入进行综合处理,并将输入转化为结构化交付成果。在独立评测中,Neon 被评为顶级模型之一,在 Vals Index 等基准测试中排名第 2(70.9%),并在 Legal Research Bench 和 Tax Agent Bench 两项基准上均位列第 1。

Neon 在 Surge AI 的多个类别中也表现强劲,在金融、会计、电子表格建模和复杂约束遵循等大多数基准测试中排名第 1。它在 Chartography 上得分 73.5%,能够阅读密集的专业图表,并在 Agents' Last Exam v1.1 上与领先模型持平(75.8%)。它在 Zapier 的 AutomationBench(56.3%)和 Andon Labs 的 Vending-Bench 2($16,843)上均获得总排名第 1,后者是一项长周期经营模拟测试。最后,它在 Arena 全新 Agent Arena Index 的 4,200+ 真实世界智能体会话中,以 1336 分首次亮相即位列全球第 2。

在科学和数学推理方面,涵盖定量分析、数学和技术研究问题,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)上均为同类最佳。

基准测试表

为生产级代码而构建

Neon 专为长时间运行的智能体工作流而设计,能够在复杂的、工具密集型任务中端到端保持性能——无论是独立运行,还是作为快速、高判断力的 Orchestrator,在 Google Antigravity 中指挥并行的 Hydrogen 子智能体。它减少了冗余的文件读取,在工作过程中共享进度,并在长会话中可靠地处理上下文压缩。

在核心开发者与研究者的工作流中,Neon 均达到前沿性能,并与其同类领先模型不相上下:在 Artificial Analysis Coding Agent Index 上综合排名第一(58.6),在 Terminal-Bench 4.1 上得分 65.2%,在 FrontierCode 2.0 上得分 46.2%(默认高设置下)。面向生产级代码,Neon 能够通过精准、外科手术式的编辑,处理跨仓库的多文件调试与重构。在 SWE-sweep 上,它已在 mini-SWE harness 上领先(12.8%),并在 Google Antigravity 中提升至最先进的 39.0%,增长超过三倍,展现了 Antigravity harness 所释放的潜力。

在 Google Antigravity 中驱动 Blender MCP 时,Gemini 4 Neon 使用 /swarm 构建了一个照片级逼真的 3D 实验台,以元素级的精确度可视化各模型名称——将 Gemini 4 Carbon 和 Gemini 4 Hydrogen 与 Bunsen 火焰配对,将 Gemini 4 Argon 和 Neon 与高压气体放电管配对。

在 Google Antigravity 中,Gemini 4 Neon 从零编写了一款第一人称 WebGL2 自由式滑雪模拟器,基于真实的勃朗峰和霞慕尼高程地形——融合了 10,200 行自定义着色器、覆盖六条高山线路的 120 Hz 滑雪物理、动态刻痕轨迹、板状雪崩以及空间 Web Audio,且零预制素材。

在 Google Antigravity 中使用 /swarm,Gemini 4 Neon 调取档案照片,以交互式 3D 重现了艾伦·图灵 1936 年在剑桥大学国王学院的研究场景——从外面的国王学院礼拜堂到内部的 X.8 房间,并在他的书桌上运行着一台可工作的通用图灵机。

在 Google Antigravity 中,一个 Gemini 4 Neon 智能体集群将单张图像转化为一个 100,000 单元格的 Google Sheet,零嵌入图像、零 Apps Script——使用超过 500,000 个实时电子表格公式来执行边缘检测、映射 3D 深度,并在六种交互模式间对场景重新打光。

为生产级工作流带来效率与可控性

我们正在随每个新模型版本不断优化思考层级,为团队提供更精细的控制,以及从一个层级到下一个层级更平滑的过渡。Neon 的四个层级稳步递进,让团队能够根据每种工作负载的需求来调节智能水平与 token 开销。

Neon 在第三方基准测试中,以更低的单任务成本实现了高性能。在其默认的高思考级别下,它将高 Artificial Analysis Intelligence Index 得分与比 Carbon 低 32% 的单任务成本相结合。它还在 Vals 指数和 Agent Arena 的高难度设置上处于帕累托前沿,单任务成本比顶级竞争前沿模型低约 50% 至 80%。xhigh 思考为最困难的工程、分析和科学工作负载增加了更深入的多步推理。Neon 在此展现出其最高的智能得分,同时单任务成本仍比竞争模型在其最高设置下低 36% 以上。

展示 AA Index v5.01 单任务成本的图表

为快速、高效、前沿级网络防御而构建

随着智能体编码规模扩大,从一开始就生成安全代码至关重要。Gemini 4 Neon for cyber 在 AutoBaxBench 的所有简单、中等和困难挑战中,生成的代码都比 Carbon 更安全,在困难层级达到最先进水平(76%)。

保护系统还意味着在攻击者之前主动发现漏洞。渗透测试一直是企业网络安全的基石。在 WebExploitBench v1.2 上,Neon 达到最先进水平(51.26%),成本仅为竞争大型模型的一半。

为加固现有代码,Neon for cyber 在代码加固生命周期——漏洞发现、验证和修补——中提供前沿级性能,同时比大型前沿模型更快、更具成本效益。

  • 发现代码漏洞: Neon 在 SEC-bench Pro 上达到最先进性能(90.5%),而每个挑战的成本约为一半。
  • 通过利用验证风险: 为确定应修复哪些漏洞的优先级,防御者依赖模型检查哪些漏洞可被利用。在 ExploitGym 上,它以 Carbon 一半的 token 量实现了前沿级性能。
  • 修补漏洞: 修复漏洞的根本原因是网络安全防御生命周期中的关键步骤。Neon 在 Collinear 的 CWE-bench v2 上达到 70.7%,比 Carbon 提升 3.4%。

Autobaxbench 图表

webexploitbench 图表

sacbenchpro 图表

exploitgym 基准图表

CWE bench v2 图表

面向网络安全的 Gemini 4 Neon 将在未来几天内通过 Fairwind 计划向受信任的防御方推出。

专为安全、可靠的执行而设计

Gemini 4 Neon 基于我们在 Gemini 4 安全与安保技术栈方面的改进构建——在保持 Gemini 4 Carbon 级别针对严重滥用和提示注入的防护的同时,在模型对齐和智能体行为方面进一步提升。对于一款旨在生产环境中承担高要求、长时间运行工作的模型,我们重点关注了以下方面:

  • 缓解前沿滥用安全风险: 由于 Neon 将前沿级能力带入了一款更快、成本更低的模型,我们为其配备了强大的实时防护措施,以防范网络和生物安全领域的滥用,其防护水平可与我们的 Carbon 防护相媲美,同时在这些领域拒绝的合法工作大幅减少——例如,在 Terminal-Bench 4.0 上仅拒绝了 1.98% 的任务,在 Terminal-Bench-Science 上拒绝率为 0%。
  • 提升对齐水平和规范的模型行为: 在内部编码使用中,我们的思维链和行动失准监测器发出的警报率始终低于 Carbon 已设定的本就较低的基线,这表明 Neon 的对齐倾向有所改善——并且同一监测器已部署用于在外部场景中保护 Neon。Neon 经过训练,能够完成多步骤工作,而不会偷工减料、捏造结果或逾越用户边界——持续改善在贯彻请求与保持在范围内之间的平衡。它在 Terminal-Bench 4.0 上与 Carbon 持平,作弊率为 0.0%,在我们的编码作弊评估中仅在 2.45% 的任务上走了捷径(是所有 Gemini 4 模型中比率最低的)。它还在我们的智能体安全套件上实现了 0.09% 的失准行动率,并在我们的智能体诚实度评估中达到了 99.2% 的通过率。

在我们的智能体行为评估中,Neon 在 Carbon 强劲基线的基础上更进一步,在不同努力水平下将服务不足降低了 43%–56%,将越界行为降低了 15%–35%。

  • 保护用户免受间接提示注入攻击: 在 Gray Swan 的 IPI 基准测试中,当恶意指令被植入其访问的网页、电子邮件、文档或代码中时,Neon 比同类其他模型更具韧性。我们发现,在其最高思考水平下配合实时防护措施,Neon 抵御了该 Gray Swan 基准测试中的每一次攻击,达到了此前仅其他 Gemini 模型才能实现的 0.0% 攻击成功率。

grey swan chart

更多详情,请参阅 Gemini 4 Neon 模型卡。

为更深入的分析而打造

在 Gemini 应用中,Gemini 4 Neon 擅长需要前沿级推理和快速响应的工作。

  • 更高质量的写作与知识工作: Neon 行文清晰,回答结构良好,语气自然直接。它能更精准地读取电子表格、PDF 和照片等上传内容,将密集材料转化为有用的报告和摘要,并从 Gmail 和 Docs 等 Google 应用中提取相关细节。
  • 可靠的研究与分析: Neon 经常整合来自全网多个来源的细节,使回答对快速变化的话题保持时效性,例如在重大购买前比较各供应商的定价,或汇总一份包含最新市场数据的复杂简报。
  • 更快应对更艰巨的任务: Gemini 中的任务现在可以运行在 Neon 上,比使用更大的模型更快、更高效地处理复杂的多步骤工作。在交办繁琐待办事项时,你能完成更多工作,同时进一步延长使用限额,例如分析账单以找出某项公用事业费用为何飙升,或交叉核对多张收据和文档以协商退款。

Neon 在 Gemini 4 家族中的定位

Neon 专为复杂编码、分析推理和生产级企业工作流而打造。Carbon 负责处理你最艰难、长周期的项目,Hydrogen 负责快速的日常执行,而 Neon 则在深度与效率之间取得平衡。Neon 为复杂、高频的工作流提供前沿级推理,速度更快、成本效益更高。

A chart showing Gemini 4 models

即刻开始使用 Gemini 4 Neon 构建

Gemini 4 Neon 从今天起开始逐步推出:

  • 面向开发者: 在 Google AI Studio 和 Android Studio 中通过 Gemini API 付费层级进行构建;如果你是 Google AI Pro 或 Ultra 付费订阅用户,可以在 Google Antigravity 中试用 Neon,所有 Pro 和 Ultra 订阅用户都可以在 AI Studio 中试用。
  • 面向企业: 在 Gemini for business(通过 API 或模型下拉菜单)和 Google Antigravity 中使用 Gemini 4 Neon。
  • 面向消费者: 如果你是 Google AI Pro 或 Ultra 订阅用户,可以在 Gemini 应用的模型下拉菜单中选择 Gemini 4 Neon。
  • 面向网络安全防御者: 符合条件的 Fairwind Program 成员将在未来几天内开始获得访问权限。如需申请 Fairwind Program 的访问权限,请联系你的 Cloud 客户团队。

在收件箱中获取 Google 最新资讯

订阅我们的新闻通讯,获取产品更新、活动信息、特别优惠等更多内容。

完成。只差一步。

你也可以通过 订阅。

关于作者

Koray Kavukcuoglu

Koray 是全球顶尖的人工智能专家之一。作为 Google DeepMind 的高级副总裁,他负责领导 Google DeepMind 最先进的生成式 AI 模型的开发,以及这些模型在 Google 产品中的大规模集成。在担任现职之前,他曾任 Google DeepMind 研究副总裁,期间创立了深度学习团队,其团队开创了 DQN(Deep Q-Network)和 WaveNet 等重大研究突破。