Gemini 4 Neon 登顶 Agent Arena 第二
Google DeepMind 发布 Gemini 4 Neon,在 Arena 智能体竞技场以 1336 分位列总榜第二,并进入性价比帕累托前沿。该成绩基于 4200 场真实智能体会话,超越 Carbon、Hydrogen、Argon 等模型,评测者认为其已逼近前沿水平。
报道正文
Arena.ai (@arena) · 2026-11-19 21
就在昨天,@GoogleDeepMind 发布了 Gemini 4 Neon。
观看 @petergostev 的初体验,他在 3D 场景、游戏、UI 和数据可视化中开箱评测这款新模型。他将其与 Opus、Fable、Astra 和 Sol 进行对比,并分享了他对它与前沿水平差距的看法。
00 引言与 Arena 排名 00 伊斯坦布尔:首批对比 01 白宫与 3D 细节 06 创造力、真实感与复杂场景 11 Live Aid 与电影级运镜 13 游戏:操控与视觉质量 15 UI 与设计对比 17 数据可视化 18 UI 一致性与设计质量 21 动态数据与一致性 23 定价与模型对比 27 最终结论:距离前沿有多近?
↳ 引用 @arena (Arena.ai): 重磅消息:Gemini 4 Neon (High) 是 @GoogleDeepmind 在 Agent Arena Index 上表现最好的模型,总排名第 2,并重塑了帕累托前沿!
基于 Arena 全球社区 4.2k 次真实世界智能体会话,它获得 1336 分,超越了:
- #4 Carbon (High):1303 分
- #9 Hydrogen (High):1271 分
- #11 Argon (High):1229 分
Neon 以每任务中位成本 $2.82 位列 Agent Arena 帕累托前沿。它的得分高于 #3 Claude Opus 5.5 (Max),而每任务成本低 53%;相比 #1 Claude Fable 5.2 (Max),每任务成本低 69%。帕累托图见推文串。
它在关键指标上表现强劲:
- #2 好评 vs. 投诉:1539 分(用户对智能体结果的满意度)
- #2 可操控性:1298 分(智能体对用户纠正的响应程度)
- #3 任务完成度:1316 分(用户明确确认任务成功)
查看它在 Code Arena:WebDev 和 Text Arena 中的排名,见下方推文串。
祝贺 @GoogleDeepmind 团队又一次重大发布!
