Google 一周内第四次发模型,Gemini 4 Neon 在 Artificial Analysis 拿 61 分排第三,落在 Claude Fable 5.2 和 GPT-6.2 Astra 之后,卡在 Carbon 与 Hydrogen 中间。

Google 继续扩充 Gemini 4 系列,发布面向复杂软件工程、知识工作和科学研究的 Gemini 4 Neon。它的定位很有意思:Carbon 负责最困难、最耗时的项目,Hydrogen 负责快速日常执行,Neon 则处在两者之间,面向使用频率较高、又需要一定推理深度的工作流。

这种分层比“所有任务都用最强模型”更接近生产环境。企业每天会处理大量文档、表格、代码和工具调用,如果每个任务都调用最高档模型,成本和等待时间都会失控;如果全部交给轻量模型,复杂任务又容易出现遗漏和返工。

Neon 的价值,正在于把速度、质量、成本和长任务可靠性放进一个可调度的中间层。

Neon 的能力位置:不是最强,而是更适合常用的复杂任务

在 Artificial Analysis Intelligence Index 中,Neon 在 xhigh 推理档位获得 61 分,排名第三,超过 Gemini 4 Carbon high、Claude Opus 5.5 max 和 GPT-6.2 Sol max,仅落后于 Claude Fable 5.2 和 GPT-6.2 Astra。Vals Index 中,Neon 得分 70.9%,排名第二并进入成本性能帕累托前沿。

Agent Arena Index 中,Neon 首次上榜就排名第三,可引导性排名第二。这里的可引导性很关键:模型能否在任务进行中根据用户纠正调整行动,比单次回答更接近真实 Agent 使用。

Google 将 Gemini 4 系列分成三档:

模型 默认任务 主要取舍
Hydrogen 快速日常任务 低延迟、低成本
Neon 复杂高频开发和企业工作 质量、速度、成本平衡
Carbon 最困难、最长的项目 更高推理能力和更高成本

这个矩阵可以直接迁移到企业模型路由中。模型选择应由任务复杂度、运行频率、上下文长度和失败代价共同决定。

100 万 Token 上下文,真正难的是持续工作

Neon 支持 100 万 Token 上下文,面向电子表格、PDF、图表、音频和视频混合资料。企业知识工作通常不是问一个问题,而是读几十份材料、抽取数据、交叉核对、生成结构化结果,再根据反馈修改。

Google 称 Neon 减少了重复读取文件的行为,并能在长会话中处理上下文压缩。这个能力比单纯扩大窗口更重要:如果每一轮都把全部文件重新塞进上下文,成本和延迟都会快速上升;如果压缩过度,又可能丢失关键证据。

生产系统需要把上下文分成几层:

  • 原始文件和数据源,按需检索;
  • 当前任务的结构化摘要,保存约束和进度;
  • 关键证据和引用,保留可回溯位置;
  • 已验证的中间结果,避免重复计算;
  • 用户纠正和审批,作为下一轮明确指令。

长上下文不是“把所有东西放进去”,而是让 Agent 在每轮知道哪些信息必须带上,哪些信息可以重新查询。

Coding Agent 结果,取决于运行环境

Neon 在 Artificial Analysis Coding Agent Index 中以 58.6 分排名第一,Terminal-Bench 4.1 得分 65.2%,FrontierCode 2.0 默认 high 档位得分 46.2%。SWE-sweep 中,mini-SWE 运行框架得分 12.8%,在 Google Antigravity 环境中达到 39.0%。

这个差异揭示了一个容易被忽略的问题:模型分数和运行环境绑定。工具框架、文件访问方式、终端权限、上下文管理和任务编排都会影响最终交付。企业不能只比较模型名称,还要比较“模型 + Harness + 工具 + 沙箱”的完整组合。

Neon 可以在 Antigravity 中担任协调者,指挥多个 Hydrogen 子 Agent 并行工作。这样的架构适合把复杂任务拆成规划、实现、测试和审查多个阶段,但每个阶段都需要保存变更、日志和验证结果,否则并行执行只会放大错误传播。

企业知识工作,Neon 的优势更容易兑现

Neon 在法律研究和税务 Agent 测试中排名第一,Surge AI 的金融、会计、电子表格建模和复杂约束测试中多数排名第一;Chartography 得分 73.5%,Agents’ Last Exam v1.1 得分 75.8%。Zapier AutomationBench 得分 56.3%,Vending-Bench 2 最终账户余额为 16843 美元,排名第一。

这些任务有一个共同点:它们需要多步工具调用,却有明确的交付形式。报告、表格、合同分析、自动化流程和长期经营模拟,都可以定义输入、过程记录和结果验收。

企业接入时应重点检查三件事:

  1. 引用和计算能否回到源文件或原始数据。
  2. 工具调用是否受用户、租户和业务范围限制。
  3. 生成结果是否有结构化格式和人工复核入口。

如果结果无法追溯,即使模型回答很准确,也很难进入财务、法律和医疗等高责任流程。

Neon for Cyber 把安全能力放进同一条工作流

Google 还发布面向网络安全的 Neon for Cyber,覆盖安全代码生成、漏洞发现、验证和修复。AutoBaxBench 困难档位取得 76%,WebExploitBench v1.2 得分 51.26%,SEC-bench Pro 得分 90.5%,CWE-bench v2 得分 70.7%。

这些安全结果不能直接等同于真实环境中的安全保证。漏洞发现、利用验证和修复本身都具有双重用途,企业应在隔离网络、受控目标和审计日志中运行,禁止模型接触无关生产凭证。

Neon 的安全能力还包括实时滥用防护、提示注入防御和 Agent 行为监控。测试中任务拒绝率较低,但低拒绝率并不等于可以放开所有权限。安全 Agent 最重要的设计是把目标范围、工具范围和终止条件写死。

四档推理强度,让预算成为路由参数

Neon 提供四档推理强度。默认 high 面向日常复杂工作,xhigh 用于最困难的工程、分析和科研任务。Google 称,high 档位下 Neon 在 Intelligence Index 中表现较高,单任务成本比 Carbon 低 32%;Vals Index 和 Agent Arena 中,high 档位都处于成本性能帕累托前沿;xhigh 仍比竞品最高推理档位低 36% 以上。

开发者可以把推理强度当成路由参数,而不是用户手动设置的隐藏开关:

  • 低风险、时效敏感任务使用 high;
  • 需要深度分析但可异步的任务使用 xhigh;
  • 连续失败、证据冲突或工具异常时升级档位;
  • 达到预算或时间阈值时暂停并请求人工判断。

这种方式能让同一个模型覆盖更大的任务范围,同时避免所有请求都以最高成本运行。

Google 披露 Neon 的输入价格为每百万 Token 3 美元、输出 15 美元,缓存输入 0.15 美元。单价只是起点,真正成本还取决于上下文压缩、工具次数、重试和多 Agent 并行数量。

国内开发者如果希望通过 API 统一接入 Gemini 4 Neon 等模型,可以了解 [Code80]https://code.ai80.vip/home 这类渠道;模型路由、权限、成本上限和安全审计仍需自行维护。

常见问题

Neon 和 Carbon 应该怎么选?

Carbon 适合最困难、最长的任务,Neon 适合需要一定推理深度且调用频率较高的开发、分析和企业工作,Hydrogen 则适合快速日常执行。

100 万 Token 上下文能解决所有长文档问题吗?

不能。上下文还需要分层、压缩、检索和证据管理。把所有文件一次性放入上下文,成本高且不一定更准确。

Neon 的 Coding Agent 分数为什么和运行环境有关?

模型之外,工具框架、沙箱、权限、上下文管理和任务编排都会影响结果。选型时应评估完整 Agent 运行栈。

Neon for Cyber 可以直接用于生产漏洞扫描吗?

不建议直接放开。应限制目标、网络、凭证和工具权限,并保留人工确认、审计与终止机制。

high 和 xhigh 如何选择?

high 适合日常复杂任务,xhigh 适合高价值、长流程和需要多轮验证的工程、科研与分析任务。可以根据失败率和预算自动升级。

国内团队如何接入 Gemini 4 Neon?

可以通过 Code80 等 API 渠道降低接入摩擦,但仍需自行管理密钥、数据权限、工具调用、预算和审计。

本文由人人都是产品经理作者【易安说AI】,微信公众号:【易安说AI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于 CC0 协议