作者:Koray Kavukcuoglu, Google DeepMind 高级副总裁兼 Google 首席 AI 架构师
今天,我们正式推出 Gemini 4 Neon,将前沿级智能带入复杂的软件工程、知识工作及科学研究工作流,快速实现端到端任务。
在超高(xhigh)思考模式下,Neon 在 Artificial Analysis 智能指数上取得了 61 分的成绩,超越了同级别模型并位列总榜第三,仅次于体量更大、速度更慢的模型。Neon 在 Vals Index中排名第二,并跻身帕累托前沿(Pareto frontier)。除了不断突破模型的基础能力上限,我们也在持续优化模型的使用体验——在全新的 Agent Arena 指数中,Neon 的可操控性(即在任务中精准适应用户纠正指令的能力)排名第二。同时,Neon 还擅长遵循多步骤指令,并延续了我们在抑制信息虚构方面的进展,在 Google Antigravity 的内部测试中创下了迄今为止最低的幻觉率。
该模型定价为每百万输入 token 3 美元(缓存输入 token 享 0.5 折优惠,仅需 0.15 美元/百万),每百万输出 token 15 美元,并支持 100 万 token 的上下文窗口。
即日起,Gemini 4 Neon 正式登陆以下平台:Google AI Studio 中的 Gemini API、Gemini 企业版(支持 API 调用及模型下拉菜单选择) ,以及面向 Google AI Pro 与 Ultra 付费订阅用户的 Google Antigravity 和 Gemini App。
全面赋能企业级办公 深度分析与科研工作
企业日常业务高度依赖电子表格、PDF 文档、图表及音视频资料。Neon 能够在单个 100 万 token 上下文窗口内同步处理各类异构数据,并将其整合为结构化交付物。在多项独立评测中,Neon 均跻身行业第一梯队:在 Vals Index 中排名第二(70.9%),并在 Legal Research Bench 与 Tax Agent Bench 两个榜单中排名第一。
在 Surge AI 的多维度测试中,Neon 同样表现优异,包揽了金融、财会、电子表格建模及复杂约束遵循等多项基准测试的榜首;在专攻高密度专业图表解读的 Chartography 评测中拿下 73.5%;在 Agents' Last Exam v1.1(75.8%)上与顶尖模型表现不相上下;更在 Zapier 的 AutomationBench(56.3%)以及模拟长期商业运营的 Andon Labs Vending-Bench 2(16,843 美元)中均位列总榜第一。此外,在涵盖 4,200 余个真实智能体会话的 Arena 全新 Agent Arena Index 中,Neon 首秀即以 1,336 分位居全球第二。
而在涵盖量化分析、数学及前沿科研难题的科学与数学推理领域,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)与 HLE-Diamond(71.3%)上均刷新了同类最佳成绩。
“Gemini 4 Neon 善于将零散信息梳理为清晰、有据可依的洞察,在日常职场任务中实现了质量、成本与速度的绝佳平衡。在我们的早期评估中,它的整体性能持平甚至超越了 Gemini 4 Carbon,但速度达到其 3 倍,成本却仅为 60%。我们非常期待将这项能力带给 Glean 客户,助力他们处理对精度、细节和时效都有严苛要求的多步骤任务。”
—— Thai Tran,Glean AI 产品负责人
“在我们的评测中,Gemini 4 Neon 位列 Medical Index 及内部生命科学基准测试榜首,同时保持了极高的性价比与响应速度。”
—— Brandon Valafar,Micro1 战略 AI 负责人
“Neon 比我们以往测试过的任何 Gemini 模型都更加严谨、细致。它能迅速了解大型代码库的脉络与复杂架构;在网络安全评估中,Neon 仅消耗极少量的 token 便找出了其他模型遗漏的多个隐蔽漏洞。对于追求高性价比的代码探索与研究任务,它是不可多得的工具。”
—— Karina Nguyen,Thoughtful Lab 创始人
“初级研究员通常按部就班地执行既定实验,而卓越的研究员则会不断追问“为什么”。Gemini 4 Neon 是首个带给我这种体验的模型。它会持续探索——主动搜寻新数据、发掘可提取的新信号,以训练出更优秀的模型。它也是我们见过的首个无需人工监督就能不断自我完善的模型:面对不理想的实验结果,Neon 不会轻言放弃,而是主动重新设计建模策略,直至取得更优突破。”
—— Trenton Chang,Quadrillion 首席科学家
“Gemini 4 Neon 在机器学习工程、数据工程、实验管理及架构设计方面都是极为可靠的得力助手。它善于听取反馈、做事严谨、主动验证假设,且深谙既有技术脉络,让整个 AI 模型研发流程变得前所未有的顺畅。”
—— Andrew Carr,Cartwheel 联合创始人兼首席科学家
专为构建生产级代码而打造
Neon 专为长周期智能体工作流而设计,能够在复杂且重度依赖工具的端到端任务中保持稳定表现——无论是独立运行,还是在 Google Antigravity 中担任高速、高判断能力的编排器,统筹调度并行的 Hydrogen 子智能体,均能游刃有余。它不仅大幅减少了冗余的文件读取操作、在执行过程中实时同步进度,还能在长会话中可靠地完成上下文压缩。
在核心开发者与研究人员工作流中,Neon 展现出前沿水准的性能,在同级别前沿模型中极具竞争力。它在 Artificial Analysis 智能指数上以 58.6 分位列总榜第一,并在 Terminal-Bench 4.1 中斩获 65.2% 的分数,在 FrontierCode 2.0(默认高思考模式下)取得 46.2% 的成绩。面向生产级代码场景,Neon 能够通过精准的“外科手术式”修改,实现跨代码库的多文件调试与重构。在 SWE-sweep 基准测试中,它不仅在 mini-SWE 评估框架下领先(12.8%),在 Google Antigravity 中更是超过三倍的达到业界领先的 39.0%,充分释放了 Antigravity 运行框架的性能。
为生产级工作流带来更高效率与可控性
随着每一次新模型迭代,我们都在不断精进“思考层级”设计,为团队提供更细腻的控制粒度与更平滑的档位过渡。Neon 的四个思考层级呈稳步递进,让团队可以根据每项业务负载的实际需求,灵活调节智能水平与 token 消耗。
在多项第三方基准测试中,Neon 均以更低的单任务成本实现了卓越性能。在默认的高(high)思考层级下,它不仅在 Artificial Analysis 智能指数上拿下了高分,单任务成本还比 Carbon 降低了 32%;同样在高思考层级下,它在 Vals Index 与 Agent Arena 中双双跻身帕累托前沿,单任务成本较顶尖竞争模型低约 50% 至 80%。针对最严苛的工程、分析与科研任务,超高(xhigh)思考层级可展开更深度的多步推理。 Neon 释放出其最高智能水准,而单任务成本仍比竞争模型在最高配置下低 36% 以上。
打造高效、前沿级的网络防御能力
随着智能体编程的普及,从代码编写之初就筑牢安全防线至关重要。Gemini 4 Neon for cyber 在 AutoBaxBench 的简单、中等及困难全部等级测试中,生成的安全代码质量均超越了 Carbon,并在高难度层级取得了业界领先成绩(76%)。
系统防御更在于先于攻击者一步主动排查隐患。渗透测试一直是企业网络安全的基石:在 WebExploitBench v1.2 上,Neon 取得了业界领先的成绩(51.26%),而成本仅为同类大模型的一半。
为了全面加固现有代码资产,Neon for cyber 在代码安全强化的全生命周期——漏洞挖掘、漏洞验证与漏洞修复——均展现出前沿水准,同时在运行速度与成本控制上全面领先于大型前沿模型:
未来几天,Gemini 4 Neon for cyber 将通过 Fairwind 计划逐步向受信任的安全防御团队开放。
专为安全、可靠执行而设计
Gemini 4 Neon 继承并升级了 Gemini 4 安全防护技术栈——在严防严重滥用与提示词注入方面保持了与 Gemini 4 Carbon 同等严密的防线,同时在模型对齐与智能体行为规范上更进一步。针对承担高强度、长周期生产任务的模型,我们重点打磨了以下三大防线:
专为深度分析而生
在 Gemini 应用中,Gemini 4 Neon 擅长处理既需要前沿级推理能力,又要求迅捷响应的任务。
Neon 在 Gemini 4 系列中的定位
Neon 专为复杂编码、分析推理以及生产级企业工作流而打造。Carbon 负责攻克最艰巨的长周期项目,Hydrogen 负责处理快速的日常执行,而 Neon 则在深度与效率之间取得平衡。在复杂且高频的工作流中,Neon 能够更快、更具成本效益地提供前沿级的推理能力。