网易首页 > 网易号 > 正文 申请入驻

奇袭GPT-6.2!谷歌迄今最强Gemini登场,7周内第四发,RSI时代真来了

0
分享至


智东西
编译 杨京丽
编辑 李水青

智东西11月19日消息,刚刚,谷歌发布Gemini 4系列新模型Gemini 4 Neon,面向复杂软件工程、知识工作和科学研究,主打在前沿智能水平下,更快、更经济地完成多步骤任务。这是谷歌7周内发布的第四款Gemini 4系列模型。


▲谷歌发布Gemini 4 Neon(图源:X)

谷歌最近高频发布新模型离不开RSI进展,就在11月13日,谷歌云AI、谷歌DeepMind与美国宾夕法尼亚州立大学的研究团队联合发布论文《自我改进记忆实现持续递归自我改进》(Self-Improvement Memory Enables Continual Recursive Self-Improvement),提出了一种名为自我改进记忆(Self-Improvement Memory,SIM)的新方法。

此外,谷歌此前10月28日发布的世界模型Genie 4,今天也已在Project Genie中开放。用户可以在体验过程中通过文字提示修改环境,模型支持实时原生音频和对话。

在Artificial Analysis Intelligence Index中,Gemini 4 Neon在xhigh推理档位下取得61分,整体排名第三,超过Gemini 4 Carbon(high)、Claude Opus 5.5(max)和GPT-6.2 Sol(max)等模型,仅落后于Claude Fable 5.2(max)和GPT-6.2 Astra(max)。在覆盖企业知识工作的Vals Index中,Neon以70.9%的得分排名第二,位列帕累托前沿。


▲Gemini 4 Neon在Artificial Analysis上测评成绩(图源:Anrtificial Analysis)

除了提升原始能力,谷歌也提升了模型的使用体验。在新推出的Agent Arena Index中,目前Neon的整体排名位列第三,仅次于Claude Fable 5.2(max)和Claude Opus 5.5(max),可引导性位列第二,仅次于Claude Fable 5.2(max)能够在任务进行中根据用户的纠正调整行动。在谷歌Antigravity内部测试中,Neon的编造率也降至Gemini模型迄今最低。


▲Gemini 4 Neon在Agent Arena Index上测评成绩(图源:Arena)

价格方面,Neon每百万输入Token为3美元(约合人民币20元),每百万输出Token为15美元(约合人民币100元)。缓存输入价格优惠95%,每百万Token为0.15美元(约合人民币1元),支持100万Token上下文窗口。

Neon现已在Google AI Studio的Gemini API、Gemini for business中开放。付费Google AI Pro和Ultra订阅用户可在Google Antigravity中使用,Pro和Ultra订阅用户也可在Gemini应用中选择该模型。

谷歌称,在Gemini 4系列中,Carbon可负责最困难、耗时最长的项目,Hydrogen负责快速完成日常任务,Neon则兼顾推理深度和执行效率,面向复杂且使用频率较高的开发、分析和企业工作流。


模型发布后,部分开发者分享了Gemini 4 Neon的使用体验。

一位开发者用相同提示词对比了Gemini 4 Neon和Claude Opus 5.5的生成效果。Neon耗时20分钟,成本约3.5美元,Opus耗时18分钟,成本约7.2美元。他认为,Neon生成的画面细节丰富,是Gemini 4系列在这项测试中表现最好的一次,但Opus的整体效果仍明显更好,谷歌正在快速追赶。


▲开发者对比Gemini 4 Neon和Claude Opus 5.5(图源:X)

另一位开发者用Gemini 4 Neon生成了两款射击游戏。其中,3D竞技场游戏中的敌人波次、生命值、弹药、换弹、游戏结束和重新开始等功能均能正常运行。他说,Neon在首次构建中因服务器错误中断,第二轮完成了开发。另外一款霓虹峡谷风格的轨道射击游戏节奏快,每次命中都有清晰反馈。


▲开发者用Gemini 4 Neon生成射击游戏(图源:X)

一、综合处理100万Token上下文,客户称速度达Carbon三倍

企业工作中的信息分散在电子表格、PDF、图表、音频和视频中。Neon可以在100万Token上下文窗口内综合处理这些资料,生成结构化成果。

Neon在Vals Index榜单中排名第二,并在法律研究测试和税务Agent测试中排名第一。

在Surge AI的评测中,Neon在金融、会计、电子表格建模和复杂约束遵循等领域的大多数测试中排名第一。在考察专业图表理解能力的Chartography中,Neon得分73.5%;在Agents’ Last Exam v1.1中得分75.8%,与领先模型处于相近水平。

在Zapier用于衡量企业自动化任务执行能力的AutomationBench中,Neon以56.3%的成绩排名第一。在Andon Labs模拟长期经营企业的Vending-Bench 2中,Neon以最终账户余额16843美元(约合人民币11.3万元)排名第一。

Arena新推出的Agent Arena Index覆盖超过4200次真实Agent会话,Neon首次上榜即以1333分排名全球第三,仅次于Claude Fable 5.2和Claude Opus 5.5。

科学和数学推理方面,Neon在Terminal-Bench Science、RiemannBench和HLE-Diamond中分别取得70.5%、84.0%和71.3%的成绩。谷歌称,这三项成绩均处于同类模型领先水平。


美国企业搜索公司Glean在早期评测中发现,Neon的整体质量达到或超过Carbon,速度为Carbon的3倍,成本为其60%。Glean认为,这种质量、成本和速度的平衡,适合需要准确性、细节和快速响应的多步骤工作。

二、长时间运行Agent工作流,指挥多个子Agent并行工作

Neon专为长时间运行的Agent工作流设计,可以独立完成复杂、工具调用密集的任务,也可以在Google Antigravity中担任协调者,指挥多个Hydrogen子Agent并行工作。

谷歌称,Neon减少了重复读取文件的行为,会在执行过程中汇报进度,并能在长会话中可靠地处理上下文压缩。

在Artificial Analysis Coding Agent Index中,Neon以58.6分排名第一。它在Terminal-Bench 4.1中得分65.2%,在默认high推理档位下,FrontierCode 2.0得分46.2%。

面对实际代码库,Neon可以进行跨文件调试和重构,并针对问题做局部修改。在SWE-sweep测试中,Neon使用mini-SWE运行框架时得分12.8%,在Google Antigravity运行环境中则达到39.0%,超过前者的3倍。

此次发布,谷歌也展示了几项官方案例。

Gemini 4 Neon能够生成具有照片级真实感的3D实验台。Neon通过Blender MCP调用Blender,利用/swarm协调多个Agent,用实验装置呈现Gemini 4系列模型对应的不同化学元素。其中,Carbon和Hydrogen用火焰呈现,Argon和Neon则使用高压气体放电管呈现。


Gemini 4 Neon还复原了图灵1936年的书房。Neon使用/swarm检索历史照片,构建了剑桥大学国王学院的交互式3D场景,从室外的国王学院礼拜堂到室内房间,室内书桌上还放置了一台可以运行的通用图灵机。


三、提供四档推理强度,默认档单任务成本比Carbon低32%

谷歌为Neon提供了四档推理强度,让团队根据不同任务调整智能水平和Token开销。默认的high档位面向日常复杂工作,xhigh则为最困难的工程、分析和科研任务提供更深入的多步骤推理。

谷歌称,在默认high档位下,Neon在Artificial Analysis Intelligence Index中取得较高得分,单任务成本比Carbon低32%。

在Vals Index和Agent Arena中,high档Neon均处于成本与性能的帕累托前沿,即在对应测试下,难以同时找到表现更好、成本更低的选择。与竞品前沿模型相比,其单任务成本约低50%至80%。

切换至xhigh档位后,Neon取得自身最高的智能评测得分,单任务成本仍比竞品最高推理档位低36%以上。


四、不同难度代码安全性均超过Carbon,漏洞发现测试得分90.5%

随着模型编程规模扩大,从一开始生成安全代码变得愈发重要。谷歌发布了面向网络安全的Neon for Cyber,强调从生成安全代码,到发现、验证和修复现有漏洞的完整工作流程。

在AutoBaxBench中,Neon在简单、中等和困难三个难度上的代码安全性表现均超过Carbon,在困难档位取得76%的成绩,达到该项测试的最高水平。


在WebExploitBench v1.2渗透测试评测中,Neon以51.26%的成绩取得最高分,成本约为竞品大型模型的一半。

在漏洞发现测试SEC-bench Pro中,Neon得分90.5%,达到该项测试的最高水平,每项挑战的成本约为对比模型的一半。

在用于验证漏洞可利用性的ExploitGym中,Neon达到前沿水平,所需Token约为Carbon的一半。

在Collinear的CWE-bench v2漏洞修复测试中,Neon得分70.7%,该得分较Carbon提升3.4%。

Gemini 4 Neon for Cyber将在未来几天,通过Fairwind计划陆续向经过信任认证的防御人员开放。

五、Agent诚实性测试通过率99.2%,可在执行中接受用户纠正

谷歌称,Neon延续了Carbon防范严重滥用和提示注入的能力,并进一步改善模型对齐和Agent行为。

防范滥用方面,Neon配备了针对网络安全和生物安全滥用的实时防护措施,同时减少对合法任务的拒绝。在Terminal-Bench 4.0和Terminal-Bench Science中,Neon的任务拒绝率分别为1.98%和0%。

在内部编程使用中,Neon触发思维链和行为偏离监测告警的比例,低于Carbon已有的较低基线。谷歌也在对外产品中部署了相同的监测机制。

在Terminal-Bench 4.0中,Neon的作弊率与Carbon一样为0%;在谷歌内部编程作弊评测中,Neon在2.45%的任务中采取了捷径,是Gemini 4系列最低水平。

在Agent安全测试中,Neon的行为偏离率为0.09%,在Agent诚实性评测中的通过率达到99.2%。

与Carbon相比,Neon在不同推理档位下,“任务执行不到位”的情况减少43%至56%,“超出用户授权范围行事”的情况减少15%至35%。

在Gray Swan间接提示注入测试中,Neon使用最高推理档位、开启实时防护措施后,抵御了该项测试中的全部攻击,攻击成功率为0%。


在Gemini应用中,Neon也被用于写作、资料整理、研究和多步骤任务。它可以读取上传的电子表格、PDF和照片,整理报告或摘要,并从Gmail、Google Docs等应用中提取相关信息。

谷歌举例称,用户可以让Neon分析账单,查找公共事业费用突然上涨的原因,或交叉核对多份收据和文件,为协商退款做准备。Neon也会结合网络资料,处理需要最新信息的采购比价和市场研究任务。

结语:谷歌继续细分模型分工,Neon瞄准高频复杂任务

Neon将Gemini 4系列的分工进一步细化。Carbon承担最困难的长程项目,Hydrogen处理日常执行,Neon则面向需要较强推理能力的软件开发、知识工作和企业任务。

此次发布中,谷歌反复强调单任务成本、完成速度,以及执行过程中接受纠正的能力。从企业采购到开发者日常使用,这些指标将直接影响模型能否持续融入实际工作流程。

来源:谷歌、X

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
英伟达临时CEO称将不再向中国出货H200芯片 外交部:中方已多次阐明在美国输华芯片问题上的原则立场

英伟达临时CEO称将不再向中国出货H200芯片 外交部:中方已多次阐明在美国输华芯片问题上的原则立场

每日经济新闻
2026-11-18 18:43:09
加纳政党代表:社会主义、共产主义思潮正在全球复苏,中国人民正引领这一进程

加纳政党代表:社会主义、共产主义思潮正在全球复苏,中国人民正引领这一进程

极目新闻
2026-11-18 14:20:01
恩比德16+3!76人64-69魔术,看数据:你就是头号罪人!

恩比德16+3!76人64-69魔术,看数据:你就是头号罪人!

运筹帷幄的篮球
2026-11-19 09:25:14
太可怕了!网传评论“凭什么给没有血缘关系的男人生孩子”收获9141个赞同,引发大量网友留言

太可怕了!网传评论“凭什么给没有血缘关系的男人生孩子”收获9141个赞同,引发大量网友留言

火山詩话
2026-11-18 11:00:42
深圳APEC现场的一幕火了:不少外国记者手里拿的摄像器材,竟然都是中国设备!

深圳APEC现场的一幕火了:不少外国记者手里拿的摄像器材,竟然都是中国设备!

行者聊官
2026-11-18 11:48:37
一觉醒来,现货黄金触底反弹;一度失守3730美元/盎司,创14个月新低

一觉醒来,现货黄金触底反弹;一度失守3730美元/盎司,创14个月新低

环球网资讯
2026-11-19 08:37:40
炸锅,最近银行低风险理财都亏麻了!

炸锅,最近银行低风险理财都亏麻了!

樱桃大房子
2026-11-19 00:19:27
埃奇库姆小鬼当家,詹皇22+6恩比德26分,76人客场险胜魔术

埃奇库姆小鬼当家,詹皇22+6恩比德26分,76人客场险胜魔术

钉钉陌上花开
2026-11-19 10:36:51
全网点赞班主任!孩子三次不交作业,家长群内怒斥老师,老师公开致歉:“孩子将来好坏和我们无关”

全网点赞班主任!孩子三次不交作业,家长群内怒斥老师,老师公开致歉:“孩子将来好坏和我们无关”

火山詩话
2026-11-18 06:17:30
参加完APEC晚宴的普京返回深圳前海下榻酒店,该酒店是知名网红地标,坐拥一线海景;此前特朗普车队也已抵达下榻酒店,市民在周边热情等候

参加完APEC晚宴的普京返回深圳前海下榻酒店,该酒店是知名网红地标,坐拥一线海景;此前特朗普车队也已抵达下榻酒店,市民在周边热情等候

极目新闻
2026-11-19 01:03:13
中央安全生产考核巡查组将陆续进驻开展年度考核巡查

中央安全生产考核巡查组将陆续进驻开展年度考核巡查

澎湃新闻
2026-11-18 19:09:06
谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

谁都没想到,APEC大佬云集的会场,最扎眼的竟是董明珠的一个动作

不写散文诗
2026-11-18 13:55:13
男子在二手平台挂出一块劳力士,很快有人出价19万5,可交易当天来的是个14岁女孩,男子感觉不对劲立刻报警

男子在二手平台挂出一块劳力士,很快有人出价19万5,可交易当天来的是个14岁女孩,男子感觉不对劲立刻报警

环球网资讯
2026-11-19 10:01:08
湖南出现历史上最荒唐法官!判男方净身出户,然后跟拿到全部资产的女方结婚

湖南出现历史上最荒唐法官!判男方净身出户,然后跟拿到全部资产的女方结婚

爆角追踪
2025-11-23 11:25:00
踩红线!詹姆斯本人起诉!要打官司了!

踩红线!詹姆斯本人起诉!要打官司了!

柚子说球
2026-11-19 09:41:27
河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

河南农妇为亲人喊冤14年后被抓,全家遭“司法灭门”

塔子山评说
2026-11-18 18:10:50
事发上海!一户住宅内墙面上惊现“骨灰房”字样,竟是亲哥哥所为!执行法官出手了!

事发上海!一户住宅内墙面上惊现“骨灰房”字样,竟是亲哥哥所为!执行法官出手了!

极目新闻
2026-11-18 19:43:47
“喜欢吃红薯的人天塌了”冲上热搜!薯农:烤出来就是流“油”的;网友:用空气炸锅烤一样很香;专家提醒:这三类人要管住嘴

“喜欢吃红薯的人天塌了”冲上热搜!薯农:烤出来就是流“油”的;网友:用空气炸锅烤一样很香;专家提醒:这三类人要管住嘴

农民日报
2026-11-18 08:48:45
英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

英男不满被推销电话狂轰 将号码改成付费专线 每分钟爽赚7便士

环球趣闻分享
2026-11-18 14:57:47
−4.5%,上海社零已连续7个月为负

−4.5%,上海社零已连续7个月为负

互联网大观
2026-11-18 21:08:50
2026-11-19 10:43:00
智东西 incentive-icons
智东西
智东西,AI产业新媒体,专注报道人工智能的前沿技术发展,和技术应用带来的千行百业产业变革。
12969文章数 117195关注度
往期回顾 全部

科技要闻

OPPO Reno17:实况才是让我留下来的理由

头条要闻

美国白宫发布特朗普访华视频 中国仪仗队再次出圈

头条要闻

美国白宫发布特朗普访华视频 中国仪仗队再次出圈

体育要闻

“中超卡里乌斯”,成了大连的夺冠英雄

娱乐要闻

稳坐春晚前排20年,黄晓明都巴结她

财经要闻

北京环球影城,亏损难题待解

汽车要闻

还在死磕纯电还是插混?越来越多人悄悄选 HEV 了

态度原创

数码
本地
旅游
教育
亲子

数码要闻

机械革命RTX Spark迷你主机大师之路X10实物亮相:1.25L体积,140W性能

本地新闻

乌兰察布:以前种土豆,现在种Token

旅游要闻

青海黄南赴重庆推介冬季文旅 雪山草原与热贡艺术亮相山城

教育要闻

让你的孩子学会感恩

亲子要闻

我要是在沈阳 我满世界逛商场准备偶遇这个萌面啊喂!

无障碍浏览 进入关怀版