推出 Gemini 4 Neon

模型更新 Google DeepMind 原文语言:英文

谷歌推出 Gemini 4 Neon,以更低成本为复杂编程和分析提供前沿级智能。

全文

推出 Gemini 4 Neon

2026年11月18日

带来前沿级别的智能,在复杂的软件工程、知识工作和科学工作流中实现快速的端到端任务完成。

Koray Kavukcuoglu

Google DeepMind 高级副总裁兼 Google 首席 AI 架构师

今天,我们推出了 Gemini 4 Neon——在复杂的软件工程、知识工作和科学工作流中,带来具备前沿级智能且能快速完成端到端任务的能力。

在 xhigh 思考级别下,Neon 在 Artificial Analysis Intelligence Index 上以 61 分的成绩排在同类模型之前、总体排名第 3,紧跟在更大、更慢的模型之后。在 Vals Index 上,Neon 排名第 2 并跻身帕累托前沿(Pareto frontier)。除了提升原始模型能力之外,我们还在继续让模型更好用;Neon 在全新的 Agent Arena Index 的可操控性(对任务进行中的用户修正进行干净利落地调整)方面排名第 2。Neon 还擅长多步骤指令遵循,并在我们抑制幻觉的持续进展的基础上,在 Google Antigravity 内部测试中记录下了迄今为止最低的幻觉率。

该模型的定价为每百万输入 Token 3 美元(每百万缓存输入 Token 为 0.15 美元,享有 95% 的折扣)以及每百万输出 Token 15 美元,并拥有 100 万 Token 的上下文窗口。

Gemini 4 Neon 于今天在 Google AI Studio 的 Gemini API、Gemini 企业版(通过 API 和模型下拉菜单)、Google Antigravity 中的付费 Google AI Pro 和 Ultra 订阅用户中推出,同时也向 Gemini 应用中的 Pro 和 Ultra 订阅用户开放。

赋能企业、分析和科学工作

企业工作存在于电子表格、PDF、图表、音频和视频中。Neon 可以在单个 100 万 Token 的上下文窗口中综合处理所有这些输入,并将输入转化为结构化的交付成果。独立评估将 Neon 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 上均夺得第 1 名。

Neon 在 Surge AI 的各个类别中也表现出强劲优势,在金融、会计、电子表格建模和复杂约束遵循的大多数基准测试中排名第 1。它在用于阅读密集型专业图表的 Chartography 上得分为 73.5%,在 Agents' Last Exam v1.1(75.8%)上的表现与领先模型不相上下。它在 Zapier 的 AutomationBench(56.3%)和 Andon Labs 的 Vending-Bench 2(16,843 美元,一项运营企业的长期模拟测试)上均夺得总排名第 1。最后,它在 Arena 全新的 Agent Arena Index 上以 4,200 多个真实代理会话取得了 1336 分的成绩,全球首发排名第 2。

在涵盖定量分析、数学和技术研究问题的科学与数学推理方面,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)上处于同类最佳水平。

为生产就绪的代码而构建

Neon 专为长期运行的代理工作流而设计,能够在复杂、工具繁重的任务中自始至终保持稳定性能——无论是独立运行,还是作为快速、高判断力的协调者(Orchestrator)在 Google Antigravity 中指挥并行的 Hydrogen 子代理。它减少了冗余的文件读取,在工作时共享进度,并在长会话中可靠地处理上下文压缩。

在核心开发者和研究人员的工作流中,Neon 实现了前沿性能,并可与同类领先模型相媲美,在 Artificial Analysis Coding Agent Index 上总排名第 1(58.6),在 Terminal-Bench 4.1 上得分为 65.2%,在 FrontierCode 2.0 上(在其默认的高设置下)得分为 46.2%。对于生产就绪的代码,Neon 通过有针对性的精准编辑来处理跨代码库的多文件调试和重构。在 SWE-sweep 上,它已经在 mini-SWE 框架上处于领先地位(12.8%),并且在 Google Antigravity 中翻了两番多,达到行业领先的 39.0%,展现了 Antigravity 框架所释放的强大潜力。

在 Google Antigravity 中驱动 Blender MCP 时,Gemini 4 Neon 使用 /swarm 构建了一个逼真的 3D 实验室工作台,以元素准确度可视化模型名称,将用于 Gemini 4 Carbon 和 Gemini 4 Hydrogen 的本生火焰与用于 Gemini 4 Argon 和 Neon 的高压气体放电管配对使用。

在 Google Antigravity 中,Gemini 4 Neon 从头开始编写了一个基于勃朗峰和霞慕尼真实海拔地形的第一人称 WebGL2 自由滑雪模拟器——结合了 10,200 行自定义着色器、跨六条高山滑雪路线的 120 Hz 滑雪物理特性、动态刻痕雪道、板状雪崩以及零预制资产的空间 Web 音频。

在 Google Antigravity 中使用 /swarm,Gemini 4 Neon 调取档案照片,重建了艾伦·图灵 1936 年在剑桥国王学院的研究场景,以交互式 3D 形式呈现——从国王礼拜堂外部到内部的 X.8 房间,配有一台在他桌上运行的工作中的通用图灵机。

在 Google Antigravity 中,Gemini 4 Neon 代理群将单张图像转换为一个包含 100,000 个单元格、没有嵌入图像和 Apps Script 的 Google 表格——使用超过 500,000 条实时电子表格公式进行边缘检测、映射 3D 深度,并在六种交互模式下重新照亮场景。

为生产级工作流带来效率和控制

我们在每次新模型发布时都在细化思考层级,以为团队提供更精细的控制,并实现从一个层级到下一个层级的更平滑过渡。Neon 的四个层级稳步扩展,让团队可以根据每项工作负载的需求调节智能程度和代币消耗。

Neon 在第三方基准测试中以更低的每任务成本提供高性能。在默认的高思考层级下,它兼具高人工分析智能指数分数,并且每任务成本比 Carbon 低 32%。在 Vals 指数和 Agent Arena 的高层级上,它也位于帕累托前沿,成本比顶级竞争前沿模型低约 50% 到 80%。高思考层级为最困难的工程、分析和科学工作负载提供更深层的多步骤推理。Neon 在此展示了最高的智能分数,同时每任务成本仍比竞争模型的最高设置低 36% 以上。

为快速、高效、前沿级别的网络防御而构建

随着代理式编码的规模化,从一开始就生成安全代码变得至关重要。用于网络安全的 Gemini 4 Neon 在 AutoBaxBench 的所有简单、中等和困难挑战中都比 Carbon 生成更安全的代码,在困难层级上实现了最先进的表现(76%)。

确保系统安全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 以 51.26% 的最先进表现实现了竞争大型模型一半的成本。

为了强化现有代码,Neon for cyber 在代码硬化生命周期的各个阶段——漏洞发现、验证和修补——都提供前沿级别的性能,同时比大型前沿模型更快且更具成本效益。

发现代码漏洞:Neon 在 SEC-bench Pro 上实现了 90.5% 的最先进表现,而每个挑战的成本约为一半。

通过利用进行风险验证:为了优先修复哪些漏洞,防御者依赖模型检查哪些漏洞可被利用。在 ExploitGym 上,它以使用 Carbon 一半代币的成本实现了前沿级别的表现。

修补漏洞:修复漏洞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 提升了 3.4%。

Gemini 4 Neon for cyber 将在未来几天内作为 Fairwind 计划的一部分向受信任的防御者推出。

为安全、可靠的执行而设计

Gemini 4 Neon 基于我们 Gemini 4 安全与保障堆栈的改进——保持与 Gemini 4 Carbon 相同的对严重误用和提示注入的防护,同时在模型对齐和代理行为上进一步提升。针对需要在生产环境中执行高负载、长期任务的模型,我们重点关注:

降低前沿误用安全风险:由于 Neon 将前沿级别的能力带入更快、更低成本的模型,我们为其配备了与 Carbon 保护相当的强大实时防护,以防止网络和生物安全误用,同时在这些领域拒绝的合法工作要少得多,例如在 Terminal‑Bench 4.0 上仅拒绝了 1.98% 的任务,在 Terminal‑Bench‑Science 上为 0%。

推进对齐与规范的模型行为:在内部代码使用中,我们的思维链与行动不对齐监测器的警报率保持在 Carbon 设定的本已很低的基线以下,这表明 Neon 具有更高的对齐倾向,且该监测器已被部署用于保护外部界面上的 Neon。Neon 经过训练,能够完成多步骤工作而不偷工减料、捏造结果或越过用户边界——持续改善执行请求与保持在范围之内之间的平衡。它在 Terminal-Bench 4.0 上与 Carbon 一样实现了 0.0% 的作弊率,并且在我们的人工智能编码作弊评估中仅在 2.45% 的任务上采取了捷径(所有 Gemini 4 模型中最低的比率)。它还在我们的智能体安全套件上实现了 0.09% 的不对齐行动率,并在我们的智能体诚实度评估中取得了 99.2% 的通过率。

在我们的智能体行为评估中,Neon 在 Carbon 强大的基线之上,进一步将不同努力水平下的服务不足减少了 43%–56%,越权行为减少了 15%–35%。

保护用户免受间接提示词注入攻击:在 Gray Swan 的 IPI 基准测试中,当在其访问的网页、电子邮件、文档或代码中植入恶意指令时,Neon 比同类中的其他模型更具韧性。我们发现,凭借处于最高思考水平的实时安全防护,Neon 抵御了该 Gray Swan 基准测试中的每一次攻击,达到了仅由其他 Gemini 模型实现的 0.0% 的攻击成功率。

有关更多详细信息,请参阅 Gemini 4 Neon 模型卡片。

专为更深入的分析而构建

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 写作清晰,响应结构良好,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 Google 应用(如 Gmail 和 Docs)中提取相关细节。

可靠的研究与分析:Neon 经常整合来自全网各处的详细信息,以使针对快速变化的主题的回答保持最新,例如在大宗采购前比较各供应商的定价,或汇编包含最新市场数据的复杂简报。

为更艰巨的任务提供更快的帮助:Gemini 中的任务现在可以运行在 Neon 上,能够比使用更大模型时更快速、更高效地处理复杂的、多步骤的工作。在交出繁琐的待办事项时(例如分析账单以找出公用事业费用激增的原因,或者交叉核对多份收据和文档以协商退款),在进一步拉长使用限制的同时完成更多工作。

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构建。虽然 Carbon 应对您最艰难、长期的项目,Hydrogen 处理快速的日常执行,但 Neon 则平衡了深度与效率。Neon 以更快的速度和更高的成本效益,为复杂的高频工作流提供前沿级推理。

立即开始使用 Gemini 4 Neon 构建

Gemini 4 Neon 于今天开始推出:

对于开发者:在 Google AI Studio 和 Android Studio 中使用 Gemini API 付费层构建;如果您是 Google AI Pro 或 Ultra 的付费订阅者,则可以在 Google Antigravity 中试用 Neon,所有 Pro 和 Ultra 订阅者都可以在 AI Studio 中试用它。

对于企业:在面向企业的 Gemini(通过 API 或模型下拉菜单)和 Google Antigravity 中使用 Gemini 4 Neon。

对于消费者:如果您是 Google AI Pro 或 Ultra 订阅者,您可以从 Gemini 应用的模型下拉菜单中选择 Gemini 4 Neon。

对于网络安全防御者:符合条件的 Fairwind 计划成员将在未来几天内开始获得访问权限。要申请访问 Fairwind 计划,请联系您的云客户团队。

正文为 AI 译文。

参考来源

← 返回每日AI报告