返回探索
资讯VibeFix 内容整理更新于 2026年11月20日

七周第四款 Gemini 4:Neon 夹在 Carbon 与 Hydrogen 之间,卖的是‘又快又够聪明’

2026 年 11 月 18 日,Google 发布 Gemini 4 Neon:综合指数 61 分排第三、编码指数 58.6 分排第一,价格每百万输入 3 美元、输出 15 美元。它夹在最重的 Carbon 与最轻的 Hydrogen 之间,在 Antigravity 里当总指挥、指挥一群 Hydrogen 子智能体;但按 token 算,它是 11 月里最贵的 Gemini 4,12 月 1 日之后才变成便宜的中间款。

昏暗的办公室里,一名戴眼镜的开发者背对镜头,坐在多块显示代码的屏幕前,蓝紫色灯光映亮了工位

一句话:七周里的第四款 Gemini 4,Neon 填的是中间那格

2026 年 11 月 18 日,Google 发布了 Gemini 4 Neon。官方博客的标题就叫《Introducing Gemini 4 Neon》,一句话定位写在开头:前沿级智能,加上快速的端到端任务完成,覆盖复杂软件工程、知识工作和科学工作流。价格同时公布:每百万输入 token 3 美元、每百万输出 token 15 美元,缓存输入每百万 0.15 美元(便宜 95%),上下文窗口 100 万 token。上线当天就能用:Gemini API 付费档(Google AI Studio、Android Studio)、Gemini for business、Google AI Pro 与 Ultra 订阅者在 Antigravity 和 Gemini 应用里都能选到它。

Neon 这个名字本身就在报位置。Google 的 Gemini 4 家族七周里连发四款:9 月 30 日 Argon、10 月 28 日 Carbon、11 月 12 日 Hydrogen、11 月 18 日 Neon。Carbon 是给最难、最长线的任务准备的重型模型,Hydrogen 是给日常快活准备的轻型模型,Neon 夹在中间——官方的原话是,Carbon 负责你最难的长期项目,Hydrogen 负责快速的日常执行,Neon 在深度和效率之间找平衡,给复杂又高频的工作流提供前沿级推理,而且更快、更便宜。这篇要讲清楚的,就是这个“中间”到底值多少钱、强在哪里、以及它和你已经读过的三款之间是什么关系。

先看成绩单:综合第三,写代码第一

Google 这次列的基准很多,先抓三组最能说明位置的数字。第一组是综合智能:Neon 在 Artificial Analysis Intelligence Index 上,最高思考档(xhigh)拿到 61 分,排第三,前面是两个更大、更慢的模型;在 Vals Index 上排第二(70.9%),落在帕累托前沿上;在 Arena 新出的 Agent Arena Index 上以 1336 分排全球第二,基于 4200 多场真实智能体任务;可操控性(中途改主意、模型能不能干净地跟上)也在 Agent Arena 上排第二。

第二组是写代码,这是 VibeFix 读者最关心的部分。Neon 在 Artificial Analysis Coding Agent Index 上以 58.6 分排第一;Terminal-Bench 4.1 拿到 65.2%;FrontierCode 2.0 在默认 high 思考档下是 46.2%。还有一组对比值得单独拎出来:SWE-sweep 上,Neon 在 mini-SWE 脚手架上是 12.8%,到了 Google Antigravity 里涨到 39.0%,是当时的最好成绩。同一模型、不同脚手架,分数差了两倍多——这个数字后面还会回来,它说明 Neon 的成绩有一部分是脚手架给的,不是模型单打独斗打出来的。

第三组是企业与科学活儿。Neon 在 Vals 的法律研究基准和税务智能体基准上都排第一,在 Surge AI 的金融、会计、电子表格建模和复杂约束遵循基准上多数排第一,读密集专业图表的 Chartography 是 73.5%,Zapier 的 AutomationBench 以 56.3% 排第一,模拟经营一家公司的 Vending-Bench 2 以 16843 美元排第一。科学推理上,Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3%,官方称这三项都是同级最好。榜单名字很多,但指向同一个卖点:Neon 不是只会写代码的模型,它是按“能端到端干完一份工作”来设计的。

在 Antigravity 里,Neon 当的是“总指挥”

Neon 有一个别的 Gemini 4 模型没有的明确角色:在 Google Antigravity 里,它可以当 Orchestrator(总指挥),指挥一群并行的 Hydrogen 子智能体干活。官方的描述很具体:Neon 自己判断、拆任务,Hydrogen 去并行执行;Neon 在长任务里减少重复读文件、边干边同步进度、可靠地处理上下文压缩。换句话说,Google 把“快”和“聪明”拆成了两个模型来卖:Hydrogen 便宜、跑得快,Neon 贵一点、负责动脑子和兜底。

这个分工对用 Agent 做项目的人有一个直接含义:你不需要在“一个模型干到底”和“换便宜模型省钱”之间二选一,可以让 Neon 守住任务的头尾——拆解、验收、长上下文里的前后一致——把重复执行交给 Hydrogen。官方还提到,Neon 处理多文件调试和跨仓库重构时做的是“有针对性的外科手术式修改”,而不是大面积重写。这个说法目前没有独立数据支撑,读的时候要当作厂商对自己产品行为的描述,而不是实测结论。但分工本身是真实的产品设计:Neon 上线当天,Antigravity CLI 1.5.12 也同步加入了对它的支持,API key 会话里就能调用。

价格:先贵、后便宜,12 月 1 日是个分水岭

Neon 的定价是最容易读错的一节,值得把账算细。按标价,Neon 每百万输入 3 美元、输出 15 美元;Hydrogen 是 1.50 美元和 7.50 美元,正好是 Neon 的一半;Argon 和 Carbon 在介绍期内是 2 美元和 10 美元,比 Neon 便宜三分之一。Google 的说法是,在默认 high 思考档下,Neon 每项任务的成本比 Carbon 低 32%,在 Vals 和 Agent Arena 的帕累托前沿上,比顶级竞品便宜 50% 到 80%;xhigh 档下,每项任务仍比竞品最高档便宜 36% 以上。

但“每项任务便宜”和“每 token 便宜”是两回事。Neon 标价比 Carbon 高,任务成本反而低 32%,差额来自它用更少的 token 干完同样的活——思考档、上下文压缩、少读重复文件,这些省下来的 token 才是折扣的来源。反过来读也成立:如果你的任务不需要 Neon 的推理深度,同样的活交给 Hydrogen 会更便宜,因为 Hydrogen 的标价只有它的一半。

分组柱状图:四款 Gemini 4 模型的 API 价格对比,每百万 token 输入与输出价格,Hydrogen 为 1.50 与 7.50 美元,Argon 与 Carbon 介绍价为 2 与 10 美元,Neon 为 3 与 15 美元;Argon 与 Carbon 的介绍价 11 月 30 日结束,12 月 1 日起涨至 4 与 20 美元

还有一个时间点会改变这张价格表:Argon 和 Carbon 的介绍价 11 月 30 日结束,12 月 1 日起涨到每百万输入 4 美元、输出 20 美元。到那时,Neon 反而比它俩便宜 25%,Hydrogen 依然是它的一半。也就是说,11 月 18 日到 30 日这十二天里,Neon 是 Gemini 4 家族里按 token 计价最贵的一款;12 月 1 日之后,它才变成“比 Carbon 便宜的中间款”。这个时间差是按 itdaily 对价格表的梳理写进来的,Google 自己的博客没有展开讲,决定什么时候切过去的人,最好先看一眼日历。

另外还有一句第三方提醒值得写进来:AI Weekly 的实测发现,在默认 HIGH 思考档下,思考 token 能占到总账单的 90% 左右,标价里的 3 美元和 15 美元并不能直接当成任务成本来算。这不是说 Google 的数字是假的,而是说“每任务便宜 32%”这个结论,取决于任务类型和思考档的搭配。自己跑一轮真实任务、看一眼账单里的思考 token 占比,比对着标价算账更可靠。

安全那一节:Neon for cyber 是产品线,不是安全事件

博客里单独辟了一节讲网络安全,Neon for cyber 是面向可信防御者的专用版本,通过 Fairwind Program 在未来几天内分批开放。数字上,Neon 在 AutoBaxBench 困难档以 76% 拿到最好成绩;在 WebExploitBench v1.2 上以 51.26% 拿到最好成绩,成本只有竞品大模型的一半;在找漏洞的 SEC-bench Pro 上以 90.5% 拿到最好成绩,每个挑战的成本大约是对手的一半;在 ExploitGym 上用 Carbon 一半的 token 达到前沿水平;在修漏洞的 CWE-bench v2 上拿到 70.7%,比 Carbon 高 3.4 个百分点。

写清楚一点:这一节讲的是“模型能帮防守者干活”,不是“出了安全事件”。Neon 生成的代码在 AutoBaxBench 的简单、中等、困难三档上都比 Carbon 更安全,这是产品能力;Fairwind Program 是定向开放,不是漏洞披露。站内最近三轮连着发了安全资讯,这篇的网络安全内容是模型发布的一部分,主题仍是新模型上线,不计入安全题材——这个口径和上轮 Vercel 篇里 AES-256-GCM 加密内容的处理一致。

博客的安全承诺还有一组数字,读的时候要分清哪些是第三方基准、哪些是 Google 自己的内部评估。Neon 保持了 Carbon 级别的防滥用保护,在 Terminal-Bench 4.0 上只拒绝了 1.98% 的任务、在 Terminal-Bench Science 上是 0%;作弊率在 Terminal-Bench 4.0 上是 0.0%,在自家的编码作弊评估里走捷径的比例是 2.45%,是 Gemini 4 家族里最低的;智能体诚实评估通过率 99.2%,错位行为率 0.09%;在 Gray Swan 的间接提示注入基准上,最高思考档加实时防护挡住了全部攻击,攻击成功率 0.0%。这些数字里,基准名字是第三方的,但分数是 Google 自己报的——和整篇的基准数字一样,目前还没有独立复现。

和站内已发篇目的划界:这是第四款模型,不是前面三篇的续集

站内已经有四篇 Gemini 4 的文章,读者很容易把 Neon 当成其中某一篇的跟进,这里把边界一次划清。第一篇是 Argon(9 月 30 日发布,站内 10 月初发),那是家族里第一款、面向复杂长线任务的模型;第二篇是 Carbon(10 月 28 日发布,站内同月发),最强的重型模型;第三篇是 Carbon 全面可用(11 月 10 日,站内同月发),讲的是 Carbon 从分阶段开放走向全面可用,不是一款新模型;第四篇是 Hydrogen(11 月 12 日发布,站内同月发),轻型快模型,四档思考、比上一代快 2.5 倍。

Neon 和这四篇的关系是:它是 11 月 18 日新发布的第五个报道对象、家族里的第四款模型,有自己的价格、自己的基准成绩、自己的上线范围。它不是 Carbon 的一次可用性更新(那是第三篇),不是 Hydrogen 的换名(价格和定位都不同),也不是 Argon 的复述。唯一容易混淆的是 Antigravity 里的 Orchestrator 角色——Hydrogen 篇里也提过 Antigravity,但那篇讲的是 Hydrogen 当执行层,这篇讲的是 Neon 当总指挥、Hydrogen 当子智能体,分工正好反过来,读的时候别把两篇的角色弄混。

四档思考:Neon 把“想多久”做成了可以调的旋钮

Neon 有四个思考档位,官方的说法是,每发布一款新模型,就把思考档位打磨得更细,让团队能按工作负载的难度去调智能和 token 花费之间的平衡。档位之间是“平稳递进”的关系,不是“开和关”的关系:难度低的活儿用低档,省 token;难度高的活儿往上加档,多想一会儿。Neon 的最高档 xhigh 是它综合指数 61 分的出处,也是它在 Agent Arena 上拿到 1336 分的那一档;默认档 high 则是 46.2% 的 FrontierCode 2.0 分数和“每任务比 Carbon 便宜 32%”的出处——同一个模型,不同档位,讲的是两组不同的数字,读基准的时候要先看清是哪一档。

这个设计对日常使用的含义是:思考档不是摆设,是成本控制的第一道阀门。以前你调模型,调的是换哪个模型;现在同一模型里就能调“想多深”。低档适合格式固定、步骤清晰的活儿,比如按模板生成报告、照着清单改代码;高档适合需要多步推理的活儿,比如跨仓库找一个性能回退的根因、或者在几份互相矛盾的文档里拼出一份准确的简报。档位调错的代价是双向的:档位太低,模型会在复杂任务上走捷径、编结果——官方自己也承认,Neon 仍在“不走捷径、不编造结果、不越界”上继续改进;档位太高,思考 token 会把账单顶上去,AI Weekly 的实测里思考 token 能占到默认 HIGH 档总账单的 90% 左右,这个比例就是档位调得过高的代价。

还有一点值得注意:Neon 的档位和价格是联动的。官方说 xhigh 档下每项任务仍比竞品最高档便宜 36% 以上,但这句话的比较对象是“竞品的最高档”,不是 Neon 自己的低档。从 Neon 自己的 low 档切到 xhigh,账单一定会涨,涨多少取决于任务本身。实际操作里,一个稳妥的做法是:先按默认 high 档跑一周真实任务,记下思考 token 占总账单的比例和任务成功率,再决定哪些任务值得往上加档、哪些可以往下调。档位是旋钮,不是开关,调一次就定下来的人,等于把省钱的机会留在了桌上。

企业与科学那组数字,拆开看才有意义

前面那组企业与科学基准值得再拆开讲,因为它们回答的是一个具体问题:Neon 除了写代码,还能不能把一份真实的工作干完。先看企业活儿。Neon 在 Vals Index 上排第二(70.9%),这个指数测的是模型在真实业务任务上的表现,不是选择题;它在法律研究基准和税务智能体基准上都排第一,这两项测的是在一个有对错、有法规依据的领域里,模型能不能给出站得住脚的答案。在 Surge AI 的基准上,它在金融、会计、电子表格建模和复杂约束遵循这几类上多数排第一——这些都是“数字不能错、格式不能乱”的活儿,错一位数就是错一份报告。读密集专业图表的 Chartography 是 73.5%,Zapier 的 AutomationBench 是 56.3% 排第一,模拟经营一家公司的 Vending-Bench 2 以 16843 美元排第一,这一项测的是长周期、多步骤、带反馈的经营决策,不是单轮问答。

科学推理那组数字同样不是摆设。Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3%,官方称这三项都是同级最好。Terminal-Bench Science 测的是在终端环境里完成科学计算任务,RiemannBench 测的是数学推理,HLE-Diamond 测的是高难度综合推理。这些分数的共同点是:它们测的都不是“知道多少”,而是“能不能把多步推理走完、中间不出错”。对做 vibe coding 的人来说,这组数字的参考价值在于:如果你让模型帮你读论文、跑数据分析、或者在科学计算代码里找 bug,Neon 的长推理能力是它和 Hydrogen 拉开差距的地方——Hydrogen 快,但这种需要走到底的推理,正是 Neon 多花的那部分钱买的东西。

不过也要把这组数字的口径说清楚。上面这些基准的分数全部出自 Google 自己的博客,榜单是第三方的,但“Neon 排第几、得多少分”这个说法是 Google 自己报的,目前没有独立第三方跑出同一组分数来交叉验证。Vals、Artificial Analysis、Arena 这些榜单本身是公开的,分数可以查,但“在默认 high 档下 FrontierCode 2.0 是 46.2%”这类带档位条件的数字,只有 Google 的测量口径。读的时候,把“排第几”当作位置参考,把“具体多少分”当作厂商自报的成绩——位置可信度高,分数本身要等独立复现。

在 Gemini 应用里,Neon 是给“难办的杂事”准备的

Neon 不只面向开发者和企业,Google AI Pro 与 Ultra 订阅者也能在 Gemini 应用里直接选到它。官方给消费端的定位是“需要前沿级推理、又要快速响应的工作”:读上传的电子表格、PDF 和照片更准,把密集材料变成结构清晰的报告和摘要,从 Gmail 和 Docs 里拉相关的细节;做研究分析时,经常从网上拉最新信息来保持时效,比如买大件前比价、或者拼一份带最新市场数据的简报;处理多步骤的杂事更快、更省用量,比如分析账单弄清一笔水电费为什么突然涨了,或者对着一堆收据和文件核对、再去谈退款。

这几句描述听起来像日常琐事,但它们和开发者的用法其实是同一件事:多步骤、有上下文、中间不能断。分析一笔账单为什么涨了,和调试一个跨仓库的性能回退,用的是同一种能力——把散在各处的信息拼起来、走完多步推理、给出一个能核查的结论。Neon 在消费端的卖点,就是把这种能力放进了每个人的应用里,而不只留在 API 和 Antigravity 里。对订阅者来说,实际的变化是:以前交给大模型会嫌慢、交给小模型又怕它编结果的那些杂事,现在多了一个中间选项。值不值得为它付 Pro 或 Ultra 的订阅费,取决于你手里这种杂事多不多——一个月碰不上两次的人,用默认模型就够了。

给用 Agent 做项目的人:什么时候选 Neon,什么时候不用

把 Neon 的位置翻译成日常选择,答案取决于你的任务是“难”还是“多”。如果你的活儿是多文件调试、跨仓库重构、跑好几步工具调用的长任务,而且中间不能断、断了重跑很贵,Neon 是家族里为这种活儿定价的那一款:思考档可以调,上下文压缩官方称可靠,长任务里少读重复文件。如果你的活儿是日常的、重复的、几分钟能跑完的,Hydrogen 更便宜,标价只有 Neon 的一半,没必要为用不上的推理深度付钱。如果你的活儿是全站最难、动辄跑几个小时的长线项目,Carbon 仍是官方定位里最重的那一款,Neon 没有取代它。

还有两个实际提醒。第一,Neon 的“每任务便宜 32%”是按默认 high 档、对照 Carbon 算的,换了思考档、换了任务类型,数字会变;上线之前,先拿自己的真实任务跑一轮、看一眼账单里的思考 token 占比,再决定默认用哪一档。第二,12 月 1 日的价格变化会影响长期成本:如果你的用量会延续到 12 月之后,现在按 11 月的标价做的成本测算,到 12 月 1 日就要重算一遍——到时 Neon 比 Carbon 便宜,Hydrogen 还是最便宜,家族里的排序会变。

结语:模型发布会越开越密,中间款才是常态

七周四款,Google 把 Gemini 4 的发布节奏推到了一个新速度:Argon、Carbon、Hydrogen、Neon,每一款都在前一款的空隙里找位置。Neon 的位置说明了一件事:模型竞赛已经不只是在比“谁最聪明”,而是在比“谁能在某个价位上把活儿干完”。61 分的综合指数、58.6 分的编码第一、32% 的任务成本优势——这些数字单独看都很亮,但真正值得记住的是它们合起来的意思:前沿模型正在变成按任务、按档位、按账单来选的东西。

对做 vibe coding 的人来说,这个变化有一个很实际的含义:你以后选模型,越来越像在选工具——不是选“最强的”,而是选“这个任务上最划算的”。Neon 的出现让这道选择题多了一个中间答案:不用为最难的任务付 Carbon 的价,也不用在复杂任务上将就 Hydrogen 的轻量。中间款的出现,本身就是模型开始按真实工作流分层的信号。下一款会填哪格、价格表 12 月 1 日之后怎么变,值得继续盯着看。

阅读 0评论 0

评论 (0)

ME
0/1000
评论加载中...

原始来源

浏览项目广场发布你的项目

相关文章

一名戴眼镜的开发者坐在木桌前敲笔记本电脑,左边外接显示器上是深色背景的 C 语言代码,桌上有绿植
资讯
微软的编程模型终于不当配角了:MAI Code 2 拿 96% 的分数、只收 5% 的钱,但先看清三处“但是”

2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。

开发工作流产品发布模型动态
黑色背景上,一名指挥家背对镜头高举指挥棒,脚下环绕着旋转的光轨,像一支乐队正在被指挥
资讯
一个接口接 45 个模型,坏了自动换一家接着跑:Perplexity 的 Orchestrator 想当模型界的‘总机’

2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。

开发工作流产品发布模型动态
一名开发者坐在双显示器工位前敲键盘,左屏是深色代码编辑器,右屏是带绿色对勾与柱状图的测试仪表盘,桌上有台灯和马克杯
资讯
你的智能体到底变好还是变坏了:AWS 开源 UAEF,给所有框架的智能体用同一把尺子量

2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。

开发工作流产品发布测试与质量