Log Entry
Gemini 4 Neon 来了:Google 不拼最强模型,拼的是每任务多少钱
11 月 18 日,Google 发布了 Gemini 4 Neon。六天前才刚发了 Hydrogen,这次又补了一块。Gemini 4 家族现在是四级梯子:Hydrogen 跑日常快活,Carbon 啃最难的长任务,Argon 压阵,Neon 卡在中间——前沿级能力,干活速度和价格都收敛到能天天用的水平。
我注意到的不是 Neon 有多强,而是 Google 讲故事的方式变了。整篇发布博文的标题是”前沿级智能,快速完成端到端任务”,基准数字后面跟的全是成本:默认 high 档下,每任务成本比 Carbon 低 32%。两天前 OpenAI 发 GPT-6.2 讲的也是同一件事:不比榜首,比每任务花多少钱。两家大厂在同一周里把同一个指标推到台前,这不是巧合,是模型竞争换了赛道。
先看账本:Neon 的数字
价格是 $3 / 百万输入 token、$15 / 百万输出 token,缓存输入 $0.15 / 百万,打了 95 折,上下文 100 万 token。四档思考级别可调:low、medium、high(默认)、xhigh,团队自己在智能和花销之间拨档位。
基准成绩(均为 Google 官方公布,第三方榜单以 Artificial Analysis 为主):
- Artificial Analysis Intelligence Index 61 分(xhigh 档),总榜第三,排在 GPT-6.2 Astra 和 Claude Fable 5.2 之后,比自家 Carbon 的 high 档还高 1 分。
- Artificial Analysis Coding Agent Index 58.6 分,总榜第一。Terminal-Bench 4.1 拿 65.2%,FrontierCode 2.0 拿 46.2%(默认 high 档)。
- Vals Index 第二(70.9%),Agent Arena Index 的可控性(steerability,中途纠正后模型跟不跟得上)第二。
这些数字要打个折看:都是厂商自己报的,榜单口径各不相同。但有一点值得认真对待——Neon 在编程 Agent 这个榜上登顶,而且 Google 敢把 Neon 跟 Claude Opus 5.5、GPT-6.2 Sol 直接放进同一张对比表。放在一年前,Google 不会这么比;放在今天,它敢比,说明 Coding Agent 已经是各家必须正面交锋的主战场,而不是谁家模型的附赠功能。
梯子搭完之后,选模型变成路由问题
Neon 最有意思的定位不是”又一个强模型”,而是它让 Gemini 4 的梯子完整了。Hydrogen 负责快,Carbon 负责难,Neon 负责”难但天天都要干的活”。
Google 随 Hydrogen 一起推的 Orchestrator 更值得注意:在 Antigravity 里,Neon 可以当总指挥,把活拆开派给并行的 Hydrogen 子 Agent 去干。这和昨天 Devin Bots 那套”AI 管 AI”的思路是同一个方向,只是落在了模型厂商手里——编排不再是第三方工具的专利,模型自己开始管模型。
Neon 的另一个细节是它对长会话的处理:多文件调试和跨仓库重构时减少重复读文件,边干活边汇报进度,长会话里主动做上下文压缩。这些都是 Agent 干长活时最容易翻车的地方——不是模型不够聪明,是上下文被重复读取和碎片信息撑爆了。Google 把这些做进模型行为里,说明它对”Agent 干活”的理解已经从单次回答进化到长程任务管理。
对我们写代码的人来说,这意味着选模型的动作正在消失。以前是人盯着价格表挑模型,现在是 Orchestrator 按任务难度自动路由:简单的扔给 Hydrogen,复杂的交给 Neon,真正难啃的才上 Carbon。你要做的不是选模型,而是把任务拆清楚、把验收标准写清楚。路由做得好不好,取决于你的任务描述清不清楚,而不是你对模型有多了解。
专门给安全团队留了一个版本
这次发布里还有一条容易被忽略的线:Gemini 4 Neon for Cyber,一个面向安全团队的变体,通过 Fairwind Programme 向可信防御方开放。
Google 报的数字:AutoBaxBench 困难档 76%,SEC-bench Pro 漏洞发现 90.5%,CWE-bench v2 漏洞修复 70.7%,WebExploitBench v1.2 51.26%。Neon 写出的代码在 AutoBaxBench 上比 Carbon 更安全。安全相关的另一组数字:Agent 安全评估里错位动作率 0.09%,诚实度评估通过率 99.2%,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。
这些数字同样是厂商自报,要谨慎。但方向是对的:模型开始分化出安全专长,而不是一个通用模型包打天下。写代码的模型和找漏洞的模型,正在变成两条线。对普通开发者更实际的启示是:让模型写代码的时候,顺手让另一个模型(或者同一个模型换个角色)审一遍,正在从”好习惯”变成”默认配置”。
给程序员的实战启示
第一,按任务成本选模型,而不是按榜首选模型。Neon 的总榜第三不重要,重要的是它在默认档下每任务成本比 Carbon 低 32%,同时编程 Agent 榜第一。日常重构、多文件调试、跨仓库改动这类”难但高频”的活,Neon 这个档位就是为它准备的。还在所有任务上默认用最强模型的人,正在为不需要的智能付费。
第二,把思考档位当成成本旋钮。四档可调不是摆设:low 跑批量小活,high 跑日常开发,xhigh 只留给真正难啃的问题。写进团队规范里,比口头说”注意成本”管用。
第三,编排能力正在变成模型的一部分。Neon 当指挥、Hydrogen 当执行,这种分工一旦进了官方工具链,第三方编排工具就要重新找自己的位置。如果你正在搭多 Agent 系统,先看官方的 Orchestrator 能覆盖多少,别急着自己造轮子。
第四,别只看一家榜单。Neon 的成绩单里,Artificial Analysis、Vals、Agent Arena、Zapier AutomationBench、Andon Labs Vending-Bench 2 各有侧重。只看一家,很容易被厂商挑着报的数字带偏。我的做法是:拿自己的真实任务跑一小批,跑通了再上量。
结语
一周之内,OpenAI 讲每任务成本,Google 补齐四级梯子还讲每任务成本。模型竞赛的上半场比谁更聪明,下半场比谁更会算账。Neon 本身不是革命,它是 Google 把”梯子 + 路由 + 账本”这套打法摆上台面的标志。对我们来说,真正的变化不在模型参数表里,在工作方式里:选模型的手动活正在消失,留给人的只剩两件事——把任务拆清楚,把验收标准写清楚。这两件事,模型暂时还替不了你。
来源
- Google, “Introducing Gemini 4 Neon”, 2026-11-18: https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
- Google Antigravity, “Gemini 4 Neon in Google Antigravity”, 2026-11-18: https://antigravity.google/blog/gemini-4-neon-in-google-antigravity/
- Financial Express, “Google Gemini 4 Neon Launched”, 2026-11-19: https://www.financialexpress.com/life/technology-google-gemini-4-neon-google-launches-new-ai-model-for-coding-research-cyber-defence-4388529/
- AI Compass, “Google ships Gemini 4 Neon as DeepMind rolls out Genie 4”, 2026-11-18: https://ashutoshai.com/ai-compass/2026/11/18/