Gemini 4 Neon 评测:智能指数小幅提升,单任务成本更低
Gemini 4 Neon Delivers Small Intelligence Gain at Lower Cost Per Task
Artificial Analysis 测得 Gemini 4 Neon(xhigh)智能指数为 61,较 Carbon(high)高 1 分,单任务成本为 $6.44,平均耗时约 21 分钟。Neon 输出速度约为 110 tokens per second,但每项任务使用的输出 token 多约 15%,成本优势主要来自定价。其 Coding Agent Index 得分为 59,不同推理强度在 GDP.pdf 等评测中的表现并非持续提升。
推荐理由
精选AI 评分 82
评测同时呈现智能指数、任务成本与不同推理强度的差异,可用于比较模型在具体工作负载中的效率。
主题
正文 · AI 翻译
Artificial Analysis 于 2026 年 11 月 18 日报道称,Google 的 Gemini 4 Neon(xhigh)在其智能指数中获得 61 分,比 Gemini 4 Carbon(high)高 1 分。按标准、非折扣价格计算,Neon 每项智能指数任务的成本为 6.44 美元,平均耗时约 21 分钟;Carbon 则为 7.76 美元,平均耗时约 36 分钟。
该评测将 Neon 排在总体第三位,仅次于 GPT-6.2 Astra(max)和 Claude Fable 5.2(max)。评测还发现,Neon 每项任务使用的输出 token 比 Carbon 多约 15%,因此成本节省源于定价,而非 token 用量减少。Neon 的输出速度约为每秒 110 个 token,而 Carbon 约为每秒 57 个,这解释了 Neon 完成任务所需时间更短的原因。
Google 的发布说明显示,Gemini 4 Neon 于 2026 年 11 月 18 日正式全面开放,用于复杂的软件工程、知识工作和科学工作流;它提供四种思考级别、统一的 100 万 token 上下文窗口,并支持最长 100 万 token 的长文本解码。
在 high 推理强度下,Artificial Analysis 记录到 Neon 的智能指数得分为 60,每项任务耗时 14.8 分钟。该设置下,Neon 的智能水平与 Carbon(high)相当,而按标准价格计算,其单任务成本不到 Carbon 的一半。Neon 是一款专有推理模型,可接受文本、图像、语音和视频输入,生成文本,并默认采用 high 推理强度。
编程与知识工作结果
Artificial Analysis 使用 Antigravity CLI 测得 Neon(xhigh)的编程智能体指数为 59 分,Carbon(high)为 55 分,Claude Fable 5.2(xhigh)和 Claude Opus 5.5(max)均为 58 分。Neon 每项编程智能体任务的平均成本为 6.86 美元,而 Opus 和 Fable 分别为 12.61 美元和 15.47 美元。
在专业文档推理评测 GDP.pdf 中,Artificial Analysis 测得 Neon(high)的全项通过率为 33.4%,Carbon(high)为 28.4%,Neon(xhigh)为 28.0%。因此,在这项测试中,最高推理强度并未取得最佳结果。全项通过率是指每个模型在 500 次尝试中所有标准均获通过的占比;这些尝试涵盖 10 个专业领域的 100 项任务。
在 AA-Briefcase 上,Artificial Analysis 测得 Neon(xhigh)的总体评分为 1700 Elo;该指标采用面向智能体知识工作的相对比较量表。其演示质量评分为 1771 Elo,比此前的领先者 Claude Sonnet 5.5(max)的 1726 分高出 45 分。
单独的多模态知识智能体结果显示,Neon 的 Climb WSR 为 56%,比 Carbon 高 2 个百分点,接近 Claude Fable 5.2(max)的 57%。Climb WSR 是 Google DeepMind 在评估智能体处理视觉信息密集型项目文件的工作表现时,针对较难标准计算的平均加权满意率。MKA 是一项独立评测,并非智能指数的组成部分。
定价与可用性
智能指数的范围
Artificial Analysis 表示,智能指数的方法论未必能直接适用于所有使用场景。该指数综合了知识工作、编程、科学和通用知识领域的九项评测,每个类别的权重均为 25%。这套评测主要使用英语并以文本为主,不过在部分评测中,会向具备图像处理能力的模型提供图像。视觉推理、语音输入和多语言表现则单独评估。
因此,Neon 的评测结果显示,其综合智能水平仅小幅提升,而有记录可查的更大优势体现在运营层面:按标准价格计算,其输出更快,实测单任务成本更低。不过,其表现仍会随推理强度和工作负载而变化,而 Carbon 的临时折扣也改变了当前的 token 价格对比。对于评估该模型的企业而言,核心问题在于它将处理哪些工作负载、这些负载需要何种推理强度,以及按当前价格计算,完成任务的实际成本是多少。
AI 热点