2026年11月18日
|带来前沿级智能,能够快速完成复杂软件工程、知识工作和科学工作流中的端到端任务。
Koray Kavukcuoglu
Google 高级副总裁、Google DeepMind 首席执行官兼 Google 首席 AI 架构师
分享
收听文章
[[duration]] 分钟
此内容由 Google AI 生成。生成式 AI 仍处于实验阶段
本文内容
今天,我们推出 Gemini 4 Neon——带来前沿级智能,能够快速完成复杂软件工程、知识工作和科学工作流中的端到端任务。
Neon 在同类模型中排名领先,并以 61 分位列整体第 3,这一成绩来自 Artificial Analysis Intelligence Index 的 xhigh 思考级别,仅次于规模更大、速度更慢的模型。而在 Vals Index上,Neon 位列第 2,并处于帕累托前沿。除了不断提升模型的基础能力外,我们还在继续改善模型的使用体验。在新的 Agent Arena Index中,Neon 的可控性排名第 2,能够顺畅适应用户在任务进行过程中提出的修正。Neon 在遵循多步骤指令方面同样表现出色,并在我们持续减少编造内容的工作基础上更进一步:在 Google Antigravity 的内部测试中,其编造率创下了我们的历史最低水平。
该模型的定价为每百万输入 token 3 美元(每百万缓存输入 token 0.15 美元,相当于优惠 95%),每百万输出 token 15 美元,并提供 100 万 token 的上下文窗口。
Gemini 4 Neon 于今日开始在 Gemini API 中逐步推出,覆盖 Google AI Studio, 企业版 Gemini (可通过 API 和模型下拉菜单使用);付费 Google AI Pro 和 Ultra 订阅者可在 Google Antigravity中使用,Pro 和 Ultra 订阅者还可在 Gemini 应用.
全面胜任企业、分析和科学工作
企业工作广泛存在于电子表格、PDF、图表、音频和视频中。Neon 可在单个 100 万 token 的上下文窗口中综合处理所有这些输入,并将其转化为结构化交付成果。独立评测将 Neon 列为顶尖模型之一;在诸如 Vals Index等基准测试中,它以 70.9% 的成绩排名第 2,并在以下两项测试中均排名第 1: Legal Research Bench 和 Tax Agent Bench.
Neon 在 Surge AI,在金融、会计、电子表格建模和复杂约束遵循等大多数基准测试中排名第 1。它在用于解读高密度专业图表的 Chartography 上也取得了 73.5% 的成绩,并在 Agents' Last Exam v1.1 (75.8%)上达到与领先模型相当的水平。它还在 Zapier 的 AutomationBench (56.3%)和 Andon Labs 的 Vending-Bench 2 (16,843 美元)上均位列总榜第 1;后者是一项模拟企业经营的长周期测试。最后,它以 1336 分首次亮相便位居全球第 2,登上 Arena 新推出的 Agent Arena Index ,覆盖 4,200 多个真实世界的智能体会话。
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 在以下基准测试中表现同类最佳: Terminal-Bench Science (70.5%), RiemannBench (84.0%),以及 HLE-Diamond (71.3%).
为生产级代码而打造
Neon 专为长时间运行的智能体工作流而设计,能够在复杂、重度使用工具的任务中自始至终保持性能——无论是独立运行,还是在 Google Antigravity 中充当快速且具备出色判断力的编排器,指挥并行的 Hydrogen 子智能体。它减少了重复读取文件的情况,在工作过程中同步进展,并能在长时间会话中可靠地处理上下文压缩。
在核心开发者和研究人员工作流中,Neon 达到了前沿水平,并可与同类领先模型媲美,在以下榜单中总排名第 1: Artificial Analysis 编码智能体指数 (58.6 分),并在 Terminal-Bench 4.1 上取得 65.2% 的成绩,以及 在 FrontierCode 2.0 上取得 46.2% 的成绩(采用默认的 high 设置)。在生产级代码方面,Neon 能够跨代码库进行多文件调试和重构,并实施有针对性的精准修改。在 SWE-sweep 上,它已在 mini-SWE 测试框架中领先(12.8%),而在 Google Antigravity 中,成绩增长至三倍以上,达到当前最先进的 39.0%,展现了 Antigravity 测试框架所释放的能力。
Gemini 4 Neon 在 Google Antigravity 中驱动 Blender MCP,使用 /swarm 构建了一个照片级逼真的 3D 实验台,以符合元素特性的方式呈现各模型名称:用本生灯火焰对应 Gemini 4 Carbon 和 Gemini 4 Hydrogen,用高压气体放电管对应 Gemini 4 Argon 和 Neon。
在 Google Antigravity 中,Gemini 4 Neon 在真实的勃朗峰和霞慕尼高程地形上,从零编写了一款第一人称 WebGL2 自由滑雪模拟器——其中融合了 10,200 行自定义着色器、覆盖六条高山线路的 120 Hz 滑雪物理模拟、动态刻滑轨迹、板状雪崩,以及空间 Web Audio,且未使用任何预制素材。
Gemini 4 Neon 在 Google Antigravity 中使用 /swarm,调取历史档案照片,以交互式 3D 形式重现了艾伦·图灵 1936 年在剑桥大学国王学院的书房——从室外的国王学院礼拜堂到室内的 X.8 房间一应俱全,甚至包括一台在他书桌上实际运行的通用图灵机。
在 Google Antigravity 中,一组 Gemini 4 Neon 智能体将一张图像转化为包含 100,000 个单元格的 Google Sheet,既未嵌入任何图像,也未使用 Apps Script——而是通过超过 500,000 个实时电子表格公式进行边缘检测、绘制 3D 深度图,并在六种交互模式下为场景重新布光。
为生产级工作流带来效率与可控性
每次发布新模型时,我们都会持续完善思考级别,让团队能够进行更精细的控制,并在不同档位之间实现更平滑的过渡。Neon 的四个级别会稳步扩展能力,使团队可以根据每项工作负载的需求调节智能水平和 token 消耗。
Neon 在第三方基准测试中以更低的单任务成本实现了高性能。在默认的 high 思考级别下,它不仅取得了较高的 Artificial Analysis Intelligence Index 分数,而且单任务成本比 Carbon 低 32%。在 high 档位下,它在 Vals index 和 Agent Arena 上也都处于帕累托前沿,单任务成本比顶尖的竞争性前沿模型低约 50% 至 80%。xhigh 思考级别为最困难的工程、分析和科学工作负载提供更深入的多步骤推理能力。Neon 在这一档位取得了自身最高的智能分数,同时单任务成本仍比处于最高设置的竞争模型低 36% 以上。
专为快速、高效的前沿级网络防御而打造
随着智能体式编码规模不断扩大,从一开始就生成安全代码至关重要。在 AutoBaxBench 的所有简单、中等和困难挑战中,Gemini 4 Neon for cyber 生成的代码都比 Carbon 更安全, AutoBaxBench,并在困难档位取得最先进水平(76%)。
保护系统也意味着要在攻击者之前主动发现缺陷。渗透测试一直是企业网络安全的基石。在 WebExploitBench v1.2上,Neon 以竞争性大模型一半的成本取得了最先进水平(51.26%)。
为了加固现有代码,Neon for cyber 在代码加固的整个生命周期——漏洞发现、验证和修补——都实现了前沿级性能,同时速度更快,成本效益也优于大型前沿模型。
- 发现代码漏洞: Neon 在以下基准测试中取得了最先进的性能: SEC-bench Pro (90.5%),同时每项挑战的成本约为其一半。
- 通过利用验证风险: 为了确定需要优先修复的漏洞,防御人员依靠模型检查哪些漏洞可被利用。在 ExploitGym 上,Neon 使用 Carbon 一半的 token 即实现了前沿级性能。
- 修补漏洞: 修复漏洞的根本原因是网络安全防御生命周期中的关键一步。Neon 在 Collinear 的 CWE-bench v2上达到 70.7%,比 Carbon 提升 3.4%。
面向网络安全的 Gemini 4 Neon 将在未来几天内作为 Fairwind 计划.
专为安全、可靠的执行而设计
Gemini 4 Neon 延续了我们在 Gemini 4 安全与保障技术栈方面的改进——在进一步提升模型对齐和智能体行为的同时,继续维持 Gemini 4 Carbon 级别的防护能力,抵御严重滥用和提示词注入。对于一款旨在生产环境中承担高要求、长时间运行任务的模型,我们重点关注了:
- 降低前沿能力被滥用的安全风险: 由于 Neon 以速度更快、成本更低的模型提供前沿级能力,我们为其配备了强大的实时防护措施,以防止网络安全和生物安全领域的滥用,其水平可与 Carbon 的防护能力相媲美;与此同时,它对这些领域合法工作的拒绝率大幅降低,例如在 Terminal-Bench 4.0 上仅拒绝 1.98% 的任务,在 Terminal-Bench-Science 上的拒绝率则为 0%。
- 推进模型对齐与规范行为: 在内部编码使用中,我们的思维链与行动不一致监控器发出的警报率仍低于 Carbon 已经很低的基准水平,这表明 Neon 的对齐倾向有所改善;同一监控器也已部署,用于保护 Neon 在各种外部场景中的运行。Neon 经过训练,能够完成多步骤工作,同时避免偷工减料、捏造结果或越过用户设定的边界,从而继续改善贯彻执行请求与保持在任务范围内二者之间的平衡。它在 Terminal-Bench 4.0 上与 Carbon 持平,作弊率为 0.0%;在我们的编码作弊评测中,仅有 2.45% 的任务采取了捷径,是所有 Gemini 4 模型中最低的比例。它还在我们的智能体安全评测套件中实现了 0.09% 的不一致行动率,并在智能体诚实度评测中取得了 99.2% 的通过率。
在智能体行为评测中,Neon 在 Carbon 强劲基准表现的基础上进一步提升:在不同思考强度下,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,当恶意指令被植入其访问的网页、电子邮件、文档或代码时,Neon 比同级别的其他模型更具韧性。我们发现,在最高思考级别启用实时防护措施后,Neon 成功抵御了该 Gray Swan 基准测试中的每一次攻击,实现了此前只有其他 Gemini 模型达到的 0.0% 攻击成功率。
更多详情,请参阅 Gemini 4 Neon 模型卡.
专为更深入的分析而打造
在 Gemini 应用中,Gemini 4 Neon 擅长处理需要前沿级推理能力和快速响应的工作。
- 更高质量的写作与知识工作: Neon 行文清晰,回答结构合理,语气自然直接。它能更准确地读取电子表格、PDF 和照片等上传内容,将密集材料整理成实用的报告和摘要,并从 Gmail、Docs 等 Google 应用中提取相关细节。
- 可靠的研究与分析: Neon 经常整合来自网络各类来源的详细信息,使回答在快速变化的主题上保持最新,例如在大额采购前比较不同供应商的价格,或结合最新市场数据汇总一份复杂的简报。
- 更快协助完成更棘手的任务: Gemini 中的任务现在可以在 Neon 上运行,与更大的模型相比,它能更快速、高效地处理复杂的多步骤工作。在将繁琐的待办事项交给它处理时,既能完成更多工作,也能让使用限额发挥更大效用,例如分析账单以找出公用事业费用为何激增,或交叉核对多张收据和多份文档以协商退款。
Neon 在 Gemini 4 系列中的定位
Neon 专为复杂编码、分析推理和生产级企业工作流程而打造。Carbon 负责攻克最困难的长期项目,Hydrogen 负责快速执行日常任务,而 Neon 则兼顾深度与效率。对于复杂、高频的工作流程,Neon 能以更快的速度和更高的成本效益提供前沿级推理能力。
立即开始使用 Gemini 4 Neon 进行构建
Gemini 4 Neon 于今日开始逐步推出:
- 面向开发者: 通过 Gemini API 付费层级在 Google AI Studio 和 Android Studio 中进行构建;如果你是 Google AI Pro 或 Ultra 付费订阅者,还可以在 Google Antigravity 中试用 Neon;所有 Pro 和 Ultra 订阅者均可在 AI Studio 中试用。
- 面向企业: 在 Gemini 企业版 中使用 Gemini 4 Neon(通过 API 或模型下拉菜单),也可在 Google Antigravity 中使用。
- 面向消费者: 如果你是 Google AI Pro 或 Ultra 订阅者,可以从模型下拉菜单中选择 Gemini 4 Neon,该选项位于 Gemini 应用.
- 面向网络安全防御人员: 符合条件的 Fairwind 计划 成员将在未来几天内陆续获得访问权限。如需申请加入 Fairwind 计划,请联系你的 Cloud 客户团队。
在收件箱中获取 Google 的最新消息
订阅我们的新闻简报,获取产品更新、活动信息、特别优惠等内容。
完成。只差最后一步。
请查看收件箱以确认订阅。
你也可以通过 . 订阅。
你的信息将按照 Google 的隐私政策处理。 你可以随时选择退出。
发布于:关于作者
Koray 是世界顶尖的人工智能专家之一。作为 Google DeepMind 的高级副总裁,他负责领导 Google DeepMind 最先进的生成式 AI 模型的开发,以及这些模型在 Google 产品中的大规模集成。在担任现职之前,他曾任 Google DeepMind 研究副总裁,并在该公司创立了深度学习团队;其团队开创了 DQN(深度 Q 网络)和 WaveNet 等重大研究突破。
阅读 Koray Kavukcuoglu 的更多文章
AI 热点