Google 發布 Gemini 4 Neon 模型與 API 與定價資訊
文章摘要
Google正式推出Gemini 4 Neon模型,旨在於複雜軟體工程、知識工作與科學領域提供端對端任務執行能力。該模型在Artificial Analysis Intelligence Index評測獲61分,排名全球第三,並於Vals Index位居第二。Neon具備100萬token的上下文窗口,能整合試算表、PDF、影音等多媒體輸入並產出結構化成果。在Agent Arena Index的引導性測試中排名第二,其 fabrication rate為歷來最低,並在法律研究、財務模型及多項科學推理基準測試(如Terminal-Bench Science 70.5%)中領先。此模型支援多檔案除錯與代碼重構,在mini-SWE harness評測達到12.8%準確率。定價採輸入每百萬token 3美元(快取輸入享95%折扣至0.15美元)、輸出每百萬token 15美元。目前已透過Google AI Studio、Gemini API、企業版及各類訂閱計畫向用戶開放,並可於Google Antigravity中作為高判斷力編排器執行複雜代理工作流程。
AI 大叔解析
## 【核心判斷】
Google 這次端出的 Gemini 4 Neon,本質上是把大模型從單純的文字生成器,轉型為重度依賴上下文快取的長流程代理調度器。這款模型在百萬 token 視窗下,將輸入定價壓在每百萬 token 3 美元、快取更給出 95% 折扣來到 0.15 美元,輸出則為 15 美元。在 Artificial Analysis Intelligence Index 獲得 61 分排名第三、Vals Index 拿下第二(70.9%),直接切入強調端對端執行的軟體工程與知識工作;但這套設計高度依賴 Google Antigravity 環境來釋放戰力,在標準 mini-SWE 基準上僅有 12.8% 準確率,暴露出脫離專用 Harness 後的真實落差。
## 【毒舌吐槽】
看這份成績單就像在看一位只在主場發威的選手。在標準 mini-SWE 跑分只有 12.8%,非得掛上 Google Antigravity 外掛才能暴衝到 39.0%,足足灌水三倍;更別提展示用 50 萬條活公式硬塞進十萬格試算表去算 3D 光影,技術炫技成分遠大於產線實用性。把快取輸入砍到兩毛有找(0.15 美元)確實精準打中企業錢包痛點,但要享受這種「極致性價比」,前提是你的工作流程必須全面綁死在它的 Antigravity 生態系裡當調度器。
## 【為什麼重要?】
在工程實務與代理任務中,多步驟修正能力(Steerability)往往比單次生成品質更關鍵。Neon 在 Agent Arena Index 拿下第二名與 1336 分(涵蓋 4,200 多場實際代理會話),並在內部測試壓低了虛構率(fabrication rate),說明其在長文本交互中具備較穩定的上下文壓縮與工具調用一致性。特別是在程式碼維護上,它在 Artificial Analysis Coding Agent Index 拿下第一(58.6 分),並於 Terminal-Bench 4.1 取得 65.2%、FrontierCode 2.0 取得 46.2%,鎖定的是跨多檔案的除錯與重構能力。
在科學與商務分析領域,該模型展現了深層推理與多模態整合的實用性。數據顯示其在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)與 HLE-Diamond(71.3%)取得同級領先,並在專業圖表讀取(Chartography 73.5%)與企業自動化(Zapier AutomationBench 56.3%)名列第一。配合預設 high 思考模式下比 Carbon 降低 32% 任務成本、比競品高階模型便宜 36% 以上的定價策略,直接降低了金融模型建置與法規研究的自動化門檻。
## 【影響對象與建議】
- **企業系統架構師**:評估多步驟代理管線時,應善用 100 萬 token 視窗與 0.15 美元的快取定價,集中處理 PDF、影音與大型試算表分析,降低批次調用開銷。
- **軟體開發與維運主管**:若需導入多檔案自動重構,建議先比對標準環境(12.8%)與 Antigravity Harness(39.0%)的效能落差,避免在未配套專用工具鏈前直接上線。
Google 這次端出的 Gemini 4 Neon,本質上是把大模型從單純的文字生成器,轉型為重度依賴上下文快取的長流程代理調度器。這款模型在百萬 token 視窗下,將輸入定價壓在每百萬 token 3 美元、快取更給出 95% 折扣來到 0.15 美元,輸出則為 15 美元。在 Artificial Analysis Intelligence Index 獲得 61 分排名第三、Vals Index 拿下第二(70.9%),直接切入強調端對端執行的軟體工程與知識工作;但這套設計高度依賴 Google Antigravity 環境來釋放戰力,在標準 mini-SWE 基準上僅有 12.8% 準確率,暴露出脫離專用 Harness 後的真實落差。
## 【毒舌吐槽】
看這份成績單就像在看一位只在主場發威的選手。在標準 mini-SWE 跑分只有 12.8%,非得掛上 Google Antigravity 外掛才能暴衝到 39.0%,足足灌水三倍;更別提展示用 50 萬條活公式硬塞進十萬格試算表去算 3D 光影,技術炫技成分遠大於產線實用性。把快取輸入砍到兩毛有找(0.15 美元)確實精準打中企業錢包痛點,但要享受這種「極致性價比」,前提是你的工作流程必須全面綁死在它的 Antigravity 生態系裡當調度器。
## 【為什麼重要?】
在工程實務與代理任務中,多步驟修正能力(Steerability)往往比單次生成品質更關鍵。Neon 在 Agent Arena Index 拿下第二名與 1336 分(涵蓋 4,200 多場實際代理會話),並在內部測試壓低了虛構率(fabrication rate),說明其在長文本交互中具備較穩定的上下文壓縮與工具調用一致性。特別是在程式碼維護上,它在 Artificial Analysis Coding Agent Index 拿下第一(58.6 分),並於 Terminal-Bench 4.1 取得 65.2%、FrontierCode 2.0 取得 46.2%,鎖定的是跨多檔案的除錯與重構能力。
在科學與商務分析領域,該模型展現了深層推理與多模態整合的實用性。數據顯示其在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)與 HLE-Diamond(71.3%)取得同級領先,並在專業圖表讀取(Chartography 73.5%)與企業自動化(Zapier AutomationBench 56.3%)名列第一。配合預設 high 思考模式下比 Carbon 降低 32% 任務成本、比競品高階模型便宜 36% 以上的定價策略,直接降低了金融模型建置與法規研究的自動化門檻。
## 【影響對象與建議】
- **企業系統架構師**:評估多步驟代理管線時,應善用 100 萬 token 視窗與 0.15 美元的快取定價,集中處理 PDF、影音與大型試算表分析,降低批次調用開銷。
- **軟體開發與維運主管**:若需導入多檔案自動重構,建議先比對標準環境(12.8%)與 Antigravity Harness(39.0%)的效能落差,避免在未配套專用工具鏈前直接上線。