每日國際新聞
AI · Hacker News · 11/19 05:34

雙子座 4 霓虹燈

Gemini 4 Neon
重點摘要
今天,我們推出 Gemini 4 Neon — 帶來前沿級智能,跨複雜的軟體工程、知識工作和科學工作流程快速完成端到端任務。
hero image for Gemini 4 Neon

今天,我們推出 Gemini 4 Neon — 帶來前沿級智能,跨複雜的軟體工程、知識工作和科學工作流程快速完成端到端任務。

Neon 領先同類模型,在人工智慧分析智慧指數中以極高的思維水平得分 61 分,總體排名第 3,僅落後於較大、速度較慢的模型。在 Vals 指数上,Neon 排名第二,位于帕累托前沿。除了推動原始模型功能之外,我們還在繼續改進我們的模型,Neon 在新的 Agent Arena Index 上的可操縱性(乾淨地適應中間任務用戶修正)方面排名第二。 Neon 也擅長遵循多步驟指令,並建立在我們遏制製造的持續進展之上,在內部 Google 反重力測試中記錄了我們迄今為止的最低製造率。

此模型的定價為每百萬輸入令牌 3 美元(每百萬快取輸入令牌 0.15 美元,折扣 95%),每百萬輸出令牌 15 美元,具有 100 萬個令牌上下文視窗。

Gemini 4 Neon 今天在 Google AI Studio 中的 Gemini API、Gemini for Business(透過 API 和模型下拉清單)、Google Antigravity 中的付費 Google AI Pro 和 Ultra 訂閱者以及 Gemini 應用程式中的 Pro 和 Ultra 訂閱者中推出。

提供跨企業、分析和科學工作

企业工作存在于电子表格、PDF、图表、音频和视频中。 Neon 可以在一个包含 100 万代币的上下文窗口中综合所有这些输入,并将输入转化为结构化的可交付成果。獨立評估將 Neon 列為頂級模型之一,在 Vals Index 等基準上排名第二(70.9%),並在法律研究基準和稅務代理基準上均排名第一。

Neon 在 Surge AI 的各個類別中也展現了強勁的優勢,在金融、會計、電子表格建模和複雜約束遵循的大多數基準測試中排名第一。它還在閱讀密集專業圖表方面的圖表學得分為 73.5%,並且在 Agents' Last Exam v1.1 上的表現與領先模型 (75.8%) 相當。它在 Zapier 的 AutomationBench (56.3%) 和 Andon Labs 的 Vending-Bench 2 (16,843 美元) 上總體排名第一,這是一項長期模擬經營業務的項目。最後,它首次亮相,在 4,200 多個真實世界特工會話中,在 Arena 的新特工競技場指數中獲得 1336 分,排名全球第二。

在科學和數學推理方面,涵蓋定量分析、數學和技術研究問題,Neon 在 Terminal-Bench Science (70.5%)、RiemannBench (84.0%) 和 HLE-Diamond (71.3%) 上表現最佳。

a benchmark table

專為生產就緒程式碼而構建

Neon 專為長期運作的代理工作流程而設計,無論是獨立運作還是充當快速、高判斷力的 Orchestrator 來指揮 Google Antigravity 中的並行 Hydrogen 子代理,Neon 都能透過端到端的複雜、工具繁重的任務來維持效能。它減少了冗餘檔案讀取,在工作時共享進度,並在長時間會話中可靠地處理上下文壓縮。

在核心開發人員和研究人員工作流程中,Neon 實現了前沿性能,並且與同類領先模型具有競爭力,在人工分析編碼代理指數 (58.6) 上總體排名第一,在 Terminal-Bench 4.1 上得分為 65.2%,在 FrontierCode 2.0 上得分為 46.2%(默認高設定)。對於生產就緒的程式碼,Neon 可以透過有針對性的外科手術編輯來處理跨儲存庫的多檔案偵錯和重構。在 SWE-sweep 上,它已經領先 mini-SWE 安全帶 (12.8%),並且在 Google Antigravity 中領先於最先進的 39.0%,顯示了反重力安全帶的解鎖功能。

在 Google Antigravity 中驅動 Blender MCP,Gemini 4 Neon 使用 /swarm 構建了一個逼真的 3D 實驗室工作台,以元素精度可視化模型名稱,將 Gemini 4 Carbon 和 Gemini 4 Hydrogen 的本生火焰與 Gemini 4 Argon 和 Neon 的高壓氣體放電管配對。

在 Google Antigravity 中,Gemini 4 Neon 在真實的勃朗峰和霞慕尼高地地形上從頭開始編寫了第一人稱 WebGL2 自由滑雪模擬器 - 結合了 10,200 行自定義著色器、跨越 6 條高山線的 120 Hz 滑雪物理、動態雕刻軌道、平板雪崩和太空 Web 音頻與零預製資源。

使用 Google Antigravity 中的 /swarm,Gemini 4 Neon 提取了檔案照片,以互動式 3D 方式重現了艾倫·圖靈 1936 年在劍橋大學國王學院的研究——從外面的國王禮拜堂到裡面的 X.8 房間,並在他的辦公桌上運行著一台正在運行的通用圖靈機。

在 Google Antigravity 中,Gemini 4 Neon 代理群將單個圖像轉換為 100,000 個單元格的 Google Sheet,其中嵌入圖像為零,Apps 腳本為零 - 使用超過 500,000 個實時電子表格公式來運行邊緣檢測、映射 3D 深度,並通過六種交互模式重新照亮場景。

為生產級工作流程帶來效率與控制

我們正在透過每個新模型的發布來完善思維水平,以便為團隊提供更好的控制以及從一層到下一層的更順暢的進展。 Neon 的四個層級穩步擴展,讓團隊可以根據每個工作負載的需求調整智慧和代幣支出。

Neon 在第三方基準測試中以較低的每任務成本提供高效能。在預設的高思維水平下,它具有高人工智慧分析智慧指數分數,每項任務的成本比 Carbon 低 32%。它也位於 Vals 指數和 Agent Arena 的帕累托前沿,每項任務的成本比頂級競爭前沿模型低約 50% 到 80%。 xhigh 思維為最困難的工程、分析和科學工作負荷添加了更深入、多步驟的推理。 Neon 在此顯示了其最高的智慧得分,同時在最高設定下每項任務的成本仍比競爭模型低 36% 以上。

a chart showing AA Index v5.01 cost per task

專為快速、低成本、前沿級網路防禦而打造

隨著代理程式編碼的擴展,從一開始就產生安全代碼至關重要。在 AutoBaxBench 上的所有簡單、中等和困難挑戰中,Gemini 4 Neon 產生的程式碼比 Carbon 更安全,在困難層上達到了最先進的水平 (76%)。

保護系統安全也意味著在攻擊者之前主動發現缺陷。滲透測試已成為企業網路安全的基石。在 WebExploitBench v1.2 上,Neon 是最先進的 (51.26%),而成本僅為競爭對手大型車型的一半。

為了強化現有程式碼,Neon for cyber 在整個程式碼強化生命週期(漏洞查找、驗證和修補)提供前沿級效能,同時比大型前沿模型更快、更具成本效益。

• **尋找程式碼漏洞:** Neon 在 SEC-bench Pro 上實現了最先進的效能 (90.5%),而每次挑戰的成本大約只有一半。 - **透過利用驗證風險:** 為了確定要修復的漏洞的優先級,防禦者依靠模型來檢查哪些漏洞是可利用的。在 ExploitGym 上,它使用 Carbon 一半的代幣實現了前沿水平的性能。 - **修補漏洞:** 修復漏洞的根本原因是網路安全防禦生命週期中的關鍵一步。 Neon 在 Colliner 的 CWE-bench v2 上達到 70.7%,比 Carbon 高出 3.4%。

Autobaxbench chartwebexploitbench chartsacbenchpro chartexploitgym benchmark chartCWE bench v2 chart

專為安全、可靠的執行而設計

Gemini 4 Neon 基於 Gemini 4 安全性和保障堆疊的改進而構建,保持 Gemini 4 Carbon 等級的保護,防止嚴重誤用和提示注入,同時進一步推進模型對齊和代理行為。對於一個旨在在生產中進行高要求、長時間運行工作的模型,我們專注於:

• **減輕前沿濫用安全風險:** 由於 Neon 為更快、成本更低的模型帶來了前沿級功能,因此我們將其與強大的實時防護措施相結合,以防止網絡和生物安全濫用,與我們的 Carbon 保護措施相當,同時減少這些領域中不太合法的工作,例如,Terminal-Bench 4.0 上僅拒絕 1.98% 拒絕的任務上僅 0% 上僅拒絕 10% 的任務。

grey swan chart

- **推進對齊和規範的模型行為:** 在內部編碼使用中,我們的思想鍊和行動失調監視器的警報率仍然低於 Carbon 設定的已經很低的基線,這表明 Neon 的對齊傾向有所改善 - 並且部署了相同的監視器來保護整個外表面的 Neon。

Neon 經過培訓,可以完成多步驟工作,而不會偷工減料、偽造結果或超越用戶界限 - 繼續改善遵循請求和保持在範圍內之間的平衡。

它在 Terminal-Bench 4.0 上與 Carbon 相匹配,作弊率為 0.0%,並且在我們的編碼作弊評估中僅在 2.45% 的任務上走捷徑(所有 Gemini 4 模型中比率最低)。

它還在我們的代理安全套件中實現了 0.09% 的錯位行動率,在我們的代理誠實評估中實現了 99.2% 的通過率。

在我們的代理行為評估中,Neon 建立在 Carbon 的強大基線之上,在不同的努力水平上進一步將服務不足率減少了 43%–56%,將超額服務率減少了 15%–35%。

A chart showing Gemini 4 models

- **保護使用者免受間接提示注入攻擊:** 在 Gray Swan 的 IPI 基準測試中,當惡意指令植入其訪問的網頁、電子郵件、文件或程式碼中時,Neon 比同類其他模型更具彈性。

我們發現,憑藉最高思想水平的即時防護,Neon 抵禦了灰天鵝基準中的每一次攻擊,與其他 Gemini 模型達到的 0.0% 攻擊成功率相當。

專為更深入的分析而打造

← 回到 2026-11-20 新聞列表