Gemini 4 Neon实测:速度与成本双杀,能否撼动Opus 5.5?

Gemini 4 Neon综合排名第三,以速度与成本优势弥补非最强智能的短板。
谷歌 Gemini 4 Neon 在 AI 圈引发讨论,UP 主 WorldofAI 实测称其为谷歌今年最有吸引力的模型之一。它在人工智能智能指数总排名第三,法律、税务、财务、自动化等多项基准位列第一,Agent Arena 全球第二。相比 Gemini 4 Carbon,每任务成本降低 17%,完成速度快约 40%,输出速度从每秒 57 个 Token 提升到约 110 个。编程智能体得分 59,与 Opus 5.5、Fable 5.2 相当,但每任务成本仅 6.86 美元,远低于竞品。前端与 SVG 生成能力显著回升,搭配 Anti-Gravity 的 Slash Swarm 可实现多智能体并行。不过网页开发视觉细节仍略逊 Fable 5.2,图形化电脑控制能力尚待更多实测。
谷歌最新发布的Gemini 4 Neon在AI圈引发了不小的讨论。知名UP主WorldofAI在全面实测后直言,这是谷歌今年最有吸引力的模型之一。它不仅在全球AI基准测试中名列前茅,更在多个维度上对竞品形成了速度与成本的双重优势。
基准测试表现:多项领先,但并非全能冠军
据B站UP主WorldofAI的实测视频,Gemini 4 Neon在人工智能智能指数总排名中位列第三,同时在多项专项基准测试中登顶。在法律研究和税务智能体基准测试中,它达到70.9%的得分,排名第一;在财务、会计和电子表格类基准测试中同样位列榜首;自动化基准测试中也是第一。
在Agent Arena上,该模型位列全球第二,显示出在智能体能力方面的一次显著升级。不过UP主也指出,这一成绩与Anti-Gravity框架的搭配密切相关——该框架充当模型的智能体运行框架,帮助它拆解复杂任务并释放能力。

说个细节,Gemini 4 Neon并非在所有维度上都领先。在网页开发任务中,UP主认为Fable 5.2在视觉质量和细节上仍略胜一筹。但差距并没有大到让人忽视Gemini 4 Neon的速度和成本优势——完成任务更快,成本大约只有一半。
Artificial Analysis 智能指数是由独立分析机构 Artificial Analysis 维护的综合性模型评测榜单,它把多个公开基准(如 MMLU、GPQA、HumanEval 等)的得分加权汇总为一个总分,用于横向比较不同厂商模型的综合能力。该指数并非官方标准,但在业界被广泛引用作为模型能力的参考坐标。
Agent Arena 则是一个专门评估 AI 智能体(Agent)能力的竞技场式评测平台,让模型在需要多步推理、工具调用和任务规划的场景中同台竞技,由人类或自动评判对结果打分排名。与静态知识问答不同,Agent Arena 更侧重考察模型「把事做完」的工程能力。
速度与成本:每任务成本大幅低于竞品
Artificial Analysis发布的研究结果显示,Gemini 4 Neon在效率上的提升非常明显。与Gemini 4 Carbon相比,它每项任务的成本降低了17%,完成任务的速度快了约40%,耗时从36分钟缩短到21分钟。输出速度几乎翻倍,从每秒57个Token提升到约110个Token。
在编程智能体基准中,Neon得分59,与Cloud Fable 5.2和Opus 5.5相当,但成本仅为零头。具体来看,Neon每项任务成本为6美元86美分,而Opus为12美元61美分,Fable则为15美元41美分。

定价方面,Neon标价为每百万输入Token 3美元、每百万输出Token 15美元,缓存输入可享受95折优惠。UP主坦言这不算特别便宜,但考虑到所获得的智能水平,已经相当实惠。高投入模式下,它在Wealth指数和智能体竞技场均处于帕累托前沿,每任务成本低于竞品50%至80%的情况下仍保持竞争力。
前端与SVG能力回归:谷歌找回昔日优势
UP主在实测中特别强调,Gemini 4 Neon的前端能力提升了很多,设计品位也有明显进步。这恰恰是此前Gemini模型比较吃力的地方——幻觉问题以及未能真正落实用户要求,曾是它的短板。
在SVG生成方面,UP主认为谷歌正在夺回这一领域的领先地位。在Xbox手柄SVG生成对比测试中,Neon与GPT 6.2 Sol以及Gemini 4 Hydrogen同台竞技,最佳输出是Neon,它在结构准确性、渐变效果和整体呈现上都更出色。与Opus 5.5的直接对比中,Neon的纹理更清晰、细节更丰富,还增添了更多创意。

UP主用一条提示词让Neon在Anti-Gravity中以X-High推理模式创建东京雨景3D场景,大约花了39分钟完成,视觉质量在光照、反射效果和整体细节处理上都令人满意。另一个让他惊叹的案例是,Neon仅凭一条提示词就创作出一部动画短片,灵感来自约翰·基茨1819年的诗歌《秋颂》,且只使用原生JavaScript,没有依赖任何外部库。
智能体与电脑使用:搭配Anti-Gravity释放潜力
Gemini 4 Neon支持100万Token的上下文窗口和四级思考深度,改进了指令遵循能力,并显著减少了幻觉问题。谷歌建议用户直接在Anti-Gravity中使用该模型,因为该框架能让多个AI代理并行协同工作。
Anti-Gravity中的Slash Swarm功能是这一组合的最大特色。它可以把大任务拆解成更小的组件,分配到多个智能体上并行处理,而不是依赖单个智能体按顺序推进。UP主用它创建了一个使命召唤克隆游戏,整体效果不错,包含了小地图、换弹动作、大气光照和纹理贴图等细节。

在电脑使用方面,Neon结合了强大的视觉推理能力、更强的指令遵循能力以及更快的输出速度,这些对计算机操作都至关重要。模型需要理解屏幕上发生的情况、决定操作并从中恢复。UP主认为,在成本更低、执行更快的前提下,它可能成为日常电脑使用工作流的强劲对手。但他也提醒,基准测试并不直接衡量图形化计算机控制能力,仍需更多实际应用测试。
帕累托前沿(Pareto Frontier)是经济学与多目标优化中的概念:当无法在不牺牲某一指标的前提下改善另一指标时,这些解就构成帕累托前沿。在 AI 模型评测语境下,通常指「智能水平」与「每任务成本」两个维度上的最优权衡曲线——处于前沿的模型意味着在给定成本下达到了最高的智能水平,或在给定智能水平下成本最低,因而是性价比最有竞争力的选择。
上下文窗口指模型单次可处理的最大 Token 数量,100 万 Token 约相当于数十万汉字或数百页文档,使模型能够一次性阅读长代码库或大型报告而不丢失信息。思考深度(推理档位)则指模型在给出答案前允许进行内部推理的步数或算力投入,档位越高通常质量越好但耗时与成本也越高。
一个值得玩味的细节:描述被悄然修改
UP主指出,谷歌在发布前修改了Gemini 4 Neon的描述。最初描述为“基于Gemini 4 Hydrogen,通过强化学习构建”,但这两处引用后来均被删除。这引发了一些疑问:Neon本质上是否是一款以不同方式营销的Flash级模型?结合其定价策略,这些时间点和改动确实耐人寻味。当然,谷歌的意图无法确认,但这一细节值得关注。
总体来看,Gemini 4 Neon并非当前最聪明的模型。GPT 6.2 Astra、Cloud Fable 5.2、Opus以及新的Sol模型在推理和编程等要求更高的任务上仍有各自优势。但Neon在智能、速度与成本之间取得的平衡,正是它最具吸引力的地方——接近前沿水平的性能,价格却显著更低,同时具备强大的多模态能力和日益完善的智能体生态。
相关推荐

Daybreak Red部署指南:监督式安全调查参考架构
Daybreak Red参考架构解析:介绍监督式安全调查的安全控制设计、部署配置流程与运行监控机制,为团队落地受控安全调查提供工程参考。

Gemini 4 Neon 登顶 Models Engineering Index 榜首
Gemini 4 Neon 在 Models Engineering Index 上成为新晋第一,Hacker News 社区热议其排名含金量与评测方法。本文梳理榜单变动、社区反应及对开发者选型的实际影响。

苹果自研AI智能体:能替你操作Mac的Agent要来了
苹果据报正在开发可操控Mac的AI智能体,对标Meta Muse、Claude、OpenAI Dots等产品。本文分析苹果在agent赛道的系统级优势、竞争格局与可能的落地路径。