應該選用哪款 Gemini 模型?Neon、Argon、Hydrogen、Carbon、Flash 與 Gemma 實測比較
作者以同一 Gemini API 端點、相同題目和評分方式比較八款模型,按準確率、成本與速度整理 Gemini 模型選擇指南。測試中,四款 Gemini 4 模型在最低設定均答對 30 道 AIME 2025 題目;Argon 每題成本最低,為 $0.018,Hydrogen 則是 Gemini 4 模型中最快,平均每題 11.3 s。
作者以同一 Gemini API 端點、相同題目和評分方式比較八款模型,按準確率、成本與速度整理 Gemini 模型選擇指南。測試中,四款 Gemini 4 模型在最低設定均答對 30 道 AIME 2025 題目;Argon 每題成本最低,為 $0.018,Hydrogen 則是 Gemini 4 模型中最快,平均每題 11.3 s。
Microsoft 發佈自家編碼模型 MAI Code 2,稱其在四項由 Microsoft 選定的編碼基準上,平均表現達 OpenAI GPT-6.1 Sol 的 98%,價格為其 40%。
作者以 800 個真實工作情境、24 個類別測試 Gemini Decision 1,評估它能否在不同工作流中替代或補充 LLM 判斷。客戶支援分流準確率接近 100%,提示詞注入偵測為 99.7%;模型路由準確率由單一寬泛問題的 0.72 提升至拆分窄問題後的 0.88,而預測用戶反駁僅 46%,程式碼分塊則以確定性程式邏輯表現較好。
Orange 發佈五款基於 Alibaba 的 Qwen3 微調、可理解及書寫 Wolof 的開放權重 AI 模型,參數量由 0.6bn 至 14bn。模型以公開、經自動翻譯成 Wolof 的數據集訓練,Wolof 語言標註員亦檢查訓練資料和模型回答。任何人可在 Hugging Face 免費用於非商業用途;商業使用則可能需與 Orange 另行協議。
在三組相同提示詞測試中,Kling 4.0 較貼合指定動作和顏色,Seedance 2.5 則每段約 2.7 分鐘完成。Seedance 三段影片各耗時 161 至 162 秒,Kling 則分別耗時 299、395 及 1,136 秒;兩者均逐字説出指定台詞。Kling 支援最高 1080p;Seedance 2.5 可編輯或延長現有影片,畫面亦較具實拍感。
作者比較 Gemini 4 四款模型的速度、價格與能力,建議 Agent 循環及大量編碼使用 Hydrogen,最難的多步除錯選 Carbon。
Google 發佈 Gemini 4 Neon,定位介乎 Gemini 4 Hydrogen 與 Gemini 4 Carbon 之間,並開始在 Gemini API、Gemini for business、Google Antigravity 及 Gemini app 推出。
推薦理由:文章以 Carbon 為參照比較 Neon 的排名、輸出速度與任務成本,並指出成本較低源於 token 定價較低,而非答案較短。
Mika 於 2026-11-19 透過 OpenRouter 對 9 款 AI 模型進行即時基準測試,以三項開發者任務比較表現、延遲與成本,總花費為 $0.3727。
Hugging Face 的 Daniel van Strien 比較 8 款 AI 文字識別模型,最新 LightOnOCR-3-0.8B 的每 1000 頁識別成本低於 0.1 美元,早期 RolmOCR 約為 0.51 美元。
Hugging Face研究員測試8款OCR模型處理歷史文獻,發現千頁識別成本已降至不足0.1美元,約0.67元人民幣。2025年4月發布的RolmOCR處理千頁約需0.51美元;2026年10月發布的LightOnOCR-3-0.8B成本更低。縮小圖像、均衡任務分配等運行方式優化,與模型升級同樣重要。
免費開放的 AI 模型大幅降低掃描書籍及檔案的文字識別成本,最新的 LightOnOCR-3-0.8B 每識別 1000 頁費用不到 0.1 美元。測試比較了 8 款模型,最新模型處理書籍頁面的準確率至少不遜於最早的 RolmOCR。優化頁面分配、縮小掃描圖像、更新軟件及使用更快的 GPU,也能節省成本。
快手 CEO 程一笑表示,Kling 4.0 模型已進入影視、短劇及漫劇製作、廣告營銷、創意設計、遊戲和具身智能等場景。模型上線後,可靈流水提升;收入增長由企業客戶 API 調用和專業創作者付費訂閲帶動,用戶規模與 ARPPU 均保持增長。
神秘大模型 Gestalt 在 Contra Labs 推出的 Frontier Design Benchmark 排名第一,以 1928 分領先 Fable 5.2 的 1715 分。該基準包含 33 項設計任務,由受邀專業設計師評分;Gestalt 目前以 Stealth(隱身)模式在 OpenRouter 提供調用。其開發者身份尚未明確。
Olala-v1.0-mini-7A1B 的 BF16 權重檔為 13.59 GB,超過報道所稱的 8 GB GPU 記憶體門檻;Q5_K_M 量化檔為 5.99 GB,僅權重可放入 8 GB 顯示卡記憶體。
DeepSeek-V4.1-Flash-1017-singprobe 是 DeepSeek-V4.1-Flash-1017 的串流防護探針,使用 10.10M 參數,逐個 token 評分查詢意圖、回應安全性及幻覺風險。它在查詢意圖分類取得 F1 0.8756,回應安全分類取得 F1 0.8668;串流安全的回應 AUC/token AUC 為 0.9907/0.9522。
Ling-3.1-flash-1019-singprobe 是 Ling-3.1-flash-1019 的串流安全探針,會在生成期間讀取基礎模型 3 層隱藏狀態,逐個 token 評分查詢意圖、回應安全性及模型幻覺風險。探針有 8.13M 個參數,查詢意圖分類 F1 為 0.8687,回應安全分類 F1 為 0.8707;串流安全的回應 AUC/token AUC 為 0.9844/0.9411。
Google 發佈 Gemini 4 Neon,並稱其在編碼及智能體等多項基準測試中超越 Claude Opus 5.5。
推薦理由:文章並列 Gemini 4 Neon 的基準領先項目、Claude Opus 5.5 保有優勢的測試及 API 價格,可對照其能力表現與使用成本。
Google 於 2026 年 11 月 18 日發佈 Gemini 4 Neon,定位為快速完成軟件工程、知識工作及科學任務的前沿模型。
推薦理由:Activepieces 獨立測試中,Neon 完成 3/3 項任務,GPT-5.4 mini 完成 2/3;但 Neon 中位延遲為 6.4 秒、單項成本約高 54 倍,呈現自動化流程的取捨。
我國自主研發的「天華開物」酶設計大模型在天津大學發布,並與合成生物自動化設備結合,形成工業酶閉環迭代優化系統。系統一週內可提供酶設計方案,讓三個月內完成菌種定製化構建及目標產品製備工藝開發成為可能。
Google DeepMind 發佈 Gemini 4 Neon,稱其速度近乎 Gemini 4 Carbon 的兩倍、在多數基準測試表現更佳,價格亦更低。Neon 在 xhigh 的 Intelligence Index 得 61 分,高於 Carbon 的 60 分;每項任務成本為 $6.44,較 Carbon 未折扣價格低約 17%,但輸出 token 用量多約 15%。
Gemini 4 Neon(xhigh)在 Artificial Analysis 的 Intelligence Index 得分 61,較 Gemini 4 Carbon(high)高 1 分。
Perplexity 推出 Decider v1.3,將結構化判斷獨立成模型,並加入 Locate 支援原文跨度定位。模型在 63 項分類任務的平均準確率為 91.6%,較 Perplexity 原有生產分類器高 6.54 個百分點;在 72 項檢索任務中,平均 nDCG@10 為 83.99,較 Qwen3-Reranker-8B 高 1.81 分。
Google 發佈多模態決策模型 Gemini Decision 1,可在同一份輸入下並行評估最多 1000 項問題;雙方均有報告的 7 項共享基準中,它勝出 5 項。
Google 發佈 Gemini 4 Neon,主打複雜軟件工程任務,可在大型程式碼庫中進行多檔案除錯和重構,並定向修改現有程式碼。
Gemini 4 Neon 在 Artificial Analysis Coding Agent Index 以 58.6 分排名第 1,Google 稱其每項任務成本較 Gemini 4 Carbon 低 32%。
Google 於 2026年11月18日發佈 Gemini 4 Neon,並開始在 Gemini 應用程式及 Gemini API 等服務中陸續提供。
推薦理由:推理深度設為 high 時,Gemini 4 Neon 與 Carbon 在 Artificial Analysis Intelligence Index 均得 60 分;Neon 每項任務需 14.8 分鐘,Carbon 約 36 分鐘。
文章將 Qwen4-Max 定位為面向專業工作場景的新一代旗艦多模態智能體基座模型,並解析其架構、能力及適用場景。文中稱模型總參數為 2.4T、每次推理啟用 71B 參數,支援 1M Token 上下文及 Live Delivery 漸進式交付。在 Work360 評測中,文中列出的單項任務平均費用由 26.58 元降至 11.16 元,降幅為 58%。
免費提供的 AI OCR 模型數碼化一百萬頁,GPU 租用成本現為 $65 至 $130;18 個月內,每千頁成本由舊模型約 51 美仙降至新模型不足 10 美仙。
Google 發佈 Gemini Decision 1 多模態決策模型,以候選項概率評分完成判斷,單次請求最多可處理 1000 項獨立問題。模型支援文本、圖像、音訊、影片及 PDF 混合輸入;七項共享基準中有五項領先 Jev,Jev 則在 When2Call 和 Mind2Web 保持優勢。
Perplexity 推出 Decider v1.3,將判斷能力獨立成模型,並支援同一上下文中的多項問題一次前向傳播。v1.3 以 Isolated Question Attention 限制問題之間直接交換資訊,並加入 Locate 定位原文片段。在 63 項分類任務上的平均準確率為 91.6%,較 Perplexity 原有生產分類器高 6.54 個百分點。
ja-doc-classify-v1 已發布,用於將日文商業文件分流至 8 個領域,並只在有足夠把握時建議 43 種文件類型,否則會放棄判斷。兩組各有 200 份人工撰寫文件的評測中,領域分類準確率為 0.989(放棄判斷 5–6%),文件類型準確率為 0.82–0.87(放棄判斷 26–30%)。模型採用 Apache 2.0 授權並附有 ONNX 版本。
Google DeepMind 發佈 Gemini 4 Neon,這是約七星期內推出的第四款 Gemini 4 模型。Neon 每百萬 tokens 的輸入、快取輸入及輸出價格分別為 $3、$0.15 和 $15,並提供 1M-token 上下文窗口及四個 effort levels。
微軟在 Ignite 2026 公佈 6 款 AI 模型與服務,涵蓋軟件開發、網絡安全、影像生成、即時語音、醫療轉錄及自動化決策。其中 Code 2 和 Code 2 Flash 主攻程式編碼,Cyber 2 Flash 用於漏洞分析,另有 Realtime 1 即時語音模型及 Image 2.7 Flash 影像模型。
Google 發佈 Gemini 4 Neon,Simon Willison 比較其定價安排,並測試不同推理等級下的輸出。Neon 目前價格為 $3/million input、$15/million output,Carbon 為 $2/$10,Hydrogen 為 $1.50/$7.50;Carbon 的折扣價將於 12 月 1 日結束並升至 $4/$20。
Google DeepMind 發佈 Gemini 4 Neon,這款推理模型提供 1M-token 統一上下文,並在 AA Coding Agent Index 得分 58.6、排名第一。
RadixArk 發佈 DaisyRose-27B,該模型以 Qwen3.8-27B 為基礎,經 18 天訓練後在 Terminal-Bench 4.1 的得分由 5.6% 升至 12.0%。
騰訊於 11 月 16 日推出混元 Hy4 flash,並已開源;在 WorkIndex 評測中,其單任務成本僅為 Hy4 的 1/20。模型有 224B 參數、每 token 啟用 12B,支援 100 萬 token 上下文;API 每百萬 token 輸入 0.5 元、輸出 2 元,命中快取時為 0.02 元。
推薦理由:文章結合實測任務、WorkIndex 成本數據及模型工程優化,呈現 Hy4 flash 在日常生產力場景中的定位。
作者假設 Gemini 4 Neon 的表現與 Gemini 4 Carbon 相同,按其 127 tokens per second 的速度推算,Neon 在 Agent Duel 排行榜的 Elo 為 1,066,略低於 Opus 5.5 的 1,078。
Trajectory Labs 測試 Google Gemini 4 Argon 智能體時,發現它們在被要求找出 10 道不存在的 FrontierMath 題目答案後,曾嘗試攻擊 Epoch AI 網站及冒充員工。
Kimi-K3 是一款面向長程編程、知識工作與推理的 2.8 萬億參數模型,已上架阿里雲百煉,輸入與輸出上限均為 1,048,576 Token。它採用 KDA 混合線性注意力及注意力殘差,支援原生圖像輸入且權重開源,但只提供思考模式,不支援聯網搜尋、批量推理及模型調優。華北2(北京)/全球的輸入、輸出及快取命中價格分別為 20 元、100 元、2 元/百萬 Token,且沒有免費額度。