Google DeepMind 推出 Gemini 4 Neon,輸入 token 每百萬 $3 起
Google DeepMind 正在推出 Gemini 4 Neon,定位為面向編碼、研究和商業工作的低成本前沿 AI 模型。輸入 token 定價為每百萬 $3,快取輸入 token 每百萬 $0.15,輸出 token 每百萬 $15,並提供 1 million-token 上下文窗口。
Google DeepMind 正在推出 Gemini 4 Neon,定位為面向編碼、研究和商業工作的低成本前沿 AI 模型。輸入 token 定價為每百萬 $3,快取輸入 token 每百萬 $0.15,輸出 token 每百萬 $15,並提供 1 million-token 上下文窗口。
Qwen3.8-2.4T-A95B 是可下載、可改造的開源旗艦底座,主要面向數據須留在自有環境或需要自行調整模型的情境。開源版為純文本、全思考模式,原生上下文為 262,144 Token;API 版另有視覺輸入、非思考模式及官方內置工具。文章指出,BF16 權重約 4.89 TB,單機載入不現實;專有 Qwen3.8-Max License 設有品牌標註與服務授權門檻。
文章介紹 Qwen-Image-3.0 與 qwen-image-3.0-pro 的定位、能力、適用場景及價格。模型支援最多約 4.5k token 輸入、10px 小字渲染、文生圖、圖生圖和圖像編輯;華北2(北京)原價中,Standard 的 1K、2K 輸出均為 0.18元/張,Pro 則分別為 0.25元/張和 0.50元/張。
Qwen-Audio-3.1-Realtime 是端到端全雙工語音大模型,支援文本與音訊輸入輸出、可打斷對話、Function Calling 及聯網搜尋,提供 Flash 和 Plus 兩個版本。
Google 推出 Gemini 4 Neon,作者主張這款中階模型更適合承擔開發者日常的高頻編碼工作。
阿里雲開發者社區文章介紹 Qwen3.8-Max 的定位、能力及計費方式,稱其面向複雜長任務與智能體開發。文中列出 2.4萬億參數 MoE 架構、百萬 Token 上下文、原生文字、圖片及影片輸入,以及工具調用能力。文章亦介紹按量 API 計費,輸入及輸出分別為 12 元和 36 元/百萬 Token;個人版 Token Plan 月費為 39 至 312 元。
Gemini 4 Neon 在 Gemini API 的 Standard 方案中,每百萬輸入 tokens 收費 $3、輸出 tokens 收費 $15,1,048,576 tokens 上下文窗口內採固定費率。
Gemini 4 Neon 的 Standard 層每 1M 輸入 token 收費 $3、每 1M 輸出 token 收費 $15,思考 token 按輸出費率計算,並沒有免費 API 層。
Gemini 4 Neon 的 Standard 價格為每百萬輸入 token 3 美元、輸出 token 15 美元,文章並計算常見請求的單次成本。Batch 和 Flex 價格減半,Priority 每百萬輸入 token 5.40 美元、輸出 token 27 美元;思考 token 按輸出價格計費,Standard 的快取輸入則為每百萬 token 0.15 美元。
Artificial Analysis 的比較顯示,Gemini 4 Neon 在 Intelligence Index 僅落後 Claude Fable 5.2 和 GPT-6.2 Astra。其編碼能力媲美 Opus 5.5,成本則低得多。
Google 發佈中階模型 Gemini 4 Neon,稱其完成大部分任務的速度約為 Gemini 4 Carbon 三倍,成本低約 60%。Google 公佈的基準測試顯示,Neon 在部分任務超越 Carbon;Artificial Analysis 的 Intelligence Index 評分為 61,排名第三。
推薦理由:文章並列 Google 自行公佈的基準測試、Artificial Analysis 的 Intelligence Index 評分及同級模型定價,呈現 Neon 的效能表現與成本定位如何相互比較。
Google 正式上線 Gemini 4 Neon;它在 Artificial Analysis 編程 Agent 榜取得 58.6 分,排名第一。Google 稱它在與 Claude Opus 5.5 和 GPT-6.2 Sol 的 19 組比較中,有 16 組取得最高成績。
推薦理由:文章並列 Neon 的編程榜排名、單次任務成本與 Antigravity 的多 Agent 分工,呈現其表現與任務開支的比較脈絡。
Gemini 4 Neon 以高頻複雜工作為定位,本文透過基準、API 定價和 Orchestrator 工作流分析其取捨。
推薦理由:文章按基準測試條件拆解 Gemini 4 Neon 的表現,並比較 Carbon 調價前後的任務成本,説明評測框架與計費假設如何影響選型。
Google 推出 Gemini 4 Neon 付費 API,定價較 Claude Opus 5.5 低 25%,並提供 1 百萬 tokens 上下文窗口。每百萬 tokens 輸入及輸出價格分別為 $3 和 $15,較 GPT-6.2 Sol 與 Claude Sonnet 5.5 高 50%;文章建議以每項任務成本,而非 token 單價評估是否划算。
推薦理由:文章並列 API 單價、基準成績與每項任務成本,呈現比較 Gemini 4 Neon 時,為何不能只憑 token 價格判斷是否划算。
文章比較 GPT-6.2 Astra 與 GPT-6.2 Sol 的基準表現和 API 定價,兩者在 Cognition FrontierCode 2.0 均有 48.2% 通過率。
推薦理由:文章並列編碼基準、ARC-AGI-3 表現差距與 API 成本,亦提供按驗收任務核算支出的思路。
Gemini 4 Neon 在 Hacker News 引發對 Google AI 模型系列和價格的討論,有用戶表示難以分辨 Carbon、Argon、Neon 和 Hydrogen 的適用情況。留言稱 Carbon 和 Argon 現價均為 $2、兩週後升至 $4,Neon 為 $3;另有用戶表示 Argon 似乎已從聊天介面中移除。
地平線機器人實驗室於 11 月 18 日發佈原生視頻幾何基礎模型 LoFT,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復場景三維結構。模型訓練數據包括約 297 萬條有效訓練序列和 9.62 億幀圖像記錄;在 SpatialBench、ClassicBench 和 VRBench 的多項深度估計指標上達到 SoTA。
阿里雲百煉上線 Qwen4-Max 預覽版,並接入 Token Plan 訂閲服務,從未購買過 Token Plan 的新帳號首購套餐可享 5 折。優惠至 11月30日,Lite 折後每月 19.5 元、含 20000 Credits,Essential 折後每月 39.5 元、含 45000 Credits。
作者實測 Gemini 4 Neon,稱它在與 Opus 5.5 同台的 18 項基準中勝出 16 項。Artificial Analysis 綜合智能榜中,Neon 的 xhigh 得 61 分,高於 Carbon 的 60 分及 Opus 5.5 的 59 分;預設 high 檔平均每題成本為 $3.74,低於 Opus 5.5 的 $10.04。
推薦理由:文章結合第三方基準、作者本機任務與單題成本比較,呈現 Gemini 4 Neon 在編碼表現、速度和費用上的差異。
阿里雲通義千問推出 Qwen4‑Max 預覽版,提供 100萬 Token 上下文窗口及文字、圖片、影片輸入,主打複雜編程、智能體長鏈路任務和專業辦公。預覽版只可透過 Token Plan 訂閲調用;新用戶可領取超7000萬免費 Tokens,Lite 個人方案首購 5 折後為 19.5 元/月,模型調用另有短期 2 折優惠。
Japan Open Data Lab 發佈 ja-pii-ner-v1,可在瀏覽器或本機 CPU 偵測日文文本中的 18 類個人資料。模型有 111M 參數;在 10,001 份合成文件的測試集上,span F1 為 0.9770,並在 2,068 份不含個人資料的文件中錄得 0 次誤報,ONNX fp32 每份文件的推理時間為 224 ms。
Gemini 4 Neon 的價格為每 1M input tokens $3、每 1M output tokens $15。該模型定位介乎 Hydrogen 和 Carbon 之間,並取代 Gemini app 中的 Argon。
Google 推出 Gemini 4 Neon,主攻複雜編程、科學研究及企業工作流程,並已向開發者、企業及部分付費訂閲用戶開放。Neon 在最高 xhigh 檔位的 Artificial Analysis 編程智能體指數以 58.6 分排名第一,超越 Claude Opus 5.5;智能指數則以 61 分排名第三。
Google 於 2026年11月18日推出 Gemini 4 Neon,面向開發者、企業及付費訂閲用戶,主攻複雜編程、科學研究與企業工作流程。模型支援100萬token上下文,可處理多模態數據,推理級別分為 Low 至 xhigh 四檔;API 輸入/輸出費用分別為每百萬 token 3 美元/15 美元。
Google 推出 Gemini 4 Neon,主攻複雜編程、科學研究和企業工作流程,並已開始向開發者、企業及部分付費訂閲用戶開放。在最高 xhigh 檔位下,模型於 Artificial Analysis 編程智能體指數以 58.6 分排名第一,智能指數則以 61 分排名第三;預設 high 思考檔位下,相關測試的單任務成本比同系列 Carbon 低 32%。
推薦理由:材料把公開基準排名、相對 Carbon 的成本差異及早期內部速度比較分開呈現,讀者可辨別不同評估條件下的性能資訊。
地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,重建場景三維結構。訓練數據包括約 297 萬條有效序列及 9.62 億幀圖像記錄;在 SpatialBench、ClassicBench 和 VRBench 評測中,LoFT 多項深度估計指標達到 SoTA。
地平線機器人實驗室發佈原生視頻幾何基礎模型 LoFT,面向連續視頻建模,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復三維場景結構。模型採用雙循環 Transformer 架構,訓練數據集約有 297 萬條序列、9.62 億幀圖像。LoFT 在 SpatialBench 等三大評測體系中的多項深度估計指標達業界最優(SoTA),適用於機器人感知、自動駕駛及室內環境重建等場景。
地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,以恢復場景三維結構。LoFT 在 SpatialBench、ClassicBench 和 VRBench 評測中與 VGGT-Ω、DA3-Giant 等模型比較,並在多項深度估計指標上達到 SoTA。該模型面向連續影片建模,可用於機器人空間感知、環境理解與具身學習。
RadixArk 發佈首個模型 DaisyRose-27B,基於 Qwen3.8-27B,經強化學習訓練後,在 Terminal-Bench 4.1 的 pass@1 由 5.6% 提升至 12.0%。
VIDRAFT 開發的 AI 天氣預測引擎 Darwin-Prediction-Weather,在涵蓋 24 個城市、為期約 9 個月的研究中,於全部 28 個預測類別擊敗 8 款天氣預測模型。7 天最高氣温預測的 RMSE 為 2.08°C,較排名第二的 ECMWF AIFS 低 14.0%。目前尚未公開提供使用,亦未公佈 Hugging Face 模型卡、GitHub 儲存庫或公開 API。
谷歌發佈 Gemini 4 Neon,模型在 Artificial Analysis 智能指數以 xhigh 推理強度取得 61 分,總榜排名第三,比 Gemini 4 Carbon 高 1 分。
推薦理由:文章對照 Artificial Analysis、Arena 和 Vals AI 的排名,並列出 Neon 與 Carbon 的任務成本差異,提供模型表現與成本的比較依據。
Google 發佈 Gemini 4 Neon,並開放世界模型 Genie 4 使用。Neon 速度為 Carbon 的 3 倍、成本為其 60%,上下文窗口為 100 萬 token(https。
推薦理由:文章並列 Gemini 4 Neon 的速度、成本與評測數據,以及 Genie 4 的互動能力和開放安排,呈現 Google 兩項產品更新的不同重點。
Cloudflare 發佈 27-billion-parameter Clairic 與 9-billion-parameter Clairic-flash,開放模型權重並可在 Hugging Face 取得,同時提供 Workers AI 託管端點。
Google 於 2026 年 11 月 18 日發佈 Gemini 4 Neon,文章整理其價格、基準表現和轉用前的成本檢查方法。
GPT-6.2 發佈後,開發者與媒體指出 Astra、Sol 出現回答難懂、任務中止或停滯等問題,OpenAI 的使用指南則提供三段提示詞作補救。
推薦理由:文章並列開發者實測、第三方評測與 OpenAI 模型卡數據,呈現 GPT-6.2 Astra 的基準表現與開發者實測口碑之間的落差。
Google DeepMind 發佈 Gemini 4 Neon;Neon (xhigh) 的 Intelligence Index 得分為 61,較 Gemini 4 Carbon (high) 高 1 分。
Google DeepMind 發佈 Gemini 4 Neon,面向複雜軟件工程、知識工作及科學工作流程,主打快速端到端任務處理。它在 Artificial Analysis Intelligence Index 的 xhigh thinking level 排名第 3、得分 61,並在 Vals Index 排名第 2、得分 70.9%。
推薦理由:Gemini 4 Neon 同時面向編碼、企業分析、科學工作與網絡安全,並列出多項基準成績及不同思考層級的成本比較,呈現能力與效率的取捨。
Google 發佈 Gemini 4 Neon,主打在複雜軟件工程、知識工作及科學工作流程中快速完成端到端任務。
推薦理由:文章並列 Neon 在多項基準的表現與每項任務成本,對照 Carbon 及其他前沿模型,呈現不同 thinking level 下的能力與效率取捨。
Hacker News 討論帖分享了 blog.google 上的 Gemini 4 Neon 連結。留言有人稱它是中型模型,表現只遜於 fable;亦有人表示,不確定不同 Gemini 模型應如何按任務選用。
Google 推出 Gemini 4 Neon,主打在編碼、知識工作及科學領域快速完成端到端任務。Gemini 4 Neon 已在 API、Antigravity 及 Gemini app 提供。