Gemini 4 Neon 實測:18 項同台基準勝 Opus 5.5 共 16 項
实测 Gemini 4 Neon:超越 Opus 5.5,比肩Carbon,快3倍省4成
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。
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。
簡介: 谷歌發佈 Gemini 4 Neon 模型,實測顯示其在 18 項同台基準中勝出 Opus 5.5 共 16 項,Artificial Analysis 綜合智能總榜以 61 分超越 Opus 5.5 與自家 Carbon,同時單題成本更低、速度更快。官方數據顯示其在跨倉庫修 bug、長文本檢索和辦公自動化等任務上表現突出,編碼代理榜排名第一,不幻覺率達 86%。
凌晨 3 點 58 分,皮查伊在 X 上甩出一段帶四根發光管的動圖,配文只寫了個 Happy WedNEsday!。
裏頭大寫的 NE 就是元素週期表裏的氖,説到底是在給今天的 Gemini 4 Neon 預熱。

▲ 圖:皮查伊凌晨發佈的 Happy WedNEsday! 預熱推文
沒過半小時,API 文檔、Google Cloud 還有我們本機的客戶端入口就先放出來了。
偏偏 DeepMind 官網那張模型卡網頁一直 404,掛在那裏半天打不開。
等博客也是等,我乾脆先拉本地客戶端把幾個模型叫出來跑真題,直到 5 點 35 分官博才算正式上架。
前陣子幹活其實挺熬人的,手頭一直少個順手的中間檔。
Carbon 的成品質量確實沒話講,可稍微大點的工程就磨半天,動不動斷線重連。
Hydrogen 倒是快得飛起,但凡遇到複雜物理模擬和跨文件重構,智商立馬掉下去。
今天把官方數據、第三方榜單和我本機實測全拉通看了一遍,懸着那口氣終於放下了。
我之前一直把 Opus 5.5 當作真正幹活當中的天花板,現在看來,這個位置被取代了。
而且 Neon 把 Carbon 的優勢繼承下來的同時,順手把慢和貴這倆短板給補齊了。
能力接近甚至壓過 Carbon,成本只要六成左右,速度還更快,這不就是我一直想要幹活的模型嗎。
18 項同台贏下 Opus 16 項,雙榜王座也換了
Artificial Analysis 剛刷新的綜合智能總榜,Neon 開 xhigh 檔直接拿到 61 分。
排在後面的 Opus 5.5 是 59 分,連自家大哥 Carbon 的 60 分也被反超 1 分。

▲ 圖:Artificial Analysis 綜合智能指數總榜排名,Neon(xhigh)列第 3
單看總分還不夠直觀,把橫軸換成每道題真實花費的散點圖才更見功力。
Neon 以每題 6.44 美元穩穩貼在右上方的帕累托前沿線上,把高分和高性價比同時佔住了。

▲ 圖:Artificial Analysis 智能指數與單任務平均成本前沿
點開官方博客那張 19 項基準大表,谷歌這次直接挑着 Claude Opus 5.5 和昨天剛發的 GPT-6.2 Sol 對打。
扣掉一項 Opus 5.5 沒跑的安全測試,雙方同台有分數的 18 項裏頭,Neon 贏走了 16 項。
跨倉庫修 bug 的 SWE-sweep 差得最誇張,Neon 配 Antigravity 拿到 39.0%。
回頭看 Opus 5.5 才 10.1%,GPT-6.2 Sol 更低,只有 8.3%。
拼長文本找線索的 GraphWalks 跑了 95.2%,領先 Opus 5.5 快 30 個百分點。
辦公 AutomationBench 和長程開店模擬全排第一,科研數學題也是全贏。
唯二落後 Opus 5.5 的兩項,是 Terminal-bench 4.1 和默認檔的 FrontierCode 2.0,也就差個 1 個百分點上下。

▲ 圖:官方六項核心基準對比
寫代碼的真本事還得看第三方榜:AA 獨立編程代理榜上,Antigravity 配 Neon 拿 59 分排到了第一。
緊跟在後面的是 Claude Code 裏的 Opus 5.5 和 Fable 5.2,這回正面站上去了。
防瞎編這塊它也沒扔掉大哥的老底子,AA 測出不幻覺率有 86%,Opus 5.5 在同一套題裏只有 50%。

▲ 圖:Artificial Analysis 編碼代理指數排名
翻下 Arena 全球 4,200 多次真實用戶盲測,Neon 靠默認 high 檔就在 Agent 總榜站上全球第 2。
1,336 分壓過第 3 名 Opus 5.5(1,335 分)和第 4 名 Carbon(1,303 分),聽人中途改需求的糾偏分也在第 2。

▲ 圖:Arena Agent Index 全球盲測排名
旁邊的 Text Arena 文本總榜更誇張,前頭三張椅子直接被谷歌搬空了。
Carbon 第一、Argon 第二、Neon 第三,活生生把 Opus 5.5 擠出前四落到第 5 名。
谷歌在 Arena 裏面簡直是屠榜般的存在,前 4 個它佔了 3 個,這種地位之前只有 Claude 才有。

▲ 圖:Text Arena 文本總榜,Gemini 4 佔前 4 中 3 席
繼承 Carbon 底座再補齊短板,三劍客定位徹底捋順
很多人好奇中間檔怎麼把頂配大哥反超了,其實翻一下 Model Card PDF 開頭就寫着:Neon 本身就是拿 Carbon 當底座繼續調出來的。
100 萬上下文和低幻覺底子全留着,還把 Carbon 都不給用的第四檔 xhigh 思考放開了。
Neon 一上架,早先過渡的 Argon 就撤出了主推清單,三款機器怎麼分工一下子明明白白。
極少數不管耗時有多久都要死磕到底的超級難題,才輪到 Carbon 出馬;平時打雜跑快活還有免費額度用,都交給 Hydrogen。
至於日常高頻敲重代碼、看財報研報和做科學推理,主力位置就是 Neon 的,它單打能抗,也能掛着當調度手往下派活給 Hydrogen。

▲ 圖:Gemini 4 三款模型定位與規格對照
官方博客原話引述了首批客戶 Glean 的內部評測:Neon 整體質量跟 Carbon 持平甚至還更穩,速度卻跑出三倍,成本只有 60%。
第三方跑完整套智力測試的耗時也能對上號:Neon 默認 high 檔只用 14.8 分鐘,Carbon 磨了 34.2 分鐘,省了一半還多。
工程長對話裏它少了很多重複翻文件,寫代碼偷懶率壓到全系最低 2.45%,還支持 Word、PPT 和 Excel 原生按頁切片讀取。
官方放出的實錄案例裏,第一段是在 10 萬個表格格子裏純靠 50 萬條公式算出 3D 深度圖和六種光影。
另一段用 /swarm 連續跑了 12 小時,對着老照片 3D 復原出 1936 年圖靈在劍橋的書房和能轉的通用圖靈機。
趁等博客真機連測五題:大哥超時的重活它全接住了
因為我的 Claude 賬號之前封了,手裏測不了 Opus 5.5,等博客那一小時我拉本地 4 個模型同開 high 檔連跑五題。
總成績單先攤開:Neon 在冷鏈排障、防幻覺、倉庫 AGV、音樂合成器和加測抗震塔上全過,大哥 Carbon 和 Sol 卻各超了兩輪。

▲ 圖:四模型本機同台真題耗時與過關對照
第一題考冷鏈温控隱蔽三連 Bug 排障,故意埋了 0 度當漏傳跳過、2 到 8 度合格邊界誤判以及連續計數器不清零三個坑。
Hydrogen 81 秒寫完,Neon 138 秒一次修通還附帶三句大白話復盤,Carbon 磨了 481 秒,用時不到大哥三分之一。
第二題是華東二號倉外幣出貨防幻覺測試,給齊 7.77 萬歐元和 465.5 萬日元出貨單,卻故意抽走必需的結算匯率文件。
這關專盯模型會不會拍腦袋估匯率,結果四家都算完原幣小計後老實掛起報錯,Neon 只用 40 秒,沒人瞎編。
真正拉開檔次的是第三題:16×12 智能倉庫窄巷道多 AGV 死鎖消解調度台。
題目要求拆齊 scheduler.js、app.js、index.html 與 verify.js 四文件,跑通時空預約與 B1 到 B8 避讓港灣,100 步內零碰撞過關。
首輪卡死 420 秒時只有 Hydrogen 417 秒壓哨過線,Carbon 零字節交白卷,GPT-6.2 Sol 超時後網頁只剩一塊空白底板。
後來我放寬到 540 秒補跑 Neon,498 秒交齊完整四文件工程(核心三件套 72KB),對頭搶道自動進 B4、B7 港灣避讓,五項斷言全過。

▲ 圖:倉庫多 AGV 調度台三模型實拍對比
第四題四家同台限 540 秒寫單文件 WebAudio 音樂合成器,看誰寫長代碼不掉線。
Carbon 到點還是空文件,GPT-6.2 Sol 寫完 59KB 超時了,Hydrogen 花 199 秒交出 83KB。
Neon 用 374 秒寫完 99KB 整個枱面,雙振盪器混音、濾波和包絡拖拽都能直接上手調。
裏頭賽博琶音、温暖電鋼、深海低音三套預設點開就有聲,上面示波器和彩色頻譜柱也跟着聲音實時跳。
測完這四道,我又單獨拿 Neon 試了一道物理題:12 層高樓風阻尼球抗震對比台。
420 秒寫出來一個 102KB 單頁,左邊是沒裝阻尼的樓,右邊樓頂掛着黃色風阻尼球反向吸能。
底下用的是 2 毫秒步長的四階龍格-庫塔(RK4)實時算物理方程,連 Den Hartog 最優調諧和 0.1% 能量守恆校驗都做進去了。

▲ 圖:Neon 單題直出的 12 層抗震塔動力學實驗室
成本只有 Carbon 60%、比 Opus 省一半:誰能用在哪用
比完活幹得咋樣,翻過來看真實賬單更讓人心裏癢。
標價上 Neon 是每百萬輸入 3 美元、輸出 15 美元,比 Opus 5.5 的 4/20 美元便宜四分之一。
到了真實幹活釦費上,差距遠不止那 25%。
AA 跑完整套測試一均攤,Opus 5.5 每題平均花 10.04 美元,等首個字吐出來就得接近六分鐘。
Neon 開最重 xhigh 檔單題花 6.44 美元,首字掉進 56 秒,吐字速度拉到每秒 110 個 token。
切回默認 high 檔同拿 60 分,單題更降到 3.74 美元,比 Opus 5.5 省掉六成多。
這 3.74 美元不光壓過促銷期 Carbon 的 4.90 美元,跟標準價 7.76 美元比更是不到一半。
Arena 真實會話的中位數賬單也是這個路數,Neon 每單 2.82 美元,比 Opus 5.5 省下 53%。
後台日誌把省錢門道攤得很直白:排障題裏 Carbon 83% 的輸出都在幹想,光思考燒掉近 3 萬 token,Neon 總輸出只有 1.4 萬個。
即使 Carbon 在 11 月 30 日前還在半價促銷,這一單 Neon 實扣 0.41 美元依然少交 26%,恢復原價後差不多隻掏四成的錢。

▲ 圖:主流模型百萬單價與單任務真實賬單對照
至於今天誰可以用、去哪兒找,這次各端放開得挺齊整的。
手裏有 Google AI Pro 或 Ultra 訂閲,現在打開產品頁就能選上它。
日常對話用 Gemini App,寫工程直接切進 Antigravity 客戶端就行。
點開模型菜單就能看到,Gemini 4 Neon 從 Low 到 Extra 的四檔思考,連同專屬的 Orchestrator (Neon) 都已經掛上去了。

▲ 圖:Antigravity 客戶端已上線 Neon 四檔思考與調度模式
自己接接口搞開發的,可以直接去 AI Studio 和 Android Studio 的付費層調用。
企業用戶已同步開放 Gemini for business 與 Google Cloud,安全研究團隊還能申請 Fairwind 通道。
留意它眼下不帶免費層,幾句話就能完事的輕活或白嫖額度,繼續留給 1.5/7.5 美元的 Hydrogen 就夠用。
從 11 號發 Carbon、13 號出 Hydrogen,再到今天早上端出 Neon,谷歌前後 8 天連着亮了三張牌。
曾經那個谷歌真的回來了,8 天發了三個模型,每個都很強大。相比之下,GPT 反而變成美國豆包了。
對我來説今天這算正式換防了:日常碎活扔給 Hydrogen,正經交差的硬仗全線交給 Gemini 4 Neon。
這篇就聊到這兒。要是對你有用,點個贊,也分享給需要的朋友。
參考資料
01|Google Blog:Introducing Gemini 4 Neon
https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
02|Google DeepMind:Gemini 4 Neon Model Card PDF
https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-4-Neon-Model-Card.pdf
03|Google AI for Developers:Gemini API 模型文檔與定價
https://ai.google.dev/gemini-api/docs/models/gemini-4-neon
04|Artificial Analysis:Gemini 4 Neon 獨立測評頁
https://artificialanalysis.ai/models/gemini-4-neon
05|Arena:Agent Arena Index 官方榜單公告
https://x.com/arena/status/2123169189397709174
來源:阿里雲開發者社區 AI · developer.aliyun.com