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。
简介: 谷歌发布 Gemini 4 Neon 模型,实测显示其在 18 项同台基准中胜出 Opus 5.5 共 16 项,Artificial Analysis 综合智能总榜以 61 分超越 Opus 5.5 与自家 Carbon,同时单题成本更低、速度更快。官方数据显示其在跨仓库修 bug、长文本检索和办公自动化等任务上表现突出,编码代理榜排名第一,不幻觉率达 86%。
凌晨 3 点 58 分,皮查伊在 X 上甩出一段带四根发光管的动图,配文只写了个 Happy WedNEsday!。
里头大写的 NE 就是元素周期表里的氖,说到底是在给今天的 Gemini 4 Neon 预热。

▲ 图:皮查伊凌晨发布的 Happy WedNEsday! 预热推文
没过半小时,API 文档、Google Cloud 还有我们本机的客户端入口就先放出来了。
偏偏 DeepMind 官网那张模型卡网页一直 404,挂在那里半天打不开。
等博客也是等,我干脆先拉本地客户端把几个模型叫出来跑真题,直到 5 点 35 分官博才算正式上架。
前阵子干活其实挺熬人的,手头一直少个顺手的中间档。
Carbon 的成品质量确实没话讲,可稍微大点的工程就磨半天,动不动断线重连。
Hydrogen 倒是快得飞起,但凡遇到复杂物理模拟和跨文件重构,智商立马掉下去。
今天把官方数据、第三方榜单和我本机实测全拉通看了一遍,悬着那口气终于放下了。
我之前一直把 Opus 5.5 当作真正干活当中的天花板,现在看来,这个位置被取代了。
而且 Neon 把 Carbon 的优势继承下来的同时,顺手把慢和贵这俩短板给补齐了。
能力接近甚至压过 Carbon,成本只要六成左右,速度还更快,这不就是我一直想要干活的模型吗。
18 项同台赢下 Opus 16 项,双榜王座也换了
Artificial Analysis 刚刷新的综合智能总榜,Neon 开 xhigh 档直接拿到 61 分。
排在后面的 Opus 5.5 是 59 分,连自家大哥 Carbon 的 60 分也被反超 1 分。

▲ 图:Artificial Analysis 综合智能指数总榜排名,Neon(xhigh)列第 3
单看总分还不够直观,把横轴换成每道题真实花费的散点图才更见功力。
Neon 以每题 6.44 美元稳稳贴在右上方的帕累托前沿线上,把高分和高性价比同时占住了。

▲ 图:Artificial Analysis 智能指数与单任务平均成本前沿
点开官方博客那张 19 项基准大表,谷歌这次直接挑着 Claude Opus 5.5 和昨天刚发的 GPT-6.2 Sol 对打。
扣掉一项 Opus 5.5 没跑的安全测试,双方同台有分数的 18 项里头,Neon 赢走了 16 项。
跨仓库修 bug 的 SWE-sweep 差得最夸张,Neon 配 Antigravity 拿到 39.0%。
回头看 Opus 5.5 才 10.1%,GPT-6.2 Sol 更低,只有 8.3%。
拼长文本找线索的 GraphWalks 跑了 95.2%,领先 Opus 5.5 快 30 个百分点。
办公 AutomationBench 和长程开店模拟全排第一,科研数学题也是全赢。
唯二落后 Opus 5.5 的两项,是 Terminal-bench 4.1 和默认档的 FrontierCode 2.0,也就差个 1 个百分点上下。

▲ 图:官方六项核心基准对比
写代码的真本事还得看第三方榜:AA 独立编程代理榜上,Antigravity 配 Neon 拿 59 分排到了第一。
紧跟在后面的是 Claude Code 里的 Opus 5.5 和 Fable 5.2,这回正面站上去了。
防瞎编这块它也没扔掉大哥的老底子,AA 测出不幻觉率有 86%,Opus 5.5 在同一套题里只有 50%。

▲ 图:Artificial Analysis 编码代理指数排名
翻下 Arena 全球 4,200 多次真实用户盲测,Neon 靠默认 high 档就在 Agent 总榜站上全球第 2。
1,336 分压过第 3 名 Opus 5.5(1,335 分)和第 4 名 Carbon(1,303 分),听人中途改需求的纠偏分也在第 2。

▲ 图:Arena Agent Index 全球盲测排名
旁边的 Text Arena 文本总榜更夸张,前头三张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 挤出前四落到第 5 名。
谷歌在 Arena 里面简直是屠榜般的存在,前 4 个它占了 3 个,这种地位之前只有 Claude 才有。

▲ 图:Text Arena 文本总榜,Gemini 4 占前 4 中 3 席
继承 Carbon 底座再补齐短板,三剑客定位彻底捋顺
很多人好奇中间档怎么把顶配大哥反超了,其实翻一下 Model Card PDF 开头就写着:Neon 本身就是拿 Carbon 当底座继续调出来的。
100 万上下文和低幻觉底子全留着,还把 Carbon 都不给用的第四档 xhigh 思考放开了。
Neon 一上架,早先过渡的 Argon 就撤出了主推清单,三款机器怎么分工一下子明明白白。
极少数不管耗时有多久都要死磕到底的超级难题,才轮到 Carbon 出马;平时打杂跑快活还有免费额度用,都交给 Hydrogen。
至于日常高频敲重代码、看财报研报和做科学推理,主力位置就是 Neon 的,它单打能抗,也能挂着当调度手往下派活给 Hydrogen。

▲ 图:Gemini 4 三款模型定位与规格对照
官方博客原话引述了首批客户 Glean 的内部评测:Neon 整体质量跟 Carbon 持平甚至还更稳,速度却跑出三倍,成本只有 60%。
第三方跑完整套智力测试的耗时也能对上号:Neon 默认 high 档只用 14.8 分钟,Carbon 磨了 34.2 分钟,省了一半还多。
工程长对话里它少了很多重复翻文件,写代码偷懒率压到全系最低 2.45%,还支持 Word、PPT 和 Excel 原生按页切片读取。
官方放出的实录案例里,第一段是在 10 万个表格格子里纯靠 50 万条公式算出 3D 深度图和六种光影。
另一段用 /swarm 连续跑了 12 小时,对着老照片 3D 复原出 1936 年图灵在剑桥的书房和能转的通用图灵机。
趁等博客真机连测五题:大哥超时的重活它全接住了
因为我的 Claude 账号之前封了,手里测不了 Opus 5.5,等博客那一小时我拉本地 4 个模型同开 high 档连跑五题。
总成绩单先摊开:Neon 在冷链排障、防幻觉、仓库 AGV、音乐合成器和加测抗震塔上全过,大哥 Carbon 和 Sol 却各超了两轮。

▲ 图:四模型本机同台真题耗时与过关对照
第一题考冷链温控隐蔽三连 Bug 排障,故意埋了 0 度当漏传跳过、2 到 8 度合格边界误判以及连续计数器不清零三个坑。
Hydrogen 81 秒写完,Neon 138 秒一次修通还附带三句大白话复盘,Carbon 磨了 481 秒,用时不到大哥三分之一。
第二题是华东二号仓外币出货防幻觉测试,给齐 7.77 万欧元和 465.5 万日元出货单,却故意抽走必需的结算汇率文件。
这关专盯模型会不会拍脑袋估汇率,结果四家都算完原币小计后老实挂起报错,Neon 只用 40 秒,没人瞎编。
真正拉开档次的是第三题:16×12 智能仓库窄巷道多 AGV 死锁消解调度台。
题目要求拆齐 scheduler.js、app.js、index.html 与 verify.js 四文件,跑通时空预约与 B1 到 B8 避让港湾,100 步内零碰撞过关。
首轮卡死 420 秒时只有 Hydrogen 417 秒压哨过线,Carbon 零字节交白卷,GPT-6.2 Sol 超时后网页只剩一块空白底板。
后来我放宽到 540 秒补跑 Neon,498 秒交齐完整四文件工程(核心三件套 72KB),对头抢道自动进 B4、B7 港湾避让,五项断言全过。

▲ 图:仓库多 AGV 调度台三模型实拍对比
第四题四家同台限 540 秒写单文件 WebAudio 音乐合成器,看谁写长代码不掉线。
Carbon 到点还是空文件,GPT-6.2 Sol 写完 59KB 超时了,Hydrogen 花 199 秒交出 83KB。
Neon 用 374 秒写完 99KB 整个台面,双振荡器混音、滤波和包络拖拽都能直接上手调。
里头赛博琶音、温暖电钢、深海低音三套预设点开就有声,上面示波器和彩色频谱柱也跟着声音实时跳。
测完这四道,我又单独拿 Neon 试了一道物理题:12 层高楼风阻尼球抗震对比台。
420 秒写出来一个 102KB 单页,左边是没装阻尼的楼,右边楼顶挂着黄色风阻尼球反向吸能。
底下用的是 2 毫秒步长的四阶龙格-库塔(RK4)实时算物理方程,连 Den Hartog 最优调谐和 0.1% 能量守恒校验都做进去了。

▲ 图:Neon 单题直出的 12 层抗震塔动力学实验室
成本只有 Carbon 60%、比 Opus 省一半:谁能用在哪用
比完活干得咋样,翻过来看真实账单更让人心里痒。
标价上 Neon 是每百万输入 3 美元、输出 15 美元,比 Opus 5.5 的 4/20 美元便宜四分之一。
到了真实干活扣费上,差距远不止那 25%。
AA 跑完整套测试一均摊,Opus 5.5 每题平均花 10.04 美元,等首个字吐出来就得接近六分钟。
Neon 开最重 xhigh 档单题花 6.44 美元,首字掉进 56 秒,吐字速度拉到每秒 110 个 token。
切回默认 high 档同拿 60 分,单题更降到 3.74 美元,比 Opus 5.5 省掉六成多。
这 3.74 美元不光压过促销期 Carbon 的 4.90 美元,跟标准价 7.76 美元比更是不到一半。
Arena 真实会话的中位数账单也是这个路数,Neon 每单 2.82 美元,比 Opus 5.5 省下 53%。
后台日志把省钱门道摊得很直白:排障题里 Carbon 83% 的输出都在干想,光思考烧掉近 3 万 token,Neon 总输出只有 1.4 万个。
即使 Carbon 在 11 月 30 日前还在半价促销,这一单 Neon 实扣 0.41 美元依然少交 26%,恢复原价后差不多只掏四成的钱。

▲ 图:主流模型百万单价与单任务真实账单对照
至于今天谁可以用、去哪儿找,这次各端放开得挺齐整的。
手里有 Google AI Pro 或 Ultra 订阅,现在打开产品页就能选上它。
日常对话用 Gemini App,写工程直接切进 Antigravity 客户端就行。
点开模型菜单就能看到,Gemini 4 Neon 从 Low 到 Extra 的四档思考,连同专属的 Orchestrator (Neon) 都已经挂上去了。

▲ 图:Antigravity 客户端已上线 Neon 四档思考与调度模式
自己接接口搞开发的,可以直接去 AI Studio 和 Android Studio 的付费层调用。
企业用户已同步开放 Gemini for business 与 Google Cloud,安全研究团队还能申请 Fairwind 通道。
留意它眼下不带免费层,几句话就能完事的轻活或白嫖额度,继续留给 1.5/7.5 美元的 Hydrogen 就够用。
从 11 号发 Carbon、13 号出 Hydrogen,再到今天早上端出 Neon,谷歌前后 8 天连着亮了三张牌。
曾经那个谷歌真的回来了,8 天发了三个模型,每个都很强大。相比之下,GPT 反而变成美国豆包了。
对我来说今天这算正式换防了:日常碎活扔给 Hydrogen,正经交差的硬仗全线交给 Gemini 4 Neon。
这篇就聊到这儿。要是对你有用,点个赞,也分享给需要的朋友。
参考资料
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 模型文档与定价
https://ai.google.dev/gemini-api/docs/models/gemini-4-neon
04|Artificial Analysis:Gemini 4 Neon 独立测评页
https://artificialanalysis.ai/models/gemini-4-neon
05|Arena:Agent Arena Index 官方榜单公告
https://x.com/arena/status/2123169189397709174
來源:阿里雲開發者社區 AI · developer.aliyun.com