Google Gemini 4 Neon:開發者需要了解的成本、上下文與推理
Google's Gemini 4 Neon: What Developers Should Know About Cost, Context, and Reasoning
Google 於 11 月 18 日發佈 Gemini 4 Neon,面向複雜編碼與分析工作,提供統一的 1,048,576-token 上下文窗口及 low、medium、high、xhigh 四個思考層級。
文章把比較重點由每 token 價格轉到成功完成任務的總成本,並列出重試、驗證、延遲及人工審核等評估項目,提供可套用的測試思路。
作者:Mahan Kenway | 2026年11月19日
披露:本文由自主 AI 助理為 Mahan Kenway 進行資料蒐集、撰寫及事實核查。封面圖片:原創 AI 生成的編輯插圖;這是概念作品,並非 Google 硬件的照片。
Google 最新推出的 Gemini 模型,點出一個容易被模型發布新聞標題掩蓋的重要分別:token 成本最低,不代表完成任務的成本也最低。Gemini 4 Neon 專為難度較高的編碼和分析工作而設,模型可能需要讀取檔案、呼叫工具、推理及修改內容,才會生成答案。真正要問的是,它能否可靠地完成這些工作,並且步驟夠少,令價格物有所值。
Google 於 11 月 18 日公佈 Gemini 4 Neon。穩定模型 ID 為 gemini-4-neon。它接受文字、圖片、音訊、影片及 PDF,並輸出文字。它提供統一的 1,048,576-token 上下文視窗及四種思考層級,預設為 high。Google 正逐步在 Gemini API 及其他產品推出此模型;不同產品的存取權及方案要求各異。開發人員文件列明,付費 Gemini API 方案提供此模型。
如果你正在考慮是否使用它,而不只是比較發布當日的排行榜,以下幾點才是重點。
成功完成任務的成本才是重點
在 Gemini Developer API 的標準付費方案中,Google 列出的 Neon 價格為每百萬輸入 token $3及每百萬輸出 token $15,包括思考 token。符合條件的隱式快取讀取,每百萬輸入 token 收費$0.15;此模型不支援明確快取。免費 API 方案不提供 Neon。詳情及可能變動的條款,請參閲 Google 的最新定價頁面。
舉例來説,一次請求包含 50,000 個未快取輸入 token,以及 6,000 個計費輸出 token(包括任何思考 token),按上述價格計算,費用約為$0.24:輸入費用為 $0.15,輸出費用為 $0.09。這並非實際工作負載的報價:快取、工具費用、重複呼叫、重試及產品專屬定價都可能改變總費用。例如,以搜尋結果為依據的請求,在適用額度用完後可能須另付查詢費。
這對 Agent 尤其重要。模型如果呼叫工具十次、重新讀取程式碼庫,再嘗試三種修補方案,每項已解決問題的成本,可能高於一個價格較高、但一次便能順利完成任務的模型。反過來説,如果較昂貴的模型未能顯著提高成功率,情況也可能相反。應追蹤每項獲接納任務的成本,而不只是每次呼叫的成本:除了 token,也要計入失敗、重試、驗證及工程師審閲所需的時間。
Google 聲稱,Neon 在預設的 high 設定下,於 Artificial Analysis 基準測試中,每項任務的成本比 Gemini 4 Carbon 低 32%。這是特定基準測試的結果,不能視為你的應用程式也能保證節省同樣成本。事實上,Google Cloud 定價頁面列出的 Carbon 全球推廣費率為每百萬輸入 token $2、每百萬輸出 token $10,適用至 11 月 30 日;12 月 1 日起將調升至 $4 及 $20。因此,在本文撰寫時,Neon 的每 token 價格高於 Carbon 的推廣價格,即使它在部分任務中可能使用較少 token。Hydrogen 公佈的全球費率為每百萬輸入 token $1.50、每百萬輸出 token $7.50。作出決定前,請比較最新價格,以及你實際使用的特定服務。
正如 AI Weekly 所指出,Google 並非單靠低價 token 取勝,而是在「與前沿模型價格看齊」。這個價格是否合理,取決於你的任務組合。
四個思考級別,共用一個預算
Neon 支援 low、medium、high 和 xhigh。Google 表示,較低的設定會使用較少 token,而且通常回應較快;xhigh 則適用於特別困難的多步驟問題。先以自己的測試集評估預設的 high,再看看較便宜或較快的級別能否達到相同的質素要求。只有在額外推理確實能改善結果時才使用 xhigh,不要單純因為有這個選項便使用。
有一個容易忽略的實作細節:輸入、思考和輸出共用同一個上下文視窗。模型的規格列明,預設同步輸出上限為 65,536 tokens;透過支援的長解碼機制,則可生成更長內容。發佈指南亦解釋,max_output_tokens 會同時限制思考和最終輸出的長度。如果上限太低,漫長的推理過程可能會令答案沒有足夠空間。
大型上下文視窗固然有用,但不代表模型會同樣牢記每項細節。處理程式碼庫時,請擷取相關檔案,並盡可能要求 Agent 引用路徑和行號,再對照實際的程式碼庫執行檢查。應把 1M 上限視為容量上限,而不是每次請求都要傳送所有資料的指示。
基準測試能證明甚麼,又不能證明甚麼
Google 在發佈文章中表示,Neon 在 Artificial Analysis Coding Agent Index 得分為 58.6,在 Terminal-Bench 4.1 的得分為 65.2%。文章亦指出,Neon 使用 mini-SWE 測試框架時,在 SWE-sweep 的得分為 12.8%;使用 Google Antigravity 時,得分則為 39.0%。這些都是供應商公佈的發佈成績。不同測試框架之間的差異本身已是一個提醒:Agent 使用的工具、指示、環境和重試次數,可能與模型名稱同樣重要。
Artificial Analysis 將其程式碼代理指數描述為一項等權綜合指標,涵蓋實作、終端機和程式碼庫問答基準;每項任務會嘗試三次。這比單一程式設計難題能提供更全面的參考,但不能取代針對你使用的程式語言、相依項目、安全規則和審查標準進行測試。基準和競爭模型改變時,排名也可能變動。
獨立評估機構的Neon 模型頁面亦説明,評估「快速」時需要考慮工作負載。在其 Intelligence Index 測量中,xhigh 每項任務平均需時 21.5 分鐘,high 則為 14.8 分鐘;該頁面指出,xhigh 相較於同類模型速度較慢。這些是基準測試的平均值,並非對你的應用程式延遲時間的預測。應比較完成整項任務所需的時間和用戶體驗,而不只是每秒 token 數。
簡單的 API 入門示例
Google 的Neon 快速入門指南使用 Google Gen AI SDK 和 Interactions API。安裝 SDK 並設定好憑證後,簡單的請求如下:
from google import genai
client = genai.Client()
result = client.interactions.create(
model="gemini-4-neon",
input="Explain the tradeoffs of adding a retry queue to an HTTP service.",
generation_config={"thinking_level": "high"},
)
print(result.output_text)
這只是起步示例,並非可直接用於正式環境的 Agent。在將模型連接至實際系統前,請加入合理的逾時設定、錯誤處理、開支上限和評估機制。對於編寫程式碼的工作流程,請在隔離環境中執行生成的變更,並確保 Agent 無法接觸機密資料和正式環境憑證。在部署或執行其他不可逆操作前,必須先取得人手核准。
值得留意的限制
Neon 是一款專有模型,只能透過託管方式使用;Google 的 模型卡列明其知識截止日期為 2026 年 3 月,並提醒模型仍有可能產生幻覺。這對於最新的 API 變更和近期安全問題尤其重要:重要説法應參照即時文件和工具核實。支援多模態輸入亦不代表模型能生成所有媒體類型。規格列明模型只輸出文字,並指出此模型不支援圖像生成、音訊生成和 Live API。
Google 表示,Neon 的能力雖較 Argon 提升,但增幅未達 Google 自訂的全面新關鍵能力評估門檻。Neon 的模型卡沿用數項對 Argon 的風險評估結果,並表示日後會發布更全面的 Neon 安全及保安報告。這反映的是 Google 的評估流程,並不能證明模型適合所有部署情境。即使模型在評估中表現良好,提示詞注入、工具權限過大,以及生成程式碼出錯,仍是應用層面的風險。
實用的決策方法
在切換流量前,先建立一小組真實任務。當中應包括簡單任務、含糊不清的錯誤、多檔案變更,以及正確做法是要求更多資料的情況。將 Neon 在 medium、high,以及處理最困難情況時在 xhigh 的表現,與你目前使用的模型比較。每次測試都使用相同的測試項目和工具權限。記錄審核後的正確性、包括思考和重試在內的 token 總用量、端到端延遲,以及答案需要大幅修正的頻率。
如果 Neon 解決困難任務所需的重試較少,較高的單位價格或許物有所值。如果較輕量的模型已達到你的品質標準,就沿用較便宜的方案,只在需要升級處理時使用 Neon。這次推出最理想的結果,並非把 Neon 設為每個提示詞的預設模型,而是多一個選項,按工作需要選擇合適的推理程度。
來源:DEV Community · dev.to