跳到正文
創業邦·· 17 小時前精選AI 評分78

Google 上線 Gemini 4 Neon,Artificial Analysis 編程 Agent 榜以 58.6 分登頂

全新Gemini 4 Neon震撼上线!编程Agent夺冠,暴击Opus 5.5

AI 導讀

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。

正文 · 繁體中文

編者按:本文來自微信公眾號 新智元(ID:AI_era),編輯:編輯部,創業邦經授權轉載。

又更了,又更了,AI圈簡直天天在過年!

就在剛剛,谷歌Gemini 4家族的第四位成員Neon正式上線。

哈薩比斯親自發帖官宣,直呼它是「鍊金術的巔峯之作」。

它主打推理快,專門對付高頻、複雜的軟件工程、知識分析和科研長程任務。

Neon跑一個任務的綜合開銷,不僅比Claude、GPT這些對手的頂級旗艦低50%到80%,而且成績一點沒打折。

谷歌官方拉來Claude Opus 5.5和GPT-6.2 Sol同場比。19組成績裏,Neon一口氣拿下了16組最高!

這次發佈的核心亮點,一起劃重點。

  • 智力反超旗艦:

    AA智力指數61分,全球第三,比自家旗艦Carbon還高1分。

  • 編程Agent第一:

    AA編程Agent榜58.6分登頂,跑一個任務的花費只有Claude Opus 5.5的一半出頭。

  • 速度快了近一倍:

    每秒輸出約110個token,Carbon只有57個。

  • 價格:

    每百萬token輸入3美元、輸出15美元,緩存命中只要0.15美元,上下文100萬token。

  • 能當總指揮:

    在谷歌的Agent編程平台Antigravity裏,Neon能指揮一羣Hydrogen子Agent並行幹活。

圖靈書房原樣復活,50萬表格公式畫3D

重點劃完,Neon到底有多能打,還得看實戰。

第一個實測,Neon直接拉起「/swarm」多Agent團隊,連軸幹了12個小時,把圖靈在劍橋國王學院的書房搬進了3D世界。

1936年,圖靈正是在這裏寫出了奠定現代計算機理論的那篇論文。

只見,它先翻出國王學院的檔案照片,再在Blender裏建模、綁定,最後渲染出帶年代感的材質和光影。

鏡頭從國王禮拜堂外的草坪一路推進屋裏,書架、壁爐和書桌一一齣現。甚至連桌上的那台圖靈機,也真實還原了出來。

這段實測考的,是長程任務裏的調度能力。Neon要帶着一隊Agent,從查資料、建模一路幹到渲染,中途不跑偏。

另一個測試考的是推理和寫代碼的硬功夫。表格裏沒有現成的圖像算法可調,每一步都得靠Neon用公式自己推出來。

結果,Neon開闢出10萬個單元格,在多個子表裏鋪設了超過50萬個實時表格公式。

它單靠這些基礎公式,就跑通了Sobel邊緣檢測和3D深度映射。6種交互模式隨便切,改一下光照角度,整張圖就會實時重新打光。

再比如,讓Neon從零手搓一套第一人稱3D高山滑雪模擬器。

這一段比的,是長代碼的工程能力。上萬行着色器、物理引擎和真實地形數據,全要在一個項目裏跑起來。

Neon沒用任何預製3D素材,直接拿勃朗峯和霞慕尼的真實高程地形數據開搓,然後一口氣寫出了10200行自定義WebGL2着色器代碼。

這套模擬器不僅內置了120Hz物理引擎、6條高山雪道,連動態雪痕、突發板狀雪崩,空間音頻全都一步到位。

中杯殺進全球前三,編程Agent拿下第一

能做出這些大場面,Neon靠的是實打實的分數。

在衡量綜合智力的Artificial Analysis智力指數上,它憑藉着xhigh的思考拿下61分。

切回默認的high檔,Neon也有60分,和Carbon直接打平。可跑一個任務的花費,卻不到Carbon原價的一半。

不僅如此,Neon在速度上也快了一大截。同一套測試,Carbon平均每個任務要跑36分鐘左右,Neon只要21分鐘,足足省下四成時間。

智力之外,編程是Neon這次最能打的一項。

分數追平Claude,花費只要一半

編程Agent榜上的第一,是Neon搭配谷歌自家的Antigravity CLI跑出來的。

Claude Code裏的Fable 5.2和Opus 5.5都在58分上下,分數相差無幾,花費卻差出一大截。

Neon跑一個任務平均6.86美元,Opus 5.5要12.61美元,Fable 5.2要15.47美元。

網友Pranav Reddy讓Neon、Opus 5.5和Carbon同题用Three.js畫一段騎行動畫。他的結論是,Neon贏了Opus 5.5,和Carbon已經很接近。

Agent榜第二,自動化榜第一

換到真實的Agent工作場景,Neon的排名同樣靠前。

Arena新推出的Agent榜單看的是4200多場真實會話,Neon首秀就排到了全球第二。

Zapier也有一份自動化榜,專門用657個真實的業務流程來考模型。Neon在這份榜上拿到56.3%,排名第一。

網絡安全上,找漏洞的SEC-bench Pro,Neon直接拿下90.5%的高分,刷新紀錄。修漏洞的CWE-bench v2,它也比Carbon高出3.4個百分點。

當然,Neon也沒有全線通吃。

在Terminal-bench 4.1和FrontierCode 2.0這兩項硬核編程測試上,Opus 5.5仍然略勝一籌。

Neon當上總指揮,AI給AI派活了

跑分有輸有贏,Neon這次真正的殺手鐧,是谷歌給它安排的新崗位。

在Antigravity裏,Neon可以單幹,也可以當「總指揮」。

一個大任務進來,它負責拆開,再派給一羣並行的Hydrogen子Agent去幹。

其中,Hydrogen是Gemini 4家族裏的輕量模型,速度最快,價格只有Neon的一半。

Swarm和Super-agent,管的是兩層活

Neon帶着一羣Hydrogen的這套Swarm協作,乍一看和DeepSeek最近提出的Super-agent很像,其實兩者管的是不同層面的事。

各是什麼

  • Swarm:一項任務內部的分工方案。Neon負責規劃、判斷和驗收,Hydrogen負責寫代碼、改文件、跑測試,目標是把一件活幹得又好又快。

  • Super-agent:一個常駐在線、同時管多項工作的Agent系統。Router負責接收消息、關聯任務、派發工作,多個Worker各幹各的,目標是多件事並行時持續跟進,不用用戶挨個盯會話。

哪裏相同

  • 協調和執行分開:一層負責安排,一層負責幹活。

  • 都有反饋迴路:執行中碰到問題,會回報、調整,再接着推進。

  • 都在替人省事:用戶不用親自安排每一步,也不用追着每個執行者跑。

哪裏不同

  • 管的範圍:Swarm管一項任務內部怎麼分工,Super-agent管多項任務之間怎麼調度、怎麼持續跟進。

  • 誰來動腦:Neon要吃透任務、親自定方案;Super-agent的Router儘量只做關聯和派發,複雜推理交給Worker。

  • 強模型放哪:谷歌把判斷力強的Neon放在上層,配速度快的Hydrogen;DeepSeek的建議反過來,Router可以輕一點,Worker更需要強模型。

  • 綁不綁模型:Swarm是一組固定的模型搭配;Super-agent是一套系統設計,可以給不同角色配不同模型,也可以全用同一個。

Agent時代超級王牌,谷歌七週四連發

Agent時代比的,是誰能把一件大活自己拆、自己派、自己驗收,一口氣幹到底。

今天,總指揮這個位子,谷歌交給了一箇中杯,旗艦Carbon只在最難的活上出場。

這一下,正好打在Claude身上。寫代碼、幹長活的Agent,一直是Claude最硬的一張牌,可Fable 5.2才發佈9天,就在編程Agent榜上被Neon壓了過去。

比起這一分半分的差距,谷歌的出牌速度才是Claude真正的麻煩。

11月10日以來,谷歌已經有三款Gemini 4全量上線。

這麼快的節奏,谷歌自己給出的解釋是RSI。谷歌聯創布林10月就説過,谷歌已踏上了「RSI的跑步機」,研究員正和模型一起造下一代模型。

谷歌內部RSI要是真轉起來,模型一代比一代造得快,超級智能時代的王牌,就會落在Gemini手裏。

現在,壓力給到了Claude和GPT。

參考資料:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/

本文為專欄作者授權創業邦發表,版權歸原作者所有。文章系作者個人觀點,不代表創業邦立場,轉載請聯繫原作者。如有任何疑問,請聯繫editor@cyzone.cn。

來源:創業邦 · cyzone.cn