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
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。
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。
编者按:本文来自微信公众号 新智元(ID:AI_era),编辑:编辑部,创业邦经授权转载。
又更了,又更了,AI圈简直天天在过年!
就在刚刚,谷歌Gemini 4家族的第四位成员Neon正式上线。
哈萨比斯亲自发帖官宣,直呼它是「炼金术的巅峰之作」。

它主打推理快,专门对付高频、复杂的软件工程、知识分析和科研长程任务。
Neon跑一个任务的综合开销,不仅比Claude、GPT这些对手的顶级旗舰低50%到80%,而且成绩一点没打折。
谷歌官方拉来Claude Opus 5.5和GPT-6.2 Sol同场比。19组成绩里,Neon一口气拿下了16组最高!

这次发布的核心亮点,一起划重点。
智力反超旗舰:
AA智力指数61分,全球第三,比自家旗舰Carbon还高1分。
编程Agent第一:
AA编程Agent榜58.6分登顶,跑一个任务的花费只有Claude Opus 5.5的一半出头。
速度快了近一倍:
每秒输出约110个token,Carbon只有57个。
价格:
每百万token输入3美元、输出15美元,缓存命中只要0.15美元,上下文100万token。
能当总指挥:
在谷歌的Agent编程平台Antigravity里,Neon能指挥一群Hydrogen子Agent并行干活。
|
|
图灵书房原样复活,50万表格公式画3D
重点划完,Neon到底有多能打,还得看实战。
第一个实测,Neon直接拉起「/swarm」多Agent团队,连轴干了12个小时,把图灵在剑桥国王学院的书房搬进了3D世界。
1936年,图灵正是在这里写出了奠定现代计算机理论的那篇论文。
只见,它先翻出国王学院的档案照片,再在Blender里建模、绑定,最后渲染出带年代感的材质和光影。
镜头从国王礼拜堂外的草坪一路推进屋里,书架、壁炉和书桌一一出现。甚至连桌上的那台图灵机,也真实还原了出来。
这段实测考的,是长程任务里的调度能力。Neon要带着一队Agent,从查资料、建模一路干到渲染,中途不跑偏。

另一个测试考的是推理和写代码的硬功夫。表格里没有现成的图像算法可调,每一步都得靠Neon用公式自己推出来。
结果,Neon开辟出10万个单元格,在多个子表里铺设了超过50万个实时表格公式。
它单靠这些基础公式,就跑通了Sobel边缘检测和3D深度映射。6种交互模式随便切,改一下光照角度,整张图就会实时重新打光。

再比如,让Neon从零手搓一套第一人称3D高山滑雪模拟器。
这一段比的,是长代码的工程能力。上万行着色器、物理引擎和真实地形数据,全要在一个项目里跑起来。
Neon没用任何预制3D素材,直接拿勃朗峰和霞慕尼的真实高程地形数据开搓,然后一口气写出了10200行自定义WebGL2着色器代码。
这套模拟器不仅内置了120Hz物理引擎、6条高山雪道,连动态雪痕、突发板状雪崩,空间音频全都一步到位。

中杯杀进全球前三,编程Agent拿下第一
能做出这些大场面,Neon靠的是实打实的分数。
在衡量综合智力的Artificial Analysis智力指数上,它凭借着xhigh的思考拿下61分。
切回默认的high档,Neon也有60分,和Carbon直接打平。可跑一个任务的花费,却不到Carbon原价的一半。
不仅如此,Neon在速度上也快了一大截。同一套测试,Carbon平均每个任务要跑36分钟左右,Neon只要21分钟,足足省下四成时间。

智力之外,编程是Neon这次最能打的一项。
分数追平Claude,花费只要一半
编程Agent榜上的第一,是Neon搭配谷歌自家的Antigravity CLI跑出来的。
Claude Code里的Fable 5.2和Opus 5.5都在58分上下,分数相差无几,花费却差出一大截。
Neon跑一个任务平均6.86美元,Opus 5.5要12.61美元,Fable 5.2要15.47美元。
网友Pranav Reddy让Neon、Opus 5.5和Carbon同题用Three.js画一段骑行动画。他的结论是,Neon赢了Opus 5.5,和Carbon已经很接近。

Agent榜第二,自动化榜第一
换到真实的Agent工作场景,Neon的排名同样靠前。
Arena新推出的Agent榜单看的是4200多场真实会话,Neon首秀就排到了全球第二。
Zapier也有一份自动化榜,专门用657个真实的业务流程来考模型。Neon在这份榜上拿到56.3%,排名第一。
网络安全上,找漏洞的SEC-bench Pro,Neon直接拿下90.5%的高分,刷新纪录。修漏洞的CWE-bench v2,它也比Carbon高出3.4个百分点。
当然,Neon也没有全线通吃。
在Terminal-bench 4.1和FrontierCode 2.0这两项硬核编程测试上,Opus 5.5仍然略胜一筹。
Neon当上总指挥,AI给AI派活了
跑分有输有赢,Neon这次真正的杀手锏,是谷歌给它安排的新岗位。
在Antigravity里,Neon可以单干,也可以当「总指挥」。
一个大任务进来,它负责拆开,再派给一群并行的Hydrogen子Agent去干。
其中,Hydrogen是Gemini 4家族里的轻量模型,速度最快,价格只有Neon的一半。

Swarm和Super-agent,管的是两层活
Neon带着一群Hydrogen的这套Swarm协作,乍一看和DeepSeek最近提出的Super-agent很像,其实两者管的是不同层面的事。
各是什么
Swarm:一项任务内部的分工方案。Neon负责规划、判断和验收,Hydrogen负责写代码、改文件、跑测试,目标是把一件活干得又好又快。
Super-agent:一个常驻在线、同时管多项工作的Agent系统。Router负责接收消息、关联任务、派发工作,多个Worker各干各的,目标是多件事并行时持续跟进,不用用户挨个盯会话。
哪里相同
协调和执行分开:一层负责安排,一层负责干活。
都有反馈回路:执行中碰到问题,会回报、调整,再接着推进。
都在替人省事:用户不用亲自安排每一步,也不用追着每个执行者跑。
哪里不同
管的范围:Swarm管一项任务内部怎么分工,Super-agent管多项任务之间怎么调度、怎么持续跟进。
谁来动脑:Neon要吃透任务、亲自定方案;Super-agent的Router尽量只做关联和派发,复杂推理交给Worker。
强模型放哪:谷歌把判断力强的Neon放在上层,配速度快的Hydrogen;DeepSeek的建议反过来,Router可以轻一点,Worker更需要强模型。
绑不绑模型:Swarm是一组固定的模型搭配;Super-agent是一套系统设计,可以给不同角色配不同模型,也可以全用同一个。
Agent时代超级王牌,谷歌七周四连发
Agent时代比的,是谁能把一件大活自己拆、自己派、自己验收,一口气干到底。
今天,总指挥这个位子,谷歌交给了一个中杯,旗舰Carbon只在最难的活上出场。
这一下,正好打在Claude身上。写代码、干长活的Agent,一直是Claude最硬的一张牌,可Fable 5.2才发布9天,就在编程Agent榜上被Neon压了过去。
比起这一分半分的差距,谷歌的出牌速度才是Claude真正的麻烦。
11月10日以来,谷歌已经有三款Gemini 4全量上线。
这么快的节奏,谷歌自己给出的解释是RSI。谷歌联创布林10月就说过,谷歌已踏上了「RSI的跑步机」,研究员正和模型一起造下一代模型。
谷歌内部RSI要是真转起来,模型一代比一代造得快,超级智能时代的王牌,就会落在Gemini手里。
现在,压力给到了Claude和GPT。

参考资料:https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon/
本文为专栏作者授权创业邦发表,版权归原作者所有。文章系作者个人观点,不代表创业邦立场,转载请联系原作者。如有任何疑问,请联系editor@cyzone.cn。
來源:創業邦 · cyzone.cn

