跳到正文
gihyo.jp·· 10 小時前精選AI 評分84

Google 發佈 Gemini 4 Neon,基於 Carbon 開發,旨在更快完成複雜任務

Google、Gemini 4 Neonを発表 ——Carbonをもとに開発、複雑な作業をより短時間で

AI 導讀

Google 於 2026年11月18日發佈 Gemini 4 Neon,並開始在 Gemini 應用程式及 Gemini API 等服務中陸續提供。

推薦理由

推理深度設為 high 時,Gemini 4 Neon 與 Carbon 在 Artificial Analysis Intelligence Index 均得 60 分;Neon 每項任務需 14.8 分鐘,Carbon 約 36 分鐘。

正文 · 繁體中文

Google 於2026年11月18日發佈 AI 模型「Gemini 4 Neon」,並開始在 Gemini 應用程式及 Gemini API 等服務中陸續推出。Neon 的設計旨在短時間內完成需要高推理能力的工作,例如跨多個檔案修改程式碼,以及在科學研究中進行定量分析。Google 建議,特別艱深且需時較長的工作使用同系列的 Carbon;日常工作則使用優先考慮回應速度的 Hydrogen[1]。

Gemini 4 Neon 現正陸續推出。 它介乎 Carbon 和 Hydrogen 之間,兼具前沿智能及快速完成任務的能力,適用於複雜的軟件工程、知識工作和科學研究。

— Google DeepMind (@GoogleDeepMind) November 18, 2026

與 Carbon 比較:基本規格及處理時間

根據 Google DeepMind 的模型卡,Neon 以 Carbon 為基礎開發。Neon 和Carbon均可接收文字、圖片、音訊及影片,並以文字作答。輸入、推理和回答合計最多可使用104萬8576個 token。兩者的知識截止日期均為2026年3月。

在這個共用上限內,單次生成可用作輸出的 token 數量,會因接收回答的方式而異。透過 Google Cloud API 一次過接收回答時,Carbon最多可輸出3萬2768個 token,Neon最多可輸出6萬5536個 token。以串流方式逐步接收回答時,兩者最多均可生成6萬5536個 token[2]。

用於評估 AI 模型效能的 Artificial Analysis,透過結合開發、文件分析和科學等任務的綜合指標Intelligence Index,比較兩個模型的分數和所需時間。將推理深度設為 high(Neon 的標準設定,Carbon 的最高設定)時,兩者得分均為60分,每項任務所需時間方面,Neon 為14.8分鐘,Carbon 約為36分鐘。將 Neon 的推理設定調至最高的 xhigh 後,得分升至61分,據稱在發佈時排名總榜第3[3]。

業務⁠・⁠開發⁠・⁠科學方面的效能與安全性

Google DeepMind 公開的Neon 模型卡以 Anthropic 的 Claude Opus 5.5 和 OpenAI 的 GPT-6.2 Sol 作比較對象。比較內容除了 Google 的測量數據,亦包括其他公司的公開數據及官方排行榜的分數[4]。

業務自動化及實務任務

AutomationBench結合電郵和日曆等工具,評估模型能否完成一連串業務工作。Agents⁠’⁠ Last Exam v1.1則為模型在122項實務任務中製作的成果評分。表中的分數是平均值。Vals Index是綜合金融、編碼、法律和税務表現的指標。

基準測試 Gemini 4 Neon Claude Opus 5.5 GPT-6.2 Sol
AutomationBench 56.3% 42.5% 41.3%
Agents⁠’⁠ Last Exam v1.1 75.8% 71.6% 73.0%
Vals Index v2.2 70.9% 70.1% 66.1%

編碼及修正錯誤

Terminal-Bench 4.1會讓模型在終端機中解題,並按違規情況調整正確率。FrontierCode 2.0則評估模型修改的程式碼能否整合至實際專案。

基準測試 Gemini 4 Neon Claude Opus 5.5 GPT-6.2 Sol
Terminal-Bench 4.1 65.2% 65.8% 61.5%
FrontierCode 2.0 46.2% 47.3% 43.8%
SWE-sweep
(各公司的開發環境)
39.0% 10.1% 8.3%
SWE-sweep
(共用的 Mini-SWE 環境)
12.8% 3.6% 11.6%

SWE-sweep會向模型提供實際程式碼,但不告知錯誤的類型和位置,並讓模型自行找出及修正錯誤。在共用的 Mini-SWE 環境中,Neon 的得分比 Sol 高1.2分。若分別在 Google 的 Antigravity CLI 和 OpenAI 的 Codex 中執行 Neon 和 Sol,差距則擴大至30.7分。

科學⁠・⁠數學任務及專業知識測試

Terminal-Bench-Science 0.1會以各項任務的測試,評估模型在終端機上進行數據分析或模擬的結果。RiemannBench會要求模型解答研究級數學問題。HLE-Diamond則涵蓋1,000條涉及廣泛學科領域的專業問題。

基準測試 Gemini 4 Neon Claude Opus 5.5 GPT-6.2 Sol
Terminal-Bench-Science 0.1 70.5%[5] 63.3% 68.0%
RiemannBench 84.0% 80.0% 80.0%
HLE-Diamond 71.3% 67.9% 64.0%

讀取圖表及影片

比較模型卡列出的3個模型,在解讀業務圖表的 Chartography 測試中,GPT-6.2 Sol 以75.1%排名第一,Neon 則以73.5%排名第二。在考查長篇影片內容的 LVBench 測試中,排名互換,Neon 以89.0%排名第一,Sol 以87.6%排名第二[6]。

抵禦惡意指示的能力

Google 使用 Gray Swan 基準測試,檢查 Neon 會否遵從嵌入網頁或文件中的惡意指示。根據該公司的公佈,在推理深度設為最高並啟用即時防護的情況下,攻擊成功率為0%。

Gemini 應用程式適用方案及 Gemini API 收費

在 Gemini 應用程式中,Neon 可對照試算表檔案、PDF 和相片等資料,並將內容整理成報告。Google 以任務功能為例,指出用戶可從帳單明細中調查水電煤費用突然增加的原因。

根據個人用戶的方案支援一覽表,Google AI Pro 和 Ultra 均可選用 Neon。只有 Ultra 可選用 Carbon。

企業用戶可透過模型選擇選單或 API,在 Gemini for business 使用 Neon。開發者則可透過 Google AI Studio 或 Android Studio,在 Gemini API 的付費方案中使用 Neon。

根據Gemini API 收費表,一般版 Neon 的標準收費為每100萬個 token:輸入3美元、已快取輸入0.15美元、輸出15美元[7]。推理所用的 token 亦按輸出單價收費。

在開發環境 Antigravity 中,Neon 與 Hydrogen 分工合作

在 Google 的開發環境 Antigravity 中,於模型選擇選單選取「Orchestrator (Neon)」後,Neon 會制定計劃,再由 Hydrogen 編輯程式碼、更新套件及執行測試。Neon 會審核結果;如果 Hydrogen 遇到困難,Neon 便會接手工作並重新制定計劃[8]。

根據Antigravity 開發團隊的公告,Google AI Pro 付費用戶及 Google AI Ultra 用戶均可使用 Orchestrator 和 Neon 獨立模式[9]。透過面向企業的 Gemini for business,只能使用 Neon 獨立模式。

亦公佈面向網絡防禦的「Neon for cyber」

Google 亦公佈了用於網絡防禦的模型「Gemini 4 Neon for cyber」,可用於發現及修補漏洞等。Google 表示,將於公佈後數日內開始向參與Fairwind Program的部分專家提供。

CWE-Bench v2用於評估模型從程式碼中找出並修補漏洞的能力。在 SEC-bench Pro 的評估中,Google 向模型提供了重現 JavaScript 引擎漏洞的任務。在 WebExploitBench v1.2 中,模型會搜尋網絡應用程式的漏洞,並實際展示漏洞被利用後會發生甚麼事。

基準測試 Gemini 4 Neon for cyber Claude Opus 5.5 GPT-6.2 Sol
CWE-Bench v2 70.7% 67.1% 66.0%
SEC-bench Pro 90.5% — 88.3%
WebExploitBench v1.2 51.3% 37.1% —

來源:gihyo.jp · gihyo.jp