文章核心观点 - 谷歌发布Gemini 4家族新成员Gemini 4 Neon,定位为兼具能力、速度与成本的性价比之作,在能力接近旗舰的同时重点强调更快完成复杂任务与更低成本 [1][10][11] - 谷歌在短短五周内接连推出四款Gemini 4模型(氩、碳、氢、氖),密集上新引发对AI自进化升级模型可能性的联想 [1] - 模型跑分亮眼但谷歌自家AI编程工具Antigravity用户体验拖后腿,模型能力与实际使用体验存在反差,最终表现仍取决于整体工程 [23][27][32] 产品定位与用途 - Neon被定位在Carbon和Hydrogen之间,面向复杂编程、知识工作和科学研究;Carbon仍负责最难、需要长时间推理的任务,Neon并非全面替代旗舰 [10] - Neon可综合处理文档、表格、图片和音视频,整理研究简报;在Antigravity中可完成代码仓库级修改、调试和重构,并与Hydrogen分工,由Neon规划、Hydrogen执行 [10] - 官方展示3D开发案例:根据历史照片重建图灵的书房,以及制作包含雪痕、雪崩等效果的滑雪模拟器 [18] 速度与成本 - Artificial Analysis测得Neon输出速度约为每秒110 token,Carbon约为57 token;但输出更快不等于所有任务都能快一倍,实际效果仍取决于任务 [10] - 默认high档下,Neon在相关评测中的单任务成本比Carbon低32%,定位是让复杂工作变得更快、更经济 [20] - Neon的API输入、输出分别为每百万token 3美元和15美元,缓存输入为0.15美元;输入、输出单价均为Hydrogen的两倍,比Carbon 12月起正式价低25%,但比Carbon截至11月30日的促销价高50% [10] - 应用内使用需付费订阅,API按量收费;谷歌向AI Pro、Ultra用户开放Gemini应用和Antigravity中的Neon,开发者可通过付费API接入,支持100万token上下文,思考token计入输出费用 [10] 跑分与能力表现 - 在第三方机构Artificial Analysis综合智能指数中,Neon拿到61分,发布时排名第三,仅次于Claude Fable 5.2和GPT-6.2 Astra,略高于Carbon [11] - 编程是Neon突出长处,在Artificial Analysis编码Agent指数中排名第一,能处理跨文件调试、重构和定点修改,在Antigravity中可负责规划让多个Hydrogen子Agent分头执行;但部分命令行和代码测试中Opus仍略占优势 [12] - 关键跑分对比:CursorBench 4.1得分65.4%(Claude Opus 5.5为58.1%);Terminal-bench 4.1为65.2%(Opus 65.8%、GPT-6.2 Sol 61.5%);SWE-sweep Provider harness为39.0%(Opus 10.1%、Sol 8.3%)[12] - 知识工作方面AutomationBench为56.3%(Opus 42.5%、Sol 41.3%),Agents' Last Exam v1.1为75.8%(Opus 71.6%、Sol 73.0%)[12] - 科学与数学方面RiemannBench为84.0%(Opus 80.0%、Sol 80.0%),Terminal-Bench-Science 0.1为70.5%(Opus 63.3%、Sol 68.0%)[12] - 推理方面HLE-Diamond为71.3%(Opus 67.9%、Sol 64.0%)[12] - 多模态理解方面MKA Climb WSR为56.5%(Opus 53.0%、Sol 52.7%),Chartography为73.5%(Opus 66.3%、Sol 75.1%),LVBench为89.0%(Opus 83.7%、Sol 87.6%)[12] - 长上下文GraphWalks 256k to 1M BFS(F1)为95.2%(Opus 66.8%、Sol 80.1%)[12] - 网络安全方面CWE-Bench v2为70.7%(Opus 67.1%、Sol 66.0%),SEC-bench Pro为90.5%(Sol 88.3%),WebExploitBench v1.2为51.3%(Opus 37.1%)[12] - 办公方面Neon更强调整理材料能力,可综合处理表格、PDF、图表和音视频,在覆盖企业知识工作的Vals Index中排名第二 [14] 定价档位对比 - Neon综合得分60、单项耗时14.8分钟,个人版Pro起可选19.99美元/月起,API输入/输出3/15美元每百万token [8] - Hydrogen综合得分51、单项耗时8.6分钟,免费版可自动调用、手选需Plus,4.99美元/月起,API输入/输出1.50/7.50美元每百万token,另有免费额度 [8] - Carbon综合得分60、单项耗时37.1分钟,仅限Ultra,99.99美元/月起,API输入/输出至11/30为2/10、12/1起为4/20美元每百万token [8] - Argon综合得分50、单项耗时29.7分钟,聊天菜单未列出、付费API仍可用,API输入/输出至11/30为2/10、12/1起为4/20美元每百万token [8] 用户口碑 - 社交媒体上Neon好评主要集中在视觉效果和速度上,有用户认为其还原前端组件动效表现出色,对比测试中比重量级模型更快完成生成任务,被称为"Opus平替" [4] - 批评声中有人认为Neon最终交付的东西有些平淡,更多吐槽集中在谷歌编程工具Antigravity的工具使用体验上 [5] Antigravity工具问题 - Antigravity是谷歌推出的AI编程工具,对标Cursor、Claude Code、OpenAI Codex或GitHub Copilot [26] - 社媒吐槽三大问题:运行不稳定、长任务容易出错、使用额度不可预测 [27] - 稳定性方面,11月以来多名开发者反馈Antigravity经常出现响应缓慢、任务卡死、模型不可用等问题,有用户升级软件后即便只修改几行代码AI也会反复搜索、循环执行,原本几秒钟的任务拖到一两个小时最后只能强制终止 [28] - 11月17日一名Google AI Ultra用户公布复现测试:当对话超过约12.8万Token时,Antigravity中的Gemini 4模型可能在没有提示的情况下丢失早期上下文 [29] - 额度方面,谷歌采用五小时额度与每周额度并行的限制机制,复杂任务消耗更多资源却不容易提前估算;一名Ultra订阅用户报告已完成工作的16个子Agent仍长时间显示运行,持续消耗额度 [30] - 今年9月Kommunicate团队让Claude Code、Codex和Antigravity完成同一项邮件处理系统开发任务,Antigravity做出功能最丰富的原型,支持动态路由和失败重试并额外设计管理看板,但未完成真正Gmail邮件接入,部分功能超出原始需求,启动时发生过两次崩溃 [30] - 10月TLE Labs用168个代码变更请求测试三款工具代码审查能力,面对本身没有问题的代码Antigravity误报比例仅5.2%,低于Claude Code的20.7%和Codex的47.8%;但按严重程度加权的缺陷检出率上Antigravity为70.7%,Claude Code和Codex分别达89.2%和91.6%,更容易漏掉真正错误 [30][31]
Gemini 4 Neon是好车,奈何Antigravity跑不起来