谷歌发布 Gemini 4 Neon,基准对比表却略去了排名前二的模型
49 天内的第四款 Gemini 4 模型在智能指数上排第三,排在它前面的两个对手都没出现在谷歌的对比表里

2026 年 11 月 18 日,Google DeepMind 发布了 Gemini 4 Neon,这是 Gemini 4 模型家族的第四位成员,让这轮连续发布延续到了第 49 天。新模型与 Gemini 4 Argon、Carbon 和 Hydrogen 并列,构成了一个异常紧凑的产品周期。Neon 定位中端,比 Carbon 更快、更便宜,面向企业、编程和网络安全任务。
但谷歌随发布一同公布的基准对比表,略去了在Artificial Analysis 智能指数 v5.0.1上排在 Neon 前面的两个模型。这一指数是业界领先的大语言模型独立评测。Claude Fable 5.2 以 65 分位居第一,GPT-6.2 Astra 以 62 分排第二,Neon 得 61 分,总排名第三。Fable 5.2 和 GPT-6.2 Astra 都没有出现在谷歌的对比中。
谷歌还宣布,Genie 4(公司 10 月首次推出的生成式交互环境模型)在 Neon 发布前后开始向 Gemini Ultra 订阅用户推送。
Neon 在 Gemini 4 家族中的位置
谷歌接连发布了四款 Gemini 4 模型:9 月 30 日的 Argon、10 月 28 日的 Carbon、11 月 12 日的 Hydrogen,以及 11 月 18 日的 Neon。每一款在性能与价格的梯度中占据不同的位置。
Neon 的定价为每百万输入 token 3 美元、每百万输出 token 15 美元,远低于前沿级替代产品的价格。Artificial Analysis独立测量模型的性能和速度,它测得 Neon 的输出速度为每秒 110 个 token,约为 Carbon 实测速度的两倍。对延迟敏感的企业应用来说,这样的吞吐量很重要,尤其是法律文件审阅、自动化编程和大批量的智能体工作流。
谷歌把 Neon 定位为中间层:比更轻量的 Gemini 兄弟模型能力更强,比自家的前沿模型更快、更便宜,专为持续的专业使用而打造,而不是单次查询的消费级任务。
基准测试到底显示了什么
Neon 发布时附带的这张有选择的对比表,突出的是 Terminal-Bench 4.1、Vals AI 的企业基准套件和 AutoBaxBench 困难档的成绩,这些都是 Neon 表现有竞争力的领域。在 Terminal-Bench 4.1 上,Neon 得分 65.2%,Anthropic 的 Claude Opus 5.5 为 65.8%。两者很接近,而这张表没有列出在更广泛的智能指数上排名第一的 Claude Fable 5.2。
在Artificial Analysis 智能指数 v5.0.1上(该指数综合推理、编程、数学和语言任务的得分),开启 xhigh 思考档的 Neon 得到 61 分,总排名第三,比 Claude Fable 5.2 低 4 分,比 GPT-6.2 Astra 低 1 分。这两个模型都没有出现在谷歌公布的对比中。
在Vals AI 企业指数上(该指数评估模型在法律、金融和商业领域任务上的表现),Neon 得分 70.9%,排名第二。Claude Fable 5.2 以 71.3% 领先,差距 0.4 个百分点。
在Artificial Analysis 编程智能体指数 v1.1上,Neon 得分 58.6%,在中端档位里属于偏高的竞争水平。不过,谷歌在模型卡中声称 Neon 在这一指数上排名第一,这个说法值得推敲:Carbon 在 high 强度下得了 59.4%,说明配置差异可能会影响各个模型的排名位置。
延伸阅读:Artificial Analysis 智能指数排行榜
思考档位,以及它们对开发者意味着什么
Neon 支持 low、medium、high 和 xhigh 四个思考档位,让开发者可以直接控制模型在每个请求上花多少算力。Gemini API 的思考功能文档介绍了每个档位及其对应的 token 预算行为。
Neon 的最高基准成绩,包括 Artificial Analysis 的 61 分,都是在 xhigh 设置下取得的。思考档位越低,延迟和成本越低,但基准表现也会下降。看重成本的流水线可以配置 low 或 medium;在复杂推理任务上更看重准确性的,可以用 high 或 xhigh。
谷歌关于思考 token 预算的开发者文档支持按请求配置,所以同一个应用里的不同 API 调用可以混用不同的思考档位。对分层的工作流来说,这种细粒度很有用:有些任务需要最强的推理,有些只需要检索或摘要。
Neon 的上下文窗口为 1,048,576 个 token,略超过一百万,与 Gemini 4 家族其他成员一致,适合长文档法律分析、大型代码库的智能体任务和较长的推理链。
Neon for Cyber:限制访问的网络安全版本
谷歌还推出了 Neon 的受限版本 Neon for Cyber,专门用于网络安全研究和事件响应。访问需要通过Google Fairwind 计划,有意使用的用户必须先申请并获得授权,才能用上这个模型。
谷歌报告称,Neon for Cyber 在 AutoBaxBench 困难档上得分 76%。AutoBaxBench 评估模型在二进制漏洞利用、漏洞分析和逆向工程任务上的表现。谷歌尚未公布对这一分数的独立第三方评估,截至发稿时外部复现也还没有完成。
Fairwind 的准入门槛与谷歌以往管理高风险模型能力的做法一致:只向经过审核的研究机构开放,同时保留监控使用情况的能力。Neon for Cyber 不能通过标准的 Gemini API 使用。
在竞争激烈的中端市场上的定价
按每百万 token 输入 3 美元、输出 15 美元计,Neon 处在市场上竞争激烈的一段。这个价格远低于 Anthropic 和 OpenAI 的前沿级模型,同时又比轻量级推理选项高出一截。对于处理大量文档或持续运行智能体循环的企业客户,结合每秒 110 个 token 的输出速度来看每 token 成本,Neon 是承担持续工作负载的务实选择。
Vals AI 企业基准 70.9% 的成绩让 Neon 在一个以法律研究、税务分析和金融文件任务定义的类别中排名第二,为它在专业服务场景中的定位提供了独立证据。它在该指数上只落后 Claude Fable 5.2 0.4 个百分点,差距很小;不过 Fable 5.2 分数更高,又在更广泛的智能指数上排名第一,在通用评测和企业评测两方面都有综合优势。
Genie 4 向 Ultra 订阅用户开放
谷歌的Genie 4 生成式交互环境模型于 2026 年 10 月首次推出,在 Neon 发布前后开始向 Gemini Ultra 订阅用户推送。Genie 4 可以根据文字或图片提示生成交互式环境,包括可游玩的空间、可漫游的 3D 世界和动态模拟。它以 Gemini 3.8 Flash 作为引导智能体,控制生成环境中的行为和叙事。
据谷歌介绍,这个模型能生成连贯、可交互、并能在用户操作之间保持状态的环境。向 Ultra 订阅用户推送,是 Genie 4 第一次向付费用户开放,不过全面公开上线的时间还没有公布。
接下来
谷歌已经在 49 天内发布了四款 Gemini 4 模型。这个节奏是否会延续到 12 月,比如推出第五款模型或给现有模型更新能力,目前还没有公开迹象。Neon 发布之际,整个行业都承受着保持可见基准排名的压力;谷歌对比表的选择性呈现提醒我们,厂商自己公布的基准,应该和 Artificial Analysis、Vals AI 等独立评测对照着看。
对于正在评估 Neon 的开发者和企业买家,实际的问题不是它能否在每项测试中胜过每个模型(它做不到),而是它在吞吐量、上下文长度、思考档位的灵活性和中端定价上的组合,是否比对比表里列出的替代品、以及没列出的那些,更适合自己的具体工作负载。



