一觉醒来,谷歌又双叒叕发 Gemini 4 模型了。

谷歌最近一直在基础模型上发力,从最高智能到最高效率的模型不停发布,为了重返王座真是拼了。

在 Carbon、Argon、Hydrogen 之后,填补最高智能和最高效率之间的「中杯」模型 Gemini 4 Neon 登场!

Demis Hassabis 称,Gemini 4 Neon 这一中杯模型,是「Alchemy at its finest(炼金术的杰作)」

Gemini 4 家族中,Carbon 是旗舰,负责最难的长程项目;Hydrogen 面向日常高频场景,追求的是响应速度。Neon 的定位在二者中间,「在复杂编程、分析推理和生产级企业工作流上提供前沿推理能力,同时更快、更省」

Neon 速度是 Carbon 的 3 倍,成本只有 Carbon 的 60%。定价每百万输入 token 3 美元,每百万输出 token 15 美元,缓存输入 token 低至 0.15 美元,上下文窗口 100 万 token,另外支持 4 档可调的思考深度,开发者可以按任务复杂度灵活切换速度和推理深度。

全面跑分

Neon 在第三方评测上的表现相当全面。综合智能方面,它在 Artificial Analysis Intelligence Index 上以 61 分排到第 3,仅落后于更大、更慢的模型;在 Vals Index 上排第 2(70.9%),落在帕累托前沿上。

在全新的 Agent Arena Index 中,Neon 凭借 4200 余个真实世界智能体会话拿下第 2(1336 分),可操控性(steerability)同样排第 2,意味着用户中途改口时,模型能更干净地调整方向。

企业和知识工作类的评测更是大面积刷榜。Legal Research Bench 和 Tax Agent Bench 两项第 1,Surge AI 覆盖的金融、会计、电子表格建模等多个类目也大多排在第 1。Zapier AutomationBench 第 1(56.3%),Andon Labs 的 Vending-Bench 2 同样第 1($16,843),后者是一个模拟长周期商业经营的测试,对长程规划能力要求很高。密集图表阅读基准 Chartography 得分 73.5%,Agents' Last Exam v1.1 得分 75.8%,与头部模型持平。

科学和数学推理方向上,Neon 拿下了 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)三项第一,均为同类最佳。

逐项拆解 Neon 能力

根据官方博客,Neon 的新能力可以归纳为几个大方向。

写代码,更准更稳。Neon 面向真实生产环境,能处理多文件调试、重构和精准编辑。谷歌特别提到了它的「surgical edits(手术式编辑)」能力,能对多文件项目做定点修改。模型在多步骤指令遵循上有明显提升广州域名网,同时在内部 Google Antigravity 测试中录得了迄今为止最低的编造率(fabrication rate)。

100 万 token 窗口拿下多模态。电子表格、PDF、图表、音频、视频,Neon 可以在一个上下文窗口里同时消化这些输入,输出结构化的交付物。「Neon 在整体质量上追平甚至超过了 Carbon,速度快 3 倍,成本降低 40%。它在准确性、细节和速度之间找到了令人信服的平衡。」

网络安全方向。这是 Neon 本次发布中一个独特的动作。谷歌推出了 Neon for Cyber,覆盖安全代码编写、漏洞发现、漏洞验证和漏洞修补的完整链条。

从数据看,AutoBaxBench 安全代码生成在困难级别达到 SOTA(76%),全面超越 Carbon;WebExploitBench v1.2 渗透测试同样 SOTA(51.26%),成本仅为竞品大模型的一半;SEC-bench Pro 漏洞发现 SOTA(90.5%),单挑战成本约为同类的一半;CWE-bench v2 漏洞修补 70.7%,比 Carbon 提升 3.4%。Neon for Cyber 将在未来几天内通过 Fairwind Program 向受信任的安全防御人员开放。

安全对齐,几乎「零作弊」。谷歌在安全性上下了重注。Terminal-Bench 4.0 作弊率 0.0%,与 Carbon 持平;编码作弊评估中仅 2.45% 的任务出现走捷径行为,是 Gemini 4 全系列最低;智能体安全套件中不当行为率 0.09%,诚实评估通过率 99.2%。在 Gray Swan 的间接提示注入基准中,Neon 在最高思考级别上达到了 0.0% 的攻击成功率。对比 Carbon,Neon 将「服务不足」降低了 43%-56%,「越权操作」降低了 15%-35%。同时它在合法任务上几乎不拒绝,Terminal-Bench 4.0 上仅拒 1.98%,Terminal-Bench-Science 上拒绝率为 0%。

消费者端也有升级。在 Gemini 应用中,Neon 带来了更高质量的写作输出,能更精准地读取电子表格、PDF 和照片等上传内容,还可以接入 Gmail 和 Docs 获取相关信息。Tasks 功能现在由 Neon 驱动,处理复杂多步骤任务时更快更省额度。

Gemini 4 Neon 已经开始滚动上线。开发者可以通过 Gemini API 付费层级在 Google AI Studio 和 Android Studio 中构建应用,Google AI Pro 和 Ultra 订阅用户能在 Google Antigravity 中试用。企业用户走 Gemini for Business 的 API 或模型下拉菜单。消费者端,Pro 和 Ultra 订阅用户可以在 Gemini 应用的模型选择器里直接切换到 Neon。网络安全方向的 Neon for Cyber 会在未来几天内通过 Fairwind Program 推送给受信任的防御人员。

世界模型 Genie 4 终于上线

10 月 28 日,谷歌 DeepMind 官宣最新一代世界模型 Genie 4,称其为「迄今为止最逼真、交互性最强的世界模型」。

经过超过半月的等待,谷歌终于宣布 Genie 4 正式上线可用

Genie 4 是谷歌目前最逼真、最具交互性的世界模型。它最核心的新能力是「mid-session prompting」,也就是在你浏览世界的过程中,随时用自然语言改变环境。你可以切换天气、投放一个角色、改变剧情走向,所有变化实时发生在当前画面中。

另一个首次出现的能力是原生音频(native audio)。Genie 4 生成的世界自带声音,而且声音会随场景变化自动适配,从环境音效到角色对话都包含在内,补上了「听觉」这块拼图。

Genie 4 主打最高保真度,Genie 3 则在 Project Genie 的模型选择器中继续保留,面向更长时间的探索和全景场景。

本次谷歌在上线 Genie 4 的同时,也上线了Project Genie Agent。以前创建一个世界需要你精心组织 prompt,现在变成了一场对话。你用自然语言描述你想要的世界,智能体会调度谷歌的多模态模型组合,生成初始视觉画面来建立世界的视觉风格,同时配上量身定制的背景音乐。

更有意思的是,Gemini 模型可以在你探索世界时同步观察屏幕内容,主动弹出「下一步去哪」的建议,或者根据你的旅程自动触发世界内事件。

你还可以对画廊中已有的世界进行 remix,调整底层结构、配乐或规则,把它变成你自己的版本,然后发布到社区画廊供其他人探索和二次创作。

目前 Project Genie 的新体验面向符合条件的 Google AI Ultra 订阅用户开放,Google AI Pro 会员可以在同一页面加入候补名单。