|

Gemini 4 Neon 有多强:编程、知识和科学分开看

Gemini 4 Neon 有多强:编程、知识和科学分开看

作者注:把 Gemini 4 Neon 的公开分数按编程、知识工作、科学三块拆开,逐项标注来源,帮你判断哪类活适合交给它。

2026-11-18,Google 发布了 Gemini 4 Neon,Sundar Pichai 在发布帖里把它的定位概括为复杂软件工程、知识工作和科学流程上“更快做完”。同一天,DeepMind 放出了模型卡,Artificial Analysis 也发布了第三方测量文章和模型页,公开数据一下子多了好几套。

问题在于这几套数字的口径不同。Google 博客是官方自报;模型卡的对照表虽然列了 Claude Opus 5.5 和 GPT-6.2 Sol,但评估说明写明非 Gemini 的结果默认来自各家自报;只有 Artificial Analysis 是第三方测量。本文以 2026-11-19 为数据核对日,逐项保留来源标签,两套对不上的数字都并排写出,不做平均。

核心价值:读完本文,你会拿到一张按任务类型看的表,知道 Gemini 4 Neon 在编程、读材料、科学三块里哪几项官方说第一,哪几项模型卡里对手更高,哪几项第三方只领先 1 分。

gemini-4-neon-benchmark-coding-knowledge-science-image-0


Gemini 4 Neon 核心要点:先看入口,再拆三块

综合分是大多数人最先看到的数字。Artificial Analysis 文章显示,Gemini 4 Neon 在 xhigh 思考档的智力分为 61,综合第 3,前面是 GPT-6.2 Astra(max)和 Claude Fable 5.2(max)。Google 博客(官方自报)给出的也是 61 和第 3,并补了一句“落后于更大、更慢的模型”。模型卡的 AA Index v5.0.1 一栏同样是 61,对照的 Opus 5.5 为 59,Sol 为 57。

这个 61 在三处来源里一致,但它只是一个入口。综合分会把编程、读材料、科学揉在一起,而你要交出去的活通常只属于其中一块。下表先把三类来源的性质说清楚,后面各节再逐块拆。

来源 性质 本文用它看什么
Google 博客 官方自报 哪几项 Google 自称第一、各项分数
DeepMind 模型卡 官方汇总,非 Gemini 结果多为各家自报 Neon 与 Opus 5.5、Sol 三列逐项对照
Artificial Analysis 文章 第三方测量 Coding Agent Index、GDP.pdf、MKA 等
Artificial Analysis 模型页 第三方测量,按思考档分列 四档思考的智力分差异

Gemini 4 Neon 在家族里的位置

模型卡写明 Gemini 4 Neon 由 Gemini 4 Carbon 改编,知识截止 2026 年 3 月,输入支持文本、图像、音频、视频,统一窗口最多 100 万 token。Google Cloud 开发者指南把它放在 Hydrogen(日常快循环)和 Carbon(复杂长程)中间,官方博客也称它面向高频的复杂流程。

理解这个定位有助于读后面的分数。Neon 的对照对象在不同来源里不一样:模型卡只有 Opus 5.5 和 Sol 两列,没有 Fable 5.2、Astra 和 Carbon;Artificial Analysis 则主要拿它和 Carbon、Fable、Opus 比。分项对照时,本文不会借用别的格子去填空。

gemini-4-neon-benchmark-coding-knowledge-science-image-1


Gemini 4 Neon 编程能力:两处领先,两处被 Opus 略超

编程是 Google 博客着墨最多的一块。官方自报称 Gemini 4 Neon 在 Artificial Analysis Coding Agent Index 上为 58.6,总第 1。Artificial Analysis 文章给出的数字是 59,测量条件为 Antigravity CLI 上的 Neon xhigh。58.6 和 59 来自两个来源,本文两个都保留。

第三方那边的领先幅度需要单独看。Artificial Analysis 文章里,Claude Code 上的 Fable xhigh 和 Opus 5.5 max 都是 58,Carbon high 是 55。也就是说,Neon 对这两个 Claude 模型的领先是 1 分。

模型卡的分项则更细,其中有两项是 Opus 5.5 更高。

编程项目(模型卡) Gemini 4 Neon Claude Opus 5.5 GPT-6.2 Sol
CursorBench 4.1 65.4% 58.1% 无
Terminal-bench 4.1(作弊调整后) 65.2% 65.8% 61.5%
FrontierCode 2.0 46.2% 47.3% 43.8%
SWE-sweep 厂商 harness 39.0% 10.1% 8.3%
SWE-sweep mini-SWE harness 12.8% 3.6% 11.6%

Gemini 4 Neon 编程分数怎么读

Terminal-bench 4.1 上 Opus 5.5 是 65.8%,Neon 是 65.2%;FrontierCode 2.0 上 Opus 5.5 是 47.3%,Neon 是 46.2%。两项差距都在一个百分点上下,但方向是 Opus 略高。官方博客里 FrontierCode 2.0 的 46.2% 标注为默认 high 档。

SWE-sweep 的两个数字最容易被误读。12.8% 是 mini-SWE harness 下的结果,39.0% 是在 Google Antigravity(厂商 harness)里的结果。官方博客把两者的差距描述为 harness 带来的解锁,它反映的是工具链的作用,不能读成模型本身相差三倍。还要注意,在 mini-SWE harness 下 Sol 是 11.6%,和 Neon 的 12.8% 相当接近。

gemini-4-neon-benchmark-coding-knowledge-science-image-2


Gemini 4 Neon 知识工作:多数领先,Chartography 是 Sol 更高

知识工作这一块,官方博客列了不少“第 1”。Legal Research Bench 和 Tax Agent Bench 均称第 1,但博客没有给这两项的百分数;Surge 上的金融、会计、表格建模、复杂约束任务也称多数第 1,同样没给逐项分数。这些只能记作官方自报的排名,本文不补数字。

有分数的项目可以对照模型卡。Zapier AutomationBench 在官方博客里是第 1、56.3%,Andon Labs Vending-Bench 2 第 1、16843 美元。Chartography 是本块唯一一项 Sol 更高的分项:Sol 75.1%,Neon 73.5%。

第三方测量给了更多细节。Artificial Analysis 文章显示,GDP.pdf 上 Neon high 为 33.4%,Neon xhigh 反而是 28.0%,Carbon high 为 28.4%,说明思考档调高不一定换来更高分。AA-Briefcase 上 Neon xhigh 总分 1700 Elo,呈现质量 1771 Elo,高于 Claude Sonnet 5.5 max 的 1726。MKA 一项,Artificial Analysis 文章写 Neon 56%,接近 Fable max 的 57%,比 Carbon 高 2 分;模型卡写 56.5%,两个数各自保留。

Gemini 4 Neon 科学能力:三项官方称 best in class

科学是三块里官方措辞最强的一块。Google 博客称 Terminal-Bench Science 70.5%、RiemannBench 84.0%、HLE-Diamond 71.3% 三项 best in class,这是官方自报。模型卡的对照表与之一致,三项 Neon 都高于 Opus 5.5 和 Sol,但对照列同样是各家自报汇总。

知识与科学项目(模型卡) 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%
Chartography 73.5% 66.3% 75.1%
LVBench 89.0% 83.7% 87.6%
GraphWalks(256k–1M,BFS F1) 95.2% 66.8% 80.1%
MKA Climb WSR 56.5% 53.0% 52.7%
RiemannBench 84.0% 80.0% 80.0%
Terminal-Bench-Science 0.1 70.5% 63.3% 68.0%
HLE-Diamond 71.3% 67.9% 64.0%

GraphWalks 在 256k 到 1M 长上下文区间的 95.2%,与 Opus 5.5 的 66.8% 拉开较大,适合读超长材料的场景重点关注。Terminal-Bench-Science 上 Sol 为 68.0%,与 Neon 的 70.5% 相差 2.5 个百分点,是科学三项里差距最小的一项。

gemini-4-neon-benchmark-coding-knowledge-science-image-3


Gemini 4 Neon 按任务看:一张总表

把三块合起来,按“官方说第一”“模型卡对手更高”“第三方只领先 1 分”三种情况整理,就得到下面这张按任务看的表。它不回答谁全面最强,只告诉你每类任务的分数站在哪条证据上。

任务类型 官方自报第一 模型卡对手更高 第三方差距 1 分
编程 Coding Agent Index 58.6 总第 1 Terminal-bench 4.1、FrontierCode 2.0:Opus 5.5 更高 Coding Agent Index 59 对 Fable xhigh、Opus 5.5 max 的 58
知识工作 Legal Research Bench、Tax Agent Bench、AutomationBench、Vending-Bench 2 Chartography:Sol 更高 MKA 56% 对 Fable max 57%(Neon 低 1 分)
科学 Terminal-Bench Science、RiemannBench、HLE-Diamond 无 无单列第三方科学分
综合入口 Vals Index 第 2(70.9%) 无 AA 智力分 61,比 Carbon high 高 1 分


Gemini 4 Neon 优缺点分析

优势

  • 科学三项一致领先:官方自报与模型卡均显示 Terminal-Bench Science、RiemannBench、HLE-Diamond 高于两个对照模型。
  • 长上下文读取强:模型卡 GraphWalks 在 256k–1M 区间 BFS F1 为 95.2%,对应 100 万 token 统一窗口。
  • 工具链放大明显:SWE-sweep 在厂商 harness 下 39.0%,说明配合 Antigravity 这类 agent 环境时收益较大。
  • 多模态输入齐全:模型卡写明支持文本、图像、音频、视频输入;Artificial Analysis 模型页显示 Opus 5.5 输入只有文本和图像。

局限

  • 编程并非逐项第一:Terminal-bench 4.1 和 FrontierCode 2.0 上 Opus 5.5 略高,纯终端或前沿代码任务建议两者都测。
  • 图表理解有对手更高:Chartography 上 Sol 更高,图表密集的报表任务可把 Sol 纳入对比。
  • 高档位不保证更高分:Artificial Analysis 文章中 GDP.pdf 的 xhigh 低于 high,思考档需要按任务调。
  • 参数约束较严:开发者指南写明传 thinking_budget 或 MINIMAL 会返回 HTTP 400,显式上下文缓存不支持,只走 4096 token 以上共享前缀的隐式缓存。

价格和速度本文只留一句:单任务成本与 Carbon 的比较存在 Google 自报低 32%、Artificial Analysis 文章约少 17% 等不同口径,留给计价专篇展开;各思考档的耗时与输出速度留给速度专篇。


Gemini 4 Neon 快速上手:先定任务,再定思考档

上手顺序建议分三步:先按上面的总表选定任务类型,再选定思考档,最后去 API易 总表核对已上架的 Gemini 4 家族型号是否够用。

  1. 选任务类型:科学推理、长材料阅读优先看 Neon 的强项;终端编程、图表理解则把 Opus 5.5 或 Sol 一起列入候选。
  2. 选思考档:开发者指南写明 Neon 只有 low、medium、high、xhigh 四档,默认 high。Artificial Analysis 模型页显示四档智力分分别为 44、55、60、61,high 到 xhigh 只差 1 分,GDP.pdf 上 high 反而更高,所以多数任务从默认档开始即可。
  3. 核对可用型号:编排类任务可参考开发者指南的做法,把主控交给强模型、把快速子任务交给 gemini-4-hydrogen;最难的长程任务看 gemini-4-carbon。

调用地址方面,OpenAI 兼容接口把 base_url 设为 https://api.apiyi.com/v1,Gemini 原生接口使用 https://api.apiyi.com 并选择 v1beta 版本。钥匙从环境变量读取,例如 APIYI_API_KEY,不要把明文钥匙写进代码。调用时 model 填 gemini-4-carbon 或 gemini-4-hydrogen 即可,两者在 API易 总表里的端点都是 chat 与 gemini。

下表是 2026-11-16 更新的 API易 总表(docs.apiyi.com/models.md)与 2026-11-19 查询的定价接口(api.apiyi.com/api/pricing,共 285 个模型)中可用来对照的型号,单位为美元每百万 token。

模型 ID 输入 缓存读 输出 可用平台
gemini-4-carbon 2 0.1 10 API易 总表、定价接口
gemini-4-hydrogen 1.5 0.075 7.5 API易 总表、定价接口
claude-opus-5-5 4 0.2 20 API易 总表、定价接口
gpt-6.2-sol 2(超 272000 token 输入为 3) 0.1 10(定价接口高档约 11.25) API易 总表、定价接口

gemini-4-carbon 的 2/10 是 API易当前货架价,对应 Google 到 2026-11-30 的介绍价。Gemini 4 Neon 在 Google AI Studio 定价页的标价为输入 3.00、输出 15.00 美元每百万 token,无免费档;它在 API易总表和定价接口里都还没有出现。暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。

🚀 上手建议:在 Neon 上架前,可以先通过 API易 apiyi.com 用同一把 Key 分别调用 gemini-4-carbon、claude-opus-5-5 和 gpt-6.2-sol,把你自己的编程或报表任务各跑一遍,先确定哪类任务需要 Neon 级别的能力。


常见问题 FAQ

Q1:Gemini 4 Neon 是什么定位的模型?

Google 于 2026-11-18 发布的 Gemini 4 家族中间档,由 Carbon 改编,开发者指南将其放在 Hydrogen 与 Carbon 之间,官方博客称其面向高频的复杂流程。模型 ID 为 `gemini-4-neon`。

Q2:Gemini 4 Neon 综合分 61 排第几?

Artificial Analysis 文章显示 xhigh 档 61 分、综合第 3,前面是 GPT-6.2 Astra(max)和 Claude Fable 5.2(max)。Google 博客与模型卡的 61 与之一致,但综合分只适合当入口,分项要按任务看。

Q3:Coding Agent Index 到底是 58.6 还是 59?

两个都对,来源不同。58.6 是 Google 博客(官方自报)的数字,59 是 Artificial Analysis 文章在 Antigravity CLI 上测 Neon xhigh 的数字。两者不应合成或平均。

Q4:SWE-sweep 的 12.8% 和 39.0% 差这么多,说明什么?

它们是两个 harness 的结果:12.8% 来自 mini-SWE harness,39.0% 来自 Google Antigravity。官方博客把差距归为 harness 的解锁作用,选型时应关注你实际使用的 agent 环境。

Q5:哪些项目里对手比 Gemini 4 Neon 更高?

模型卡中 Terminal-bench 4.1 与 FrontierCode 2.0 是 Claude Opus 5.5 略高,Chartography 是 GPT-6.2 Sol 略高。Artificial Analysis 文章中 MKA 是 Fable max 的 57% 高于 Neon 的 56%。

Q6:现在能通过 API 调用 Gemini 4 Neon 吗?

Google 侧已在 AI Studio 的 Gemini API 等渠道推出。API易 apiyi.com 的总表与定价接口目前没有 `gemini-4-neon`,暂未上架,我们会尽快上架这个模型;型号与价格以平台型号列表为准。

Q7:上架前可以先用什么型号替代测试?

可在 API易 apiyi.com 用 OpenAI 兼容地址 `https://api.apiyi.com/v1` 调用 `gemini-4-carbon` 或 `gemini-4-hydrogen`,同一把 Key 还能切到 `claude-opus-5-5`、`gpt-6.2-sol` 做横向对照,新用户有免费测试额度。

Q8:Gemini 4 Neon 有哪些调用限制?

开发者指南写明:思考档只有 `low` 到 `xhigh` 四档,传 `thinking_budget` 或 `MINIMAL` 返回 `HTTP 400`;不支持显式上下文缓存;统一上限 1048576 token 含输入和输出,单段默认最多输出 65536。


Gemini 4 Neon 核心要点 Key Takeaways

  • 综合分只是入口:AA 智力分 61、第 3 在三处来源一致,选型仍要按任务拆。
  • 编程有两项被超:模型卡中 Terminal-bench 4.1、FrontierCode 2.0 是 Opus 5.5 略高。
  • 编程第三方领先 1 分:Coding Agent Index 59 对 Fable xhigh、Opus 5.5 max 的 58。
  • 知识工作多数领先:Chartography 是 Sol 更高,GraphWalks 长上下文优势最明显。
  • 科学三项官方称 best in class:模型卡对照中同样领先,但对手数据为各家自报。
  • 思考档从 high 起步:high 与 xhigh 智力分只差 1,GDP.pdf 上 high 更高。
  • 上手先测已上架型号:Neon 上架前,可在 API易 apiyi.com 用 Carbon、Hydrogen 先跑任务。

总结

Gemini 4 Neon 有多强,按三块分开看会清楚得多:

  1. 编程:官方自报 Coding Agent Index 第一,第三方只领先 1 分,模型卡里 Opus 5.5 有两项略高。
  2. 知识工作:AutomationBench、长上下文 GraphWalks 等多数领先,Chartography 是 Sol 更高。
  3. 科学:三项官方称 best in class,模型卡对照一致领先,是三块里证据最整齐的一块。

建议先把你的任务归到其中一类,再对照本文的总表决定是否需要 Neon。上架前可以通过 API易 apiyi.com 用统一接口调用 Gemini 4 Carbon、Hydrogen 以及 Opus、Sol 做对照,等 gemini-4-neon 上线后直接替换模型 ID 复测。


📚 参考资料

  1. Google 博客 – Introducing Gemini 4 Neon:官方发布文与自报分数

    • 链接: blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-neon
    • 说明: 官方自报的排名、编程与科学分数
  2. DeepMind 模型卡 – Gemini 4 Neon:三列对照表与模型规格

    • 链接: deepmind.google/models/model-cards/gemini-4-neon/
    • 说明: Neon、Opus 5.5、Sol 的逐项分数,非 Gemini 结果默认来自各家自报
  3. Google Cloud 开发者指南 – Gemini 4 Neon:参数与调用约束

    • 链接: docs.cloud.google.com/gemini-enterprise-agent-platform/models/guides/gemini-4-neon
    • 说明: 思考档、token 上限、缓存与错误码
  4. Artificial Analysis 文章 – Gemini 4 Neon intelligence gain:第三方测量

    • 链接: artificialanalysis.ai/articles/gemini-4-neon-intelligence-gain
    • 说明: Coding Agent Index 59、GDP.pdf、MKA 等
  5. Artificial Analysis 模型页 – Gemini 4 Neon:按思考档分列的指数

    • 链接: artificialanalysis.ai/models/gemini-4-neon
    • 说明: 四档智力分对照
  6. API易 模型总表:已上架型号与价格

    • 链接: docs.apiyi.com/models.md
    • 说明: 型号与价格以平台型号列表为准

作者:APIYI 技术团队
技术交流:欢迎在 API易 网站首页联系我们,更多资料可访问 docs.apiyi.com 文档中心

延伸阅读

类似文章