谷歌于 2026年11月18日发布 Gemini 4 Neon,可分多个步骤执行复杂编程与分析工作。开发者可通过付费 API 委托长时间任务,并根据任务难度调整代表解题步骤的推理深度及成本。
企业可在 Gemini for Business 中选择 Neon,Google AI Pro 和 Ultra 订阅用户可在 Gemini 应用及 Google Antigravity 中选择该模型。开发者也可通过 Google AI Studio 发起调用。
1. 定位于复杂任务与日常执行之间
Neon 的定位介于面向最棘手长期项目的 Carbon 与面向日常快速执行的 Hydrogen 之间。谷歌称,其在复杂编程、分析推理和企业工作流中兼顾深度与效率。官方表示,在使用工具自主执行多个步骤的长时间智能体任务中,它能减少不必要的文件重复查阅,并分享进度。它还支持通过总结此前对话来延续任务上下文。
据公司公布的数据,Neon 在综合性能评测 Intelligence Index 中以最深推理级别获得 61分,总排名第3,在 Vals Index 中以 70.9% 排名第2。新的 Agent Arena 指数评估了 4,200次以上真实智能体会话,Neon 以 1,336分位居全球第2。谷歌称,其根据用户修改调整任务方向的能力在该指数中也位居第2。
2. 编程与分析评测中的表现
据公司公布的数据,Neon 在 Artificial Analysis Coding Agent Index 中以 58.6分排名第1,在 Terminal-Bench 4.1 中取得 65.2%。FrontierCode 2.0 的 46.2% 为默认推理级别下的结果。谷歌将跨文件错误修复和代码结构改进列为主要用途。
SWE-sweep 评估以代码仓库为单位的任务,仓库用于集中管理代码和文件,结果随驱动智能体的工具与运行环境而变化。据公司公布的数据,mini-SWE 环境下为 12.8%,Google Antigravity 环境下为 39.0%。引入时,除了选择模型,也需评估实际接入的工具环境。
据公司公布的数据,其在图表解读评测中取得 73.5%,在 Agent's Last Exam v1.1 中取得 75.8%,在 Automation Bench 中取得 56.3%。Neon 面向在同一上下文中综合文档、表格、图表等多种输入,并生成报告等成果的工作。
据公司公布的数据,在科学与数学领域的独立评测中,Terminal-Bench Science 为 70.5%,RiemannBench 为 84.0%,HLE-Diamond 为 71.3%。谷歌将定量分析、数学和技术研究问题列为应用领域。
3. 通过付费 API 调用并续接长输出
模型标识符为 gemini-4-neon,以下示例通过 Interactions API 调用。Gemini API 通过付费方案提供该模型。
默认推理级别为 high。可根据任务从包含更浅或更深推理的四个级别中选择,也可通过现有 generateContent 路径调用。
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-4-neon",
input="Build an interactive single-file HTML token bucket rate-limiter simulator with live sliders for burst size and request traffic."
)
print(interaction.output_text)请求结束后才返回结果的同步响应最多为 65,536个 token,输入、推理和输出共享一个 1,048,576个 token 的上下文窗口,即单次可处理的输入范围。如需更长输出,可设置无需在界面等待的后台执行及输出上限,或使用最新开发工具的续接功能。
对于 4,096个 token 及以上的提示词,默认启用自动保存重复输入的隐式缓存,复用已保存输入的缓存命中输入可享折扣。
4. 平衡低任务成本与 token 支出
所有上下文长度区间采用相同价格。缓存命中输入比普通输入更便宜,输出费用也包含推理 token。
表:Neon API 输入与输出价格
条件:Gemini 4 Neon,Gemini API 付费方案,所有上下文长度区间价格相同
单位:美元(每100万 token)
| 项目 | 价格(美元) |
|---|---|
| 输入 | 3.00 |
| 缓存命中输入 | 0.15 |
| 输出(含推理 token) | 15.00 |
据公司公布的数据,在默认推理级别下,每项任务成本比 Carbon 低 32%。官方称,以同一级别在 Vals Index 和 Agent Arena 中综合评估性能与成本时,每项任务成本比竞品顶级模型约低 50~80%。谷歌表示,在最深的 xhigh 级别下,成本比竞品模型的最高设置低超过 36%。
调整推理深度可平衡质量与支出,但最深级别会增加响应时间和 token 用量。借助外部资料补充回答时,用于向模型传达工作方式的内部指令,以及定义调用功能名称与输入的函数声明也会计费,连接谷歌搜索还会按查询额外收费。因此,团队不仅需管理调用单价,也需同时管理推理级别与搜索用量。
5. 安全性与应用范围
据公司公布的数据,Neon 在 Terminal-Bench 4.0 中拒绝正当任务的比例为 1.98%,在 Terminal-Bench Science 中为 0%。Terminal-Bench 4.0 中的作弊率为 0.0%,在另一项编程作弊评测中,走捷径的比例为 2.45%。
模型卡注明知识截止时间为 2026年3月,并说明部分领域的知识可能更早。生成与事实不符的内容也是其局限之一。
Neon 是通过付费 API 执行复杂长期任务的一种选择,同时调整推理深度与附加用量,才能发挥其成本效益。
