谷歌发布面向复杂编程任务的 Gemini 4 Neon
据报道,Neon 以 58.6 分登顶 Artificial Analysis 编程 Agent 指数,支持百万令牌上下文,在 Antigravity 中可调度 Hydrogen 子 Agent。文中列出的 API 价格为每百万输入令牌 3 美元、输出令牌 15 美元。
AI 深度解读
原文称,Google 给 Gemini 4 系列增加了第四款模型 Neon,面向复杂软件工程、知识工作和科学任务。它在 Artificial Analysis 的编程智能体榜单上以 58.6 分排第一,原文给出的生成速度也接近 Carbon 的两倍。
对前端和全栈开发者来说,这两项数字值得分开看。榜单成绩可以用来筛选候选模型,生成速度则影响等待时间。至于 Neon 能不能更快交付一个能合并的 PR,还要看它在你的仓库里怎么改代码、跑测试和处理失败。
编程榜第一,能说明什么?
Neon 在 Artificial Analysis Coding Agent Index 上拿到 58.6 分,排名第一。在 Artificial Analysis Intelligence Index 上,它以 xhigh 设置拿到 61 分,排名第三。这是两套指数,58.6 和 61 不能直接比较。原文只在 Intelligence Index 的成绩旁标明了 xhigh,编程榜成绩所用的设置没有交代。
原文引用了第三方榜单,也没有给出作者团队在实际仓库中的对照结果。对日常开发而言,编程榜第一提供了试用理由。跨文件改动能否遵守项目约定、测试失败后能否自行修复,仍要拿真实任务验证。

每秒 110 tokens,能省多少等待?
原文给出的速度是 Neon 每秒 110 tokens,Carbon 每秒 57 tokens。如果两者生成的内容一样长,这组数字意味着 Neon 的输出阶段更短。一次编程任务还要花时间读文件、调用工具、跑测试和重试。原文没交代测速条件,也没给任务从开始到完成的耗时。
Neon 的上下文窗口是 100 万 tokens,API 定价为每百万输入 tokens 3 美元、每百万输出 tokens 15 美元。长上下文可以容纳更多源码、类型声明和错误日志,实际传入的内容仍会计入输入费用。同样是修一个前后端接口类型不一致的问题,先给接口定义、相关调用和报错,通常比一开始塞进整个仓库更容易看清模型需要哪些信息。
Antigravity 里的子智能体怎么用?
原文称,Neon 可以在 Antigravity 中协调 Hydrogen 子智能体处理长任务。可以把它理解成由主智能体分派子任务,再汇总各路结果。比如排查一次接口变更的影响时,查前端调用点和查 Node 服务端入口就可以分开做。这是适合验证的用例,原文没有展示这类工作流的实测结果。
原文还称,Neon 面向开发者、企业以及 AI Pro 和 Ultra 订阅用户开放。多智能体能力的描述明确放在 Antigravity 里,原文没有交代如何通过普通模型 API 调用这套编排能力。
我的判断
我会把 Neon 放进复杂改动的候选名单,先拿一个跨文件任务和团队现用模型跑一轮。编程榜排名与生成速度都有参考价值,但它们各自只覆盖交付的一部分。评估能否合并,还得看测试结果、人工返工量和总费用。
子智能体编排的收益更依赖任务怎么拆。可以独立排查的模块,适合尝试并行。几个改动如果都依赖同一处类型定义,先让单个智能体顺序完成,通常更容易控制修改范围。原文没有给两种做法的耗时、成本或成功率对照,哪种更省时仍是待验证的判断。
能拿来做什么
- 用同一个真实任务比较 Neon 和团队现用模型,例如同步修改前端表单与 Node 接口校验。给两边相同的初始上下文和验收命令,记录测试结果、总耗时、API 费用和人工返工量。
- 做跨文件排查时,先给入口文件、共享类型和错误日志,遇到缺失依赖再补相关目录。记录每轮的输入和输出用量,判断扩大上下文有没有减少重试。
- 在 Antigravity 试用 Hydrogen 子智能体时,先选一个可以并行做只读排查的任务。汇总调用点和影响范围后再集中修改代码,用同一套测试验收。