基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
9.0
重磅
AI SCORE
模型发布2026-11-19 09:34

谷歌发布面向复杂编程任务的 Gemini 4 Neon

dev.to · AI#Gemini#编程智能体#长上下文
Editor brief · 编辑速览

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。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

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。

Gemini 4 Neon 的模型指标信息图

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。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
下一篇
Exa 用自定义算子加速文档向量化

资讯速览

dev.to · AI · 2026-11-19 09:34

AI 评分 9.0 / 10

相关标签

#Gemini#编程智能体#长上下文

继续阅读

  • Exa 用自定义算子加速文档向量化
  • Airbnb 按单任务成本选择编程模型
  • 给 Slack 智能体划定权限边界