Gemini 4 Neon 支持百万令牌上下文
据报道,谷歌将 Gemini 4 Neon 定位为面向编程和知识工作的旗舰模型,经 Gemini API、Vertex AI 和 Gemini CLI 等渠道提供,输入和输出每百万令牌分别收费 3 美元和 15 美元。报道列出的 SWE-bench Pro 得分为 49.1%,Terminal-Bench 2.0 在高推理档为 66.3%。
AI 深度解读
Google 把 Gemini 4 Neon 定位为 Gemini 3 Pro 的接班模型,主打能写代码、跑终端、调用工具和搜索网页的编程代理,也覆盖知识工作。按原文报道,API 每百万 token 的输入价为 3 美元,输出价为 15 美元,和 Gemini 3 Pro 持平。
对已经在用 Gemini 3 Pro 的团队,这次升级最值得看的是两笔账。一笔是换模型后,同一批任务能多完成多少。另一笔是调高推理档位以后,多花的 token 和等待时间能换来多少收益。
单价持平,单次任务还要看用量
Gemini 4 Neon 也写作 Gemini 4.0 Neon,支持 100 万 token 的上下文窗口。据原文,开发者可以在 AI Studio、Gemini CLI、Gemini app 里使用,也可以通过 Gemini API 和 Vertex AI 接入。Google 给它的定位还包括多模态推理,也就是把图片等不同类型的输入和文本一起纳入分析。
推理强度有 low、medium、high 三档,各档的 token 单价相同。Google 说,提高推理强度可以拿更多 token 和时间换取更高的准确率。单次任务的账单仍取决于实际用量。输出 token 的单价是输入的 5 倍,因此比较档位时,值得把输入和输出分开记,再看完成任务的总成本。
高推理档在终端测试里多拿了 3.9 个百分点
原文援引公开基准,给出三项和编程代理直接相关的成绩。Gemini 4 Neon 在衡量代码修复能力的 SWE-bench Pro 上得分 49.1%,在衡量终端任务能力的 Terminal-Bench 2.0 上得分 62.4%,开到 high 档后为 66.3%。衡量网页检索能力的 BrowseComp 得分 72.3%。
知识工作的两项成绩分别是 GPQA Diamond 95.8% 和 GDPval 60.9%。前者考查高难度科学问答,后者衡量模型处理职业工作任务的表现。这些分数给选型提供了几个观察维度。原文没有逐项交代 Gemini 3 Pro 的同条件成绩,也没有给出终端测试切到 high 档之后多花了多少时间和 token。
我的判断
如果团队已经用 Gemini 3 Pro 跑编程任务,Neon 值得先进入候选。单价持平,终端基准也给出了一个明确的档位收益。但原文关于「可以直接替换」的判断,主要来自 Google 的定位和公开跑分。作者没有展示真实仓库的迁移实测,升级后能省多少返工,目前还得靠团队自己的对照结果。
直接把所有调用切到 high,配置最省事。先保持现有档位,只给经常失败的任务加测 high,更容易看出哪类任务能从额外推理里获益。至于 100 万 token 的窗口,它给跨文件排查留出了空间,但原文没有提供整仓输入与按需选取文件的对照。团队已有按需提供上下文的流程时,可以先沿用它,减少换模型时同时改变的变量。
能拿来做什么
- 已经通过 Gemini API 使用 Gemini 3 Pro 的团队,可以拿近期修过的前端或 Node 缺陷做一轮回放。两个模型使用相同的提示词、文件和工具权限,比较测试通过率、人工返工、耗时和 token 用量。
- 用 Gemini CLI 排查构建失败或跨包测试问题时,可以把普通档位反复失败的任务拿去测 high,并记录每次成功解决问题的总成本,包含重试。
- 对需要查框架文档、核对 API 用法的任务,可以单独比较网页检索效果。验收时核对模型找到了哪份文档,以及最后给出的用法是否适用于项目正在使用的版本。