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 11:24

Gemini 4 Neon 支持百万令牌上下文

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

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%。

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

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。
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
上一篇
编程助手成本怎么比:按用量和额外计费算
下一篇
金融智能体的日志要能回答哪些审计问题

资讯速览

dev.to · AI · 2026-11-19 11:24

AI 评分 9.0 / 10

相关标签

#谷歌#长上下文#编程智能体

继续阅读

  • 谷歌推出面向编程代理的 Gemini 4 Neon
  • 编程助手成本怎么比:按用量和额外计费算
  • 金融智能体的日志要能回答哪些审计问题
  • 用网关策略强制约束智能体工具调用
  • 跨平台智能体如何统一身份与权限