谷歌推出支持百万词元上下文的Neon
Gemini 4 Neon 面向复杂编程和研究任务,支持 100 万词元上下文,正陆续接入 Gemini API 和 Antigravity 等产品。每百万词元的输入价从 3 美元起,缓存输入价为 0.15 美元,输出价为 15 美元。
AI 深度解读
Gemini 4 Neon 是 Google DeepMind 放在 Gemini 4 Carbon 和 Gemini 4 Hydrogen 之间的一档模型,瞄准复杂又高频的工作,比如让编码代理跨多个文件修改代码,或把表格、PDF 和图表整理成一份报告。输入起价是每百万 token 3 美元,支持 100 万 token 的上下文。
标题里的「半价」来自特定评测里的单任务成本。对开发者来说,更值得看的是两组数字。一组说明重复使用相同上下文能省多少输入费,另一组显示同一个模型换了代理运行环境,做题成绩能差多远。
省下来的钱来自哪里?
Google 给 Gemini 4 家族安排了三个档位。Carbon 处理难度最高、耗时最长的项目,Hydrogen 负责日常快速执行,Neon 则面向需要一定推理深度、又会反复跑的任务。Neon 有 4 档思考级别,原文点名了默认的 high 和更高的 xhigh。
按每百万 token 计,普通输入起价 3 美元,缓存输入 0.15 美元,输出 15 美元。缓存输入比普通输入便宜 95%。如果每次任务都要带上同一套仓库规范或参考文档,命中缓存的那部分会少付很多。100 万 token 的窗口可以容纳表格、PDF、图表、音频和视频,窗口大小决定一次能带多少材料,缓存命中才决定有多少输入能按低价计费。
Google 称,默认 high 下,Neon 比 Carbon 的单任务成本低 32%。在两项评测里,它进入了成本和成绩的帕累托前沿,也就是在评测对比中,没有别的配置能同时做到更便宜且成绩更好。Google 报告它比顶级竞争模型低约 50% 到 80% 的单任务成本。开到 xhigh 后,对比同样使用最高档的竞品,Google 给出的降幅仍为 36% 以上。
编码代理的成绩为什么要连运行环境一起看?
Neon 在编码代理指数上以 58.6 排第 1,在 Terminal-Bench 4.1 上拿到 65.2%,在 FrontierCode 2.0 上用默认 high 拿到 46.2%。最容易被略过的是 mini-SWE 的两组结果。按 Google 的说法,Neon 单独运行得 12.8%,放进 Google Antigravity 后得 39.0%。原文没交代两个环境具体差在哪,也就无法判断分数差距有多少来自工具、提示或执行流程。
Google 还称 Neon 在长任务中会减少重复读文件、汇报进度,并在上下文过长时压缩历史。压缩历史就是把前面的过程整理成摘要,让代理有空间继续干活。通用评测里,xhigh 档智能指数得 61 分、排第 3,分析与企业任务排第 2,接受用户中途纠偏的能力也排第 2。Google 的 Antigravity 内测还录得其迄今最低的编造率。它汇总的外部评估则给出了密集图表阅读 73.5%、代理考试 75.8%,以及法律研究、税务和多数财会、表格建模与复杂约束测试第 1 的成绩。
哪些入口和安全成绩已经披露?
按原文发布时的口径,Neon 开始进入 Gemini API、Gemini for business、Google Antigravity 和 Gemini app。消费者入口先面向 Google AI Pro 和 Ultra 订阅者,企业入口走 Gemini for business。网络安全版计划在随后几天开放给符合资格的 Fairwind Program 成员,原文未给出更广泛开放的日期。
Google 报告,网络安全版在一项困难安全基准上得 76%,Web 利用评测得 51.26%,成本约为大型竞品的一半,漏洞发现得 90.5%,补丁修复得 70.7%,后者较 Carbon 提升 3.4%。通用版在 Terminal-Bench 4.0 的作弊率为 0.0%,与 Carbon 持平。Google 的代理安全测试中,偏离预期的操作占 0.09%,诚信评测通过率为 99.2%。在最高思考档和实时防护同时开启的条件下,它挡住了某一项间接提示注入评测里的全部攻击。这些数字对应各自的测试条件。
我的判断
最有用的是 Google 把价格说到了「每个任务」。做一次跨文件重构,真正花掉的钱取决于代理读了多少、输出了多少、返工了几轮。只看输入单价,会漏掉一百万输出 token 要 15 美元,也会漏掉同一份文档反复命中缓存带来的折扣。
「接近顶级模型、成本减半」仍应按评测条件理解。原文没有列全竞品、任务分布和计费口径,无法把那个比例直接换算成团队账单。减少重复读文件、稳定压缩上下文也是厂商的描述,原文没有给出逐项对照数据。对范围清楚的前端小改动,快速档加上现成的 lint、类型检查和测试也能形成反馈闭环。复杂任务才更有理由比较 Neon 的 high 和 xhigh,以及额外推理能否省下后面的返工。
能拿来做什么
- 挑几条真实的前端重构或 Node 接口改动,在同一个代理工具里对比
high和xhigh,记录验收通过率、返工次数和单任务费用。 - 如果通过 Gemini API 反复提交同一份仓库规范或接口文档,记录实际命中的缓存输入量,再把普通输入、缓存输入和输出费用一起算进账单。
- 评估长任务时,选一条需要跨多个文件、途中还会调整需求的工单,检查代理压缩上下文后是否记得已有约束,最终改动是否通过项目的类型检查和测试。