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 05:03

Gemini 4 Neon 发布,支持百万上下文

The Decoder#Gemini#长上下文#多模态
Editor brief · 编辑速览

Google 推出面向软件开发、知识工作和科研的 Gemini 4 Neon,支持文本、图像、视频、音频和 PDF。每百万 token 输入和输出分别收费 3 和 15 美元,高于此前的 Gemini 4 型号。

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

AI 深度解读

Google 在四周内发布了第四款 Gemini 4 模型。新上线的 Gemini 4 Neon 主打复杂任务的端到端交付,支持约 100 万 token 的上下文,输出上限也达到 100 万 token。它已开放 API,输入和输出分别按每百万 token 3 美元和 15 美元计费。

对写代码的人来说,最实际的问题是:把代码、日志和设计稿一起交给 Neon,它能不能一路查到问题、跑完验证,再交回可用的结果?规格给了试用的理由,报道发出时还没有跑分能回答这个问题。

百万 token 能装下多少排障材料?

上下文窗口决定模型处理一次任务时能参考多少内容,输出上限则决定它最多能生成多少内容。Neon 的这两个数字都在百万 token 量级。对跨模块排障,长上下文的直接价值是留出空间,把相关代码、构建日志和接口文档放进同一轮分析。窗口上限是容量指标,模型能否在大量材料里持续抓住关键线索,还要用任务验证。

Neon 能接收文本、图片、视频、音频和 PDF。比如排查一个只在特定交互中出现的前端问题,可以把复现录屏和相关代码一起交给模型。它还支持 Computer Use、代码执行和文件搜索,也能借助 Google Search 和 Google Maps 获取外部资料作为回答依据。图片和音频目前仅支持输入。

Neon 比其他 Gemini 4 贵多少?

以每百万 token 计,Neon 的输入和输出价分别是 3 美元和 15 美元。Carbon 和 Argon 的首发价是 2 美元和 10 美元,12 月 1 日将翻倍至 4 美元和 20 美元。按报道列出的价格,Neon 目前比这两款贵 50%,调价后则便宜 25%。Hydrogen 的输入和输出价分别是 1.50 美元和 7.50 美元,Neon 正好是它的两倍。

Neon 的单位输出价格是输入的 5 倍。评估一次跨文件改动的成本时,既要看送了多少代码和日志,也要看模型生成了多少补丁和说明。百万 token 的输出上限说明它能写多长,日常任务可以先要求它只返回定位依据、最小补丁和验证结果。

我的判断

Neon 最值得验证的是能否把查资料、执行代码和交付修复串起来。前端和全栈任务经常跨越代码、浏览器行为和接口状态,少几次人工搬运日志和结果,就可能缩短整条排障链路。另一种常见做法是先用文件搜索缩小范围,再把相关片段交给模型,最后用现有测试验证。涉及文件较少时,这套做法更容易控制每轮输入量。遇到跨模块问题,再比较 Neon 能否省掉手动筛选和反复补上下文的时间。

「前沿水平」和「快速完成端到端任务」都是 Google 的发布口径。报道没有提供实测或对照数据,只提到基准结果预计在接下来几小时公布。作者把 Carbon、Argon 类比为 OpenAI Astra 或 Anthropic Fable,并推测 Neon 对应 Claude Opus 或 Sol。这是对产品档位的推测,实际完成速度和修复质量仍待验证。

能拿来做什么

  • 找一个已有复现步骤和测试的跨模块 bug,把同一份复现材料交给 Neon 和现用模型,比较测试通过情况、人工补充信息的次数和总耗时。
  • 遇到录屏能说明、日志难定位的界面问题,可以同时提供录屏和相关组件代码,要求模型指出画面里的具体触发步骤,再给出对应的文件和验证步骤。
  • 接入 API 做试用时,把输入、输出 token 分开记录,按实际用量比较每个成功任务的成本,并把 Carbon 和 Argon 在 12 月 1 日的调价算进去。
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 The Decoder,原文版权归原作者所有。

阅读原文
上一篇
GPT‑6.2 两款模型的成本与编程实测
下一篇
开源维护者如何防范假视频会议钓鱼

资讯速览

The Decoder · 2026-11-19 05:03

AI 评分 9.0 / 10

相关标签

#Gemini#长上下文#多模态

继续阅读

  • Qwen4-Max API 开放,输入输出降价约三成
  • GPT‑6.2 两款模型的成本与编程实测
  • 开源维护者如何防范假视频会议钓鱼
  • 让智能体读懂 MCP 工具的错误与限制
  • AI 代码审查工具的计费与停审风险