美东11月18日、北京时间11月19日凌晨,谷歌发布Gemini 4 Neon,这款从Carbon蒸馏适配出来的中档模型在发布当天就同步在AI Studio、Gemini API、商业端、Gemini应用与Antigravity里全量现货上线。这是谷歌7周内发布的第四款Gemini 4系列模型,距离旗舰Carbon发布才过去三周多。至于标题问的“编程、长任务到底到什么水平”,把官方成绩表、第三方榜单和首批实测放在一起看,答案是:编程综合已进第一梯队,但两项最硬的工程指标仍输给Claude Opus 5.5半分到一分;长任务耐力达到旗舰级、能连续跑12小时的多智能体调度,但这份能力绑定了谷歌自家执行框架,并且是靠大量token换回来的。知乎36氪知乎
Neon在家族里坐“中杯”:最难的超长项目归旗舰Carbon,快活轻活归Hydrogen,Argon已经开始往边上退,文档里都在写怎么从Argon迁移到Neon。付费Pro和Ultra订阅用户可在Google Antigravity中使用它,也能在Gemini应用里直接选择。因为比Carbon多开放了第四档xhigh极限思考,它在Artificial Analysis智能指数上拿到61分、总榜第三,连自家大哥Carbon的60分也被反超1分。知乎知乎知乎

编程:赢了总榜,输给最硬的两道题
谷歌官方对照表19项,Neon赢下16项。但输掉的那几项恰好暴露水位:Terminal-Bench 4.1得分65.2%、落后Opus 5.5的65.8%,默认档FrontierCode 2.0得分46.2%、同样略逊。唯二输给Opus的两项,差距都在1个百分点上下,而它们正是竞争最激烈的命令行自主执行与前沿代码生成。知乎知乎知乎小红书知乎
成绩表里最抢眼的跨仓库修bug项SWE-sweep拿到39.0%,远超Opus 5.5的10.1%和Sol的8.3%。但官方博客同时披露了前提:同一模型改用通用mini-SWE框架,得分只有12.8%。逐行核对过对照表的用户也指出,方法文档写明自研框架默认开启子agent跨代码库发散、特别适合找bug任务,对手则跑在各自的Claude Code与Codex里。也就是说,这份“暴打”对手的成绩只在Antigravity环境里成立,换到通用框架就缩水到三分之一——评价它的编程能力,绕不开执行框架这个条件。知乎知乎小红书
Artificial Analysis编程Agent榜上,Neon+Antigravity以58.6分排名第一,Claude Code里的Opus 5.5和Fable 5.2同处58分区间。分差毫厘,价差巨大:Neon跑一个任务平均6.86美元,Opus 5.5要12.61美元,Fable 5.2要15.47美元。同一条提示词、同开最高推理档的对决里,Neon跑了20分钟、账单3.5美元,Opus 5.5用18分钟、账单7.2美元,开发者的体感是Opus的上限依然略高,但Neon交出了Gemini 4家族迄今最细腻的输出、成本砍掉一半以上。口碑分裂:有人说它实际比Sonnet 5.5差、跑分却高一截,也有普遍反馈是快是真快,但agent频繁停下来问权限、自主性偏保守。知乎知乎36氪知乎
长任务:旗舰级耐力,用时间和token换
官方演示全是硬活:/swarm连续跑了12小时,对着老照片3D复原出1936年图灵在剑桥的书房,连桌上的通用图灵机都能转。勃朗峰真实高程数据的滑雪模拟器,一口气写出10200行自定义WebGL2着色器代码,内置120Hz物理引擎,动态雪痕、板状雪崩和空间音频全都一步到位。一张静态照片被转成10万个单元格,不插图、不写脚本,纯靠50多万条实时表格公式跑通边缘检测和3D深度映射。知乎知乎36氪
Neon的官方新岗位是“总指挥”:一个大任务进来,它负责拆开,再派给一群并行的Hydrogen子agent去干,后者速度最快、价格只有它的一半。谷歌称它减少了重复读取文件的行为,会在执行过程中汇报进度,并能在长会话中可靠地处理上下文压缩。防偷懒是它的招牌安全叙事:内部编程防偷懒测试里走捷径的比例降到2.45%的历史最低。知乎知乎36氪
真机对决把优势和代价一起摆出来:智能仓库AGV死锁调度一题,Carbon交了零字节白卷、GPT-6.2 Sol超时,Neon是放宽时限到540秒后才在498秒交齐完整四文件工程、五项断言全过。同一句提示词生成RPG俄罗斯方块,Hydrogen上周跑完用3m 37s,Neon这次Ran for 7m 16s,时间正好翻倍。跑通视频采集、脚本整理、生成、混音全自动化流程的用户则报告:1分钟的新闻短片大概跑了不到一小时,Pro的周额度掉了10%。这些体感和第三方数据对得上:Artificial Analysis实测Neon每个任务平均花6.44美元、跑21.5分钟,输出token是中位数的4.3倍——高分和“稳”,有相当一部分是拿话痨和时长换来的。在Agent诚实性评测中,它的通过率是99.2%,行为偏离率0.09%。知乎知乎小红书小红书知乎
定价与选型:别只看标价,也别照抄榜单
API标价每百万token输入3美元、输出15美元,缓存输入低至0.15美元,标配100万上下文,无折扣无首发优惠。标价之外还有两笔容易看错的账:它的输出单价比Claude Sonnet 5.5和GPT-6.2 Sol贵50%,而11月30日前处于首发半价的Carbon输出只要10美元——中杯的标价一度比旗舰还贵。真正该比的是单任务总账:综合开销比Claude、GPT的顶级旗舰低50%到80%,成绩一点没打折。知乎知乎36氪知乎
首批企业客户Glean的内部评测结论是:用Carbon三倍的速度、六成的成本,交付同等质量的结果。36氪

上线第一天,边界才刚开始画
谷歌如此密集的出牌,自己给出的解释是RSI:布林10月就说过,谷歌已踏上“RSI的跑步机”,研究员正和模型一起造下一代模型。落到当下的选型其实很清楚:多文件重构、百万token长文档、挂一队子agent跑几小时的活,Neon值得进流水线;起稿快活叫Hydrogen;而最极端的编程控制权,Opus 5.5的位子还没让出来。知乎

当前文章无评论,是时候发表评论了