Gemini 4 Neon 程式評測逼近 Opus 5.5,API 標價卻比 Anthropic、OpenAI 中階模型貴 5 成:企業該怎麼算?

Google 近日推出新款中階 AI 模型 Gemini 4 Neon。Google 表示,這款模型能在複雜軟體工程、知識工作與科學研究流程中,「以前沿等級的智慧,快速完成端到端任務」。《The Decoder》指出,這是 Google 四週內推出的第四款 Gemini 4 新模型。

Neon 已在 Google AI Studio 與 Android Studio 的付費 Gemini API 上線,Google AI Pro 與 Ultra 訂閱用戶也能在 Gemini App 及 AI 輔助開發平台 Google Antigravity 中使用。定價為每百萬輸入 Token 3 美元、每百萬輸出 Token 15 美元,比 Anthropic 旗艦模型 Claude Opus 5.5 的標準價格 4 美元與 20 美元低 25%。

不過,與中階對手相比,Neon 的標價比 Anthropic 的 Claude Sonnet 5.5 與 OpenAI 的 GPT-6.2 Sol 高出 50%,兩者的標準輸入、輸出價格均為每百萬 Token 2 美元與 10 美元。Google 則表示,Neon 在 Artificial Analysis 智慧指數(Artificial Analysis Intelligence Index)的最高推理設定下,分數勝過這兩款模型。

根據《The Decoder》整理,Neon 的上下文窗口約 100 萬 Token,最多可輸出 100 萬 Token,能處理文字、圖片、影片、音訊與 PDF,並支援電腦操作(Computer Use)、程式碼執行、檔案搜尋,以及透過 Google 搜尋與 Google 地圖佐證資訊(grounding),但不支援生成圖片與音訊。該媒體認為,若 Carbon 與 Argon 對應的是 OpenAI 的 Astra 或 Anthropic 的 Fable,Neon 很可能就相當於 Claude Opus 或 Sol。

從帳單爭議到試算表,Google 主打 Neon 處理多步驟工作

Google 與早期用戶點出 Neon 的幾種用途,包括在帳單紀錄中追查異常費用、找出陌生軟體的缺陷、驗證研究假設,以及製作同事能檢視與修改的試算表。《VentureBeat》指出,這類工作對 AI 模型的要求,是一般簡單提問很少涉及的:模型必須依循證據完成多個步驟,最後交出他人可用的成果。

以帳單爭議為例,Google 建議讓 Neon 檢查水電帳單、解釋費用上升的原因,或在申請退款時交叉比對收據等紀錄。由於 Neon 能同時讀取 PDF、試算表內容與照片,使用者不必先把所有資料轉成單一格式。但這些只是 Google 提供的使用範例,Google 並未公布偵測帳單錯誤或追回款項的成功率。

在 Google 試算表的示範中,一組 Neon 代理根據一張圖片,在 10 萬個儲存格中重建圖像,並用超過 50 萬條公式辨識邊緣、建立深度資訊與調整光線,過程中沒有嵌入原圖,也沒有撰寫腳本。最後產出的是同事可以打開、檢查公式並修改呈現效果的試算表。

效能逼近 Opus 5.5,但成績隨測試項目與代理工具而異

根據 Google 公布的結果,Neon 在 Vals Index 專業工作評測中以 70.9% 排名第二,並在法律研究與稅務代理任務中拿下第一;在 Artificial Analysis 智慧指數中,Neon 以 xhigh 設定取得 61 分、排名第三,這項排名也獲 Artificial Analysis 在 X 上證實。《VentureBeat》分析,在最高設定下,Neon 的智慧指數略勝定位更高階的 Carbon(60 分);在 Vals 評測中,Google 三款模型的差距都在約 2.5 個百分點內,且單看整體準確度,公布的分數難以區分 Neon 與 Claude Sonnet 5.5(70.85%)。

在 Cognition 依審查者標準評分程式碼修改的 FrontierCode 2.0 評測中,Google 公布 Neon 在預設 high 設定下得分 46.2%,Opus 5.5 為 47.3%,僅差 1.1 個百分點。Neon 在 Zapier 的 AutomationBench 取得 56.3%,高於 Opus 的 42.5% 與 Sol 的 41.3%;在 Terminal-Bench Science 科學研究測試中,則以 70.5% 領先 Sol 的 68% 與 Opus 的 63.3%。但在其他測試中排名互換:Opus 在 Terminal-Bench 4.1 以 65.8% 小勝 Neon 的 65.2%,Sol 則在檢驗模型閱讀複雜圖表能力的 Chartography 以 75.1% 領先 Neon 的 73.5%。

速度方面,根據基準測試追蹤平台 Priors 在發布當天的讀數,Neon 開始生成後,在 xhigh 設定下每秒約輸出 110 個 Token;Artificial Analysis 列出的 Carbon,在最高的 high 設定下每秒為 59 個 Token,換算下來 Neon 的輸出速度約快 1.9 倍。但 Priors 同時顯示,Neon 在 xhigh 設定下約需 57 秒才產生第一個 Token。Google 另表示,在 Artificial Analysis 智慧指數的測試中,Neon 以預設 high 設定執行時,每項任務成本比 Carbon 低 32%;而 Artificial Analysis 指出,以 Neon 取得 61 分的 xhigh 設定,對比 high 設定的 Carbon,這項優勢縮小至約 17%。

模型以外的軟體,也會大幅影響成績。在 SWE-sweep 程式評測中,Google 公布 Neon 搭配 mini-SWE agent 得分 12.8%,搭配 Antigravity 則達 39%,底層模型完全相同。在 Antigravity 中,Neon 可將專案拆分給多個平行運作的 Hydrogen 代理。《VentureBeat》認為,對自行開發代理軟體的工程團隊而言,這三倍差距比任何單一排行榜名次,更值得作為在自家環境實測 Neon 的理由。

Gemini 4 產品線成形,Neon 能否成為企業預設模型仍看實際成本

Google 將 Neon 定位在小型、輕量、高速的 Hydrogen,以及建議用於最困難長期專案的 Carbon 之間:Hydrogen 處理大量工作,Neon 負責較困難且經常重複的任務,Carbon 則用於長時間專案。《VentureBeat》回顧,Google 7 週前推出 Gemini 4 Argon,初期只開放給通過審核的資安合作夥伴,Carbon 在 10 月 28 日推出後同樣限制存取。該媒體認為,Google 這波反攻的長遠意義,可能在於即使個別測試的領先地位不斷易手,客戶仍能把更多工作留在同一個平台上。

價格方面,Hydrogen 每百萬輸入與輸出 Token 分別為 1.5 美元與 7.5 美元,Neon 的價格是 Hydrogen 的兩倍;Carbon 與 Argon 的優惠價為 2 美元與 10 美元,11 月底前每 Token 價格比 Neon 便宜,但 12 月 1 日起將調漲為 4 美元與 20 美元,屆時 Neon 會比 Carbon 便宜 25%。

在資安領域,Google 將推出專用版本,預計在接下來幾天向符合資格的 Fairwind Program 參與者開放。Google 表示,該版本在漏洞發現測試中取得 90.5%,漏洞修補測試則達 70.7%,企業可透過 Google Cloud 客戶團隊申請使用。

《VentureBeat》試算,以標準短上下文價格計算,若輸入與輸出比例相同,Neon 必須比 Sol 或 Sonnet 少用約三分之一的 Token,才能抵銷 50% 的價差。不過,如果工作流程能更快完成、或需要更少人工審查,仍可能值回差價;Glean 的 AI 產品負責人 Thai Tran 就在 Google 的發布公告中表示,在早期評估中,Neon「以 3 倍速度與 60% 的成本,達到或超越 Gemini 4 Carbon 的整體品質」。該媒體表示,Neon 在與 Sol 或 Sonnet 的比較中能否同樣值回差價,取決於團隊為了得到可用成果所付出的總成本。

【推薦閱讀】

◆ 微軟押注「小而專」AI 模型,稱 MAI Code 2 以 5% 成本達 Claude Opus 5.5 的 96% 效能

◆ AI Agent 不必被單一模型綁死!Google 推 Gemini 4 Hydrogen,動態分工節省 24% 配額

◆ NVIDIA、Broadcom、AMD 為何搶著確保 PCB 供應?AI 讓不起眼零件變兵家必爭之地

*本文開放合作夥伴轉載,資料來源:《VentureBeat》、《The Decoder》,圖片來源:Google。