跳到主要內容
maxstudioNews
產品Google DeepMind約 8 分鐘

Google DeepMind 推出 Gemini 4 Neon:前沿智慧模型,專為高效任務完成而生

Google DeepMind 今日發表了 Gemini 4 Neon 模型,這是一款提供前沿智慧的 AI,能夠快速完成複雜的軟體工程、知識工作和科學流程任務。該模型在多個基準測試中表現出色,並強調了其在企業應用、程式碼生成、網路安全和安全執行方面的能力。Gemini 4 Neon 已透過 Gemini API、Google AI Studio 等管道推出,並提供多種思考層級以平衡效能與成本。

Google DeepMind 推出 Gemini 4 Neon:前沿智慧模型,專為高效任務完成而生
圖片來源:Google DeepMind

今天,我們推出了 Gemini 4 Neon,這是一款提供前沿智慧的 AI 模型,能夠快速完成複雜的軟體工程、知識工作和科學工作流程的端到端任務。

Neon 在 Artificial Analysis Intelligence Index 的極高思考層級上,以 61 分超越了可比模型,總體排名第三,僅次於更大、更慢的模型。在 Vals Index 上,Neon 排名第二,並位於帕累托前沿。

除了推動原始模型能力外,我們也持續改進模型的使用體驗。Neon 在新的 Agent Arena Index 上,於可控性(能清晰適應任務中途的使用者修正)方面排名第二。Neon 在多步驟指令遵循方面也表現出色,並在內部 Google Antigravity 測試中,記錄了我們迄今為止最低的虛構率,進一步遏制了虛構內容的產生。

該模型的定價為每百萬輸入權杖 3 美元(每百萬快取輸入權杖 0.15 美元,享 95% 折扣),每百萬輸出權杖 15 美元,並提供 100 萬權杖的上下文視窗。

Gemini 4 Neon 將於今日起透過 Gemini API 在 Google AI Studio、企業版 Gemini(透過 API 和模型下拉選單),以及 Google Antigravity 中的付費 Google AI Pro 和 Ultra 訂閱者,以及 Gemini 應用程式中的 Pro 和 Ultra 訂閱者推出。

在企業、分析和科學工作中表現出色

企業工作涉及試算表、PDF、圖表、音訊和視訊。Neon 可以在單一 100 萬權杖的上下文視窗中綜合處理所有這些輸入,並將輸入轉化為結構化的交付成果。獨立評估將 Neon 列為頂級模型之一,在 Vals Index 等基準測試中,它以 70.9% 排名第二,並在 Legal Research Bench 和 Tax Agent Bench 上均達到第一。

Neon 在 Surge AI 的各類別中也表現強勁,在金融、會計、試算表建模和複雜約束遵循的大多數基準測試中均排名第一。它在 Chartography 上閱讀密集專業圖表的得分為 73.5%,在 Agents' Last Exam v1.1 上與領先模型表現相當(75.8%)。

它在 Zapier 的 AutomationBench(56.3%)和 Andon Labs 的 Vending-Bench 2(16,843 美元,一項經營業務的長期模擬)上均獲得總體第一。最後,它在 Arena 新的 Agent Arena Index 上,透過 4,200 多個真實世界代理會話,以 1336 分首次亮相全球第二。

在科學和數學推理方面,涵蓋量化分析、數學和技術研究問題,Neon 在 Terminal-Bench Science(70.5%)、RiemannBench(84.0%)和 HLE-Diamond(71.3%)上均為同類最佳。

專為可用於生產的程式碼而建構

Neon 專為長時間運行的代理工作流程而設計,能夠在複雜、工具密集型的任務中維持端到端效能,無論是獨立運行,還是作為一個快速、高判斷力的編排器,在 Google Antigravity 中指導並行 Hydrogen 子代理。它減少了重複的檔案讀取,在工作時分享進度,並在長期會話中可靠地處理上下文壓縮。

在核心開發者和研究人員工作流程中,Neon 實現了前沿效能,並與同類領先模型競爭,在 Artificial Analysis Coding Agent Index 上總體排名第一(58.6),在 Terminal-Bench 4.1 上得分 65.2%,在 FrontierCode 2.0 上得分 46.2%(在其預設高設定下)。

對於可用於生產的程式碼,Neon 能夠處理跨儲存庫的多檔案偵錯和重構,並進行針對性、精確的編輯。在 SWE-sweep 上,它已經在 mini-SWE 線束上領先(12.8%),並在 Google Antigravity 中達到最先進的 39.0%,顯示了 Antigravity 線束所解鎖的潛力。

為生產級工作流程帶來效率和控制

我們在每個新模型發布時都會精進思考層級,為團隊提供更精細的控制,並實現從一個層級到下一個層級的平穩進展。Neon 的四個層級穩定擴展,讓團隊可以根據每個工作負載的需求調整智慧和權杖花費。

Neon 在第三方基準測試中,以更低的每個任務成本提供高效能。在其預設高思考層級下,它結合了高 Artificial Analysis Intelligence Index 分數,並且每個任務成本比 Carbon 低 32%。它在高思考層級下,在 Vals Index 和 Agent Arena 上也位於帕累托前沿,每個任務成本比頂級競爭前沿模型低約 50% 到 80%。

極高思考層級為最困難的工程、分析和科學工作負載增加了更深入、多步驟的推理。Neon 在此展現了最高的智慧分數,同時每個任務成本仍比競爭模型在其最高設定下低 36% 以上。

專為快速、高效、前沿的網路防禦而建構

隨著代理程式碼的擴展,從一開始就生成安全程式碼至關重要。Gemini 4 Neon for cyber 在 AutoBaxBench 的所有簡單、中等和困難挑戰中,生成了比 Carbon 更安全的程式碼,在困難層級上實現了最先進的 76%。

保護系統也意味著在攻擊者之前主動發現缺陷。滲透測試一直是企業網路安全的基石。在 WebExploitBench v1.2 上,Neon 以一半的成本實現了最先進的效能(51.26%),相較於大型競爭模型。

為了強化現有程式碼,Gemini 4 Neon for cyber 在程式碼強化生命週期中,提供前沿效能,包括漏洞發現、驗證和修補,同時比大型前沿模型更快、更具成本效益。

發現程式碼漏洞:Neon 在 SEC-bench Pro 上實現了最先進的效能(90.5%),而每個挑戰的成本約為一半。

透過漏洞利用驗證風險:為了優先處理哪些漏洞需要補救,防禦者依賴模型來檢查哪些漏洞是可利用的。在 ExploitGym 上,它以 Carbon 一半的權杖實現了前沿效能。

修補漏洞:修復漏洞的根本原因是網路安全防禦生命週期中的關鍵一步。Neon 在 Collinear 的 CWE-bench v2 上達到 70.7%,比 Carbon 提升了 3.4%。

Gemini 4 Neon for cyber 將在未來幾天內,作為 Fairwind 計畫的一部分,向值得信賴的防禦者推出。

專為安全、可靠的執行而設計

Gemini 4 Neon 建立在 Gemini 4 安全堆疊的改進基礎上,維持了 Gemini 4 Carbon 等級的保護,以應對嚴重濫用和提示詞注入,同時在模型對齊和代理行為方面進一步發展。對於旨在生產環境中執行要求高、長時間運行的模型,我們專注於以下幾點:

緩解前沿濫用安全風險:由於 Neon 將前沿能力帶入更快、成本更低的模型,我們將其與強大的即時防護措施結合,以應對網路和生物安全濫用,其保護措施可與我們的 Carbon 模型相媲美。同時,它拒絕的合法工作量也少得多,例如在 Terminal-Bench 4.0 上僅拒絕 1.98% 的任務,在 Terminal-Bench-Science 上拒絕 0% 的任務。

推進對齊和規範模型行為:在內部程式碼使用中,我們思維鏈和行動未對齊監測器的警報率仍低於 Carbon 設定的低基準,這表明 Neon 的對齊傾向有所提高。同樣的監測器也部署用於保護 Neon 在外部介面上的安全。Neon 經過訓練,可以在不偷工減料、不虛構結果或不超越使用者界限的情況下完成多步驟工作,持續改進在遵循請求和保持在範圍內之間的平衡。

它在 Terminal-Bench 4.0 上與 Carbon 一樣,作弊率為 0.0%,在我們的程式碼作弊評估中,僅在 2.45% 的任務中走捷徑(這是所有 Gemini 4 模型中最低的)。它還在我們的代理安全套件中實現了 0.09% 的未對齊行動率,並在我們的代理誠實度評估中達到了 99.2% 的通過率。

在我們的代理行為評估中,Neon 在 Carbon 的強大基礎上,進一步將不同努力程度下的服務不足減少了 43%–56%,將過度干預減少了 15%–35%。

保護使用者免受間接提示詞注入攻擊:在 Gray Swan 的 IPI 基準測試中,當惡意指令植入其存取的網頁、電子郵件、文件或程式碼中時,Neon 比同類其他模型更具韌性。我們發現,在最高思考層級的即時防護措施下,Neon 抵禦了 Gray Swan 基準測試中的所有攻擊,達到了只有其他 Gemini 模型才能實現的 0.0% 攻擊成功率。

更多詳細資訊,請參閱 Gemini 4 Neon 模型卡。

專為更深入的分析而建構

在 Gemini 應用程式中,Gemini 4 Neon 擅長需要前沿推理能力和快速回應的工作。

更高品質的寫作和知識工作:Neon 寫作清晰,回應結構良好,語氣自然、直接。它更精確地讀取試算表、PDF 和照片等上傳內容,將密集材料轉化為有用的報告和摘要,並從 Gmail 和 Docs 等 Google 應用程式中提取相關細節。

可靠的研究和分析:Neon 經常整合來自網路各處的詳細資訊,以保持回應的時效性。

Share

覺得值得一看?分享給朋友。

以上為 AI 自動翻譯導讀。原文版權歸 Google DeepMind 所有, 建議透過「閱讀原文」前往原始網站,以取得最完整資訊並支持原作者。

Newsletter

不用每天追,AI 重點每週寄給你

43 個來源、每 2 小時更新,太多看不完。電子報每週挑最值得看的幾則,附上 Max 的看法。

每週一封。Email 只用來寄電子報,每封信都能一鍵退訂。