Tabbit博客

Gemini 4 Neon 测评:High 档值不值得换?

看 Gemini 4 Neon 在多文件编程、图表分析和自动化中的表现,弄清 High 与 Extra High 的成本差异,以及何时继续用 Carbon 或 Hydrogen。

本文目录
  1. 先看结论
  2. Gemini 4 Neon 是什么,在哪里可以用
  3. 同一组任务,四档差在哪
  4. 基准成绩怎么看
  5. 哪些任务值得试 Neon
  6. 会牵动调用方的代码修改
  7. 要精读图表的文档
  8. 能校验最终状态的流程
  9. 实际使用的三个限制
  10. 输出快,整项任务仍可能很久
  11. Carbon 的价差在 12 月 1 日反转
  12. 长上下文仍要校验格式和事实
  13. 用 Tabbit 固定试验资料
  14. 按工作负载选模型

如果你经常改多个代码文件,或要从一堆图表、PDF 里提取可核对的结论,Gemini 4 Neon 值得用 High 档试一轮。日常短任务先用 Hydrogen,Carbon 已经稳定通过验收的任务先保留。Google 于 2026 年 11 月 18 日发布 Neon,把它放在 Hydrogen 和 Carbon 之间,面向高频且有一定难度的工作。Google 发布公告

Zapier 用 AutomationBench 1.0.6 测了同样的 657 个任务。Extra High 比 High 多通过 13 个,每次尝试的估算成本却从 0.88 美元升到 1.69 美元。从 High 起步的理由就在这里。Reddit 上也有 Antigravity 用户认为 Neon 在自己的项目里容易读、结果够准确。帖子没有公开仓库和验收规则,能否复现取决于你的任务。Zapier 测试报告 · 用户原帖

phpHater0 在 Reddit 记录 Neon 在实际项目中的使用反馈
上线当天的项目反馈,作者未公开测试用例。

下面分开看代码、自动化和文档。涉及多网页资料时,可以用 Tabbit Browser 把来源固定下来,再让不同模型答同一套题。

先看结论

  • 多文件修复、需要引证据的分析先试 High。批量任务已有低成本校验时,再试 Medium。

  • 同样 657 题,High 过了 357 题,Extra High 过了 370 题。每个新增通过结果值多少钱,比档位名称更能指导选择。

  • Standard API 每百万 token 输入 3 美元、输出 15 美元,思考计入输出。隐式缓存命中的输入每百万 0.15 美元。

  • Carbon 的首发价到 11 月 30 日为止。看 Neon 是否便宜,先确认估算用的是哪个时段的 Carbon 费率。

  • Neon 接受 PDF、音频、视频、图片和文本。留好原始资料,复核模型引用了哪一页、哪个数字。

Gemini 4 Neon 是什么,在哪里可以用

Neon 由 Gemini 4 Carbon 改造而来,输出为文本,API 模型 ID 是 gemini-4-neon。输入和输出共用 1,048,576 token,默认同步输出上限 65,536 token。长解码模式可以用共享窗口剩余的额度。它有 Low、Medium、High 和 Extra High 四档,默认 High。AI Studio、Gemini 应用和 Antigravity 各自按产品和账号开放。模型卡 · API 规格 · Antigravity 发布说明

已经在用 Carbon 或 Argon,可以把现有配置和验收规则一起带进测试。Carbon 测评和 Argon 测评有两款模型的背景和限制。处理简单任务时,可以先用 Hydrogen 测评里的场景确定基线。

同一组任务,四档差在哪

Zapier 在 11 月 17 至 18 日完成测试。它让模型在模拟公司里操作,只有最终状态满足该任务的全部断言才算通过。结果显示,Medium 到 High 多通过 7 题,High 到 Extra High 多通过 13 题。表里的成本是按标价和测试时的缓存假设估算,适用于这组环境。AutomationBench 方法与结果

思考档位全部检查通过通过率每次估算成本
Low326 / 65749.6%0.40 美元
Medium350 / 65753.3%0.58 美元
High357 / 65754.3%0.88 美元
Extra High370 / 65756.3%1.69 美元

把每次成本除以准确的通过比例,High 每项通过约 1.62 美元,Extra High 约 3.00 美元。失败后如果要手工把整张表重对一遍,多花钱避免失败可能划算。如果失败能快速识别、重试也便宜,High 甚至 Medium 更容易跑出好账。按成功结果算成本

自己测时,两边用同一份输入和通过标准。代码跑同一组测试,也检查有没有顺手改动无关文件。文档逐条核对数字、日期和出处。把失败重跑、人工返工和等待时间都记上,才能知道换模型以后省了什么。

基准成绩怎么看

评测NeonClaude Opus 5.5GPT-6.2 Sol测什么
Artificial Analysis Intelligence Index v5.0.1615957九项评测的综合指数
Vals Index v2.270.9%70.1%66.1%多类实际任务
CursorBench 4.165.4%58.1%未列出指定环境下的编程任务
Terminal-Bench 4.165.2%65.8%61.5%经校正的终端任务准确率
FrontierCode 2.046.2%47.3%43.8%指定配置下的仓库任务

数据来自 Google DeepMind 模型卡。综合指数的 Neon 61 分用了 Extra High,FrontierCode 的 46.2% 用的是默认 High。每行的任务、工具环境和档位可能不同。Opus 5.5 在末两行略高,CursorBench 没有列出 Sol。复测时保留同样的设置,才有比较意义。DeepMind 评测方法

哪些任务值得试 Neon

会牵动调用方的代码修改

挑一个涉及接口、调用方和测试的改动,先写好预期结果。Artificial Analysis 用 Antigravity CLI 跑 Neon Extra High 时,Coding Agent Index 得分为 58.6,发布分析四舍五入写为 59。这个结果属于模型和该工具环境的组合。横向比较时,固定运行器、工具和测试。Artificial Analysis 发布分析 · Opus 5.5 测评

Hacker News 的 catigula 说,用 Neon 复核时发现了 Astra 6.2 答案里的几处错误。帖子没有交代做的是哪道题或如何验收。要判断复核能力,可以选自己能够复现的案例。原评论

Hacker News 用户用 Neon 复核 Astra 6.2 答案的评论
catigula 报告发现几处错误,任务及档位未知。

要精读图表的文档

在 Artificial Analysis 的 GDP.pdf 评测里,Neon High 得到 33.4%,Neon Extra High 为 28.0%,Carbon High 为 28.4%。如果你的任务是从报表提取数字或判断图表含义,两档都值得用同一批文件试一次。验收时要求列出页码和单位,避免数字正确却引用错了图。文档评测结果 · 带来源的浏览器调研

能校验最终状态的流程

自动化可以用一条明确规则验收,例如汇总表中的每一行都能和来源对上。Zapier 里 High 已经通过 54.3% 的任务,和 Neon 自己的 Extra High 相差 2 个百分点。若有机器校验,优先比较怎样用最低成本获得足够多的合格结果。手工修复的部分也要记账。Zapier AutomationBench

实际使用的三个限制

输出快,整项任务仍可能很久

Artificial Analysis 测到 Neon Extra High 约每秒输出 110 token,同时 Intelligence Index 单项任务约需 21.5 分钟。前一个数字描述流式输出速度,后一个数字来自一套重任务的全程。交互场景记下第一条可用回复和最终验收的时间,排队任务看整次运行占用多久。Artificial Analysis 模型数据

Antigravity 还有账号额度。Duck_nine 说自己用 Neon Orchestrator 检查一个项目,五小时滚动额度用完前没能完成。额度消耗随账户和任务变化,先用自己的项目看一次完整运行要占多少。原评论

Duck_nine 报告 Neon Orchestrator 检查项目时耗尽额度
单次项目检查,套餐和项目细节未知。

Carbon 的价差在 12 月 1 日反转

AA 用 Carbon 的标准价估算出 Neon Extra High 每任务 6.44 美元、Carbon High 7.76 美元。Google 的 Carbon Standard 首发价每百万输入、输出 token 分别是 2 美元和 10 美元,持续到 11 月 30 日,12 月 1 日起变成 4 美元和 20 美元。以 10 万未缓存输入、2 万输出为例,不计工具费,Neon 是 0.60 美元,Carbon 首发价是 0.40 美元,12 月费率是 0.80 美元。算自己的账时用账单生效日期和实际用量。Google 费率表 · AA 成本分析 · Carbon 定价详解

长上下文仍要校验格式和事实

Google 在模型卡列出了幻觉限制。Reddit 用户 LoveMind_AI 说,自己的一次长会话超过约 20 万 token 后,Neon 开始把后续内容写成用户发言。这个反馈只对应一个会话。做长文档试验时,可以留一道必须翻到后页才能正确引用的题,同时检查输出是否符合所需格式。模型卡 · 原讨论

LoveMind_AI 报告 Neon 长会话出现发言角色错乱
一次超过约 20 万 token 的会话,设置和失败频率未知。

用 Tabbit 固定试验资料

在 Tabbit Browser 里打开 Neon 规格、Google 费率和 Zapier 结果。通过 Tabbit CLI让已连接的 Agent 读取三页,记录原文、日期和 URL,按多模型调研流程存成同一份输入。

本次用 Tabbit Browser 只读查看三份公开资料,已核对下方四项参考值。Zapier 原页也显示 0.88 和 1.69 美元两项估算。 Zapier 原始图表

Zapier 原图显示 High 通过 357 项,Extra High 通过 370 项
在 Tabbit Browser 中打开的 AutomationBench 原始图表。

这组材料有四项可以逐条核对:共享上下文 1,048,576 token,输出单价 15 美元,以及 Zapier 的 High 通过 357 题、Extra High 通过 370 题。把同一份材料发给待测模型,请它返回这四项带链接的数字,再给出考虑 Carbon 费率生效日期的建议。这里 Tabbit 负责浏览器取证。运行 Neon 时,选显示该模型的 Google 产品或已配置的 API 端点,并记下实际环境。

按工作负载选模型

常见工作先试哪个什么时候换
小改动、日常摘要Hydrogen漏条件、返工造成的损失超过节省的成本时试 Neon。
有测试的高频多文件修复Neon High对 High 没过的任务加试 Extra High,算清新增通过率的价值。
图表多、要引出处的分析Neon High简单材料加试 Medium,留下能对齐数字、单位和出处的档位。
Carbon 已经稳定通过的难任务保留 Carbon 基线Neon 在同批任务上通过率和实际账单都合适,再迁移。
偶尔用一下先用已有套餐出现反复要做、容易验收的任务,且账号能选 Neon 时再试。

选近期开过工的三个任务,拿 Neon High 和现用模型跑同一套标准,记录合格结果数、人工复核时间和总成本。如果输入在多个网页里,可以用 Tabbit 收集这轮要用的证据。

Tabbit Browser

常见问题

Gemini 4 Neon 值得升级吗?

经常改多个代码文件,或要结合图表和文档做分析,可以先试 High。用同一批任务对比可验收结果数和耗时,再决定是否换模型或套餐。

Gemini 4 Neon 可以免费用吗?

Gemini Developer API 将 Neon 列在付费层。Google 宣布符合条件的 Google AI Pro 和 Ultra 用户可在 Gemini 应用和 Antigravity 使用,实际权限和额度以对应产品为准。

Gemini 4 Neon API 怎么收费?

Gemini Developer API Standard 每百万 token 收费为输入 3 美元、缓存命中输入 0.15 美元、输出 15 美元。思考 token 按输出计费,工具和其他服务层有各自的规则。

Gemini 4 Neon 比 Carbon 便宜吗?

截至 2026 年 11 月 30 日,Carbon 的 Standard 首发输入和输出价分别为每百万 token 2 美元和 10 美元,低于 Neon。12 月 1 日起 Carbon 公布的费率为 4 美元和 20 美元,Neon 的单位价格更低。实际任务还要计入思考、缓存和重试。

Gemini 4 Neon 应该选哪个思考档?

较难的任务先用 High。可自动验收的批量任务可以试 Medium。只有额外通过的任务或节省的复核时间抵得过成本时,才把 Extra High 留给这类任务。

Gemini 4 Neon 的上下文和输出上限是多少?

API 的输入和输出共用 1,048,576 token,默认同步调用最多输出 65,536 token。启用单独的长解码模式后,输出可用额度取决于共享窗口里的剩余 token。

下一步

让 Tabbit 与你并肩工作。

跨标签页调研、自动化重复的浏览器工作,让每一处上下文都触手可及。