Gemini 4 Neon 是 Models Engineering Index 上新的第一名
Gemini 4 Neon 是 Google 最新的旗舰 AI 模型,在一个独立的 “Models Engineering Index” 中位居第一,并在多项外部基准上表现强劲,引发关注。许多开发者表示,Neon 现在在编码、文档和技术问题解决方面已经能与 Anthropic 的 Opus 5.5 和 OpenAI 的顶级模型竞争,且通常文笔更好;在 Google 更高档订阅下,token 经济性也较有优势。与此同时,评论者也指出该基准的方法论存在争议、访问与上线不均衡、Google 的 Antigravity harness 工具和权限设计笨拙,以及对幻觉、安全拒绝和 Google 产品策略的持续担忧。
基准测试与 Models Engineering Index
- 几位评论者质疑该指数的方法论:Neon 只在约 8 个基准中的 3 个上被计分,而竞争对手覆盖更多,却被当作同等对待。
- Neon 缺失的数据似乎不会被惩罚,这让排名看起来有偏差;有人称其为“凭感觉打分”。
- 其他人表示该指数只是次要参考;真实世界使用和更广泛的基准套件(TerminalBench、vals.ai、SlopCop 等)更重要。
感知到的模型质量(对比 Opus/GPT/更早的 Gemini)
- 许多人认为 Neon 是第一个让人感觉能与 Opus 5.5/Fable 和 GPT-6 Sol/Astra 竞争的 Google 模型,尤其是在编码和工程任务上。
- Neon 经常被描述为:
- 质量接近或略低于 Opus 5.5,但速度更快、价格更低。
- 比 Anthropic 模型更易读、更简洁,而且文笔明显更好。
- 在代码重构、大型单体仓库工作、文档编辑、游戏地图设计、射频/硬件设计以及程序化艺术方面表现很强。
- 但也有一些用户仍然认为 Google 模型很差或令人失望,理由包括:
- 每项任务消耗的 token 很多,交互式工作流较弱。
- 严重的数学/物理错误(漏掉负号、假设不一致),而 Anthropic/OpenAI 的前沿模型现在做得更好。
- 有一份详细报告指出,Neon 在一次图形桥接重构中引入了多个回归和测试失败。
- 关于幻觉和“temperature”也存在争论:一个外部基准显示幻觉率非常低;但也有人觉得它错误率更高,不过语言更自然。
定价、额度与成本效益
- Google 提供多个层级(AI Pro、更高的 “Ultra” 层、Workspace 附加项),但限制规则很混乱;Neon 是否可用取决于套餐、地区和促销活动。
- 体验差异很大:
- 有些人认为,对于重度编码,Neon 的成本效益比 Anthropic 订阅高 5 到 10 倍。
- 其他人则发现自己比相当的 Claude 方案更快用完每周 Neon 额度,尤其是在较低价位套餐上。
- 与 YouTube Premium 类权益和存储空间捆绑后,$20 方案对一些人很有吸引力;$200+ 方案则被视为小众。
访问、工具与 UX
- Neon 可以通过 Antigravity CLI/TUI、AI Studio、OpenRouter、IDE(Cursor)以及其他 harness(Herdr、Pi)使用,但:
- Antigravity 因不断弹出权限提示而受到批评,除非以“dangerous”模式运行。
- Google 的控制台、命名(Hydrogen/Argon/Carbon/Neon)以及上线策略被认为令人困惑且缓慢。
- 将其整合进 Google 产品(例如 Gmail 自动化)被认为没有达到本可以有的程度。
信任、安全与定位
- 一些人因为担心账号被封或过度严格的安全过滤而回避 Google 模型,尤其是在安全/审计工作中。
- 也有人指出,Google 对开发者的营销很差,以及“被 Google 杀死”的名声,是 Neon 尽管质量明显却仍然采用率低的原因。
- 还有几位认为各家模型更新迭代非常快;LLM 被视为半商品,用户会转向在能力、成本和 harness 组合上最好的那一家。