虎嗅APP 17小时前
Gemini 4 Neon是好车,奈何Antigravity跑不起来
index.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

出品|虎嗅科技组

作者|黄天媛

编辑|苗正卿

头图|视觉中国

Neon 来了。 ( 虎嗅注:Neon 本意是氖,元素周期表第 10 位,稀有气体;高电压和低压氖气发光,也就是霓虹 )

北京时间凌晨谷歌发布了 Gemini 4 家族新成员 Gemini 4 Neon,既氩、碳、氢之后的又一个 " 元素 " 模型——一个兼具能力、速度与成本的性价比之作。

短短五周,谷歌接连向公众推出四款 Gemini 4 模型,密集上新引发了大家对 AI 自进化升级模型可能性的联想。以及,另一个讨论是,照这个速度下去,马上就要发到铀和钚了。

不敢想,这会是一个什么震惊瘫坐级别的模型。当然,模型还是不建议名字取得太大,否则容易压不住。

社交媒体上,Neon 收到的好评主要集中在视觉效果和速度上。有用户觉得,它还原前端组件动效的表现很出色。在一些对比测试中,Neon 比重量级模型更快完成了生成任务,有人直接把它称作 "Opus 平替 "。

批评声里,有人觉得 Neon 最终交出来的东西有些平淡,但更多吐槽则集中在谷歌编程工具 Antigravity 的工具使用体验上。

看看跑分

照例先来个省流版本。

能力接近旗舰,重点是更快完成复杂任务。 Google 将 Neon 定位在 Carbon 和 Hydrogen 之间,面向复杂编程、知识工作和科学研究;Carbon 仍负责最难、需要长时间推理的任务,Neon 并非全面替代旗舰。

速度是主要长处之一。 Artificial Analysis 测得,Neon 的输出速度约为每秒 110 token,Carbon 约为 57 token。不过,输出更快不等于所有任务都能快一倍,实际效果仍取决于任务。

办公、研究和编程是主要用途。 按官方介绍,Neon 可以综合处理文档、表格、图片和音视频,整理研究简报;在 Antigravity 中,还能完成代码仓库级修改、调试和重构,并与 Hydrogen 分工,由 Neon 规划、Hydrogen 执行。

定价处于中间档,但暂时比促销旗舰贵。 Neon 的 API 输入、输出分别为每百万 token 3 美元和 15 美元,缓存输入为 0.15 美元。输入、输出单价均为 Hydrogen 的两倍,比 Carbon 12 月起的正式价低 25%;但比 Carbon 截至 11 月 30 日的促销价高 50%。

应用内使用需要付费订阅,API 则按量收费。 Google 正向 AI Pro、Ultra 用户开放 Gemini 应用和 Antigravity 中的 Neon;开发者可通过付费 API 接入,支持 100 万 token 上下文,思考 token 计入输出费用。

再展开看看跑分。

单看跑分,Neon 已经接近旗舰水平了。但 Google 这次更想强调的,是三个字——性价比。

在第三方机构 Artificial Analysis 的综合智能指数中,Neon 拿到 61 分,发布时排名第三,仅次于 Claude Fable 5.2 和 GPT-6.2 Astra,略高于 Carbon。

编程是 Neon 的突出长处。它在 Artificial Analysis 编码 Agent 指数中排名第一。按 Google 的介绍,Neon 不只生成代码片段,还能处理跨文件调试、重构和定点修改;在 Antigravity 中,它也可以负责规划,让多个 Hydrogen 子 Agent 分头执行。不过,在部分命令行和代码测试中,Opus 仍略占优势。

办公方面,Neon 更强调整理材料的能力。它可以综合处理表格、PDF、图表和音视频,辅助研究分析、整理报告,在覆盖企业知识工作的 Vals Index 中排名第二。科研方面,Google 公布的数学和科学测试也显示出竞争力。

官方还展示了几项 3D 开发案例:根据历史照片重建图灵的书房,以及制作包含雪痕、雪崩等效果的滑雪模拟器。

成本是另一项重点。Google 称,默认 high 档下,Neon 在相关评测中的单任务成本比 Carbon 低 32%。Neon 更明确的定位,是让复杂工作变得更快、更经济。

模型变强了,为什么 Antigravity 还被吐槽?

不过,与 Gemini 4 各个模型亮眼的跑分形成反差的,是 Google 自家 AI 编程工具 Antigravity 的用户口碑。

Antigravity 是 Google 推出的一款 AI 编程工具,可以对标 Cursor、Claude Code、OpenAI Codex 或者 GitHub Copilot。

问题是,模型能力越来越强,实际使用体验却没有同步改善。

在社媒上,许多人吐槽 Gemini 4 拉完了,最大的三个问题是:运行不稳定、长任务容易出错,以及使用额度不可预测。

首先是稳定性。

11 月以来,多名开发者反馈,Antigravity 经常出现响应缓慢、任务卡死、模型不可用等问题。一名用户表示,升级软件后,即便只是修改几行代码,AI 也会反复搜索、循环执行,原本几秒钟的任务甚至拖到一两个小时,最后只能强制终止。

比速度更麻烦的是,AI 可能在完成任务的过程中忘记自己要做什么。

11 月 17 日,一名 Google AI Ultra 用户公布了一组复现测试:当对话超过约 12.8 万 Token 时,Antigravity 中的 Gemini 4 模型可能在没有提示的情况下丢失早期上下文。

另一个问题是额度。Google 采用五小时额度与每周额度并行的限制机制,复杂任务消耗更多资源,却不容易提前估算。一名 Ultra 订阅用户甚至报告,已经完成工作的 16 个子 Agent 仍长时间显示运行,持续消耗额度。

当然,Antigravity 也不是完全一无是处。今年 9 月,Kommunicate 团队让 Claude Code、Codex 和 Antigravity 完成同一项邮件处理系统开发任务。结果,Antigravity 做出了功能最丰富的原型,不仅支持动态路由和失败重试,还额外设计了管理看板。但它也没有完成真正的 Gmail 邮件接入,部分功能超出了原始需求,启动时还发生过两次崩溃。

另一项测试则展现了它不同的优势。10 月,TLE Labs 用 168 个代码变更请求测试三款工具的代码审查能力。面对本身没有问题的代码,Antigravity 的误报比例仅为 5.2%,低于 Claude Code 的 20.7% 和 Codex 的 47.8%。

但代价是,它也更容易漏掉真正的错误。在按严重程度加权的缺陷检出率上,Antigravity 为 70.7%,而 Claude Code 和 Codex 分别达到 89.2% 和 91.6%。

谷歌就是这样,总是差点意思。谷歌这盏能力领先的霓虹灯能亮多久,还是得回归整体工程。

评论
大家都在看