[控场AI]
· 5 分钟阅读· 2,928 字

Gemini 4 Neon发布:定价更乱,但推理更强

Gemini 4 Neon发布:定价更乱,但推理更强

Gemini 4 Neon 发布,定位深度推理,但定价策略因促销和产品线调整变得混乱。

Google 发布 Gemini 4 系列新模型 Neon,并更新 llm-gemini 工具至 0.38 版本以支持该模型。Neon 定位深度推理,质量评分 61 略高于 Carbon 的 60,价格居中($3/$15)。然而,由于 Carbon 限时半价促销($2/$10)且 Argon 被忽略,当前实际价格排序为 Neon 最贵、Carbon 次之、Hydrogen 最便宜,预计 12 月 1 日 Carbon 恢复原价后才会回归“合理”顺序。实测显示,Carbon 在复杂提示下输出细节最丰富,Neon 次之,Hydrogen 最简洁;思考级别越高,输出越精细但成本也越高。文章建议根据场景选择:深度研究选 Carbon,平衡选 Neon,高频编码选 Hydrogen。

Google 发布了 Gemini 4 系列的新成员 Neon,同时开源工具 llm-gemini 更新到 0.38 版本以支持该模型。这次更新最引人注目的不是模型能力本身,而是 Google 的定价策略变得更加令人困惑。

定价迷局:Argon 消失,Carbon 限时折扣

在 Neon 发布之前,Gemini 4 系列包括 Hydrogen、Argon 和 Carbon 三个模型。其中 Argon 和 Carbon 价格相同(每百万输入/输出 4/20 美元),而 Hydrogen 当前价格是它们的四分之三(1.50/7.50 美元),但从 12 月 1 日起,当 Carbon 结束促销恢复原价时,Hydrogen 将变成它们的四分之一。

Neon 的发布公告直接忽略了 Argon 的存在。新的产品对比图只列出 Carbon、Neon 和 Hydrogen 三款。按价格从高到低排列,理论上是 Carbon、Neon、Hydrogen。但由于 Carbon 目前享受半价促销(2/10 美元),实际顺序变成了 Neon(3/15 美元)最贵,Carbon 次之,Hydrogen 最便宜。这种临时状态要到 12 月 1 日 Carbon 恢复原价后才会变得“合理”。

rss source: llm-gemini 0.38

模型能力对比:Carbon > Neon > Hydrogen

根据 Google 公布的对比表格,三款模型的定位和关键指标如下:

  • Carbon:最适合最困难的长周期项目和深度研究,质量评分 60,价格 $4/$20,速度 2/5,支持低/中/高三档思考级别。
  • Neon:擅长软件工程、知识工作和科学领域的深度推理,质量评分 61,价格 $3/$15,速度 3.5/5,支持低/中/高/超高四档思考级别。
  • Hydrogen:主打日常编码和代理工作流的速度与效率,质量评分 54,价格 $1.50/$7.50,速度 5/5,同样支持四档思考级别。

有意思的是,Neon 在 Artificial Analysis 质量指数上以 61 分略高于 Carbon 的 60 分,但 Carbon 被定位为处理最困难任务的旗舰模型。这可能意味着 Neon 在通用推理上表现更好,而 Carbon 在特定深度研究场景中更优。

Artificial Analysis 质量指数是一个第三方独立评测基准,通过聚合多个标准化测试(如 MMLU、HumanEval、GSM8K 等)对语言模型进行综合评分。该指数采用 0-100 的标度,分数越高代表模型在广泛任务上的平均表现越好。由于不同厂商的模型往往在特定领域有偏重,该指数常用于横向比较模型的通用能力。但需注意,指数无法反映模型在长上下文、多轮对话或特定行业任务中的实际表现,因此仅可作为参考,而非选型的唯一依据。

思考级别(Thinking Levels) 是近年来大模型引入的推理控制机制。模型在生成最终答案前,可分配不同数量的“内部思考 token”进行多步推理。低级别消耗 token 少、响应快,适合简单任务;高级别则允许模型进行更深入的逻辑链推演,提升复杂问题的准确率,但成本和延迟显著增加。Gemini 4 系列中,Carbon 支持低/中/高三档,Neon 和 Hydrogen 则支持低/中/高/超高四档,这直接影响开发者在不同场景下的成本与效果权衡。

实测:鹈鹕骑自行车与 Yonkers 机甲

开发者 Simon Willison 用经典的“鹈鹕骑自行车”提示词测试了 Neon 的三个思考级别(低、中、高),并与 Carbon 和 Hydrogen 进行对比。

从生成结果看,细节和精致度呈现清晰的梯度:Carbon 最好,Neon 次之,Hydrogen 最差。同一模型内,思考级别越高,输出越精细。以高思考级别为例,Carbon 生成了戴水手帽、围着围巾、车筐里装着鱼的鹈鹕,背景是海滩长廊和远处飞鸟;Neon 的鹈鹕比例匀称,背景有黄色虚线道路和海洋;Hydrogen 则只有基础鹈鹕和红色自行车,辅以速度线和平坦草地。

所有输出都是可识别的鹈鹕骑自行车,但计算成本差异显著。同一提示词下,Carbon 高思考级别的输出 token 数和费用远高于 Neon 和 Hydrogen,耗时也更长。

Willison 还测试了更复杂的 3D 动画提示:要求用 Three.js 制作 Yonkers 站起来变成巨型机甲、在曼哈顿、皇后区和布鲁克林 stomp 的动画,并使用 OpenStreetMap 地图数据。Neon 在“extra”努力级别下完成了这个任务,结果已公开发布。

“鹈鹕骑自行车” 是 Simon Willison 提出的一个非正式基准测试提示词,要求模型生成一只鹈鹕骑着自行车的图像(通常通过 SVG 或代码生成)。该测试之所以流行,是因为它同时考察模型对动物形态、物体交互、空间关系和创意细节的理解与生成能力。不同模型在鹈鹕的解剖结构、自行车部件、背景元素丰富度上表现出明显差异,从而直观反映模型在视觉生成或代码生成任务中的精细度与一致性。

Three.js 是一个基于 WebGL 的 JavaScript 3D 图形库,允许开发者在浏览器中创建和渲染交互式 3D 场景。它提供了相机、光照、材质、几何体等抽象,简化了底层 WebGL 的复杂操作。在 AI 测试中,要求模型生成 Three.js 代码来制作动画,可以评估模型对 3D 图形编程接口的理解、空间变换逻辑以及代码组织能力。

llm-gemini 0.38 的更新意义

llm-gemini 是 Simon Willison 开发的 LLM 命令行工具插件,用于访问 Google Gemini 模型。0.38 版本的主要更新是加入对 Gemini 4 Neon 的支持,让用户可以通过命令行直接调用这个新模型。

对于依赖 LLM 工具链的开发者来说,及时跟进模型更新很重要。不过面对如此复杂的定价结构,用户在选择模型时需要仔细计算成本,尤其是 Carbon 的促销价格即将在 12 月 1 日结束,届时的实际费用将发生显著变化。

如何选择:场景比价格更重要

在定价混乱的表象下,模型选择其实有清晰的逻辑:

  • 需要处理最困难的长周期项目或深度研究,选 Carbon,但要接受较低速度和较高价格。
  • 日常软件工程、知识工作或科学推理,Neon 在质量、速度和价格之间提供了更好的平衡。
  • 对速度和成本敏感的高频编码或代理任务,Hydrogen 是最经济的选择。

Neon 的加入让 Gemini 4 系列覆盖了从极致质量到极致速度的完整光谱,但也让价格体系变得更加难以直观理解。Google 或许需要重新思考如何向用户清晰传达产品分层。

分享:

相关推荐