Gemini 4 Neon发布:性能超旗舰、成本降40%,谷歌RSI要成了?

谷歌6天内再发Gemini 4 Neon,三榜压过Carbon,发布提速引发RSI联想。
谷歌于11月18日发布Gemini 4 Neon,距上一款Hydrogen仅6天。Neon在AA综合智能榜以61分超过Carbon的60分,Coding Agent榜排名第一,Agent Arena Index位列第二。官方称其质量接近Carbon,速度快三倍、成本降低40%,API定价为每百万Token输入3美元、输出15美元,Pro和Ultra用户可直接使用。文章指出,两个月内连发四款模型、发布间隔从28天压缩到6天,叠加布林和皮柴关于AI agent参与研发的表态,引发RSI讨论,但AI辅助研发与完全自主RSI仍有距离,发布提速不等于RSI已实现。对开发者而言,Neon的单任务成本优势在长时间Agent任务中更具实际意义。
谷歌又发模型了。11月18日,Gemini 4 Neon正式发布,距离上一款Hydrogen只隔了6天。哈萨比斯把Neon称作"炼金术的巅峰",而发布节奏本身,可能比模型更值得琢磨。

先吐槽一下命名。谷歌这波直接从元素周期表里随机抽词,Carbon、Hydrogen、Neon轮番上阵,用户根本分不清哪个是旗舰、哪个是轻量版。按谷歌自己的说法,Carbon负责最困难的任务,Hydrogen负责日常快速响应,Neon的定位是"高性能与低成本平衡",重点瞄准复杂编程、企业办公、科学研究和长时间Agent任务。听起来是个甜点档,结果它把自家旗舰给打了。
Neon到底强在哪:三份榜单同时压过Carbon
Neon在AA综合智能榜拿下61分,干掉60分的Carbon,排到第三。在新版Agent Arena Index中取得第二名,仅次于Fable 5.2。在AA的Coding Agent榜单中则直接拿下第一。

谷歌的说法是:Neon整体质量接近甚至超过Carbon,速度快了三倍,成本降低40%。Carbon的处境颇为尴尬——当了没几天的"虚空第一"先被Fable 5.2抄了后路,现在又被自家老弟按着打。
价格方面,Neon的API定价为每百万Token输入3美元、输出15美元、缓存输入0.15美元,单项任务消耗在同档模型中最低。Pro和Ultra订阅用户可以直接使用,Plus用户又一次成为受伤的一方。

这里你可能没注意到产品逻辑的变化:过去"便宜"往往意味着能力缩水,而Neon走的是"接近旗舰能力+更低单位成本"的路线。对做Agent类应用的开发者来说,单任务成本的下降比榜单排名更有实际意义——长时间运行的Agent任务,成本是按调用次数线性放大的。
AA综合智能榜(Artificial Analysis Intelligence Index)是由独立评测机构Artificial Analysis维护的模型能力排行榜,综合了推理、知识、编程、数学等多类基准测试的加权得分,在业界常被用作横向对比不同厂商模型的参考。Agent Arena Index则侧重评估模型作为智能体执行多步骤任务的能力,包括工具调用、规划与长程任务完成度。Coding Agent榜单专门衡量模型在真实编程任务中的表现,如修复缺陷、实现功能等。这些榜单各有侧重,单一排名不能完全代表模型的实际适用性,但三榜同时靠前通常意味着模型能力较为均衡。
两个月四款模型:发布节奏本身就是信号
回看时间线:9月30日Argon发布,28天后Carbon发布,15天后Hydrogen发布,6天后Neon发布。短短两个月四款新模型,发布间隔越来越短。
把这条时间线和谷歌高层的公开表态放在一起看,事情就更有意思了。9月关于谷歌实现RSI(递归自我改进)的消息已经开始传播,当时缺乏确凿证据。10月,联合创始人布林公开谈到公司正在进入RSI的循环;随后CEO皮柴也承认AI agent已经开始参与研究人员的模型开发工作,但距离完全自主的RSI还有很长一段路。

需要分清的是:AI辅助研发和完全自主的RSI之间隔着不小的距离。前者是Agent帮研究员跑实验、写代码、做筛选;后者是系统能独立提出改进方向并闭环验证。谷歌目前的公开表述只支持前者——模型迭代加速可能部分来自AI辅助,但"两个月四款"更像是工程流程和发布策略的成熟,不能直接等同于RSI已经实现。
RSI(Recursive Self-Improvement,递归自我改进)指的是AI系统能够自主改进自身的能力,形成“改进—验证—再改进”的正反馈循环。这一概念之所以敏感,是因为一旦成立,模型能力可能呈指数级增长,而非线性迭代。目前业界讨论的RSI通常分为不同层级:最基础的是AI辅助研发,即Agent承担实验执行、代码编写等辅助工作,人类仍掌握方向决策;更高层级则是系统能独立提出改进假设并闭环验证。谷歌高层的公开表态仅支持前者,因此发布提速更可能反映工程效率提升,而非RSI已经落地。
对开发者和用户意味着什么
短期看,Neon直接改变了谷歌自家产品线的性价比格局:想用接近旗舰的能力又在意成本,Neon是当前的首选;做长时间Agent任务的团队,单任务成本优势值得实测验证。订阅层面,Pro和Ultra用户直接受益,Plus用户则需要重新评估自己的档位是否够用。
长期看,真正值得跟踪的不是某一款模型的分数,而是发布节奏能否持续。如果谷歌的迭代周期继续压缩,说明AI辅助研发在生产流程中的占比在实质提升——那才是RSI讨论从传闻走向证据的起点。在那之前,"炼金术的巅峰"这个说法,听听就好。
在Agent类应用中,成本结构与传统聊天场景有本质区别。长时间运行的Agent任务会反复调用模型进行规划、工具调用和结果校验,单次任务的Token消耗可能是普通对话的数十倍甚至上百倍,因此每百万Token的单价差异会被调用次数线性放大。此外,缓存输入价格(Neon为每百万Token 0.15美元)对Agent场景尤为关键,因为系统提示词和上下文往往在多次调用中重复,缓存命中率直接影响实际账单。评估模型性价比时,应结合任务复杂度、调用轮次和缓存策略综合测算,而非只看榜单分数或标价。
相关推荐

把科学单位做成首饰:这波「理科浪漫」能打动谁?
从10克参考质量到半秒摆挂饰,一组把科学计量单位做成首饰的创意产品走红。本文解析其产品设计、科普传播价值与知识型周边的商业逻辑。
陶哲轩:无外力纳维-斯托克斯奇点与广义黎曼猜想的深层联系
陶哲轩:无外力纳维-斯托克斯奇点与广义黎曼猜想的深层联系
陶哲轩探讨无外力欧拉奇点、纳维-斯托克斯奇点与广义黎曼猜想之间的深层联系,分析流体方程与数论跨域类比的启发式价值及其对AI辅助数学研究的启示。

语言模型能改写自身权重:自编辑AI新范式
一篇新论文提出语言模型可直接重写自身权重,实现持久化知识更新与行为纠正,区别于上下文学习和外部微调。Hacker News热议其可逆性、验证与安全边界,指向持续学习系统的新可能。