[控场AI]
· 6 分钟阅读· 3,456 字

Gemini 4 Neon实测:编程能力超GPT 6.2 Sol?

Gemini 4 Neon实测:编程能力超GPT 6.2 Sol?

Gemini 4 Neon 实测:编程基准登顶,网站开发超 GPT 6.2 Sol,编排模式成性价比杀手锏。

本文基于 YouTube 科技博主的深度测试,还原 Gemini 4 Neon 的真实表现。Neon 定位介于 Carbon 与 Hydrogen 之间,在 Artificial Analysis 智能指数排名第三(得分 61),支持四档思考等级,输入 token 定价 3 美元。基准测试中 Terminal Bench、SearchHQ.ai 等多项榜单表现亮眼,实测网站开发任务超越 GPT 6.2 Sol,功能完整度和交互丰富度更高且耗时更短。但游戏开发表现平平,Frontend Skill 虽提升设计规范却导致响应式问题。博主最推崇 Antigravity 的编排模式——Neon 规划、Hydrogen 执行,兼顾质量、速度与成本,是入门开发者的高性价比选择。

Google DeepMind 近期动作频频,在短时间内连续发布了多款模型。最新登场的 Gemini 4 Neon 定位在 Carbon 与 Hydrogen 之间,官方宣称其在编程智能体基准测试中拿下第一。但实测表现究竟如何?本文基于 YouTube 科技博主的深度测试,结合多款模型的横向对比,还原一个真实的 Gemini 4 Neon。

模型定位:Neon 在 Gemini 4 家族中的位置

Gemini 4 Neon 基于 Carbon 模型构建,但性能定位恰好在 Carbon 和 Hydrogen 之间。据 YouTube 频道测试视频介绍,这是 Google DeepMind 在极短时间内发布的第三款模型,Neon 取代了该家族中原有的 Argon 模型。

从官方基准数据看,Neon 在 Artificial Analysis Intelligence Index 上综合排名第三,得分为 61,仅次于 Fable 5.2 和 GPT 6.2 Astra。在定价方面,输入 token 成本为 3 美元,思考等级支持低、中、高和超高四档——相比 Carbon 只有三档,Neon 给了开发者更细粒度的控制。

Gemini 4 Neon 在家族中的定位

博主的评价是:Hydrogen 速度最快但不够聪明,Carbon 很聪明但速度偏慢,Neon 找到了一个中间地带,价格也处于中间位置,是一个相当均衡的选择。

基准测试:多项榜单表现亮眼

根据视频中展示的数据,Gemini 4 Neon 在多个基准测试中表现突出:

  • Terminal Bench 4.1:得分 4,属于非常高的水平
  • Area.ai:排名第三,仅次于 Claude Feuille 5.2 和 Opus 5.5
  • Text Agent 基准:得分很高,博主调侃说"想自己报税的人不用花大价钱请人了"
  • SearchHQ.ai:排名第一

在博主实际对比测试中,Neon 的表现甚至超过了 GPT 6.2 Sol——即便博主使用的是 Neon 的中等设置,而 GPT 6.2 Sol 用的是中高设置。博主也对官方选择用 GPT 6.2 Sol 作为对比对象表示不解,认为应该瞄准更强的 GPT 6.2 Astra Max。不过他也承认,在基准分数上 Neon 确实领先 Claude Opus 5.5,但他个人实测中 Opus 5.5 的输出质量依然很好。

Terminal Bench 是一个专门评估 AI 智能体在终端(命令行)环境中执行任务能力的基准测试,任务涵盖文件操作、脚本编写、系统管理等真实场景。它要求模型不仅能生成正确的命令,还要能理解执行结果并迭代纠错,因此被视为衡量编程智能体实用性的重要指标。

Artificial Analysis Intelligence Index 是由独立评测机构 Artificial Analysis 维护的综合智能指数,通过聚合多个主流基准(如 MMLU、GPQA、HumanEval 等)的得分,对模型进行统一排名。该指数在业界被广泛引用,用于横向比较不同厂商模型的综合能力,其排名变化常被视为模型竞争力的风向标。

实战测试一:游戏开发与网站搭建

博主首先用"午夜巴黎"主题做了一个赛车游戏,提示词很简单,只要求基于巴黎背景。结果生成的游戏图形非常基础,场景完全不像巴黎,虽然有法国名字写在墙上,但整体表现平平。博主直言"没什么特别的"。

真正的亮点在网站开发。博主给了一个电商落地页的提示词——为水瓶产品创建包含所有必要板块的落地页。Neon 工作了 4 分钟,交出的结果令人印象深刻:巨大的 Hero 区域、可自定义的瓶身容量和颜色、个性化刻字功能、翻转吸管、运动盖、硅胶底座等配置选项,加入购物车功能一切正常。

Neon 生成的网站与 Opus 5.5 风格相似

博主特别指出,这个网站的风格让他联想到 Opus 5.5 生成的网站,字体和配色都非常相似。他也点出了不足:页面上直接放了信息量过大的表格,作为首页展示不够友好。但相比 Hydrogen 模型之前遗漏评价模块的问题,Neon 这次加入了可筛选的评价系统(按热性能、日常使用等维度过滤),FAQ 和邮件订阅 CTA 也一应俱全。

这次测试消耗了约 61.3 万 token,共 24 次模型调用。博主强调,这是在未使用编排模式的情况下完成的成绩。

实战测试二:Frontend Skill 与响应式设计的取舍

博主还测试了 Gemini 官方在 Hydrogen 4 发布文档中提到的 Gemini Frontend Skill。安装该 skill 后,要求模型在子文件夹中从零重建页面,结果呈现出全屏 Hero 等符合 skill 规范的极简设计,视觉效果相当不错。

但问题也随之暴露:使用 skill 生成的版本在响应式适配上存在问题,而不使用 skill 的版本反而响应式表现更好、视觉效果更自然。这说明 skill 虽然能提升设计规范性,但并非在所有场景下都是最优解。

Hydrogen 模型生成的网站对比

博主还用摩托车业务落地页做了对比测试。Neon 在 3 分钟内生成了包含车型配置、经销商查找、FAQ、试驾预约等完整功能的网站,而 GPT 6.2 Sol 用同样提示词生成的网站板块明显更少,缺少排序和自定义选项。博主认为 Neon 的版本在信息密度和交互丰富度上胜出,而且耗时更短。

Gemini Frontend Skill 是 Google 在 Gemini 模型文档中提供的一种可安装的“技能包”,本质是一组预设的前端设计规范与代码模板。安装后,模型在生成网页时会遵循该 skill 定义的布局原则(如全屏 Hero、极简配色、组件间距等),从而提升设计的一致性和规范性。但 skill 是静态规则,无法针对不同屏幕尺寸动态调整,因此可能在响应式适配上产生冲突,需要开发者根据实际场景决定是否启用。

编排模式:Neon 的真正杀手锏

博主最兴奋的功能是 Google Antigravity 中的编排模式(Orchestrator Mode)。在这个模式下,规划任务由更大的模型(如 Neon、Argon 或 Carbon)完成,而具体执行则交给更小的 Hydrogen 模型。这样既保证了规划质量,又大幅降低了执行成本和时间。

博主强烈推荐初学者和爱好者使用 Antigravity 的编排模式,搭配 Neon 做规划、Hydrogen 做执行,可以获得"最佳效果、极低价格、超快速度"的组合。他认为这是目前对入门开发者最友好的配置。

自定义配置界面

编排模式(Orchestrator Mode) 是一种多模型协作架构:由能力更强、成本更高的大模型负责任务规划与分解,再将具体执行步骤分派给更小、更快、更便宜的模型。这种“大模型规划、小模型执行”的分工,能在保证输出质量的同时显著降低推理成本与延迟。Google Antigravity 平台将这一模式产品化,允许开发者自由指定规划模型与执行模型,Neon 与 Hydrogen 的组合正是该模式的典型应用。

总结:值得关注的中间力量

Gemini 4 Neon 在编程智能体基准上登顶并非虚名,实测中它在网站开发任务上展现出了超越 GPT 6.2 Sol 的综合能力,尤其在信息架构完整度和功能丰富度上优势明显。它的定价和思考等级设置也给了开发者更灵活的选择。

当然它并非完美——游戏开发表现平平,Frontend Skill 的响应式问题也需要留意。但作为 Gemini 4 家族的中间层,Neon 加上编排模式的组合,确实为开发者提供了一个高性价比的新选项。在这个模型发布节奏快到令人眩晕的时代,Neon 值得你花时间实际跑一跑自己的项目。

分享:

相关推荐