Gemini 4 Neon实测:登顶基准榜,细节设计惊艳

谷歌Gemini 4 Neon在博主自建基准中以86分登顶,低价高能但建模与渲染稳定性仍是短板。
YouTube科技博主在视频中评测了谷歌短期内接连发布的Carbon、Hydrogen、Neon三款模型,重点测试Gemini 4 Neon。Neon定价为输入3美元、输出15美元每百万token,处于谷歌产品线中高端。在AA指数、Cursor bench、Frontier code 2.0等公开基准上,Neon超过Opus 5.5和GPT 6.2 Sol,Frontier code 2.0仅比Opus低约一分。博主通过《艾尔登法环》Boss战、赛博卡车3D展厅、香蕉动画SVG、漫画书应用、3D网站重制、第五大道无人机场景、NBA 2K克隆及Unreal Engine仓库演示等八项自建测试打分,Neon在细节意识和可玩性上表现突出,但穿模、光照过曝、黑色帧闪烁等建模与渲染问题明显。最终Neon以86分登顶博主自建榜单,博主称其为“世界最佳模型”,但强调结论来自单一来源的主观评分,未经第三方验证。
谷歌近期在模型发布上展现出惊人的节奏。据YouTube科技博主在最新一期视频中的观察,Carbon、Hydrogen、Neon三款前沿模型在短短七到十天内接连亮相。该博主对Gemini 4 Neon进行了实时基准测试,并给出了一个颇具冲击力的结论:这可能是其测试过的最强模型。

定价与基准表现:低价高能
博主首先拆解了Neon的定价结构:输入每百万token为3美元,输出为15美元。这一价位高于Sol,但明显低于Astra和Fable,与Sonic接近但略贵。换句话说,Neon被放在谷歌产品线的中高端位置,而非最贵梯队。
在多个公开基准上,Neon的表现引发了博主的惊叹。在AA指数上,它超过了Opus 5.5和GPT 6.2 Sol;在Cursor bench上同样压过Opus 5.5;在Frontier code 2.0上,它比Opus低约一个百分点,但高于GPT 6.2 Sol。博主特别指出,分析指数中Fable 5.2以65分居首,Astra为62分,Neon以61分紧随其后,而Opus 5.5排在其后。说个细节,谷歌将Neon放在类似层级模型的替换位置,并未直接纳入主指数排名,但其分数依然亮眼。
博主强调,这些只是单项指数,编码能力另当别论。Neon因发布太新,尚未进入编码指数榜单,但谷歌官方页面已展示其在Frontier code 2.0上的成绩,与Opus 5.5仅差一分。
文中提到的“AA指数”(Artificial Analysis Index)是由独立评测机构 Artificial Analysis 维护的模型综合能力排行榜,它汇总了多个公开基准(如 MMLU、HumanEval、GSM8K 等)的得分并加权计算,在业界常被用作模型能力的快速参考。该指数会定期更新模型版本,但新模型从发布到被纳入榜单通常有数天到数周的延迟,这也解释了文中“谷歌将 Neon 放在类似层级模型的替换位置,并未直接纳入主指数排名”的现象——厂商有时会以“预览版”或“替换位置”的方式先行展示成绩,待第三方复现后再正式上榜。
游戏化测试:玩法流畅但建模粗糙
博主的第一项测试是用Neon生成《艾尔登法环》中著名的玛尔基特Boss战。模型不允许联网,完全依赖训练数据。结果显示,Neon的游戏响应灵敏,击打手感“相当不错”,整体玩法优于平均水平,但角色建模问题明显:翻滚时穿模、旋转脚部怪异,与更早的Astra存在类似缺陷。博主给这项测试打了72分,评价为“好玩但美学一般”。
他也在视频中对比了OpenAI模型的同项测试,直言这些模型在建模上远胜Neon,但在可玩性上Neon并不落后。
“穿模”是 3D 图形与游戏开发中的常见术语,指两个本不应相交的模型表面在渲染时互相穿透,例如角色翻滚时手臂穿过躯干、衣物嵌入身体等。它通常源于碰撞体(collision mesh)与视觉模型(visual mesh)不匹配、骨骼动画权重分配不当,或模型在极端姿态下缺乏足够的形变约束。对于代码生成模型而言,穿模暴露的是其对 3D 空间关系和物理约束的理解仍停留在“能跑通”层面,而非真正掌握几何一致性,这也是当前 LLM 生成可交互 3D 内容时的普遍短板。
3D场景与UI生成:细节意识突出
在赛博卡车展厅测试中,Neon需要生成一个可交互的3D展厅。博主拥有赛博卡车实车,因此对细节极为敏感。Neon正确还原了前备箱的基本形状,这是其他模型未曾做到的;它还加入了隐藏储物格、车尾门、专属上车按钮、方形方向盘以及后座屏幕等元素。不过,也存在面板穿透引擎盖、部分纹理缺失等问题。博主最终给出9.3分,称这是“最好的赛博卡车模型”。

香蕉动画测试要求模型生成一段约一分钟的动画SVG短片,情节包括大香蕉吃小香蕉、遇见猴子、被抢王冠、悲伤吃苹果。Neon的产出让博主连呼“有灵魂”:角色有个性,吞咽动画和消化过程是额外发挥,抢窃桥段更是戏剧性十足。他给出97分,并称这已成为他最喜欢的测试结果。
漫画书制作应用测试中,Neon生成了多部不同风格的漫画,涵盖青铜时代、白银时代、黑色电影、墨水风、经典网格、电影宽屏等多种模板。模型能够点击面板跳转、支持PNG导出,并自主绘制全部素材,不使用MCP。存在蝙蝠侠肩膀错位、气泡文字位置不当等瑕疵,但博主仍给出8.5分,认为其“思考超出了常规”。
3D网站与无人机场景:渲染惊艳但有硬伤
博主将自己的游戏公司网站(全3JS动画)交给Neon重制,该测试需要模型分析视频并重建3D场景。Neon基本还原了石头聚合、爆炸、企鹅角色等元素,但出现严重光照过曝和黑色帧渲染闪烁。博主原本想给78分,后调整为82分,并表示“如果没有过曝问题,可能是92分”。

第五大道无人机测试是旧基准中最难的一项。Neon生成的城市场景让博主大开眼界:公共图书馆建筑、洛克菲勒中心、圣帕特里克大教堂、特朗普大厦、广场酒店等地标均有呈现,无人机飞行手感自然,甚至有偏航跟随,车流带车灯和公交车。模型还在UI中标注街道名称。缺陷同样存在:部分建筑模型粗糙、广场酒店屋顶错位、未标注蒂芙尼门店。博主给出90分,称“这是我见过最好的之一”。
文中反复提到的“3JS”即 Three.js,是一个基于 WebGL 的开源 JavaScript 3D 图形库,广泛用于在浏览器中渲染实时 3D 场景、动画和交互式网页。WebGL 本身是浏览器提供的底层图形 API,Three.js 在其上封装了场景图、相机、光照、材质、着色器等概念,使开发者无需直接编写 GLSL 着色器即可构建 3D 内容。光照过曝(overexposure)和黑色帧闪烁是 Three.js 项目中典型的问题:前者多因光照强度、色调映射(tone mapping)或曝光参数设置不当,后者常与渲染循环时序、帧缓冲清空或资源异步加载有关。
NBA 2K克隆:玩法最佳但建模不足
最难的NBA 2K克隆测试要求生成逼真的篮球模拟游戏。Neon的版本包含球队选择、快速攻防、犯规判罚、盖帽等机制,博主玩得停不下来,甚至认为其可玩性超过了Opus版本,尽管后者建模更好但存在严重光照bug且趣味性不足。博主最终给Neon打78分,称“这是我见过最好的结果”。

最后一个测试是将Neon直接投入博主的Unreal Engine游戏仓库,要求生成一段精彩演示。Neon从游戏内截取素材,从零构建动画效果,结尾动画尤其出色。博主给出92分,并惊叹“天哪,这是个好模型”。
总评:博主称其为“世界最佳模型”
博主在视频结尾汇总了自建基准的总排名:Neon以86分登顶,比Opus高3分,比Fable 5.2高3分,比Hydrogen也高出不少。他当场截图并发到X上,直言“这是世界上最好的模型”。他还建议观众如果要在OpenAI和Gemini订阅之间做选择,可以考虑转向Gemini。
说一下,以上结论来自单一YouTube博主的自建基准与主观评分,测试方法、评分标准均未经过第三方验证,样本量有限。模型能力评估应结合自身使用场景,多方参考后再做判断。
背景补充
文中提及的“Frontier code 2.0”和“Cursor bench”均属于面向代码生成能力的专项基准。Frontier code 系列聚焦于复杂、多步骤的编程任务,强调模型在真实工程场景下的代码理解与生成质量;Cursor bench 则与 AI 编程编辑器 Cursor 相关,通常用于评估模型在 IDE 辅助、代码补全与重构等交互式编程场景中的表现。这类基准与 AA 指数等综合榜单的侧重点不同:综合榜单衡量通用能力,代码专项基准更贴近开发者的实际使用体验,因此文中博主强调“这些只是单项指数,编码能力另当别论”是有其道理的——模型在不同维度上的强弱并不总是同步。
相关推荐

Gemini 4 Neon 实测翻盘:美国豆包如何两周五连发
谷歌两周连发五个模型,Gemini 4 Neon 实测综合榜全球第三,编程智能体榜第一,成本比 Opus 5.5 砍半。B站UP主拆解翻身三层真相:监管松绑、稀疏MoE架构与自研TPU,并给出 Carbon 促销期省钱策略与 AntiGravity 额度规则。

Hermes Agent 是什么?会随时间成长的全天候AI代理
Hermes Agent 是一款常驻在线的 always-on AI 代理,可接入 WhatsApp、Telegram、Discord 等渠道,管理清单、日历与定时任务,并强调随使用不断成长。本文解析其定位、用法及与 OpenClaw、OpenAI dots 等产品的差异。

用Claude Code打造AI动画视频:本地工具链实战
本文实战演示如何用Claude Code结合Kokoro、Remotion等本地开源工具,在几分钟内生成带旁白、动画和背景音乐的AI视频,分析工作流、效率提升与局限性。