Ugrás a tartalomra
Neural Daily

ModellekHír

Gemini 4 Neon: 61 pont az AA Indexen, kódolásban első

🇬🇧 Read this article in English →

A Google kiadta a Gemini 4 Neont, a család új, önálló frontier modelljét, nem a Hydrogen frissítését. Az Artificial Analysis Intelligence Indexén xhigh szinten 61 ponttal a 3., a Coding Agent Indexen 58,6 ponttal az első. Ára 3 dollár millió input és 15 dollár millió output tokenenként, 1 millió tokenes kontextussal. Ma elindul az API-ban, az AI Studióban, az Antigravityben és a Gemini appban.

· 4 perc olvasás

A Gemini 4 Neon hivatalos bejelentő grafikája: narancssárga neonfelirat sötét falon
Kép: Google · Sajtókép · Official blog header from deepmind.google · Forrás

Mi változott?

A Google november 18-án bemutatta a Gemini 4 Neont (Google DeepMind). Ez egy önálló új modell, nem a Hydrogen frissítése. A családban a Carbon a legnehezebb, hosszú távú projektekre való, a Hydrogen a gyors, mindennapi végrehajtásra, a Neon pedig a mélység és a hatékonyság között egyensúlyoz.

  • Artificial Analysis Intelligence Index: xhigh gondolkodási szinten 61 pont, összesítésben 3. hely, a nagyobb, lassabb modellek mögött.
  • Artificial Analysis Coding Agent Index: 58,6 pont, összesítésben 1. hely.
  • Vals Index: 70,9%, 2. hely, a Pareto-fronton.
  • Ár: 3 dollár millió input tokenenként (a cache-elt input 0,15 dollár, 95% kedvezmény) és 15 dollár millió output tokenenként, 1 millió tokenes kontextusablakkal.

A számok közelebbről

A Google szerint a Neon erős a szoftverfejlesztésben, a tudásmunkában és a tudományos workflow-kban. A Terminal-Bench 4.1-en 65,2%-ot ért el, a FrontierCode 2.0-n alapértelmezett high szinten 46,2%-ot. A Vals Legal Research Bench-en és a Tax Agent Bench-en is első.

További, a Google által közölt eredmények:

  • Terminal-Bench Science: 70,5%. RiemannBench: 84,0%. HLE-Diamond: 71,3%. Mindháromban a saját mezőnyének élén.
  • Zapier AutomationBench: 56,3%, összesítésben első. Andon Labs Vending-Bench 2: 16 843 dollár, szintén első.
  • Agent Arena Index: 1336 pont, 2. hely világszinten, 4200-nál több valós agent-session alapján. Ugyanezen az indexen a kormányozhatóságban (steerability) is 2.: menet közben jól követi a felhasználói korrekciókat.
  • Chartography: 73,5%. Agents' Last Exam v1.1: 75,8%, a vezető modellek szintjén.

A bejelentés szerint alapértelmezett high szinten a Neon feladatonként 32%-kal olcsóbb a Carbonnál. A Vals Indexen és az Agent Arenán high szinten a Pareto-fronton van, feladatonként nagyjából 50-80%-kal olcsóbban, mint a vezető konkurens frontier modellek. Az xhigh adja a legmagasabb intelligenciapontszámot. Így is legalább 36%-kal olcsóbb feladatonként, mint a konkurens modellek a saját legmagasabb fokozatukon.

Négy gondolkodási szintje van, amelyekkel a csapatok a feladat igényéhez igazíthatják az intelligenciát és a tokenköltséget.

Orchestrátor: Neon irányít, Hydrogen dolgozik

A Neon önállóan is futtatható, de az Antigravityben gyors orchestrátorként párhuzamos Hydrogen-alügynököket irányíthat (Gemini 4 Hydrogen: Argon-szint, 1,50 dolláros áron). A Google szerint kevesebbet olvas újra fájlokat, menet közben jelzi a haladást, hosszú sessionökben pedig megbízhatóan tömöríti a kontextust. Az Antigravity /teamwork funkciójáról, ahol a Gemini 4 agentek nyitott problémákon dolgoznak, korábban már írtunk (Antigravity /teamwork: agentcsapat nyitott problémákon).

Biztonság

A Google szerint a Neon a Carbonnal összevethető védelmet tart a súlyos visszaélés és a prompt injection ellen. A Gray Swan IPI benchmarkon a legmagasabb gondolkodási szinten, valós idejű védelmekkel 0,0% volt a sikeres támadások aránya. Belső Antigravity-teszteken a Gemini-modellek eddigi legalacsonyabb kitalálási rátáját mérték.

Hol érhető el?

A Neon ma indul a Gemini API-ban a Google AI Studióban és a Gemini for businessben (API-n vagy a modellválasztóból). A fizetős Google AI Pro és Ultra előfizetők a Google Antigravityben is használhatják, a Pro és Ultra előfizetők pedig a Gemini appban. Fejlesztőknek a fizetős API-szint az Android Studióban is elérhető, az AI Studióban pedig minden Pro és Ultra előfizető kipróbálhatja. A kiberbiztonsági Neon for cyber változat a Fairwind Program jogosult tagjainak a következő napokban érkezik.

Mit jelent ez a gyakorlatban?

Ha kódoló vagy elemző agenteket futtatsz és a Carbon a napi feladatokra túl drága vagy lassú, a Neon a Google szerint frontier szintű képességet hoz alacsonyabb feladatonkénti költséggel: high szinten 32%-kal olcsóbb a Carbonnál. A 3 dolláros inputár a Hydrogen 1,50 dolláros ára és a nagyobb modellek között ül, a cache-elt bemenet 0,15 dollár. Érdemes onnan indítani, amihez ma a Hydrogent vagy a Carbont használod kódolásra, aztán megnézni, orchestrátorként a Hydrogen-alügynökökkel jobb-e a Neon.

    Írta Mikola Máté Patrik

    MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink

    Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk

    Kapcsolódó cikkek