Модели

Представлена модель Gemini 4 Neon для сложных рабочих процессов

Google DeepMind анонсировала Gemini 4 Neon — новую модель с окном контекста в миллион токенов, ориентированную на автономное программирование, науку и кибербезопасность.

Обновлено:
3 мин чтения
Представлена модель Gemini 4 Neon для сложных рабочих процессов

Главное за 30 секунд

Выпуск Gemini 4 Neon демонстрирует развитие моделей, способных выполнять сложные многошаговые задачи автономно, при значительном снижении стоимости токенов и улучшенном контроле безопасности.

  • Окно контекста составляет 1 миллион токенов.
  • Стоимость: 3 доллара за 1 млн токенов ввода (0,15 доллара с кэшированием) и 15 долларов за 1 млн вывода.
  • Достигает 39,0% в тесте SWE-sweep внутри среды Google Antigravity.
  • При настройках по умолчанию стоимость задачи на 32% ниже, чем у модели Carbon.

Неочевидное: Внедрение регулируемых уровней мышления позволяет разработчикам находить оптимальный баланс между вычислительной мощностью и бюджетом, адаптируя модель под конкретную задачу без необходимости менять саму архитектуру.

Суть

Компания Google DeepMind представила Gemini 4 Neon — новую модель, ориентированную на быстрое выполнение задач от начала до конца. Модель предназначена для сложных рабочих процессов в разработке программного обеспечения, аналитике и науке. Главная особенность новинки заключается в сочетании высокого уровня интеллекта с более низкими затратами на выполнение задач по сравнению с предыдущими решениями.

Контекст

Выпуск Neon продолжает развитие экосистемы ИИ-инструментов компании, дополняя уже известные решения вроде Carbon, Hydrogen и Argon. Разработчики делают ставку на агентные системы и способность моделей работать автономно в течение длительного времени. Особое внимание уделено интеграции с платформой Google Antigravity, где Neon может выступать в роли координатора для управления параллельными подагентами.

a benchmark table

a benchmark table

Детали

Модель поддерживает контекстное окно в 1 миллион токенов, что позволяет обрабатывать таблицы, документы, графики, аудио и видео в рамках одного запроса. Стоимость использования составляет 3 доллара за миллион токенов ввода (с 95-процентной скидкой до 0,15 доллара за кэшированные токены) и 15 долларов за миллион токенов вывода.

В независимых тестированиях Gemini 4 Neon показывает следующие результаты:

  • 61 балл в Artificial Analysis Intelligence Index на уровне мышления «xhigh» (3-е место в общем рейтинге).
  • 1-е место в бенчмарках Terminal-Bench Science (70,5%), RiemannBench (84,0%) и HLE-Diamond (71,3%).
  • На SWE-sweep модель достигает 12,8% в мини-версии и 39,0% в среде Google Antigravity.
  • В сфере кибербезопасности модель набирает 90,5% в SEC-bench Pro и 76% на сложном уровне AutoBaxBench.

В качестве примеров работы в Google Antigravity компания приводит создание лыжного симулятора на WebGL2 с нуля (10 200 строк кода), а также генерацию электронной таблицы на 100 000 ячеек с использованием более 500 000 формул для обработки 3D-глубины.

Также по темеАдаптеры для сред исполнения: метод повышения эффективности ИИ-агентов
a chart showing AA Index v5.01 cost per task

a chart showing AA Index v5.01 cost per task

Анализ

Данные показывают явный сдвиг в сторону экономической эффективности агентных систем. При настройках по умолчанию модель Neon выполняет задачи на 32% дешевле, чем версия Carbon. Наличие четырех уровней «мышления» (включая xhigh) позволяет гибко распределять ресурсы: для простых задач используется меньше вычислений, а для сложных научных или инженерных проблем активируется глубокое многошаговое рассуждение.

Кроме того, результаты тестов на безопасность (0,0% успешных атак в бенчмарке Gray Swan IPI при высоком уровне мышления) указывают на серьезный прогресс в защите моделей от непрямых инъекций промптов (indirect prompt injection).

Перспектива

Постепенное развертывание Gemini 4 Neon в API и специализированных приложениях (включая программу Fairwind для специалистов по киберзащите) может ускорить внедрение автономных ИИ-агентов в корпоративный сектор. Успех модели будет зависеть от того, насколько стабильно заявленные показатели безопасности и низкий уровень фабрикации фактов подтвердятся в реальных условиях эксплуатации тысячами разработчиков.

Autobaxbench chart

Autobaxbench chart

webexploitbench chart

webexploitbench chart

sacbenchpro chart

sacbenchpro chart

exploitgym benchmark chart

exploitgym benchmark chart

CWE bench v2 chart

CWE bench v2 chart

grey swan chart

grey swan chart

A chart showing Gemini 4 models

A chart showing Gemini 4 models

hero image for Gemini 4 Neon

hero image for Gemini 4 Neon

Источник:Deepmind

Читать дальше