Thẻ tiêu đề ghi Những con số độc lập đầu tiên của Gemini 4 Neon, với dòng chữ 61 là thiết lập xhigh. Ở mặc định, nó đạt 59.6, và Carbon đạt 60.0, phía trên ba thẻ ghi Gemini 4 Neon ở xhigh 61.4, Gemini 4 Neon ở high (mặc định) 59.6 và Gemini 4 Carbon ở high 60.0, với chân trang là Artificial Analysis Intelligence Index v5.0.1, 19 tháng 11 năm 2026.
Guides & Insights

Các benchmark độc lập đầu tiên của Gemini 4 Neon: 61 là một con số xhigh, và ở mức mặc định, nó xếp sau Carbon

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Bài đăng ra mắt Gemini 4 Neon của Google mở đầu bằng Artificial Analysis Intelligence Index với 61 điểm, đứng thứ ba tổng thể. Artificial Analysis hiện đã xuất bản trang riêng cho Gemini 4 Neon, và trang đó ghi 61,4 — đối với biến thể xhigh, biến thể sâu nhất trong bốn thiết lập suy nghĩ, xếp thứ sáu trong 96 mô hình trên chỉ số v5.0.1. Ở thiết lập mà Neon thực sự mặc định dùng, high, cùng công cụ theo dõi đó chấm nó 59,6 điểm. Gemini 4 Carbon, mô hình mà thông báo của Google dùng để so sánh với Neon trong gần như mọi đoạn, đứng ở 60,0 điểm tại mức tối đa của chính nó. Đọc hai trang đúng như cách chúng được công bố và Gemini 4 mới nhất không phải là mô hình thông minh nhất: nó thắng 1,4 điểm khi bạn đẩy nó lên một nấc mà Carbon không có, và thua 0,4 điểm khi bạn so sánh hai mô hình ở các thiết lập mà nhà cung cấp của chúng khuyến nghị.

Không điều nào trong số đó khiến Neon trở thành một mô hình tồi, và các con số tốc độ trong cùng bảng đó là lập luận mạnh nhất ủng hộ nó mà bất kỳ ai đã công bố. Nhưng điều đó cũng có nghĩa là con số dễ xuất hiện nhất trong một bộ slide trong tuần này lại là cấu hình ít đại diện nhất của mô hình, và việc đính chính giờ đây có thể được bất kỳ ai có trình duyệt kiểm chứng, thay vì phải suy ra từ chính bảng của nhà cung cấp.

Những gì trình theo dõi thực sự đã công bố

Artificial Analysis liệt kê Gemini 4 Neon là được phát hành ngày 18 tháng 11 năm 2026, độc quyền, của Google, với cửa sổ ngữ cảnh 1M token và đầu vào văn bản, hình ảnh, giọng nói và video. Mô hình có bốn biến thể được chấm điểm riêng — low, medium, high và xhigh — và trang mặc định mở ở xhigh, đó là lý do con số nổi bật là 61,4 thay vì con số bạn sẽ nhận được khi gọi mô hình mà không có tham số suy nghĩ nào cả. Chỉ số đang áp dụng là v5.0.1, điều này quan trọng với bất kỳ ai đang giữ điểm số cũ: đây là một chỉ số đã được đặt lại cơ sở, và điểm 61 từ một bảng xếp hạng mùa hè không phải là cùng một phép đo như điểm 61 hôm nay.

Cùng trang đó cũng chấm điểm phần còn lại của dòng mô hình, và thứ tự xếp hạng đáng để đọc trước khi xem từng con số riêng lẻ. Cả bốn đều dùng cùng một bộ đánh giá — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 và Terminal-Bench-Science 0.1 — nên phép so sánh ít nhất là cùng hệ quy chiếu, điều mà không thể nói tương tự về bảng benchmark trong bài đăng ra mắt.

The Artificial Analysis model page for Gemini 4 Neon, headed Gemini 4 Neon: Intelligence, Performance and Price Analysis, showing Intelligence 61 at rank #6 of 96, Performance #73 of 95 with 56.51 seconds per response, 110 output tokens per second and 21.5 minutes per task, Cost #82 of 95 at $3.00 input and $15.00 output per million tokens with a 95% cache discount and $6.44 per Intelligence Index task, and Verbosity #93 of 95, above a low, medium, high and xhigh variant selector.

Một mô hình, bốn mức điểm và một nấc thang dốc hơn nhiều

• Neon ở mức thấp — 44,1, so với Carbon ở mức thấp 54,2 và Gemini 4 Hydrogen ở mức thấp 26,9.

• Neon ở mức trung bình — 54,9, so với Cacbon 58,3 và Hydro 41,2.

• Neon ở mức cao — 59,6, so với Carbon 60,0 và Hydrogen 50,8. Đây là mức mặc định của Neon và là mức trần của Carbon.

• Neon ở xhigh — 61.4, so với việc không có mục Carbon nào cả. Gemini 4 Hydrogen có nấc thứ tư và đạt 53.9.

Hình dạng của bốn con số đó là phần mà bài đăng ra mắt không truyền đạt. Neon trải dài 17,3 điểm chỉ số từ mức rẻ nhất đến mức sâu nhất; Carbon trải dài 5,8 qua ba bậc của nó. Neon không phải là một đại lượng cố định tình cờ có một núm tinh chỉnh — nó là bốn mô hình khác biệt đáng kể tùy vào bậc bạn chọn, và khác biệt lớn nhất ở phía dưới, nơi mức thấp của Neon là 10,1 điểm dưới mức thấp của Carbon. Nếu bạn đã từng định cỡ Neon so với Carbon bằng một con số duy nhất cho mỗi mô hình, thì phiên bản trung thực là một đường cong so với một đường thẳng.

Điều đó có một hệ quả thực tiễn đi ngược lại cách định vị khi ra mắt. Tài liệu của Google bảo các nhà phát triển đánh giá ở cả bốn mức và chọn mức thấp nhất đáp ứng ngưỡng chất lượng của họ, đồng thời cảnh báo rằng xhigh "có thể gây suy nghĩ quá mức hoặc làm cạn max_output_tokens với các prompt đơn giản hơn như trích xuất văn bản hoặc JSON." Những con số độc lập cho thấy vì sao lời khuyên đó có tính quyết định chứ không chỉ là thận trọng: việc hạ mức không phải là sai số làm tròn trên mô hình này. Mức chênh 1,8 điểm giữa mặc định của Neon và mức trần của nó lớn hơn bốn lần khoảng cách giữa Neon và Carbon; mức chênh 4,7 điểm giữa high và medium gần gấp mười hai lần khoảng cách đó.

A two-column scoreboard titled Gemini 4 Neon — the scoreboard. Gemini 4 Neon at xhigh reads AA Index 61.4, cost per task $6.44, output tokens 283M, time per task 21.5 min, output speed 110 tok/s; Gemini 4 Carbon at high reads AA Index 60.0, cost per task $4.90, output tokens 205M, time per task 36.1 min, output speed 57 tok/s. The footer says both figures are per Artificial Analysis on index v5.0.1, read 19 November 2026, and that Google's 32% cheaper-per-task claim is not reproduced at these settings.

Một nhiệm vụ tốn bao nhiêu, được đo lường chứ không phải chỉ được khẳng định

Tuyên bố đáng kiểm chứng là tuyên bố về chi phí mỗi tác vụ. Google cho biết Gemini 4 Neon ở mức mặc định high có chi phí mỗi tác vụ thấp hơn 32% so với Gemini 4 Carbon, và thấp hơn từ 36% trở lên so với các mô hình tiên phong của đối thủ ở thiết lập tư duy cao nhất của chúng. Chi phí mỗi tác vụ phụ thuộc vào số token mà mô hình phát ra, và bài đăng ra mắt không tiết lộ số lượng token, nên cho đến tuần này, con số đó vẫn chưa thể kiểm chứng từ bên ngoài.

Bảng của công cụ theo dõi ghi Neon ở mức $6,44 mỗi tác vụ Intelligence Index và Carbon ở mức $4,90. Đó không phải là mức tiết kiệm 32%; đó là mức cao hơn 31%, và hướng đi ngược lại với tuyên bố. Lưu ý trung thực là có sự không khớp cấu hình, và điều đó tác động theo cả hai chiều: $6,44 là Neon ở xhigh, vì xhigh là biến thể mà trang mở mặc định, trong khi $4,90 là Carbon ở high, mức tối đa của chính nó. Con số 32% của Google nói về Neon ở high, mà công cụ theo dõi chấm riêng ở 59,6 nhưng không đưa lên nổi bật kèm chi phí trong cùng bảng. Vậy phát biểu đúng hẹp hơn "Google sai": cấu hình được công bố của Neon tốn nhiều hơn mỗi tác vụ so với cấu hình được công bố của Carbon, và phép so sánh cụ thể mà Google đang thực hiện chưa được tái lập độc lập.

Điều có thể tái lập là hồ sơ token, và nó làm lung lay cách hiểu trực giác về một mô hình nhanh hơn. Neon đã tạo ra 283M token đầu ra trên Intelligence Index so với 205M của Carbon — nhiều hơn 38% — trên 8,12B token đầu vào, với đầu ra chiếm 3,5% đầu vào. Trung vị trên các mô hình mà công cụ theo dõi chấm điểm là 65,1M token đầu ra, nên Neon không chỉ nói nhiều hơn Carbon; nó nằm trong số những mô hình dài dòng nhất trên bảng, xếp thứ 93/95 theo thước đo đó. Carbon, mô hình từng nổi tiếng dài dòng, đứng thứ 90. Bất kể Neon đang tiết kiệm cho bạn điều gì, nó không tiết kiệm ở token phát ra.

Chỗ mà nó thực sự nhanh hơn — và đây là lý lẽ mạnh nhất ủng hộ nó — là thời gian thực tế (wall clock):

• Thời gian cho mỗi tác vụ Chỉ số Trí tuệ — Neon 21,5 phút, Carbon 36,1, Hydrogen 15,3, Argon 29,6. Trung vị của các mô hình tương đương là 12,4 phút.

• Tốc độ đầu ra — Neon 110 token mỗi giây, Carbon 57, Hydrogen 168, Argon 65.

• Thời gian đến token trả lời đầu tiên — Neon 56,5 giây, Carbon 75,0, Hydrogen 47,2, Argon 47,1.

Neon hoàn thành cùng một bộ đánh giá với thời gian thực ít hơn 40% so với Carbon ở tốc độ tạo gần gấp đôi, đồng thời phát ra nhiều token hơn và đạt điểm thấp hơn 0,4 điểm ở các cài đặt mặc định tương ứng. Đó là một sản phẩm mạch lạc, và nó là một sản phẩm khác với sản phẩm mà bảng benchmark ngụ ý: đó là mô hình bạn chọn để hoàn thành sớm hơn, không phải mô hình bạn chọn để đúng hơn thường xuyên hơn.

Ba con số trong bài đăng ra mắt mà công cụ theo dõi không xác nhận

Thứ hạng.Google nói thứ ba tổng thể. Trang trực tiếp của công cụ theo dõi xếp biến thể xhigh thứ sáu trong số 96 trên chỉ số v5.0.1. Cả hai con số đều có thể truy nguyên về Artificial Analysis mà vẫn khác nhau, vì tập hợp mô hình thay đổi; điều không thể đúng là cả hai đều là hiện hành. Hãy trích dẫn trang trực tiếp và nói rõ nó thuộc về biến thể nào, nếu không con số sẽ không trụ được qua bản phát hành tiếp theo.

Thiết lập đằng sau điểm số. Một 61 không có bổ ngữ được hiểu là điểm của mô hình. Nó là một trong bốn, là cái tốn kém nhất để chạy, và là cái mà tài liệu của chính Google cảnh báo đối với các tác vụ có dạng trích xuất. Mặc định là 59.6.

Lợi thế trên mỗi tác vụ.Đã bàn ở trên: ở các cấu hình mà công cụ theo dõi công bố trong bảng tóm tắt của nó, Neon đắt hơn 31% trên mỗi tác vụ, chứ không phải rẻ hơn 32%. Tuyên bố của nhà cung cấp vẫn có thể đúng ở mức cao trên bộ kiểm thử của chính Google. Chưa có bằng chứng nào cho thấy nó đúng ở bất kỳ đâu mà người đọc có thể kiểm chứng.

Mọi thứ khác trong thông báo vẫn như cũ — các bảng xếp hạng bên thứ ba mà Google đang trích dẫn, và các đánh giá chưa được tái lập của chính Google, từ Chartography ở mức 73,5% đến FrontierCode 2.0 ở mức 46,2%, cùng các số liệu an ninh mạng chỉ được công bố qua chương trình Fairwind defenders. Không có điểm nào trong số đó bị các con số độc lập phản bác. Đơn giản là đó không phải phần mà bất kỳ ai cũng có thể xác minh, và phần có thể xác minh được thì nay lại đọc ra khác đi.

Điều này thay đổi những gì nếu bạn định chuẩn hóa trên Neon

Nếu lý do bạn chọn Neon là con số 61, thì con số bạn nên đưa vào kế hoạch dung lượng là 59,6, và ở thiết lập đó, nó không đánh bại mô hình nào trong dòng hiện tại — Carbon đạt 60,0, cao hơn nó, và giá của Carbon là $2,00 và $10,00 mỗi triệu token so với $3,00 và $15,00 của Neon cho đến khi mức giá giới thiệu của Carbon và Argon tăng lên $4,00 và $20,00 vào ngày 1 tháng 12 năm 2026.

Nếu lý do của bạn là tốc độ, thì lập luận đó là có thật và những con số ở trên ủng hộ điều đó. Hai mươi mốt phút so với ba mươi sáu phút trên cùng một bộ đánh giá là kiểu khác biệt có thể thay đổi khối lượng bạn có thể chạy trong một ngày làm việc, và tốc độ tạo 1,9 lần thể hiện rõ trong công việc tương tác trước khi nó xuất hiện ở một tác vụ hàng loạt.

Nếu lý do của bạn là bài toán kinh tế theo từng tác vụ của Google, hãy tự chạy thử nghiệm trước khi bạn cam kết một lộ trình triển khai production với nó. Hồ sơ token là thứ duy nhất quyết định liệu tuyên bố theo từng tác vụ có đúng trên lưu lượng của bạn hay không, và phép đo độc lập cho thấy Neon phát ra nhiều token hơn mô hình mà nó được cho là đang định giá thấp hơn. Với công việc nặng về đầu vào, bức tranh đảo ngược, vì giá đầu vào của Neon hiện cao hơn Carbon 50% và bước đi của Carbon vào tháng 12 thậm chí sẽ khép lại khoảng cách đó theo hướng có lợi cho Neon — đó là cửa sổ mười bốn ngày, không phải một chiến lược.

Chạy so sánh trên lưu lượng truy cập của chính bạn

Lý do cần quan tâm đến một thang bốn bậc thay vì một điểm số duy nhất là vì bậc thang là một quyết định chi phí, và các quyết định chi phí là rẻ nhất khi cả hai mô hình chỉ cách một lần gọi. Danh mục của chúng tôi cung cấp google/gemini-4-carbon và google/gemini-4-argon theo giá niêm yết của nhà cung cấp, không cộng thêm phí, nghĩa là bước ngày 1 tháng 12 trên hai mô hình đó xuất hiện trên hóa đơn của bạn đúng ngày nó xuất hiện trên hóa đơn của Google, và vị thế tháng 12 của Neon so với chúng thay đổi mà không ai phải đàm phán lại bất cứ điều gì. Gemini 4 Neon chưa có trong danh mục, nên đây không phải là khuyến nghị chạy nó qua chúng tôi hôm nay — mà là hình thức của bài kiểm tra cần chạy khi nó xuất hiện.

The OrcaRouter model page for Gemini 4 Carbon, showing the model identifier google/gemini-4-carbon, a maximum output of 65K tokens, multimodal input across text, image, file, audio and video, capability chips for vision, audio, tools, JSON, reasoning and output text, the line by Google · 2026-11-10, a p50 time to first token of 10.005 seconds, and the description noting a 1,048,576-token context window.

Phép đánh giá mà các con số ở trên lập luận ủng hộ không phải là một lần chạy benchmark. Đó là cùng một prompt ở chế độ high trên cả hai mô hình, được đo bằng token để hoàn thành thay vì giây, trên một mẫu các tác vụ của chính bạn. Bài kiểm tra đó cần cả hai mô hình có thể truy cập được từ một khóa với một fallback phía sau, vì mục đích của việc chạy Neon là tìm hiểu xem tuyên bố theo từng tác vụ có đứng vững khi tiếp xúc với lưu lượng của bạn hay không, và mục đích của fallback là một mô hình mà bạn vẫn đang đánh giá không bao giờ trở thành con đường duy nhất tới production. Carbon phía sau nó, Argon phía sau đó, và việc so sánh theo bậc trở thành một thay đổi định tuyến thay vì một cuộc migration.

Điều duy nhất không nên làm là đánh giá quyết định dựa trên bảng ra mắt. Công cụ theo dõi giờ đã công bố bốn điểm số cho một mô hình, khoảng cách giữa mô hình dẫn đầu và mô hình mặc định còn lớn hơn khoảng cách giữa mô hình mặc định và mô hình mà nó thay thế, và tuyên bố về chi phí khiến toàn bộ đề xuất khả thi lại chính là con số trên slide mà không ai bên ngoài Google đã tái lập được.

Xem gì tiếp theo

Ba điều, đều có thể kiểm chứng. Liệu chi phí mỗi tác vụ của công cụ theo dõi đối với Neon ở mức cao có nằm gần con số 32% của Google hay không — chỉ riêng hàng đó sẽ giải quyết cuộc tranh luận, và đó là một biến thể đã có điểm chỉ số được công bố. Liệu cổng Fairwind trên biến thể an ninh mạng có mở hay không, vì các con số bảo mật vẫn chỉ là những tuyên bố về một mô hình mà gần như không ai bên ngoài Google có thể gọi. Và liệu bước ngày 1 tháng 12 trên Carbon và Argon có trụ được khi tiếp xúc với nhu cầu hay không, vì đó là ngày mà mức giá cố định $3.00 và $15.00 của Neon không còn trông đắt nữa mà bắt đầu trông giống bậc suy luận Gemini 4 rẻ nhất trên mỗi token.

Cho đến lúc đó, bản tóm tắt hữu ích chỉ gói gọn trong một câu: Gemini 4 Neon là cách nhanh nhất để nhận được câu trả lời từ Gemini 4, nhưng nó không phải là lựa chọn chính xác nhất ở thiết lập mặc định đi kèm, và tuyên bố về hiệu quả dùng để biện minh cho mức giá của nó vẫn chỉ là tuyên bố của nhà cung cấp.