标题卡内容为 Gemini 4 Neon:Google 的“小”模型没有公布规模,副标题是一条 X 帖子、三个可核查的数字,以及一个 Google 之外无人见过的规模,下方有三行编号条目:该帖子称 Neon 很小,却未公布任何 Gemini 4 模型的参数量;Neon 在 xhigh 下得分 61.4,在 default high 下得分 59.6,对比 Carbon 的 60.0,为领先 1.4 分或落后 0.4 分;Carbon 于 11 月 10 日发布,Neon 于 11 月 18 日发布,相隔八天,其中 RSI 条款未引用任何训练数据。页脚写道:分数依据 Artificial Analysis index v5.0.1,读取于 2026 年 11 月 20 日;规模声明未经审计。
Guides & Insights

Gemini 4 Neon:谷歌的“小型”模型未公布规模

作者

Elias Hawthorne

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

UTC 11 月 20 日 01:57,X 上出现了一篇帖子,称 G​emini 4 Neon 是 G​oogle 的小型模型——“远远领先于 Argon 和 Carbon”,可与 Claude Opus 5.5 和 Claude Fable 5.2 竞争,并在结尾四个词中称其为 RSI 的证据。该帖在定稿前被编辑了三次,我们读到它时有 316 个赞。其他每个分句都可以对照文档核实。“small”这个词却不行。在 G​oogle 关于 G​emini 4 Neon、G​emini 4​ Carbon、G​emini 4​ Argon 和 G​emini 4 Hydrogen 的文档中寻找参数数量或规模排序,你会发现什么也没有:没有参数数量,没有活跃参数数字,没有一句话按规模给这四个模型排序,而且——无论是在 DeepMind 模型页面还是模型卡上——都没有一处用“small”一词指代其中任何一个。

这并不会让那篇帖子变错。它只是让该帖在其核心词上变得不可证伪,而这是一个不同且更有意思的问题:该主张把任何人都能核查的一项测量(分数)与 Google 之外无人能核查的模型内部描述捆绑在一起,然后从不可验证的那一半推断出模型是如何训练的。下面将该主张拆解为三个部分,并分别对照已公布的内容进行检验。所有分数均为 Artificial Analysis 在 index v5.0.1 上于 2026 年 11 月 20 日读取所得;所有 Google 陈述的内容都按此标注;任何推断的内容都标记为推断。

帖子实际说的是什么

抛开框架性表述,这里有三项断言。其一:Neon 是 Google 的小模型。其二:作为一个小模型,它“远远领先于 Argon 和 Carbon”,也就是说,一个更小的模型已经超越了更大的同门模型。其三:这一结果正是“RSI 之类”所呈现的样子。第二项可归结为算术,第一项可归结为 Google 尚未公布的定义,而第三项完全无法归结——它是一个关于训练过程的断言,却没有披露任何输入。

值得在开始算账之前指出:这种说法并非某个账号独有。早一天,另一位发帖者把一次 Neon 演示归因于“蜂群”,并归因于“没有做蒸馏、而是在 RSI 上花时间”。这套词汇传播的速度快过任何文档对它的支撑,而这正是为什么逐个词都值得掂量其代价。

Google 从不称 Neon 为小模型

G​oogle 确实对这四个模型分别作了描述,而且这些描述足够具体,可以被引用。摘自本周发布的 G​emini API 模型文档:

• G​emini 4​ Carbon — “我们最强大的推理模型,专为复杂软件工程、多模态知识工作、科学推理和网络安全防御而构建。”

• G​emini 4 Neon — “具备前沿级智能,可在复杂软件工程、知识工作和科学工作流中快速完成端到端任务。”

• G​emini 4​ Argon ——“我们高效的 G​emini 4 前沿推理模型,与 G​emini 4​ Carbon 相比,响应速度更快,每轮 token 消耗更低……”

• G​emini 4 Hydrogen — “为每个人带来前沿智能,以速度和效率支持日常编码与智能体工作流。”

这四句话中有三句讲的是速度和成本。它们没有一句讲的是规模,而且我们能读到的任何 G​oogle 页面都没有用“small(小)”这个词来指这四者中的任何一个。根据同一份文档,G​oogle 为日常、低成本工作所指的模型是 G​emini 3.5 Flash-Lite——它不属于这个系列,也不是这篇文章所讲的内容。所以,“Neon 是小号的那个”并不是对 G​oogle 定位的总结。它是读者从行为中作出的推断,却被表述得像一项规格参数。

价目表同样不支持这种字面解读。Neon 是该系列中每 token 最贵的模型:输入每百万 $3.00,输出每百万 $15.00,统一价格,既无免费额度,也无有效期;相比之下,Carbon 和 Argon 在 11 月 30 日之前为 $2.00 和 $10.00,Hydrogen 则为 $1.50 和 $7.50,并设有免费额度。一个每 token 成本比它所对标的旗舰模型还高出 50% 的小模型,并不是买家通常所说的那种“小”。无论 Neon 的“小”体现在哪里,都绝不是账单。

在数据确实支持该说法的情况下

文章的评分部分可核查且大体成立——但有一处替换会改变结论。在各模型已发布的最深设置下,Intelligence Index 上:

• G​emini 4 Neon — xhigh 下 61.4(默认 high 档下 59.6)

• Gemini 4 Carbon — 在 high 档下为 60.0,这已是其上限;该模型没有 xhigh 档位

• G​emini 4 Hydrogen — xhigh 下 54

• G​emini 4​ Argon — 高设置下为 50,这也是它的上限

所以,“遥遥领先于 Argon”是真的,而且差距并不小:11 分。“遥遥领先于 Carbon”则完全不成立。Neon 领先 Carbon 1.4 分,而且只有把它推到 Carbon 没有的思考档位时才会如此。在两家厂商都推荐的设置下——Neon 的默认高设置对 Carbon 的高设置——Neon 落后 0.4 分。这篇帖子最有力的表述本应是诚实的那版:如果你愿意为最深档位付费,Neon 是这个系列中第一个得分超过旗舰的模型,高出约一分。

“几周之内”在字面上也成立,而且这个算术值得说明,因为它是文中唯一带日期的事实。Carbon 于 11 月 10 日正式可用。Neon 于 11 月 18 日正式可用。旗舰模型与被描述为已经超越它的模型之间相隔八天。

A single-column scoreboard titled Gemini 4 Neon - the scoreboard, with six rows: Intelligence Index 61.4 at xhigh and 59.6 at default high; Carbon at its ceiling 60.0 at high; cost per index task $6.44 against Carbon's $7.76; list price $3.00 in and $15.00 out per million; output tokens on the suite 123M against Carbon's 205M; published parameter count none, for any Gemini 4 model. The footer reads scores per Artificial Analysis index v5.0.1, prices per Google's rate card, size claim unaudited.

这篇文章略过的那一个对比

“与 Opus / Fable 竞争”这句话反而是低估自己的部分,因为要把它说得更体面,就需要一个帖子没有使用的数字。在同一指数上,Claude Opus 5.5 在最高努力档位下得 59 分,Claude Fable 5.2 得 65 分。因此 Neon 的 61.4 分介于两者之间:在 Neon 最深设置下领先 Opus 5.5 2.4 分,落后 Fable 5.2 3.6 分。“与……竞争”对前者是公允的,对后者则是抬举。

让这成为一个真实故事的,是这些分数所付出的代价——按每完成一个任务而不是每 token 来衡量:

• 每项 Intelligence Index 任务的成本 — Gemini 4 Neon $6.44,Claude Opus 5.5 $10.04,Claude Fable 5.2 $26.54

• 每百万 token 的标价,输入 / 输出 — Neon $3.00 / $15.00,Opus 5.5 $4.00 / $20.00,Fable 5.2 $8.00 / $40.00

• 每个索引任务耗时 — Neon 在 xhigh 下为 21.5 分钟,在 high 下为 14.8 分钟;Opus 5.5 在 max 下为 25.7;Fable 5.2 在 max 下为 41.6

• 输出速度——Neon 每秒 110 个 token,Opus 5.5 每秒 112 个,Fable 5.2 约每秒 110 个

每项任务成本仅为 Fable 5.2 的四分之一,代价是 3.6 个指数点——这比原帖中的任何论点都更有说服力,而且它完全不依赖任何关于规模的只言片语。它也是能经受住最直接反驳的论点:在 Fable 5.2 的价格水平上,如果工作负载需要,3.6 个点的差距就是所有选项中最便宜的可弥补项;如果不需要,它便无关紧要。

The Artificial Analysis page for Gemini 4 Neon, headed Gemini 4 Neon: Intelligence, Performance & Price Analysis, showing intelligence 61 with 110 tokens per second, $3.00 input and $15.00 output per million tokens, a 1M token context window, and the notes that it scores 61 on the Intelligence Index against a median of 44, costs $6.44 per task, and takes 21.5 minutes per task against a median of 12.4.

小的是速度,不是尺寸

如果这里对“小”有一种站得住脚的解读,那就是追踪器所衡量的那种,而不是模型卡所隐瞒的那种;而且它关乎每项任务所需的工作量,而非参数规模。在同样高的投入下,Neon 用 1.23 亿输出 token 完成了 Intelligence Index 套件,Carbon 则用了 2.05 亿;Neon 用时 14.8 分钟,Carbon 为 41.8 分钟。这意味着 token 用量少了 40%,任务完成时间几乎缩短到三分之一;这也是公开材料中与那篇帖子的直觉最接近的证据:无论 Neon 究竟是什么,它完成同一项工作所输出的工作量都少于谷歌称为其最强的那款模型。

但那是从行为中作出的推断,而行为还有其他解释——更高效的解码器、不同的思考预算、更短的推理轨迹——这些都不需要更小的参数量。同样的数字也与 Neon 只是一个更新、训练更好的同规模模型相一致,而这是现有最不牵强的解释。

速度叙事也在文章没有关注到的地方站不住脚。Neon 并不是该系列中最快的模型。G​emini 4 Hydrogen 以每秒 167 个 token 运行,而 Neon 为 110;它在 xhigh 下用 15.4 分钟完成一项索引任务——与 Neon 在 high 下的 14.8 分钟仅毫厘之差,价格却只有一半。如果主张是“小而快”,那么 Hydrogen 才是符合这一描述的模型,而且 Hydrogen 得分为 54。

An infographic titled Small as speed, not as size, with six rows: output tokens for one index suite 123M on Neon's default and 205M on Carbon; time per index task 14.8 minutes on Neon's default and 41.8 on Carbon; output speed 110 tokens per second on Neon and 167 on Hydrogen; score at the deepest setting Neon 61.4 and Hydrogen 54; fastest model in the family Hydrogen at half Neon's price; parameter count behind any of it unpublished. The footer reads tokens, time, speed and scores per Artificial Analysis index v5.0.1, read 20 November 2026; prices per Google's rate card; size claims unaudited.

为什么“RSI”在这里发挥作用

递归自我改进,在人工智能研究中该短语所具备的含义,是指实验室利用模型来可衡量地改进其继任者——一个内部包含模型的循环,而不仅仅是快速的发布节奏。没有任何已发表的内容支持对本轮发布的这种解读,而该文章也没有提供任何支持:没有算力数据,没有披露 Neon 的训练数据,也没有证据表明任何 G​emini 模型参与了 Neon 的训练。

Google 关于谱系所公布的内容只有一句话,而且反复出现。Gemini 4 Neon 和 Gemini 4 Hydrogen 的模型卡都写明,该模型“改编自 Gemini 4 Carbon”——两张卡上同样的七个位置写着同一句话,既没有定义“改编”,没有参数数量,也没有说明改了什么。顺着 Carbon 的模型卡往回追溯会指向 Argon,而 Argon 的模型卡称它“不是对先前模型的修改或微调”。在五周的发布中,每张 Gemini 4 模型卡给出的知识截止日期都相同:2026 年 3 月。四个模型、一条数据流水线、一个未定义的词:这描述的是一个共享的训练基础,这很普通,而不是循环。

Carbon 和 Neon 之间八天的间隔是一份日程安排。日程会因为与自我改进毫无关系的原因而压缩——共享基础模型、分阶段发布、发布日历——而观察到这一次压缩了,并不构成支持其中任一原因的证据。如果一个实验室真的用模型构建了模型,你得知的方式会是它自己说了,或者有基准测试测量到了这一点。这两件事都没有发生。

怎样才能了结此事?

三项披露将把这篇帖子从断言变成一项发现,而这三项都是 G​oogle 本周就能发布的内容:

• 任何 G​emini 4 模型的参数数量或活跃参数数值。一个数字就能让“小”变得可核查,并会立即证实或推翻这一前提。

• 模型卡上对“改编自”的定义。该短语在 Neon 卡片上出现了七次,却从未得到解释;“基于”用于 Carbon-to-Argon,同样没有定义。

• 任何关于训练贡献的陈述——哪些数据是 Neon 相对于 Carbon 新增的,或者哪个模型(如果有的话)产生了训练信号。如果这三者都不存在,RSI 就只是帖文中的一个词。

这个周一怎么办

实际影响很小,而且与这篇文章暗示的相反。记录中没有任何内容说 Neon 是一个击败大模型的小模型;它说的是,Neon 是一个 $3/$15 模型,在加压时比 Carbon 的上限高一分,未加压时比 Carbon 的默认值低半分。这是调优阶梯上的决策,不是规模决策,而该阶梯从 low(44.1)到 xhigh(61.4)跨越 17.3 个指数点——远超该系列中任意两个模型之间的差距。你调用哪一级,比调用哪个模型更重要。

有两件带日期的事,无论规模问题最终如何解决,都值得记进日历。Carbon 和 Argon 将于 12 月 1 日翻倍,从每百万 token 2.00 美元和 10.00 美元涨到 4.00 美元和 20.00 美元,而 Neon 的价目表没有到期日。按今天的价格,Neon 每完成一个索引任务比 Carbon 便宜 17%(6.44 美元对 7.76 美元);12 月 1 日之后,即使 Neon 什么都不变,这一差距也会扩大。任何读了那篇“小模型”文章并得出 Neon 是低成本选项的人,方向对了但理由错了——它每个任务更便宜是因为它输出更少,而不是因为它更小,而且它会在一个 Google 已经公布的日期变得便宜得多。

在我们这边,google/gemini-4-carbon 和 google/gemini-4-argon已按提供商目录价、无加价收录在目录中,这意味着 12 月 1 日的这一步会在 G​oogle 那边到来的同一天也来到我们这里。G​emini 4 Neon 尚未进入目录,所以关于它,值得说的不是价格,而是形态:等它上线后,值得编写的请求应当点名 Neon,并在 Neon 被限流或报错时回退到 Carbon。一个公开的主要优势是快速完成任务的模型,适合放在故障转移之后,而不是作为单一依赖点。如今一把密钥即可覆盖该系列其余模型,因此对 Carbon 或 Argon 做一次对比运行,除了 token 之外没有其他成本。

诚实的收尾是狭窄的那个。一篇声称某实验室的小模型超越了其大模型的帖子,等于就规模作出了断言。可没有人公布过规模。分数所表明的是,一个快速模型在八天内落到了与一个较慢模型相差一分以内的水平——这本身就足够有意思了,而附着其上的训练故事,目前还只是一个图注。

本文中的对比1

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新