首屏标题卡内容为 Gemini 4 Neon 对比 Gemini 4 Argon,副标题内容为九个指数点和一个价格档位,页脚一行内容为分数依据 Artificial Analysis Intelligence Index v5.0.1,价格依据 Google 的 Gemini API 定价页面,核对日期为 2026 年 11 月 20 日
Guides & Insights

Gemini 4 Neon 对比 Gemini 4 Argon:每项任务 50 美分换 9 分

作者

jinhao.song

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

G​emini 4 Neon 和 Gemini 4 Argon是两款中端价位的 G​emini 4 模型;从纸面上看,它们相差一个档位,这让选择看起来像是一个预算问题。实际情况更接近相反。G​oogle 的独立评分显示,G​emini 4 Neon 在默认高设置下于 Artificial Analysis Intelligence Index 上得分为 59.6,而 Gemini 4 Argon 在自身最高设置下得分为 50.4——9.2 分的差距,任何提示工程都无法弥合。Argon 的反向论据也同样真实且可量化:它的每 token 成本更低,而且生成的 token 数量少得多,所以今天完成一项 Index 任务花费更少。然后 11 月 30 日到来,Argon 的入门费率翻倍,更便宜的模型就不再更便宜。在这场对比中,日历和基准测试同样重要。

两份费率卡,以及它们出现差异的日期

两者都仅限付费层级,均具备相同的 1,048,576 token 统一上下文,均接受文本、图像、视频、音频和 PDF 并输出文本,且都能同步解码最多 64K token,并拥有一条通向百万 token 的长解码路径。规格如此接近,以至于整个决策就落在三个数字和一个日期上。

• 输入与输出价格 — G​emini 4 Neon 统一定价为 $3.00 和 $15.00,无到期日。G​emini 4 Argon 在 2026 年 11 月 30 日之前为 $2.00 和 $10.00,之后为 $4.00 和 $20.00。

• 缓存输入 — Neon 每百万 $0.15(95% 折扣),Argon 今日 $0.10,自 12 月 1 日起 $0.20。

• 思考级别 — Neon 默认使用 high,并支持 low、medium、high 和 xhigh。Argon 默认使用 medium,最高支持到 high。

• 实测智能水平——Neon 在 high 下为 59.6,在 xhigh 下为 61.4。Argon 在 high 下为 50.4,是其最高档位。

• 实测速度 — Neon 每秒输出 110 个 token,Argon 为 68 个。首个 token 的耗时是 56.5 秒,而 Argon 为 46.0 秒。

• 每个 Index 任务的实测成本 — Neon 为 6.44 美元,Argon 为 4.97 美元。

最后一行是为 Argon 辩护的坦诚理由,而且很有说服力:由同一追踪器在同样的九项评估中测得,每完成一项任务的成本低 23%。它上面一行则是反对它的坦诚理由:指数上相差九点,而在同一比较类别中,中位模型的得分为 44。

为什么 Argon 每项任务成本低,而 Neon 则不然

每项任务成本不过是贴上价格标签的 token 数量,因此真正有意思的数字是这些数量。在 Intelligence Index 评测集上,Artificial Analysis 记录到 Gemini 4 Argon 的输出 token 为 1.13 亿个,Gemini 4 Neon 为 2.83 亿个;二者的输入量大致相近,分别为 75.5 亿和 81.2 亿个 token。Argon 的整个产品主张正是如此:Google 将其描述为提供 Gemini 4 级别的智能,且每轮 token 消耗低于 Gemini 4 Carbon,测量结果也印证了这一点——Argon 是该榜单上更精简的推理模型之一。

因此,这笔权衡的结构并不寻常。Neon 是思考更深入、输出更多的模型,而 Argon 是输出更少的模型。如果你的工作是一种有界转换,其中错误答案很容易被发现、但重做代价高昂,那么 Argon 每次尝试更低的成本,比它更低的上限更有价值。如果你的工作是一个长时间的智能体会话,其中一次错误的架构决策会毒害接下来的四十次工具调用,那么九个指数点就不是一笔小的溢价。

单任务数字掩盖了一个二阶效应:Neon 的默认档位是 high,而 G​oogle 的文档明确指出,模型已公布能力中的很大一部分是在 xhigh 下测得的,并且降档是行为上的真实变化,而不是舍入误差。Argon 根本没有 xhigh 档位。当你比较“每个模型能做到的最好水平”时,你是在把处于 xhigh 的 Neon 与处于 high 的 Argon 相比,这有 11 个百分点的差距,而且 Neon 的单任务账单比上文引用的 $6.44 更贵。

Screenshot of the Gemini API pricing page for Gemini 4 Neon showing the Standard tab with input price 3.00 dollars, output price 15.00 dollars and context caching 0.15 dollars per million tokens, free tier not available, and the note that every token including thinking tokens is billedA two-column comparison scoreboard for Gemini 4 Neon and Gemini 4 Argon, with Neon showing 59.6 at high and 61.4 at xhigh on the Intelligence Index, 3 dollars and 15 dollars per million tokens flat, 110 output tokens per second, 6.44 dollars per Index task and four thinking levels, and Argon showing 50.4 at high, 2 dollars and 10 dollars today rising to 4 and 20 on 1 December, 68 tokens per second, 4.97 dollars per task and three thinking levels

Argon 实际上是用来做什么的

Argon 于 2026 年 9 月 30 日发布,定位为高效前沿模型——它能让你在编程、智能体、数学和科学任务上获得 Gemini 4 级别的推理能力,同时响应更快、花费比 Carbon 更低。此后八周里,这个家族围绕它逐渐补齐:Carbon 作为能力上限模型,Hydrogen 作为免费层的主力,而现在 Neon 作为高频前沿模型,位于 Hydrogen 和 Carbon 之间。

这让 Argon 处于一个尴尬位置,而这与它的质量无关。它是一款处于中间档产品之中的中间档产品,而该中间档现在有四款模型,并且它是唯一一款价格计划翻倍的模型。最清晰的解读是,Argon 面向的是那些已经认定答案质量门槛“足够好”、并正在优化账单的团队:带验证的批量分类、长文档结构化抽取,以及更便宜的规划器就够用的智能体子任务,因为执行工作的是 Hydrogen。

Argon 仍然完胜的地方是首个 token 的延迟:46 秒,而 Neon 是 56.5 秒。如果你的产品会卡在这个数字上,而且任务很短,那么领先 10 秒加上更低的费用,就是留下来的合理理由——不管基准测试结果如何。

12月1日的步骤,已定价

Argon 的每任务成本取决于其价目表,因此直接推算的结果是:输入和输出价格翻倍,任务成本也大致翻倍:$4.97 会变成接近 $9.90。Neon 的价目表则完全不变。从 12 月 1 日起,这个算术关系会反转,并持续保持反转:在相同默认设置下聪明九分的模型,也是每个已完成任务更便宜的那个;而当初作为高效选项出售的模型,则成为两者中在两个维度上都更贵的那个。

有两点注意事项,二者都值得明说,而不是避而不谈。按今天的价格测算的单任务成本,并不承诺十二月的成本也会如此,因为缓存行为和思考级别会改变成本构成;隐式缓存达到 95% 时,输入密集型工作负载对输入价格不敏感。而且在该系列短暂的历史中,Google 已经改过一次这个日期,所以这个推算只是基于已公布时间表做算术,而不是预测。

可以确定的是方向。如果你今天要在两个模型之间做选择,而其中一个在10天后会有一个价格台阶,那么你该做的比较不是 Neon 对 Argon,而是 Neon 对 Argon 到一月份会让你付出的成本。

同时运行两者,而不是二选一

在价格环节后仍能成立的结构,正是 Google 自己为这一模型家族所描述的结构:由能力强的模型负责规划,由便宜的模型承担大量工作。Argon 的低 token 消耗使其成为合理的执行者;Neon 的 xhigh 上限使其成为合理的规划者;Hydrogen 定价为 $1.50 和 $7.50,并提供免费层级,在纯执行方面比两者都更便宜。

这正是路由层比基准测试表更有价值的地方。Gemini 4 Argon 和 Gemini 4 Carbon 如今都已收录在我们的目录中,与 gemini-3.1-pro-preview 并列,而你看到的价格是提供商标价原样透传、无任何加价——这一点在这里尤其重要,因为当 Argon 的费率卡在 12 月 1 日翻倍时,你账单上的数字会在 G​oogle 页面上变化的同一天随之变化,无需再谈第二份合同。自动故障转移是另一半:一个在 56 秒时因首个 token 超时的规划器,可以把同一请求交给 Argon,而你的应用代码无需知道发生了回退。G​emini 4 Neon 尚未收录在我们的目录中,我们不会假装费率卡就是端点——诚实的说法是,Argon 现在可以在这里调用,而 Neon 还不能。

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model card with its identifier, context window and per-million-token pricing in the OrcaRouter catalogue

什么会改变这个答案

三件可核查的事,按它们对决策的影响程度排序。如果 Neon 在高设置下的得分最终被证明是下限而非平台期——也就是说,如果中等设置下的独立运行结果落在 Argon 的 50 附近,而不是明显高于它——那么这九分的差距实际上只是一个昂贵设置下的差距,而即便到了十二月之后,按任务计算的经济性也开始有利于 Argon。如果 Argon 的价格上调被推迟或缓和,支持它的理由就会明显更充分。而如果 Google 为 Neon 推出显式缓存或更便宜的档位,那么每任务成本比较的变动幅度将超过任何基准修订。

在这些方案中的某一个落地之前,建议既具体又朴素:任务短、可验证且量大时用 Argon,在这种情况下,46 秒才拿到首个 token 也比更好的答案更划算;任务长、失败代价高,而且额外 token 正是关键所在时用 Neon。如果你的任务量大到由单任务成本决定取舍,就把迁移放在路由器之后,这样 12 月 1 日那一步就只是路由变更,而不是重写。