一張生成的標題卡寫著「Gemini 4 Neon's Three.js Demo」,副標題為「十五秒,一句話,沒有提示詞」,旁邊有一張小型圖表,呈現宣稱與量測之間的落差:一側是標示「發佈於 2026 年 11 月 19 日,1920x1080,15.0 秒」的影片畫格,另一側是標示「提示詞、努力程度、token 數量、來源檔案」的檢查清單,大多數欄位都是空白。
Guides & Insights

Gemini 4 Neon 的 Three.js 示範:15 秒究竟展示了什麼

作者

Gideon Frost

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

2026年11月19日,一位以 @chetaslua 名義發文的開發者發布了一段十五秒的短片,並附上一句話:Gemini 4 Neon 用“純 @threejs”做出了片中的動態圖形,而片尾的機器人舞更是帶勁。影片為 1920×1080,長度十五秒。這就是公開紀錄的全部——沒有提示詞、沒有原始檔、沒有思考等級、沒有 token 數,也沒有說明它是出自 API、AI Studio 還是 Antigravity。Gemini 4 Neon 是真實存在、已全面推出的模型;Google’s DeepMind 模型頁面將它列在 2026 年 11 月之下,Artificial Analysis 也給了它評分與定價。但一段被貼出的短片是一項宣稱,而非一次量測,而這兩者之間的距離,正是這個故事裡有用的部分。Gemini 4 Carbon 只是作為 Google 所說 Neon 改編自的兄弟模型、以及我們自家目錄實際收錄的那一個而登場——它不是這裡的主題。

十五秒,零個已記錄的設定

先從這則貼文本身能查核的內容開始,因為那是一份簡短清單,而值得看看它到底有多短。

• 這項說法——即 Gemini 4 Neon 以純 three.js 製作了這段動態圖像。這是原發文者的歸因。影片中沒有任何內容能證明是哪個模型寫了程式碼,討論串中也沒有展示程式碼。

• 時間戳記——2026 年 11 月 19 日 16:51 UTC,也就是 Neon 於 11 月 18 日正式全面推出後一天。沒有人能指責這是在禁令下偷偷帶出的發布前示範;它是同一週的產物。

• 檔案——十五秒,1920×1080,沒有旁白,以影片附件形式發布。這是算圖輸出,不是編輯器的螢幕錄影。這點很重要:某人打字的螢幕錄影會顯示提示詞、中間的錯誤,以及嘗試的次數。完成的算圖則完全不會顯露這些。

• 互動情況——在我們擷取貼文文字時有 130 個讚。規模不大。這是一個人的展示分享,並非有組織的demo發布,而這正是它有趣的地方:沒有人為了發布貼文而對它進行策劃編排。

缺失的是所有能讓另一個人重現它的東西。提示詞。投入等級——Neon 支援 low、medium、high 與 xhigh,而同一提示詞下 low 與 xhigh 之間的差距大到足以同時改變帳單和輸出。介面。貼出來的那一次背後嘗試了幾次。機器人舞是要求的還是即興的。事後是否有任何 JavaScript 被手動編輯過。這些每一項都只是後續貼文中的一行,但沒有一項在裡面。

Three.js 場景實際測試的是什麼

人們很容易把這件事歸入「前端能力」然後就此打住,無論往哪個方向解讀——當成模型擅長圖形的證明,或當成漂亮的渲染結果毫無意義的證明。但這兩種解讀,一旦真正面對這個產物究竟是什麼,都站不住腳。

three.js 是任何模型訓練資料中出現頻率最高的函式庫之一。一個包含相機、光源、網格與渲染迴圈的場景,幾乎就是過去三年網頁開發中典型的「看看我做了什麼」產出。每個當前的前沿模型都能做出一個會渲染出某個旋轉物件的頁面。因此,一段十五秒的影片裡存在一個像樣的 three.js 場景,幾乎無法告訴你它是哪個模型做的——這正是為什麼那句話裡,發文者的歸因承擔了全部的作用。

真正更難、而且一段結尾帶有對拍舞蹈的動態圖像實際會鍛鍊到的,是那個沒有正確性判準可依循的部分。動態圖像是一段序列:帶有轉場的動畫狀態機、攝影機路徑、緩動曲線,以及必須落在節拍上的事件排序。沒有任何測試會斷言舞蹈看起來正確。模型必須在腦中維持一份十六秒的分鏡、輸出時間常數,而且不能漂移。當有人說最後四秒要“火力全開”,他們是在對編舞與節奏做出判斷——而節奏正是單次生成程式碼最不擅長的事,因為當時間安排只是平庸時,迴圈裡沒有任何東西會失敗。

這才是這段影片片段值得再看一眼的真正原因,即使它什麼也證明不了。這是一個關於時間構成的說法,而不是關於著色器數學的說法。一個能寫著色器的模型,和一個能把十五秒的序列維持連貫的模型,是兩種不同的主張,而這裡只提出了其中一種。

Neon 確實擁有的數字

Artificial Analysis 是唯一收錄 Gem​ini 4 Neon 的獨立評分榜,而仔細閱讀它,是看清所發布片段與任何實測結果相距多遠的最快方式。

Screenshot of the Artificial Analysis analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing an Intelligence Index of 61 at xhigh effort with ranks of 6 of 96, 73 of 95 and 79 of 95 across the panels, 110 output tokens per second, 21.5 minutes per task, $3.00 input and $15.00 output per million tokens, and a verbosity panel reporting 283 million output tokens and a 3.482% output-to-input ratio.

頭條數字是在 xhigh 思考等級下的 Intelligence Index 上為 61,在排行榜的 96 個模型中排名第六。同一個模型在 high 為 60、在 medium 為 55、在 low 為 44——在其自身的努力程度階梯上相差十七點;如果你正要把 “61” 引用給任何人,這是本文中最重要的單一數字。六十一是一個 xhigh 數字。Neon’s 有文件記載的預設值是 high。

面板的其餘部分,正是 demo 習慣開始變得昂貴的地方。輸出速度為每秒 110 個 token。該模型完成一個 Intelligence Index 任務需要 21.5 分鐘,而同價位模型的中位數為 12.1 分鐘;在效能上於 95 個模型中排名第 73,在成本上排名第 79。在冗長度上,它於 95 個模型中排名第 93:整個 index 執行期間有 2.83 億個輸出 token 與 81.2 億個輸入 token,輸出對輸入比率為 3.48%,而中位數約為 6,500 萬個輸出 token。Artificial Analysis 自己的摘要稱它非常冗長,並將單一 index 任務定價為 6.44 美元。依照 Goog​le 的價目表,這相當於每百萬個輸入 token 3.00 美元、每百萬個輸出 token 15.00 美元,快取輸入則為 0.15 美元。

Goog​le 自己公布的表格是不同類型的數字,也應如此標示:由廠商自行回報,並非由 Goog​le 以外的任何人重現。CursorBench 4.1 為 65.4%,Terminal-bench 4.1 為 65.2%,FrontierCode 2.0 為 46.2%,SWE-sweep 在 Goog​le 自家測試框架中為 39.0%,AutomationBench 為 56.3%,Agents’ Last Exam v1.1 為 75.8%,RiemannBench 為 84.0%,GraphWalks 為 95.2%。這些每一項都是代理式、程式編寫或長上下文量測。它們沒有任何一項衡量「從簡短提示一舉產生吸引人的動畫場景」,因為沒有任何基準測試這麼做。示範和排行榜衡量的不是同一件事,而兩者也都沒有衡量那段影片被當作證據所要支持的事情。

一次示範嘗試的實際成本是多少

價格很重要,因為示範是反覆迭代的,而 Neon 以量測來說很冗長。十五秒的算圖完全看不出花了多少次嘗試,而每次嘗試都是一次完整的生成。

• 一次 {{1}}25,000 輸出 token 的嘗試{{/1}}——這是在高投入下,單一 three.js 場景的合理規模,並將推理 token 計入輸出——以每百萬 15 美元計算,約為 38 美分。

• 一次 60,000 個 token 的嘗試大約要 90 美分。這樣試個三、四次,再加上幾次重試,你在這個示範上花掉的錢,就比這個示範作為證據的價值還高了。

• 一次 200,000 個 token 的嘗試——也就是模型在 xhigh 下靠推理走完一個動畫狀態機時才會達到的數字——本身就要 $3.00。

批次與彈性方案以半價計費,所以同樣三次嘗試、每百萬 $1.50 與 $7.50 的價格,算下來大約只要一半。這些都不算什麼稀奇事;只是它並非免費,而影片裡並沒有說。

A generated cost card titled 'What a demo attempt costs', listing three attempts at $15.00 per million output tokens: 25,000 tokens at about 38 cents, 60,000 tokens at about 90 cents, and 200,000 tokens at $3.00, with a second column showing the same three at the half-rate batch and flex prices of $1.50 and $7.50 per million, and a footer reading 'Arithmetic at the published Neon rate card; no measurement of the posted clip.'

這是透過路由器試用未經證實的模型、而非將其接入生產路徑的論據。Neon 才問世兩天,它的冗長程度是其自家面板上排名最差的指標,而這個特定用途的唯一公開成品,只有一個人完成的算圖。這種模型,你會想把它跟別的東西並排呼叫、比較帳單,而不是在十一月就讓客戶押注在它身上。

什麼能讓下一個片段可供查核?

這一切都不是在批評發文者,他做了一個東西並分享出來。這是一份簡短的協定,而任何發布下一份的人都能用幾行字補上這個缺口:

• 提示詞本身,一字不差。不是改寫——而是實際的文字。這是價值最高的一行,而且收錄它不費任何成本。

• 模型識別碼與投入等級。“Gem​ini 4 Neon at high” 和 “Gem​ini 4 Neon at xhigh” 是不同的說法,而在每 $15 的輸出費率下,這個差異就是金錢。

• 表面。Antigravity、AI Studio 和原始 API 會套用不同的系統提示詞與不同的工具支架;在代理式 IDE 內產生的場景,與透過單次補全產生的場景並非同樣的產物。

• 嘗試次數與輸出 token 總數。這兩個數字都顯示在計費主控台中,合在一起就能把一則軼事轉化為每次可用渲染的成本。

• 原始檔案。一個獨立的 HTML 頁面,包含 three.js 的匯入與動畫迴圈,就是完整的可重現成品,而且通常小於一百 KB。

• 一個失敗案例。在相同設定下,模型無法完成的第二個提示。沒有記錄失敗模式的示範讀起來就像精華剪輯,因為它本來就是。

在那些東西至少前三個出現之前,對這段影片片段最誠實的總結是:一個前一天發布的模型做出了某個稱職的網頁開發者會樂於承認是自己做出的東西,而我們無法從檔案判斷功勞有多少歸於模型、多少歸於提示詞,或多少歸於剪輯。

如何自行重新執行測試

截至 2026 年 11 月 20 日,Gemini 4 Neon 並不在 OrcaRouter 的目錄中——我們所路由的 Gemini 4 模型是 google/gemini-4-carbon 與 google/gemini-4-argon,而目錄目前共有 217 個模型識別碼。因此,時至今日,這項測試的實用版本是同一模型家族內的比較:透過 Google 自家的 API,以高投入程度在 Carbon 上執行相同的動態圖像提示詞,並以高投入程度在 Neon 上執行相同的提示詞,然後比較輸出 token 數、實際耗時,以及有多少比例的渲染成果是你必須要求兩次才得到的。

在我們這邊,Carbon 那部分的比較很容易設定。 一組金鑰就能涵蓋整個目錄,供應商牌價以 0% 加成原樣轉嫁,因此 Goog​le 的費率變動會當天反映在您的帳單上,而不是等到下一期帳單;而容錯移轉代表單次生成失敗不會讓整個執行中斷。如果您要用推出兩天的模型對比一個已穩定的模型,路由 DSL 會把兩者放在同一個端點後面並成對回傳,這是最便宜的方式,能取得真正的答案,而不是憑印象。

Screenshot of the OrcaRouter model page for google/gemini-4-argon, showing the model header with a zero-retention agreement noted, the chat-completions and generateContent endpoints, input priced at $2.00 and output at $10.00 per million tokens, cache reads at $0.100, and code samples calling google/gemini-4-argon through the OpenAI-compatible base URL https://api.orcarouter.ai/v1 with an ORCAROUTER_API_KEY.

真正值得觀察的,不是會不會出現更多漂亮的短片——它們一定會出現,而且每個實驗室都會無止境地發布。真正值得觀察的是,發布這些短片的人會不會開始附上提示詞與投入程度。一旦有人這麼做,比較就成為可能:同一份十六秒的分鏡,分別以四種思考層級執行,並在每次算繪旁附上 token 數與帳單。就這個特定問題而言,那則貼文會比 Goog​le 公布的整張基準測試表更有價值,因為它會是第一次測量 Neon 能否把一段有時間順序的序列維持在一起,而不是測量它會不會寫著色器。

在那之前,就把這段影片當作它本來的樣子:一件不錯的產物、一個看似可信的能力訊號,以及一項主張——其最有力的證據,就是發布它那個人的聲譽。