一張生成的標題卡寫著「{{1}}Gemini 4 Neon Video{{/1}}」,副標題為「{{2}}成品匯出,而非生成{{/2}}」,一個標示「{{3}}60.03 秒 · 1920×1080 · 2026 年 11 月 21 日{{/3}}」的膠卷圖示,以及一個標示「{{4}}場景由 HTML、CSS 和 JS 組成{{/4}}」的瀏覽器視窗圖示,並有標示 {{5}}MP4{{/5}} 的箭頭指向檔案圖示。
Guides & Insights

Gemini 4 Neon Video:產物匯出,而非生成

作者

jinhao.song

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 21 日 08:07 UTC,帳號 @dotey——X 上的寶玉——發布了一段 60.03 秒、1920×1080 的短片,上方有一行中文:做影片效果也不錯,大意是「它在影片方面也不錯」。主題是 G​emini 4 Neon,G​oogle 一週前剛推出的模型;句子下方的連結指向一個名為 open-artifact 的開源專案,貼文中稱其為影片製作的 Artifact(技能)。我們在 11 月 22 日查看時,該短片有 230 個讚和 76 則回覆。它看起來像是一件製作精良的動態設計作品。

這不是一支生成出來的影片。Google 自家針對 Gemini 4 Neon 的模型說明文件只列出一種、且僅一種輸出類型——文字——而由此產出的影片其實是一支程式:以時間為函數繪製的 HTML、CSS 與 JavaScript 場景,加上合成配樂,由本機網頁渲染,並透過該頁面的匯出按鈕匯出為 MP4。這個區別並非咬文嚼字。它改變了模型擅長什麼、第二次剪輯要花多少成本,以及你買到的東西是渲染器還是寫作者。

這則貼文實際上說了什麼

這項說法的完整公開紀錄,只有一句話標籤和一段 60 秒附件。沒有提示詞、沒有場景數量、沒有思考層級、沒有 token 數,也沒有說明影片究竟是透過 API、Google AI Studio、Antigravity 還是其他方式產出。這則貼文甚至沒有說該短片是用它連結的技能製作的——它把該技能呈現為從事這類工作的方式,並以該短片作為值得關注的理由。應把它理解為一則附帶示範的推薦,而非一項測試。

有一件事值得在衡量這項推薦之前先了解。這個儲存庫才成立五天:GitHub 記錄顯示它建立於 2026 年 11 月 17 日,撰寫本文時有 135 顆星、25 個 fork,採用 Apache-2.0 授權,並且在 11 月 21 日發布了 0.12.2 版,與貼文同一天。它的 README 說它最初名為 baoyu-design,而授權條款區塊的署名行寫著「Copyright 2026 Jim Liu 宝玉」。這正是發文帳號用作顯示名稱的同一位宝玉。所以,告訴你 Neon 很擅長這件事的人,展示的是一個版權行上掛著自己名字的工具。這並不代表那個示範是假的。但這確實讓它成為製作者的示範,而誠實的解讀是:它展示的是這套管線在熟練的人手中能產出什麼,而不是一般提示詞第一次嘗試就能產出什麼。

模型卡上寫著輸出:文字

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

Google 於 2026 年 11 月 18 日推出 Gemini 4 Neon,價格為每百萬輸入 token 3 美元、每百萬輸出 token 15 美元,快取輸入則為 0.15 美元。發布文章描述它能讀取試算表、PDF、圖表、音訊與影片。模型頁面進一步說明,並解答了發布文章未明確交代的問題:在「支援的資料類型」下,它列出「輸入:文字、圖像、影片、音訊與 PDF」,接著另起一行寫道「輸出:文字」。同一頁面也標示不支援音訊生成。上下文長度為 1,048,576 個 token,預設輸出 65,536 個 token,而在長解碼模式下最多可達完整的百萬個 token。

這種不對稱正是混淆的起點。影片是這個模型會「觀看」的東西,而不是它會「製作」的東西。同一個文件網站上的卡片檢視則比較寬鬆——它顯示「模態:文字、圖像、音訊、影片、PDF」,卻沒說明哪個方向對應哪個模態——而快速掃過那行的讀者,可能會合理地推斷 Neon 會輸出影片。但它不會。在 Google 自家的技術堆疊中,生成影格屬於另一條模型產品線;Neon 對動態影像的貢獻,是負責繪製它的程式碼。

文字模型如何製作一部電影

open-artifact 內的動態產物類型明確說明了其機制。一部影片是一個資料夾,裡面裝著小型 JSON 文件:一份包含舞台尺寸與影格率的場景清單、每個場景一個 JavaScript 模組(依時間變數 t 繪製該場景)、一個合成音樂與音效的配樂模組,以及一個可選的旁白模組,用於字幕與配音。模型不會把任何內容算繪成影片。本機頁面會像瀏覽器播放頁面那樣播放這些文件,而「匯出」會把該播放內容變成檔案。

這項技能本身的文件對分工相當坦率,而如果你正在決定是否要嘗試,關鍵就在於這些細節:

• 長度 — 影片長度為 10 到 30 秒,除非你要求更長,上限為 300 秒。貼文中的片段長 60.03 秒,所以其作者有要求更長。

• 匯出 — 預設為 720p 的 MP4,或 1080p,影格率可為完整、一半或四分之一,另支援 GIF、HTML 與 ZIP。附件為 1920×1080,即非預設選項。

• 誰來寫檔案——指示要求代理完全不要製作任何影片或音訊檔案。匯出是頁面的工作,而用於檢查場景的靜態畫面則由無頭 Chrome 繪製。

• 安全防護機制——沒有一個場景短於一秒,每秒不超過三次剪接或閃光,而且任何字幕都來自本人提供的台詞,而非模型自行編造的台詞。

所以會依序發生三件事:模型寫出一小段程式,瀏覽器把它繪製出來,然後由編碼器寫入容器——這個專案提供了用於 GIF 與 MOV 編碼的 Rust/WebAssembly crate。只有第一步涉及 Gemini 4 Neon。一部帶配樂的 60 秒 1080p 影片,對單一模型來說,要在少數幾輪內寫對,程式碼量相當可觀,而這確實是真正的讚美。這是對軟體工程的讚美,而這正是 Neon 公布數據最強的地方。

Neon 價目表上一部電影要多少錢?

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

貼文沒有揭露 token 用量,所以以下只是根據 G​oogle 的牌價做算術,並非實測。一部十個場景的影片,意味著很長的第一輪、對文件儲存庫進行數次讀寫往返,以及模型檢查自身場景時相當多的重讀。以一部可運作的影片估算為 150,000 個輸入 token 與 25,000 個輸出 token:輸入以每百萬 $3 計為 $0.45,輸出以每百萬 $15 計為 $0.375,合計約 83 美分。較精簡的一輪為 40,000 輸入與 8,000 輸出,則為 24 美分。快取輸入才是數字真正變動的地方——以每百萬 $0.15 計,120,000 個快取輸入 token 約花兩美分,而不是 36 美分,整趟執行降到 50 美分以下。

將這點與獨立測試讓模型在每項任務上花費的成本對照來看。Artificial Analysis 在 xhigh effort 下,給 Gemini 4 Neon 的 Intelligence Index 評分為 61,輸出速度為每秒 106 個輸出 token,每項 index 任務耗時 22.3 分鐘、花費 6.44 美元。一部影片比一項 index 任務還便宜,這正是這裡有用的意外發現:這個工作流程中昂貴的部分不是影片,而是迭代。

而迭代正是經濟邏輯反轉的地方。按秒計費的影片模型會對每個鏡頭計費;用程式碼繪製的影片則只對撰寫它的 token 計費,算圖完全不收費。改個顏色、重新匯出,你沒花任何 token——成本是你自己的 CPU,以及 headless Chrome 畫完 1,800 幀所需的時間。這與生成式影片是真正不同的成本曲線,而這是對這篇文章最有力的支持論點,文章本身卻沒有提出。

說清楚一點:Gemini 4 Neon 不在我們的目錄中。OrcaRouter 確實提供的兩款 Gemini 4 模型是Gemini 4 Argon與Gemini 4 Carbon,兩者皆為每百萬 token 輸入 $2.00、輸出 $10.00,依供應商牌價計費,且不額外加價——這才是讀者真正需要的比較,因為 Carbon 正是 Neon 定價時所對標的模型,而 Argon 則是在你做出決定前,以更便宜的方式跑同一套產物迴圈。兩者都共用同一把金鑰,因此一場在影片製作中途逾時的寫程式工作階段,可以不必再簽第二份合約或修改程式碼就能容錯切換。

主張最薄弱之處

懷疑論點最有力的版本,不是說這段短片是假的——這套流程是公開的,機制也有文件記載,所以任何人都能重現它的大致樣貌。而是說,一部好的以程式碼繪製的影片,只是戴著導演帽的程式設計基準測試,而這個模型的程式設計分數早已是它最好的分數。根據 G​oogle 自己的報告,Neon 在 Coding Agent Index 上為 58.6,在 Terminal-Bench 4.1 上為 65.2%,因此「擅長製作影片」可能主要是「擅長撰寫動畫程式碼」,這點我們早已知道,而且這不能推及程式碼寫得更差的模型。

在閱讀所有可用資料後,仍存在三個具體缺口:

• 歸因 — 未揭露任何設定,而 60 秒的執行時間與 1080p 解析度都偏離了該技能的預設值,因此有人做出了我們看不見的選擇。

• 挑選 — 一支片段是精華片段,而創作者的示範是由創作者自行挑選。沒有失敗率、沒有首次嘗試的範例,也沒有與 Carbon 上相同提示詞的比較。

• 「好」代表什麼——視覺品質有一部分取決於範本與技能的設計規則,而不是模型。若是另一種支撐較弱的產出物類型,對模型的襯托就會比較少。

這些都不構成取消資格的理由,而且這件事是一體兩面:以程式碼繪製的影片同樣具有可稽核性,這是擴散渲染所沒有的。如果某一幀有錯,錯誤就落在一個你能讀取的檔案裡,以及一行你能指出的程式碼上。

如何自行試用

這條路徑短到用一段話就能說明。這個專案需要 Node 22.18 或更新版本,透過 GitHub Releases 發布外掛套件,並將 Antigravity 列為支援的宿主之一——用 agy plugin install 安裝解壓縮後的資料夾,或將它複製到 ~/.gemini/config/plugins/open-artifact,然後重新啟動。這正好就是 G​emini 4 Neon 在包含它的方案中作為新對話預設模型的宿主,因此兩者無需設定就能接上。第一個提示詞是一句話:為這個應用程式做一段二十秒的啟動動畫,或為那個專案做一張標題卡。接著,在花任何錢匯出之前先看靜態畫面,這正是該技能本身建議的工作流程。

在相信這篇貼文之前,先做一次,並且看兩個數字而不是看畫面:第一個場景正確畫出來之前要花多少回合,以及輸入帳單中有多少是快取讀取。這些會告訴你這個迴圈對你的工作來說是否便宜。影片告訴你這是可能的;只有你自己的 token 數量能告訴你是否值得。

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

未解的問題不是 G​emini 4 Neon 能不能最終出現在影片檔案裡——它顯然可以,透過它自己寫的程式就能做到。問題在於 G​oogle 是否把這視為一級輸出。目前,產物層是第三方的,匯出是本地頁面的工作,而模型文件記載的輸出是文字。如果這點改變,這段影片的誠實定位也會隨之改變:從巧妙運用一個程式設計模型,變成一份功能清單。在那之前,值得反覆說的讚美是更狹窄的那一個——Neon 寫動畫程式碼寫得夠好,以至於打造這套工具的人選擇用它來展示。