每百万输入 3 美元,输出 15 美元。
这是 Gemini 4 Neon 的标价。
从 12 月 1 日起,自家旗舰 Carbon 是 4 美元和 20 美元。对顶级竞品,谷歌说它的单任务成本低 50% 到 80%。“便宜一半”说的是后者,不是标价。
11 月 18 日发布,Artificial Analysis 智能指数 xhigh 档 61 分,总榜第 3。前面是 Claude Fable 5.2 的 65 分,GPT-6.2 Astra 的 62 分。这是第三方榜单。
61 分只能排第 3
第 3 名不是新闻。
7 周内第 4 次产品变动:Carbon 10 月 28 日,Hydrogen 11 月 12 日,Neon 11 月 18 日,中间还有 3.1 Pro 退场。发布节奏排得这么密,名次本来就不会停,今天争第 3,下 一款再争第 2。这套节奏比单次分数更能说明谷歌在干什么:它不等一个全能冠军,它在把价位填满。
榜单的 61 分是综合分,权重由 Artificial Analysis 定。综合分适合看位置,不适合看能力边界:它把推理、编程、数学、指令跟随压成一个数,一个模型在长尾任务上的失手会被平均值盖住。Neon 的 61 分说明它没有明显短板,不说明它没有短板。7 周里发 4 款,用户记不住每 一款的分数,但记得住每 一档的价格,也记得住自己上次为什么选了贵的。
节奏快还有一个副作用:用户来不及做长期比较。等第三方评测出来,下 一款已经发了。价格先记住,分数后补。
分数会过期。
Vals Index 70.9%,第 2。Agent Arena Index 1336 分,第 2,可引导性也是第 2。AA 编程智能体指数 58.6,第 1。3 个第 2、一个第 1,这个分布比总分更能说明它的位置:不抢第 1,专守第 2,价格也压在第 2 档。名次是入口,不是结论。
这句话对采购也成立。
这 4 个数放在一起,说明它不是全面最强,是偏科偏得刚好:综合分输 4 分,编程分赢回来。
分项更能说明问题。Terminal-Bench 4.1 是 65.2%,FrontierCode 2.0 默认 high 档 46.2%。
这 2 个数,比总分更贴近手头的活。
分项是手脚,综合分是体检报告。这两个数放在 61 分的背景里看,说明它的强项在动手改代码,不在长链条推理。
分数是跑出来的,也是挑出来的。
AA 的 xhigh 档,是各家最高一档的思考配置。横向比要先确认对手也在同档,否则 61 和 65 之间的 4 分,可能只是 一档预算的差别。SWE-sweep 在 Antigravity 环境 39.0%,换 mini-SWE 框架只有 12.8%。同一个模型,2 个框架,差 26 个百分点。这个差距比模型之间的差距大,框架选错,分数掉得比换模型还狠。所以看这类数,先问在哪个框架里跑的,比问模型排第几更有用。一个 39.0% 和一个 12.8%,说的不是模型行不行,是工具链配不配。
安全和网络安全的数字很漂亮:Terminal-Bench 4.0 拒答率 1.98%,作弊率 0.0%;Gray Swan 间接提示注入在最高思考档攻击成功率 0.0%。网络安全 5 项第 1:AutoBaxBench 困难档 76%、SEC-bench Pro 90.5%、CWE-bench v2 70.7%、WebExploitBench v1.2 51.26%。Neon for cyber 会通过 Fairwind 计划向受信任的防御团队开放。
这些全是谷歌自家评估。
第三方复测还没出。
自家评估不是假,是口径。题目自己出、环境自己搭、基线自己选,分数就会好看。AA 的 61 分是第三方给的,可以横向比;安全项那 5 个第 1 是谷歌自己报的,只能等复测。看这组数,先要知道是谁在打分。同一份发布材料里,第三方的分数和自家的分数混在一起,读起来像一份成绩单,其实是 2 套考卷。
单价贵,单任务便宜
标价比 Carbon 贵。
3 对 2,15 对 10,都是 50%。
但到 12 月 1 日,Carbon 涨到 4 和 20,Neon 反而便宜 25%。同一个模型,2 个日期,2 种结论。价目表上没写“推荐”,价差已经替它写了。
Argon 也在 12 月 1 日涨到 4 和 20。它是上一代主力,涨价之后,老用户的续费账单会先感受到变化。谷歌给的另一个数更关键:默认 high 档,单任务成本比 Carbon 低 32%。单价贵 50%,单任务便宜 32%,只能说明一件事:同样的活,Neon 用的 token 少得多。按这 2 个数倒推,单任务 token 消耗大约是 Carbon 的 45%。这个倒推是我的算术,不是谷歌的口径,它成立的前提是 2 个模型干同 1 类任务,而谷歌没有公布任务清单。
所以 45% 只能当方向看,不能当承诺看。它还有一层用法:说明 Neon 的省钱来自少生成,不是来自打折。少生成靠思考效率,不靠更便宜的算力。
这 2 个数,一个是价,一个是账。
把 Neon 和 Carbon 的价差除以分数差:4 分,对应 25% 的价差。一分大约 6 个百分点。这个换算不严谨,因为分数不是线性能力,但它说明一件事:旗舰的溢价不是按分数收的,是按任务出错的代价收的。代价没法打分,只能定价。
对买方看单任务,对卖方看单价。
比顶级竞品,单任务低约 50% 到 80%。xhigh 档仍比对手最高配低 36% 以上。标题里的“便宜一半”,出处在这里。注意 xhigh 的位置:61 分是最高思考档跑出来的,在这个档位上还便宜 36%,说明它省的不是思考量,是单位 token 的效率。这 2 套价,一套给媒体,一套给开发者,都真,指向不同。
长上下文的账
上下文 100 万 token,最多生成也是 100 万 token。
文本、图像、视频、音频、PDF 都吃,不做图像和音频生成。
100 万 token 的输入,按 3 美元算,是 3 美元。缓存命中 0.15 美元,是标价的 5%。一个中型代码库读一遍,3 美元;读第 2 遍走缓存,0.15 美元。这才是长上下文的用法:不是炫长度,是让重复读变成 0.15 美元的事。一个任务里读 10 次同一份资料很常见:第一次 3 美元,后 9 次各 0.15 美元,合计 4.35 美元,不是 30 美元。但缓存只对稳定前缀有效,上下文改一个字,命中就掉,省钱的用法也就变成了用法的约束:先把资料固定下来,再开始问。
省钱的条件,也规定了怎么用。
输出也能到 100 万 token。这对代码生成、长文档改写有意义,对客服问答没意义。能力写满,不代表用得上。参数表上写得越长,越要看自己的任务落在哪一段。
缓存价 0.15 不是给聊天用的,是给重复读同一份资料的工作流用的。代码审查、合同比对、长文档问答,都符合这个形状:资料不变,问题在变。
自家门口的对手
Neon 在家族里居中:Carbon 攻最难的长周期项目,Hydrogen 管高频日常。
但 2 个数把 Carbon 架住了。单任务成本,Neon 低 32%;编程智能体指数,Neon 是第 1。Carbon 剩下的地盘,是最难的那部分任务,问题是这部分任务有多少。这类任务错一次,返工成本高,客户不在乎单价,在乎一次通过率。Neon 抢不走这块,也不该抢。大多数请求不需要 65 分,只需要 61 分加一个便宜的价格,而 61 分已经在榜上排第 3。
产品线在做减法。Gemini 应用里,Neon 取代 Argon,3.1 Pro 退场。用户不需要在 5 个模型里选,只在 3 个价位里选。
这是设计好的自我挤压。旗舰的意义不再是卖得最多,是给中间档定一个上限:最强的在这里,够用的在下面。旗舰还承担一个任务,把新能力先跑通,再往下放。Carbon 10 月 28 日发布,Neon 11 月 18 日跟上,中间隔 3 周。这个间隔就是旗舰的保质期,也是中杯的上市时间表:旗舰先把能力跑通,中杯再把它做成价格。
真正的对手不是 Fable 5.2。
是自家 Carbon。
抢 Carbon 的用户不需要打广告,只需要在价目表上把 2 个数排好,再给 4 个入口。
够用的价格
61 分够不够用?看任务。
写代码、改 bug、读文档,58.6 的编程智能体指数比 65 分的综合分更有意义。综合分是给排行榜看的,分项是给采购看的。采购看分项,老板看总账,2 个人看 2 张表,最后买的往往不是分最高的那款。
65 分卖给谁?卖给错一次代价很大的任务。这类任务数量不多,但单价高,也最愿意为确定性付钱。
上线渠道也说明了定位:Gemini API、Gemini for business、Antigravity、Gemini App。4 个入口同时开,不走试点,直接铺量。
那 4 分买的是少返工。返工一次的成本,通常比一个月的 token 账单高,这笔账采购算得清。判断:模型竞争的价格锚,正在从每百万 token 多少钱,变成每完成一个任务多少钱。前者比单价,后者比效率。Neon 把 2 个数一起摆上了桌。单任务成本这个口径也有软肋:它依赖谷歌自己定义的任务集,换个任务集,32% 可能变成 12%,也可能变成 52%。
开放问题:当 61 分够用,65 分的溢价还能撑多久?
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。