گوگل Gemini 4 Neon را عرضه کرد؛ مدلی ارزان‌تر برای برنامه‌نویسی بین Carbon و Hydrogen

Google
اشتراک‌گذاری:
گوگل Gemini 4 Neon را عرضه کرد؛ مدلی ارزان‌تر برای برنامه‌نویسی بین Carbon و Hydrogen

گوگل در ۱۸ نوامبر، Gemini 4 Neon را عرضه کرد و آن را در خانواده Gemini 4 بین قدرتمندترین مدل استدلالی خود، Carbon، و سریع‌ترین مدلش، Hydrogen، جای داد. Neon به‌عنوان نقطه تعادل معرفی می‌شود: هوش در سطح فرانتیر با هزینه‌ای به‌طور قابل توجه کمتر، که مستقیماً برای مهندسی نرم‌افزار، برنامه‌نویسی عامل‌محور و وظایف کار دانشی طراحی شده که به عمق استدلال کامل Carbon نیاز ندارند اما همچنان دقت بالایی می‌خواهند.

این عرضه کمتر به‌خاطر رتبه اول در یک جدول رتبه‌بندی اهمیت دارد — Neon در شاخص هوش Artificial Analysis با امتیاز ۶۱ در بالاترین تنظیم تفکر «xhigh» رتبه سوم کلی را کسب کرد — و بیشتر به‌خاطر جایگاهی که از نظر هزینه دارد اهمیت دارد. گوگل می‌گوید Neon در تنظیم تفکر پیش‌فرض «high» برای هر وظیفه ۳۲ درصد ارزان‌تر از Carbon است در حالی که در بنچمارک‌هایی که برای برنامه‌نویسی و کار عامل‌محور اهمیت دارند رقابتی باقی می‌ماند.

قیمت‌گذاری و دسترسی

Neon با قیمت ۳ دلار به ازای هر میلیون توکن ورودی و ۱۵ دلار به ازای هر میلیون توکن خروجی قیمت‌گذاری شده است، با تخفیف شدید ۹۵ درصدی روی توکن‌های ورودی ذخیره‌شده که این نرخ را به ۰.۱۵ دلار به ازای میلیون می‌رساند. این مدل با پنجره متنی یک میلیون توکنی عرضه می‌شود. در زمان عرضه، در Gemini API از طریق Google AI Studio و Gemini for Business، در اپلیکیشن Gemini و Google Antigravity برای مشترکان پولی AI Pro و Ultra، و در Android Studio برای توسعه‌دهندگان در دسترس است.

Neon واقعاً کجا برنده می‌شود؟

افشاگری‌های بنچمارک خود گوگل نشان می‌دهد Neon به‌طور مستقیم در چندین شاخص عامل‌محور و خاص برنامه‌نویسی صدرنشین است، نه فقط کمی پایین‌تر از مدل‌های بزرگ‌تر. این مدل رتبه اول کلی را در شاخص Coding Agent شرکت Artificial Analysis (۵۸.۶) و رتبه اول در AutomationBench شرکت Zapier (۵۶.۳ درصد) کسب کرد. گوگل همچنین معیارهای امنیتی را در کنار معیارهای توانمندی برجسته کرد. Neon نرخ ۲.۴۵ درصدی میانبر زدن در ارزیابی‌های برنامه‌نویسی را نشان می‌دهد — کمترین نرخ در میان همه مدل‌های Gemini 4 تا به امروز.

چرا گوگل به مدلی در این جایگاه نیاز داشت؟

تفکیک سه‌سطحی Carbon/Neon/Hydrogen پاسخی به مشکلی است که امسال در میان آزمایشگاه‌های فرانتیر به‌طور فزاینده‌ای رایج شده: بیشتر بارهای کاری هوش مصنوعی تولیدی به قدرتمندترین مدل موجود نیاز ندارند، اما اجرای همه چیز روی سریع‌ترین و ارزان‌ترین سطح، ریسک افت کیفیت در وظایف دشوارتر را به همراه دارد. عرضه Neon توسط گوگل تنها سه هفته پس از Carbon، و چند روز پیش از پایان ماهی که شاهد عرضه عمومی سهام Anthropic و خانواده هفت‌مدلی MAI مایکروسافت در Ignite نیز بود، نشان می‌دهد که سرعت عرضه در میان آزمایشگاه‌های هوش مصنوعی فرانتیر چقدر فشرده شده است.

در ابتدا توسط Google گزارش شده است. برای جزئیات بیشتر مقالهٔ اصلی را بخوانید.

مشاهدهٔ منبع اصلی
اشتراک‌گذاری: