AI

Google wprowadza Gemini 4 Neon z wydajnością AI na poziomie Frontier

Tendela Briefing ·
5 odsłon · 0 Komentarze
Google wprowadza Gemini 4 Neon z wydajnością AI na poziomie Frontier

Image: Google · Source

Google prezentuje Gemini 4 Neon, nowy model AI oferujący szybkie i zaawansowane rozumowanie w skomplikowanym kodowaniu, analizach i pracy naukowej z lepszą wydajnością, bezpieczeństwem i efektywnością kosztową, dostępny przez Google AI Studio i inne platformy.

18 listopada 2026 roku Google ujawniło Gemini 4 Neon, swój najnowszy zaawansowany model sztucznej inteligencji zaprojektowany do przyspieszenia realizacji złożonych zadań w inżynierii oprogramowania, pracy wiedzy i badaniach naukowych. Pozycjonowany w rodzinie Gemini 4, Neon równoważy wysoką wydajność rozumowania z efektywnością, przewyższając porównywalne modele i zajmując trzecie miejsce w Artificial Analysis Intelligence Index na najwyższym poziomie myślenia.

Neon obsługuje okno kontekstowe o wielkości 1 miliona tokenów, co pozwala mu na rozumienie i syntezę różnorodnych wejść, takich jak arkusze kalkulacyjne, pliki PDF, wykresy, audio i wideo jednocześnie. Niezależne oceny plasują Neon na czołowych miejscach w benchmarkach skoncentrowanych na przedsiębiorstwach, w tym drugie miejsce w Vals Index oraz pierwsze w zadaniach z zakresu badań prawnych i obsługi podatkowej. Model wykazuje również przewagę w modelowaniu finansowym, analizie skomplikowanych arkuszy oraz wykonywaniu wieloetapowych instrukcji.

W rozumowaniu naukowym i matematycznym Neon przewodzi w kluczowych benchmarkach takich jak Terminal-Bench Science i RiemannBench, demonstrując zdolności w analizie ilościowej i badaniach technicznych. Deweloperzy i badacze korzystają z funkcji gotowych do produkcji w kodowaniu, w tym debugowania i refaktoryzacji wieloplikowej, osiągając najwyższe wyniki w indeksach agentów kodujących i specjalistycznych testach typu Terminal-Bench 4.1.

Google kładzie nacisk na efektywność i opłacalność Neona, z cennikiem ustalonym na 3 USD za milion tokenów wejściowych (obniżonym do 0,15 USD dla tokenów w pamięci podręcznej) oraz 15 USD za milion tokenów wyjściowych. Neon oferuje do 32% niższy koszt na zadanie w porównaniu z modelem Gemini 4 Carbon, utrzymując wysoką wydajność przy mniejszych kosztach obliczeniowych. Doskonale sprawdza się także w zastosowaniach cyberbezpieczeństwa, generując bezpieczny kod oraz rozwijając możliwości wykrywania i łatania luk, oferując dostęp zaufanym obrońcom w ramach programu Google Fairwind.

Poprawki w bezpieczeństwie i zgodności są fundamentem konstrukcji Neona, utrzymując zabezpieczenia przed nadużyciami i zgodność zachowań modelu, by ograniczać generowanie fałszywych informacji i niepotrzebnych odchyleń w wynikach. Neon osiąga minimalne wskaźniki oszustw i wykazuje odporność na ataki polegające na wstrzykiwaniu poleceń (prompt injection), zapewniając niezawodność w zastosowaniach rzeczywistych.

Gemini 4 Neon jest dostępny od razu dla subskrybentów Google AI Pro i Ultra poprzez Gemini API w Google AI Studio, aplikacji Gemini oraz platformach korporacyjnych, w tym Google Antigravity. Wspiera deweloperów, firmy, konsumentów i specjalistów ds. cyberbezpieczeństwa, obiecując usprawnienie przepływów pracy wymagających szybkiego, niezawodnego i złożonego wsparcia AI.

To wprowadzenie wzmacnia działania Google na rzecz dostarczania najnowocześniejszej sztucznej inteligencji, która integruje się płynnie z różnorodnymi środowiskami zawodowymi, łącząc głęboką moc analityczną z praktyczną efektywnością i solidnymi zabezpieczeniami. Po więcej szczegółów technicznych Google udostępnia obszerne dane modelu Gemini 4 Neon na swojej stronie internetowej.

hero image for Gemini 4 Neon
hero image for Gemini 4 Neon · Źródło ↗
a benchmark table
a benchmark table · Źródło ↗
a chart showing AA Index v5.01 cost per task
a chart showing AA Index v5.01 cost per task · Źródło ↗
Autobaxbench chart
Autobaxbench chart · Źródło ↗
webexploitbench chart
webexploitbench chart · Źródło ↗
sacbenchpro chart
sacbenchpro chart · Źródło ↗
exploitgym benchmark chart
exploitgym benchmark chart · Źródło ↗
CWE bench v2 chart
CWE bench v2 chart · Źródło ↗

Źródła i oryginalne doniesienia

Komentarze (0)

Nie ma jeszcze komentarzy.

Napisz komentarz

Komentarze publikujemy po moderacji. Nazwa i komentarz będą publiczne. Konto