跳到正文

#程式開發

RSS
今日 0 則
11月22日週日
  1. The New Stack77

    GPT-6.2 Astra 和 Claude Fable 5.2 實測:準確度接近,費用與速度差很多

    選模型時,答得準不準只是其中一件事,花多少錢、等多久也會影響實際使用。作者用月底帳務、帳務程式修正和實驗室資料分析三種工作比較 GPT-6.2 Astra 與 Claude Fable 5.2;兩者在帳務和資料分析都拿滿分,Fable 5.2 在程式測試多拿 2 分。整體來看,Astra 花費較低、完成較快,但在程式測試中漏掉一條會影響顧客帳單的規則。作者建議先讓 Astra 重做幾次並比對結果,有錯誤或差異時,再用 Fable 5.2 複核。

    推薦理由:三種工作測試顯示兩個模型的準確度接近,但花費和完成時間差距很大,能幫助讀者依錯誤代價選擇模型與複核方式。

  2. Dev.to Top Tech81

    Inkling 2 Mini 如何用重複運算,讓 26.4B 引數模型裝進約 20GB

    模型引數多,常會需要更多記憶體;Inkling 2 Mini 用一種重複運算的方法,讓模型可以裝進約 20GB。它會讓中間幾層重複處理同一份資料,因此用同一批引數多算幾次,而不是一直增加新引數。模型共有 26.4B 引數,每個 token 只啟用 3.4B,文章說可在 32GB Mac 上執行。它在 SWE-bench Verified 得到 79.2%,但這些成績來自團隊自己的測試,還沒有獨立重現;文章也提到,不同來源對重複運算的次數說法不一。

    推薦理由:文章以 Inkling 2 Mini 的引數規模、記憶體需求與程式基準比較,說明重複使用部分層如何用更多運算換取較小模型,並交代測試仍來自實驗室。

  3. Together AI64

    修正程式碼時,要先從大量檔案中找出問題所在。Together AI 表示,他們把一份錯誤回報和 Tornado 專案的 344 個檔案一次交給 Qwen4 Max,模型找出相關程式碼並寫好修補內容。接著執行了 Tornado 的 1,673 項測試,沒有失敗;這次請求花了 $0.69。貼文也提到,Qwen4 Max 在 Together AI 上的優惠到 11 月 22 日為止。

    推薦理由:Together AI 用修正 Tornado 程式碼的案例呈現 Qwen4 Max 的實際用途,並列出測試結果與單次請求費用。

  4. The New Stack64

    Nvidia 用 Droid 找出 Nemotron 3 Ultra 的錯誤,Terminal-Bench 2.0 分數升至 49%

    AI 助理寫程式時,可能會用錯工具、填錯引數,遇到錯誤也不會停下來修正。Nvidia 把 Factory 的 Droid 放進隔離網路,記錄這些可重現的失敗,再用約 20,000 筆資料訓練 Nemotron 3 Ultra。訓練方法 PivotRL 著重改善任務中的關鍵決定;Factory 表示,Nemotron 3 Ultra 的 Terminal-Bench 2.0 分數從 38.5% 升到 49%。不過,Factory 尚未公佈測試來單獨確認這種訓練對分數提升的影響,也沒有提供工具操作錯誤改善前後的資料。

11月21日週六
  1. Dev.to Top Tech78

    POCKET-27B-Pi 如何在一張 24 GB 顯示卡上執行

    在自己的電腦上跑大型程式設計模型,常會卡在顯示卡記憶體不夠。POCKET-27B-Pi 的 Q4_K_M 模型檔是 16.5 GB;作者依模型設定計算,使用 64K 上下文時,快取約佔 4.0 GiB,合計約需 19.55 GiB,能放進一張 24 GB 顯示卡,還要留空間給運算。VIDRAFT 測試 48 項 Terminal-Bench 2.1 任務,模型完成 28 項;這是合作夥伴自行測得的結果。文章也說明如何估算不同快取設定和同時執行多個工作時的記憶體需求。

    推薦理由:文章拆解模型檔案與注意力快取的記憶體用量,提供在單張顯示卡上估算長工作階段與多個工作同時執行的方法。

  2. MarkTechPost83

    Thinking Machines 推出 Inkling 2 Mini,可在 32GB Mac 上執行

    想在自己的電腦上執行大型模型,常會卡在記憶體不夠。Thinking Machines 推出的 Inkling 2 Mini 有 26.4B 個引數,模型檔約 20GB;它會把中間幾層重複運算,減少需要存放的權重,可在 32GB 記憶體的 Mac 上執行,也支援輸入文字和圖片。Thinking Machines 表示,它在 SWE-bench Verified 的分數是 79.2%,但知識問答和多輪指令的表現較弱;文中的評測分數由該公司自行提供,不同模型的測試條件也可能不同。

    推薦理由:Inkling 2 Mini 把中間層重複運算,讓約 20GB 的模型能在 32GB 記憶體的 Mac 上執行;文中也比較了它在程式開發與知識問答上的表現。

  3. The Decoder77

    Thinking Machines 推出 Inkling 2 Mini,讓模型多想幾步也少寫文字

    有些模型得寫出更多文字才能多做推理,Thinking Machines 推出的開放模型 Inkling 2 Mini,改用重複運算部分層的方式,在不多生成文字的情況下延長內部推理。它能處理文字和圖片,並可在記憶體至少 32 GB 的 Mac 上本機執行。Artificial Analysis 的 Intelligence Index 給它 20 分,與 Qwen3.8 27B 同分;Thinking Machines 表示,它在程式開發測試中也有不錯的表現。

    推薦理由:Inkling 2 Mini 透過重複運算部分層來延長內部推理,文章也比較了它在程式測試、速度與成本上的表現。

  4. Dev.to Top Tech49

    DaisyRose-27B 如何只靠強化學習訓練 AI 程式設計助理,取代 SFT

    許多 AI 程式設計助理靠範例學寫程式,遇到終端機裡複雜的執行錯誤時,可能就不會處理。RadixArk 和 Eigent AI 訓練了 DaisyRose-27B,讓它在沙盒裡實際執行指令、觀察結果、找出錯誤再修改;訓練過程不使用 SFT 或知識蒸餾。舉例來說,它能檢視錯誤訊息和程式執行紀錄,試著修正解法。文章列出的 Terminal Bench 4.1 成績,從基礎模型的 5.6% 提升到 12.0%。這顯示讓模型從實際操作結果中學習,可能有助於它處理程式問題。

  5. ModelScope58

    想做個人介紹、簡報或報告網頁,卻不想先處理建置流程,可以試試 CCORE-Web-Coder-4B。這個開放權重模型根據 Qwen3.5-4B-Base 微調,能把簡短需求做成可在瀏覽器開啟的 React HTML 頁面,並把 CSS 和 JSX 放在同一個 HTML 檔裡,透過 CDN 載入 React 和 Babel。模型可在本機執行,提供的範例包含作品集、簡報和報告;使用時要採用附上的 system prompt,並為推理與完整 HTML 預留約 20K 個輸出 token。

  6. Dev.to Top Tech44

    DeepSeek V4.1 Flash 和 V4 Pro 寫程式比較:第一版程式碼過不過關,會影響後續工作量

    AI 助理寫出第一版程式碼時,如果測試沒過,團隊就得多花時間看錯誤、再修改、再測一次。作者用兩種 Crazyrouter 路線處理兩個小型 Node.js 專案任務:有程式碼的測試中,DeepSeek V4.1 Flash 第一次就全數通過 4/5 次,DeepSeek V4 Pro 是 5/6 次;收到錯誤回饋後,兩者都在所有有寫出程式碼的測試中通過。例子裡,Flash 一開始漏掉了複合時間格式,Pro 則有快取結果沒有留給下次使用的問題,修正後都通過測試。這些測試只涵蓋兩個小任務,不能直接看出哪種路線在大型專案更好,也沒有比較人工修改時間或完整費用;團隊應拿自己的測試和實際失敗案例來評估。

  7. Dev.to Top Tech64

    Vidraft_lab 發布 POCKET-27B-Pi,24GB 顯示卡可跑的程式開發模型

    程式開發用的 AI 助理得在限時內反覆讀檔、執行指令和檢視結果,模型回覆慢,能嘗試的步驟就會變少。Vidraft_lab 公開 POCKET-27B-Pi,Q4_K_M 版本檔案為 16.5GB,作者表示可用一張 24GB 顯示卡執行。在 Terminal-Bench 2.1 的共同 48 項測試中,它解出 28 項;原始 Qwen3.8-27B 解出 19 項,53.8GB 的原精度 pi 模型解出 21 項。另一組 50 項測試中,POCKET-27B-Pi 每項任務的步數中位數是 15 步,原始權重版本是 36.5 步。這些結果來自作者的測試條件,團隊若要比較其他模型,需使用相同的任務和限時。

  8. Hugging Face Blog83

    Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,主打本機使用

    本機執行大型模型時,模型大小、回答速度和能力常得互相取捨。Hugging Face 與 Thinking Machines Lab 推出 Inkling 2 Mini,這款模型能讀文字和圖片,支援 1M-token 上下文視窗;它讓 12 層模型重複運作三次,用較少的實體層數完成更多運算。文章展示了它在本機寫程式、重畫《星夜》和製作分帳網站的成果,也說明如何透過 transformers、llama.cpp 和 MLX 執行。作者表示,它在 48 項基準中的 32 項領先文中列出的其他模型;這些結果來自 Hugging Face 的測試。

    推薦理由:文章以架構說明和實作展示呈現 Inkling 2 Mini 的本機使用方式,也比較它在多項基準上的表現,能看出模型設計與實際應用之間的連結。

  9. aihot81

    Thinking Machines Lab 發布可在筆電執行的開源權重模型 Inkling 2 Mini

    想在筆電上跑 AI 模型,常會遇到模型太大、速度不夠快的問題。Thinking Machines Lab 發布開源權重模型 Inkling 2 Mini,讓模型的中間層對每個 token 重複運算三次,增加推理計算;模型總引數量為 26.4B,記憶體約需 20GB,官方表示可在記憶體至少 32GB 的 Mac 上執行。原文列出多項程式開發與工具使用測試,也說明模型在多輪對話和大量指令限制的測試中較弱。迴圈設計還會讓更多推理留在模型內部,原文的初步測試沒有看到監控能力隨迴圈增加而明顯下降。

    推薦理由:迴圈架構讓模型在每個 token 上多做幾輪運算,原文也交代本機硬體門檻與推理監控實驗,可用來理解這種設計的取捨。

  10. MarkTechPost68

    RadixArk 推出 DaisyRose-27B,主打強化學習訓練的程式開發模型

    RadixArk 推出開放權重模型 DaisyRose-27B,從 Qwen3.8-27B 接續訓練,只用強化學習,沒有使用監督式微調或知識蒸餾。它主要用來處理程式開發任務,支援文字和圖片輸入,採 Apache 2.0 授權。RadixArk 回報,Terminal Bench 4.1 的 pass@1 從基礎模型的 5.6 升到 12.0;另外六項公佈的基準也都高於基礎模型。不過,這些分數都是 RadixArk 自行回報,且在 HLE 的進步只有 0.4。模型提供多種精度版本,部分版本可在一張 GPU 上執行。

  11. Google AI50

    Google 整理了近幾週推出的多項 AI 更新:Gemini 4 Neon 主打處理複雜軟體工程、知識工作與科學任務;Hydrogen 著重日常寫程式和 AI 助理工作流程的速度與效率;Carbon 則面向長時間的大型專案和深入研究。其他更新包括可即時編輯場景的 Genie 4、能用聲音一步編輯、改寫或翻譯文字的 Gemini 3.5 Transcribe,以及 Gemini Robotics 2.5 和協助科學家研究疾病成因的 AlphaGenome 2。這些工具涵蓋開發、研究與機器人等用途,也讓開發者能透過 Gemini API 使用更多功能。

11月20日週五
  1. Hugging Face Blog84

    Hugging Face 示範為 Qwen3.8-27B 訓練 AI 助理工具專用介面卡

    通用模型搭配不同 AI 助理工具時,可能會多花時間和 token,解程式問題的表現也不夠好。Hugging Face 團隊把強化學習直接放進 pi、Hermes Agent 和 OpenCode 這三種工具中,分別為 Qwen3.8-27B 訓練介面卡,也把三者合併成一個版本。測試顯示,各自的專用版本在對應工具和程式開發基準上都優於原模型,完成任務時也少用工具;合併版本則能在三種工具中使用。這套流程與訓練資料也公開,讓其他人能照著調整自己的模型和任務。

    推薦理由:這套流程把強化學習放進實際使用的 AI 助理工具中,並比較專用與合併介面卡的成效,可供重現與評估程式開發任務。

  2. Dev.to Top Tech76

    Kilo 用金字塔建造測試比較 GPT-6.2 Astra 和 Sol

    挑 AI 模型寫程式時,價格和做出來的成果都會影響選擇。Kilo 用同一段提示詞,讓 GPT-6.2 Astra 和 GPT-6.2 Sol 各自做出工人建造金字塔、船隻沿河運送材料的互動 3D 場景。兩者都放好了 204 塊石頭並完成 8 層;Astra 的畫面較像電影場景,Sol 的畫面較簡單,但能清楚顯示每組工人在做什麼。這次每個模型只測了一次,作者提醒結果只能當初步參考,也提供在 Kilo Desktop 重跑比較的方法。

    推薦理由:文章用同一個金字塔建造任務比較 Astra 與 Sol 的畫面和操作呈現,也提醒每個模型只跑過一次,結果適合當作初步參考。

  3. Dev.to Top Tech79

    Gemini 4 Neon 和 Claude Opus 5.5 寫程式比較:哪些結果有資料佐證?

    挑寫程式的 AI 模型時,單看哪個跑分高,可能看不出實際差別。這篇文章整理 Gemini 4 Neon 和 Claude Opus 5.5 的公開比較:Google 的資料顯示 Neon 在部分基準測試領先,Opus 5.5 則在另外兩項測試小幅領先;另一項編碼助理指標中,兩者分數接近。文章也列出估算的每項編碼任務費用,Neon 約 $6.86,Anthropic 的兩種設定約 $12.61 至 $15.47。作者提醒,最高思考設定會讓輸出 token 數增加一倍以上,建議先用自己的專案測試再決定是否更換。

    推薦理由:文章整理 Gemini 4 Neon 與 Claude Opus 5.5 的基準測試、任務成本和輸出差異,能幫助讀者看懂比較結果的適用範圍。

  4. Dev.to Top Tech81

    Gemini 4 Hydrogen 和 Claude Sonnet 5.5 怎麼選?比較測試表現與成本

    挑寫程式用的模型,不能只看每個 token 的價格,還得看工作型別和完成任務要花多少錢。文章比較 Gemini 4 Hydrogen、Claude Sonnet 5.5 和 GPT-6.1 Sol:Google 公佈的測試中,Hydrogen 在 9 項裡贏了 6 項,較適合呼叫工具和修 bug;Sonnet 5.5 則在終端機操作、電腦使用和科學命令列測試勝出。獨立評分中,Sonnet 5.5 略高於 Hydrogen;Hydrogen 產生的文字較多,因此每個 token 較便宜,不一定代表每項工作花費更低。文章也整理了價格與使用方式,並建議用自己的工作測試再決定。

    推薦理由:文章並列 Google 公佈的測試與獨立評分,也提醒輸出較長會拉高每項工作的成本,方便依實際工作型別比較模型。

  5. Dev.to Top Tech60

    Gemini 4 四款模型怎麼選?比較推理、寫程式和長文本表現

    挑模型時,只看一個總分,可能看不出它在自己的工作上好不好用。作者整理 Gemini 4 Argon、Carbon、Hydrogen 和 Neon 的公開測試,沒有重新跑測試;結果顯示,同樣是高推理設定,Neon 和 Carbon 的總分都是 60,但估計完成加權任務的時間分別是 14.8 分鐘和超過半小時。長文本測試也顯示,模型能讀進很多文字,不代表都同樣會追蹤內容之間的關係。文章提醒,寫程式的結果還會受工具、重試方式和驗收標準影響,挑模型時應用自己的任務測試,並把花費、完成時間和通過驗收的結果一起比較。

  6. Cognition76

    挑選程式碼變更要不要合併,得同時看模型判斷得準不準、花費多不多。Cognition 用自家的 FrontierCode 2.0 評估 Gemini 4 Neon,這項基準測試關心模型能否判斷一項程式碼變更是否該合併。Gemini 4 Neon 得分 46.2%,每項任務約 $4.38;Cognition 表示,它的分數和 Opus 5.5 相差不到 1 分,成本約為三分之一。Gemini 4 Neon 也已可在 Devin Desktop 和 Devin CLI 使用。

    推薦理由:FrontierCode 2.0 用是否該合併程式碼變更來評估模型,並列出 Gemini 4 Neon 的分數與每項任務成本,方便比較其表現與花費。

11月19日週四
  1. Dev.to Top Tech58

    Gemini 4 四款模型怎麼選?Hydrogen 回答較快,Neon 價格最高

    Gemini 4 的四款模型速度、價格和擅長的工作不同,選錯可能讓程式跑得慢,也多花費用。作者用平臺近 30 天的實際呼叫比較速度與價格:回答長度在 1,500 到 4,000 個 token 時,Hydrogen 中位數為 23 秒,Argon 為 44 秒、Carbon 為 49 秒;Neon 每 1M 個輸入 token 收 $3.00、輸出 token 收 $15.00,是四款中最貴的。作者也用六項任務測試 Neon,把思考程度從預設的 high 調成 low,費用從 24.7 美分降到 12 美分,37 項檢查都通過。文中建議日常大量工作先用 Hydrogen,較難的問題再交給其他模型;這些結果來自作者的平臺和測試,不能直接當成所有工作都適用的排名。

  2. iThome (臺灣)83

    Google 推出 Gemini 4 Neon,讓 AI 助理分工修改與測試程式

    處理大型程式修改時,規畫工作、動手改程式和檢查結果常要反覆進行。Google 推出 Gemini 4 Neon,可在 Antigravity 中安排任務並審查成果,再交給 Gemini 4 Hydrogen 修改程式、更新套件和執行測試;遇到解決不了的問題時,Hydrogen 會把工作交回 Neon調整計畫。第三方評測中,Neon的程式開發代理指數為58.6分,略高於列出的Claude模型;每項任務平均費用為6.86美元。評測使用的工具不同,分數反映模型和工具搭配後的整體表現。

    推薦理由:Neon與Hydrogen在開發任務中的分工,以及不同工具搭配下的評測與費用差異,提供了評估程式開發模型的具體參考。

  3. The Decoder84

    Google DeepMind 推出 Gemini 4 Neon,速度更快、定價更低

    Google DeepMind 推出 Gemini 4 Neon,作為 Gemini 4 Carbon 之外的新選擇。Neon 的文字、圖片、音訊和影片上下文視窗可容納一百萬個 token,生成速度接近 Carbon 的兩倍,標準定價也低 25%。不過,Neon 每項任務會多用約 15% 的輸出 token,因此省下的費用來自每 token 單價較低。報導也整理了它在程式開發、檔案和簡報測試中的表現;不同測試與推理設定下的結果並不相同。

    推薦理由:Neon 與 Carbon 的比較涵蓋速度、價格和多項測試,也指出省錢來自較低的每 token 定價,而非較少的輸出 token。

  4. ModelScope66

    AI 助理要長時間操作終端機完成工作,往往得面對複雜的程式開發與研究任務。RadixArk 以 Qwen3.8-27B 為基礎,用 1,200 項軟體工程、科學和機器學習任務進行強化學習後訓練。DaisyRose-27B 在 Terminal-Bench 4.1 的 Pass@1 從 5.6 提高到 12.0,也在其他終端機、程式開發、指令遵循和推理評測中優於基礎模型。它保留圖片理解能力與 256K-token 上下文視窗,並提供 BF16、FP8 和 NVFP4 三種權重版本。

    推薦理由:DaisyRose-27B 在多項終端機與程式開發評測中優於基礎模型,呈現強化學習後訓練對長時間任務的影響。

  5. Dev.to Top Tech51

    RadixArk 發布 DaisyRose-27B,讓 Qwen3.8-27B 的程式測試分數翻倍

    訓練大型語言模型常要花很多資源,RadixArk 改用免費的 Qwen3.8-27B 做進一步訓練,推出 DaisyRose-27B。團隊花 18 天,用 1,200 個挑選過的任務訓練模型;在 Terminal-Bench 4.1 的測試中,通過率從 5.6% 升到 12.0%。RadixArk 表示,模型在它測試的其他基準也都勝過原版 Qwen。DaisyRose-27B 可免費使用和修改,不過 12.0% 代表它仍會失敗大多數測試任務,而且這些結果來自 RadixArk 自行測試。

  6. BlockTempo 動區動趨72

    Google 推出 Gemini 4 Neon,Pro 訂閱者也能使用

    Google 推出 Gemini 4 Neon,讓 Pro 訂閱者也能使用中階模型;它在第三方綜合指數拿下 61 分,比旗艦 Carbon 的 60 分高 1 分。不過 Neon 的分數使用最高思考檔位,Carbon 則是較低檔位,不能直接看成 Neon 全面勝出。Google 公佈的 19 項測試中,Neon 有 16 項領先 Claude Opus 5.5 和 GPT-6.2 Sol,但這些是 Google 自己挑選與測試的結果,還沒有獨立測試;在三家共用的軟體工程測試環境中,Neon 的成績也和 Sol 接近。

  7. Dev.to Top Tech79

    Gemini 4 Neon 評測:比較基準、API 費用與 AI 助理工作流程

    挑模型時,排行榜上的分數不一定能告訴你實際工作要花多少錢,工作流程工具也會影響結果。作者整理 Gemini 4 Neon、Carbon 和 Hydrogen 的價格與測試成績,並說明 Neon 的輸出費用包含思考用的 token,調高思考程度也會增加費用;Carbon 和 Argon 的優惠價格則會在 12 月 1 日結束。文章還比較同一模型在不同程式工作流程工具上的測試結果,指出分數差距可能很大,建議團隊用自己的工作流程和任務測試,再估算費用。

    推薦理由:文章比較 Gemini 4 Neon 與 Carbon 的費用和測試結果,也指出同一模型換了工作流程工具後,程式任務分數差異很大。

  8. 少數派 (sspai)72

    微軟推出 MAI 影像與程式模型,並發布企業決策 AI

    做圖、寫程式和處理企業流程時,常要在效果、速度與成本之間取捨。微軟推出 MAI Image 2.7 系列和創作空間 Canvas,讓使用者用文字或草圖開始,再修改圖片區域性;也推出 MAI Code 2 系列,分別處理複雜開發與日常程式設計,並發布用於分類、排序和流程控制的 Microsoft-Decision-1.1。報導也提到,MAI Code 2 Flash 在三項測試中的平均通過率為 61.0%。另外,微軟宣佈未來的 Windows 版本將預設提供 PowerShell 7,舊版仍可繼續使用並獲得安全更新,使用者可逐步遷移。

  9. The New Stack75

    Gemini 4 Neon 換用 Antigravity 後,SWE-sweep 成績升至 39.0%

    同一個模型換了執行程式工作的工具環境,寫程式的測試成績可能差很多。Google 的 Gemini 4 Neon 用 mini-SWE 測試時,SWE-sweep 成績是 12.8%;改在 Antigravity 裡執行後,成績升到 39.0%。其他模型的結果也不一樣:Claude Opus 5.5 換用 Claude Code 後成績提高,GPT-6.2 Sol 換用 Codex 後反而下降。這次比較顯示,工具環境可能影響測試結果,但 Google 沒有分開測試 Antigravity 的哪些改動帶來差異,也還沒有 Neon 使用其他工具環境的資料。

  10. Cursor74

    在 Cursor 裡使用 Gemini 模型時,效能和費用都是選擇時會考慮的因素。Cursor 宣佈 Gemini 4 Neon 已可使用;在 CursorBench 4.1 的預設 effort 設定下,它拿到 63.7%,高於 Gemini 4 Hydrogen 的 57.3%。價格是每百萬個輸入 tokens $3、每百萬個輸出 tokens $15,提供了比較測試分數與費用的依據。

    推薦理由:Gemini 4 Neon 在 CursorBench 4.1 的分數高於 Gemini 4 Hydrogen,並列出輸入與輸出價格,可用來比較效能和使用成本。

  11. hackernews10088

    Google 推出 Gemini 4 Neon,主打快速處理程式開發與分析工作

    處理大型程式專案、企業資料和科學問題時,工作常要分好幾步,也會用到不同工具。Google 推出 Gemini 4 Neon,主打更快完成這類工作,並可在單一上下文視窗中整理試算表、PDF、圖表、音訊和影片。Google 表示,它在多項程式、研究與資安測試中表現突出;高思考等級下,每項任務成本比 Gemini 4 Carbon 低 32%。Gemini API、Gemini app、Google Antigravity 等服務正陸續開放使用,資安版本則先提供給 Fairwind Program 的受信任防禦者。

    推薦理由:Gemini 4 Neon 在高思考等級下,官方稱每項任務成本比 Carbon 低 32%,可看出它如何在效能與成本間取捨。

  12. aihot83

    Google DeepMind 發布 Gemini 4 Neon,主打快速處理複雜工作

    複雜的程式開發、分析和科學工作,常得花很多時間,也可能需要多個步驟才能完成。Google DeepMind 推出 Gemini 4 Neon,主打快速處理這類工作,並能在單一 100 萬 token 上下文視窗中整理試算表、PDF、圖表、音訊和影片。官方列出的評測成績包括 Artificial Analysis Intelligence Index 第 3 名、Agent Arena Index 第 2 名;價格為每百萬輸入 token $3、每百萬輸出 token $15。Neon 已開始向開發者、企業和部分訂閱使用者開放;網路防禦版本則預計在未來幾天提供給符合資格的 Fairwind 計畫成員。

    推薦理由:官方列出 Gemini 4 Neon 的基準成績、價格與開放物件,可用來比較它在複雜工作中的能力和成本。

  13. Sundar Pichai88

    處理複雜的軟體工程、知識工作和科學流程,常需要完成一連串工作。Google 推出 Gemini 4 Neon,並表示它能快速完成這些流程中的任務。這款模型從今天起陸續開放,使用管道包括 Gemini API、Google AI Studio、Gemini for business、Google Antigravity,以及付費的 Google AI Pro 和 Ultra 訂閱方案;Gemini App 也提供給 Google AI Pro 和 Ultra 訂閱者使用。

    推薦理由:這次發布涵蓋軟體工程、知識工作與科學流程,可從中瞭解 Gemini 4 Neon 的推出範圍與使用管道。

  14. Rohan Paul91

    挑選 AI 模型時,常得在效能和使用成本之間取捨。Google 推出 Gemini 4 Neon,Artificial Analysis Intelligence Index 得分為 61,排名第 3;每 1M 個輸入與輸出 tokens 分別收費 $3 和 $15。原文也稱,在預設高設定下,Neon 每項任務的成本比 Gemini 4 Carbon 低 32%。在程式開發方面,它在 Artificial Analysis Coding Agent Index 排名第 1;放進 Google Antigravity 執行時,SWE-sweep 分數從 12.8% 升到 39.0%。這些數字提供了比較效能與成本的參考,但各項排名來自不同基準測試。

    推薦理由:文中列出 Gemini 4 Neon 的價格、任務成本比較與多項基準排名,可用來瞭解它在效能和花費間的表現。

  15. Google AI86

    處理大型專案時,AI 助理可能要等很久,也容易漏看不同檔案之間的關係。Google 發布 Gemini 4 Neon,主打快速完成程式開發、知識工作和科學任務;它能除錯和重整多個程式檔案、一次整理大量資料,並提供 4 種思考程度供人調整。Google 展示它在 Antigravity 執行 12 小時的 /swarm,根據檔案照片重建 Alan Turing 1936 年的研究,並做出可運作的通用圖靈機。文中提到的最低模型幻覺率來自 Google 內部測試,適用範圍是該測試。

    推薦理由:Gemini 4 Neon 把多檔案程式修改、長上下文與可調整的思考深度放在同一模型中,原文也以重建圖靈研究展示長時間任務的用法。

  16. Google DeepMind85

    Google DeepMind 推出 Gemini 4 Neon,主打快速處理程式與分析工作

    處理大型程式專案、企業資料和科學問題時,工作常需要多步驟操作,也會耗費不少時間與費用。Google DeepMind 推出 Gemini 4 Neon,主打在單次工作中處理複雜任務,並可讀取多種資料;上下文視窗為 1 million tokens。官方表示,它在多項程式、分析與科學評測中取得高排名,也能協助找出和修補程式漏洞。價格為每 1 million input tokens $3、每 1 million output tokens $15;產品正陸續開放給開發者、企業及符合資格的 Gemini 訂閱者。文中的評測結果與安全資料來自官方列出的測試。

    推薦理由:Gemini 4 Neon 同時面向程式開發、企業分析與資安工作,文中也比較了效能、費用和安全防護,呈現它的使用取捨。