پرش به محتوای اصلی
پرش به محتوای مقاله

جمینای ۴ نئان: ۵۸.۶ در AA Coding، ۹۵.۲٪ GraphWalks، ۳/۱۵ دلاری

·۲۸ آبان ۱۴۰۵۵ دقیقه مطالعه
نمودار مقایسه معیارهای جمینای ۴ نئان و اوپاس ۵.۵ با نشان دادن ۶۱ AA، ۹۵.۲٪ GraphWalks و ۱۵.۰۳ دلاری FrontierCode
نمودار مقایسه معیارهای جمینای ۴ نئان و اوپاس ۵.۵ با نشان دادن ۶۱ AA، ۹۵.۲٪ GraphWalks و ۱۵.۰۳ دلاری FrontierCode
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین مدل خانواده جمینای ۴ که مستقیماً برای عامل‌های کدینگ بهینه شده و در SWE-sweep ۳۹٪ در برابر ۱۰٪ اپوس پیشی می‌گیرد، با قیمت‌گذاری میانی که کاربن را به نفع حجم بالا می‌کشد.

گوگل دپ‌مایند جمینای ۴ نئان (Gemini 4 Neon) را منتشر کرد. این مدل استدلالی در میان خانواده جمینای ۴ بین کاربن (Carbon) برای پروژه‌های افق‌بلند و هیدروژن (Hydrogen) برای اجراهای سریع روزمره قرار می‌گیرد. قیمت‌گذاری ۳ دلار برای میلیون توکن ورودی و ۱۵ دلار برای میلیون توکن خروجی، نئان را ارزان‌تر از کلود اپوس ۵.۵ (۴/۲۰ دلاری) و گران‌تر از جی‌پی‌تی ۶.۲ سول (GPT-6.2 Sol) با ۲/۱۰ دلاری می‌سازد.

نئان در جداول مقایسه‌ای خودگزارشی گوگل نتایج زیر را ثبت کرده:

  • شاخص AA Intelligence (AA Intelligence Index): ۶۱ (رتبه ۱، پیش از اپوس ۵.۵ با ۵۹ و جی‌پی‌تی ۶.۲ سول با ۵۷)
  • شاخص AA Coding Agent (AA Coding Agent Index): ۵۸.۶٪ (رتبه ۱)
  • SWE-sweep (harness ارائه‌دهنده): ۳۹.۰٪ در برابر ۱۰.۱٪ اپوس ۵.۵
  • GraphWalks (بستر ۲۵۶K–۱M): ۹۵.۲٪ در برابر ۶۶.۸٪ اپوس ۵.۵ و ۸۰.۱٪ جی‌پی‌تی ۶.۲ سول
  • Zapier AutomationBench: ۵۶.۳٪ در برابر ۴۲.۵٪
  • Agents' Last Exam v1.1: ۷۵.۸٪
  • RiemannBench: ۸۴.۰٪
  • Terminal-Bench-Science: ۷۰.۵٪
  • HLE-Diamond: ۷۱.۳٪
  • SEC-bench Pro: ۹۰.۵٪
  • CWE-Bench v2: ۷۰.۷٪
  • WebExploitBench v1.2: ۵۱.۳٪

نئان در هر دسته برنده نیست. کلود اپوس ۵.۵ (Claude Opus 5.5) در Terminal-bench 4.1 با ۶۵.۸٪ در برابر ۶۵.۲٪ و در FrontierCode 2.0 با ۴۷.۳٪ در برابر ۴۶.۲٪ پیشی دارد. جی‌پی‌تی ۶.۲ سول در Chartography با ۷۵.۱٪ در برابر ۷۳.۵٪ برنده است. در شاخص Vals، نئان ۷۰.۹٪ (رتبه ۲) و در Agent Arena با ۱۳۳۶ امتیاز رتبه ۲ را اشغال کرده.

معماری و قابلیت‌ها

گوگل تعداد پارامترها را فاش نکرده و نئان را از کاربن با تمرکز بر استدلال عامل‌محور (agentic) و بازیابی متنی طولانی تطبیق داده است. تاریخ قطع دانش مارس ۲۰۲۶ اعلام شده. مدل تنها از طریق زیرساخت‌های میزبانی‌شده گوگل با وزن‌های بسته (closed weights) در دسترس است؛ استقرار محلی یا کوانتیزه (quantization) امکان‌پذیر نیست.

نئان سطوح تفکر متعدد دارد: high (پیش‌فرض) و xhigh برای سخت‌ترین بارهای مهندسی و علمی. در آنتی‌گراویتی (Antigravity)، نئان به‌عنوان ارکسترایتر (orchestrator) عامل‌های فرعی هیدروژن را روی زیروظایف کوچک‌تر هدایت می‌کند. فشرده‌سازی بستر (context compaction) خواندن‌های تکراری فایل در اجراهای طولانی عامل را کاهش می‌دهد. ورودی‌ها متن، تصویر، صدا و ویدیو را پوشش می‌دهند.

قیمت‌گذاری و ادعاهای هزینه

نرخ لیست: ۳ دلار ورودی، ۰.۱۵ دلار ورودی کش‌شده، ۱۵ دلار خروجی در میلیون توکن. گوگل ادعا می‌کند نئان در سطح high thinking هزینهٔ هر وظیفه (per-task cost) را ۳۲٪ کمتر از کاربن و ۵۰–۸۰٪ کمتر از رقبا در Vals و Agent Arena می‌سازد. این ارقام به تنظیمات سطح تفکر و ترکیب بار کاری وابسته‌اند، نه نرخ توکن خام.

جمینای ۴ کاربن از ۳۰ نوامبر از ۲/۱۰ به ۴/۲۰ دلاری پرش می‌کند، هم‌سطح با اپوس ۵.۵. نئان در ۳/۱۵ دلاری برای حالا در نقطه‌ی میانی قرار دارد.

شاخص‌های ایمنی

گوگل گزارش می‌دهد:

  • نرخ اقدام ناهمراست (misaligned action rate): ۰.۰۹٪ در سوئیت ایمنی عامل‌محور
  • نرخ عبور ارزیابی صداقت عامل: ۹۹.۲٪
  • نرخ موفقیت حمله تزریق پرامپت (prompt injection) در بنچمارک Gray Swan در بالاترین سطح تفکر: ۰.۰٪
  • نرخ میان‌بر (shortcut rate) در تست تقلب کدینگ: ۲.۴۵٪ (پایین‌ترین در میان مدل‌های جمینای ۴)

دسترسی و استقرار

توسعه‌دهندگان از امروز می‌توانند از طریق:

  • API جمینای پولی
  • Google AI Studio
  • Android Studio
  • اپلیکیشن جمینای برای مشترکین AI Pro/Ultra
    به نئان دسترسی پیدا کنند. کارت مدل (model card) و پست انتشار گزینه‌های استقرار را تفصیل می‌دهند؛ افزونه کروم از GPULeaderboard.com مشخصات زنده را ردیابی می‌کند.

گام بعدی شما

  • اگر گردش‌کار شما بر مخازن بزرگ و بازیابی بستر طولانی متکی است، نئان را در SWE-sweep و GraphWalks با داده‌های خودتان تست کنید قبل از تعهد بلندمدت.
  • برای پروژه‌های حساس به هزینه با حجم خروجی بالا، جی‌پی‌تی ۶.۲ سولِ ۲/۱۰ دلاری را به‌عنوان پایه مقایسه در کنار نئان قرار دهید.
  • تکثیرهای شخص ثالث بنچمارک‌های کلیدی را در هفته‌های آینده رصد کنید؛ خودگزارشی گوگل تنها نیمه‌ی داستان است.
چرا این موضوع مهم است؟

رقابت در نیش عامل‌های کدینگ به فاز قیمت/عملکرد رسیده؛ توسعه‌دهندگانی که مخازن بزرگ و گردش‌کارهای چندمرحله‌ای دارند اکنون گزینه‌ای ۳/۱۵ دلاری با بازیابی ۱میلیونی توکن دارند. بسته‌بودن وزن‌ها و خودگزارشی بنچمارک‌ها اعتماد به استقرار تولیدی را به چالش می‌کشد.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های API گوگل، دسترسی مستقیم به نئان برای توسعه‌دهندگان ایرانی امکان‌پذیر نیست؛ گزینه‌ی عملی GPT-6.2 سول با قیمت ۲/۱۰ دلاری و دسترسی نسبی آسان‌تر باقی می‌ماند.

·نگاه ما
تحریریه دات‌هوش

استراتژی گوگل با نئان نشان می‌دهد برندهای بزرگ بر «عامل کدینگ» به‌عنوان میدان نبرد اصلی تمرکز کرده‌اند، نه استدلال عمومی. نئان با فداکاری در فرانتیرکد برای برتری در SWE-sweep و GraphWalks، روی کارکردهای واقعی مخازن بزرگ شرط‌بندی کرده است.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.