精选模型74

Arena 评测:Gemini 4 Neon 在 Agent Arena 排名第 2,每任务成本 2.82 美元

原标题:Big news: Gemini 4 Neon (High) is the best @GoogleDeepmind model on the Agent Arena Index, ranking #2 overall and reshaping the Pareto fr...

Arena.ai@arena发布时间 (北京时间)

AI 速览

根据原文整理 · 原文约 1 分钟

Gemini 4 Neon (High) 在 Agent Arena 以 1336 分排名第 2,每任务成本中位数为 2.82 美元。

总榜得分
1336 分
总榜排名
第 2 名
每任务成本
2.82 美元
评测会话
4.2k 条
排名
Gemini 4 Neon (High) 以 1336 分在 Agent Arena 总榜排第 2,是 Google DeepMind 在该榜排名最高的模型。
成本
该模型每任务成本中位数为 2.82 美元,位于 Agent Arena 帕累托前沿。
对比
它比第 3 名 Claude Opus 5.5 (Max) 得分更高,每任务成本低 53%;比第 1 名 Claude Fable 5.2 (Max) 低 69%。
分项
好评与投诉项 1539 分排第 2,可操控性 1298 分排第 2,任务完成度 1316 分排第 3。
数据来源
评分基于 Arena 全球社区 4.2k 条真实智能体会话。

为什么值得看为选型智能体模型的团队提供排名与每任务成本参考,便于与 Claude 系列横向比较。

由 AI 阅读原文后整理,可能有疏漏,细节以原文为准。

重大消息:Gemini 4 Neon (High) 是 Agent Arena Index 上表现最好的 @GoogleDeepmind 模型,综合排名第2,并重塑了帕累托前沿!

基于 Arena 全球社区 4.2k 个真实世界智能体会话,它获得 1336 分,超越了:
- 第4名 Carbon (High):1303 分
- 第9名 Hydrogen (High):1271 分
- 第11名 Argon (High):1229 分

Neon 以每任务中位成本 $2.82 位于 Agent Arena 帕累托前沿。它的得分高于第3名 Claude Opus 5.5 (Max),而每任务成本低 53%;相比第1名 Claude Fable 5.2 (Max),每任务成本低 69%。帕累托图见本帖。

它在关键信号上表现强劲:
- 第2名 赞扬 vs. 投诉:1539 分(用户对智能体结果的满意度)
- 第2名 可引导性:1298 分(智能体对用户纠正的响应程度)
- 第3名 任务完成:1316 分(用户明确确认任务成功)

它在 Code Arena:WebDev 和 Text Arena 中的排名见本帖下方。

祝贺 @GoogleDeepmind 团队又发布了一个重磅版本!

Gemini 4 Neon 现已推出。 它介于 Carbon 与 Hydrogen 之间,为复杂软件工程、知识工作和科学领域带来前沿智能与快速任务完成能力。
查看原文

Gemini 4 Neon is rolling out now. Sitting between Carbon and Hydrogen, it brings frontier intelligence and fast task completion for complex software engineering, knowledge work, and science.

查看原帖

同一件事的其他报道2 篇