Google Gemini 4 连发四款模型:LMArena 包揽前三,真实智能体却输给 Claude
七周连发四款 Gemini 4 加一款世界模型 Genie 4,Google 把聊天偏好榜前三包圆,却在真实智能体榜上被 Claude Fable 5.2 拉开断层差距。这场发布战真正的账,不在分数,在单任务成本和分发入口。
11月18日,Google 发布 Gemini 4 Neon——这是它七周内发布的第四款 Gemini 4 模型。9月30日 Argon、10月28日旗舰 Carbon、11月12日速度档 Hydrogen、11月18日中档 Neon,中间还穿插世界模型 Genie 4 在11月19日进入 API。独立榜单的判决当场分裂:LMArena 文本偏好榜上,Carbon 以 1526 分居首,Argon、Neon 紧随其后,Google 包揽前三;可 Artificial Analysis 智能指数 v5.0.1 的排序是 Fable 5.2 以 65 分第一,GPT-6.2 Astra 62 分第二,Neon 61 分第三,Carbon 60 分第四。到了按真实任务结果打分的 Agent Arena,差距变成断层:Fable 5.2 拿 27.4 分,Neon 只有 18.4 分,Carbon 16.1 分。
这场连发不是孤立的发布,是一周内三家对撞。Anthropic 在11月9日抢先发布 Fable 5.2 并降价 20%,降到每百万 token 输入 8 美元、输出 40 美元,在 Carbon 全面开放前一天把榜首夺走;OpenAI 在11月17日发布 GPT-6.2 Astra,同样降价 20% 到 8 美元和 40 美元。更大的背景是份额:ChatGPT 的全球访问份额已从 2025 年 5 月的 76.5% 跌到 2026 年年中的 53.9%,Gemini 应用月活超过 9.5 亿(Alphabet 第二季度财报口径),份额升到 27.9%。Google 手里还有别人没有的东西:搜索、安卓和应用商店的默认入口。Anthropic 则在同一周用定价 83 美元、募资约 810 亿美元的史上最大 IPO 抢走了资本市场的头条,11月19日以代码 ANT 上市,首日收涨 17%。
Google 的打法不是拼最高分,是拼性价比前沿和分发。价格上,Neon 每百万 token 输入 3 美元、输出 15 美元,单任务成本 6.44 美元,约为 Fable 5.2 的 26.54 美元的四分之一;但这笔账只对 Anthropic 成立——Astra 列表价是 Neon 的 2.7 倍,单任务成本却只要 4.00 美元,因为 Google 的模型更费 token:Neon 在指数评测中生成约 2.83 亿个 token,远高于 6510 万的中位数。最高思考档更是个陷阱:从 high 升到 xhigh,多花 72% 的成本,只换来 1 分。真正的杀招在分发:Hydrogen 每百万 token 输入 1.50 美元、输出 7.50 美元,是全家族唯一带免费 API 层的型号,还成了搜索 AI 模式的默认模型;Antigravity 的 Orchestrator 让大模型只做规划复核、小模型执行改代码和跑测试,官方称平均省 24% 额度、快 19%——竞争的单位已经从一个模型变成一套系统。代价也写在明处:分数高度依赖脚手架,同一个 Neon 在 mini-SWE 里只有 12.8%,在自家 Antigravity 里能到 39%;Antigravity 的 5 小时额度被开发者实测 15 分钟熔断;连元素命名都把社区搞晕,成了 Hacker News 上声量最大的话题。
第一层,价格锚整体下移:旗舰的标价已经从每百万 token 输入 10 美元、输出 50 美元降到 8 美元和 40 美元,竞争变量从列表价转向单任务成本,12月1日 Carbon 从优惠价每百万 token 输入 2 美元、输出 10 美元涨回 4 美元和 20 美元,是近期最大的价格事件。第二层,编程智能体的默认心智还没换人:Antigravity 加 Neon 在 Artificial Analysis 编程智能体指数上与 Claude Code 同线且更便宜,但真实付费流量和开发者习惯仍在 Claude Code 手里,胜负手已经转移到编排和路由层。第三层,资本市场不为模型买单:10月29日 Alphabet 因第三季度财报单日暴跌 12.6%,蒸发约 4750 亿美元市值,为上市以来最差单日,模型发布被财报完全淹没;Neon 发布当天股价盘前涨近 4%,收盘仍跌 3.46%——这一周真正把技术声量换成钱的,是 Anthropic。第四层,中国厂商没有接话,只有平行竞赛:Qwen4-Max 在11月16日正式发布,单任务成本降到 1.67 美元;DeepSeek 在11月13日更新低价 Flash;豆包工作在11月16日上线 21 个工作台场景,且早已取消 5 小时额度限制,正好和 Antigravity 的熔断形成对照。这一轮最大的隐形输家是 xAI:Grok 4.7 在 Artificial Analysis 指数上只有 34 到 35 分,落后前沿 26 分以上,Grok 4.8 到11月19日仍只有马斯克的口头预告,没有 API、没有价格、没有基准。
我X科技观点
Google 这七周证明了一件事:靠发布节奏和默认入口,能把偏好榜刷成自己的主场;但真实干活的榜单不会陪它演——智能体的差距就是系统工程的差距,不在模型本体
Google 这七周证明了一件事:靠发布节奏和默认入口,能把偏好榜刷成自己的主场;但真实干活的榜单不会陪它演——智能体的差距就是系统工程的差距,不在模型本体。接下来盯两个数就够了:12月1日 Carbon 涨价之后,Neon 的性价比故事还成不成立;Agent Arena 上那 9 分的差距,半年内收不收得窄。收不窄,Google 连发再多,也只是在给对手的叙事抬轿:大家记住的不会是它一个月发了四款模型,而是 Fable 5.2 上市那一周,顺手把活也干到了第一。
2026年11月20日
分享这篇文章
你觉得这篇文章怎么样?
匿名评价,无需登录,每篇最多 5 次。
读者评价
无需登录也可评价;登录后显示会员昵称。
请围绕科技与文章讨论。禁止仇恨歧视、政治战争话题、威胁辱骂、人身指控、色情、广告、链接及个人信息。
还没有评价,来说第一句吧。