본문으로 건너뛰기
Gemini 4 Neon 已在选择器里:夹在 Carbon 和 Hydrogen 之间,音视频总结什么时候用它(2026 年 11 月)
트렌드

Gemini 4 Neon 已在选择器里:夹在 Carbon 和 Hydrogen 之间,音视频总结什么时候用它(2026 年 11 月)

게시일 · 작성자: BibiGPT 团队
BibiGPT을 Google 선호 소스로 추가 주요 뉴스와 AI 답변에서 BibiGPT를 더 자주 만나보세요.

Gemini 4 Neon 已在选择器里:夹在 Carbon 和 Hydrogen 之间,音视频总结什么时候用它(2026 年 11 月)

先说结论: Google 2026 年 11 月 18 日发布 Gemini 4 Neon,位置在 Carbon 和 Hydrogen 之间,每百万 token $3 / $15,没有首发折扣。它在 Artificial Analysis 智能指数上拿了 61 分,比 Carbon 高一分。BibiGPT 当天接入,选择器里标签是 Gemini 4 Neon (new) (pro)。日常视频继续用 Hydrogen;要拿来做事的长内容,Neon 是现在 Gemini 4 里性价比最高的一档。

价格和能力只引 Google 的 发布文、更新说明 和 定价页;排名引 Artificial Analysis;速度是我们 11 月 18 日直接调 Google API 测的。

目录

这次发布了什么

HydrogenNeonArgonCarbon
API idgemini-4-hydrogengemini-4-neongemini-4-argongemini-4-carbon
发布11-1211-1810-1311-10
每百万 token(输入 / 输出)$1.50 / $7.50$3 / $15$2 / $10,11-30 后 $4 / $20同 Argon
Artificial Analysis 智能指数54(xhigh)61(xhigh)50(high)60(high)
思考档位low / medium / high / xhighlow / medium / high(默认)/ xhighlow / medium / highlow / medium / high
上下文100 万100 万100 万100 万
输入文字、图片、视频、音频、PDF同左同左同左

几条值得记的事实:

  • Neon 没有首发折扣,$3 / $15 就是牌价;缓存输入 $0.15,便宜 95%。免费档不能用。
  • 不收 minimal 档。 我们实测传 thinkingLevel=minimal 直接返回 400,和 Hydrogen 一样;BibiGPT 里默认用 low。

实用规则: Neon 的单价是 Hydrogen 的两倍,但比 11-30 之后的 Argon、Carbon 便宜。要上前沿档,先试 Neon。

榜单上排第几

Artificial Analysis 11 月 18 日的智能指数榜,按模型取最高档:

排名模型分数
1Claude Fable 5.2(max)65
2GPT-6.2 Astra(max)62
3Gemini 4 Neon(xhigh)61
4Gemini 4 Carbon(high)60
5Claude Opus 5.5(max)59
  • Gemini 4 里分数最高。 比 Carbon 高一分,比 Hydrogen(54)高七分。Google 还说它在 Artificial Analysis 编程智能体指数上排第一(58.6)。
  • 它话多。 Artificial Analysis 同一页写它「每个任务偏慢、非常啰嗦」:跑完整套指数用了 2.83 亿输出 token,同档中位数是 6510 万。思考 token 按输出价计费,账单会比单价看上去高。
  • 视频类榜单还没有它。 我们没找到针对音视频理解的第三方排名,下面的实测是自己跑的。

实用规则: 分数是开到 xhigh 的结果。BibiGPT 默认用 low 档,速度和花费都按 low 算,别拿榜单分数去对单次调用。

实测:和 Hydrogen、Argon 比速度

测试方法:直接调 Google 官方 API,思考档位统一 low,同一条提示词「写一篇 600 字结构化学习笔记」,每个模型跑两次。

HydrogenNeonArgon
耗时14.8–14.9 秒20.3 秒17.3–19.3 秒
输出 token847–922833–8441041–1088
思考 token1579–16031484–1562—

我们还让 Neon 在 high 档写了一个 6 镜头的竖屏短剧分镜:用了 37 秒,952 个输出 token、3307 个思考 token,约 6 美分。每个镜头都完整重写了主角外形(发型、疤、雨衣),这正是视频模型保持人物一致需要的。

三件事:

  1. 单次调用比 Hydrogen 慢约三分之一。 短视频、要点类的任务,Neon 多花的时间换不来什么。
  2. 输出更紧凑。 同样 600 字的要求,Neon 写得比 Argon 短,没有凑字。
  3. 思考 token 是大头。 不管哪一档,思考 token 都比正文多,按输出价计费。

视频要点转成思维导图

截图:BibiGPT · 总结之后的思维导图。模型负责理解内容,导图、时间戳跳转和导出是产品层,换哪一款模型都一样。

实用规则: 单次调用 Neon 不比 Hydrogen 快。选它是为了结论更扎实,不是为了快。

音视频总结什么时候用 Neon

按内容分:

  • 日常视频和播客 → Hydrogen。 最快,最便宜。
  • 长报告、财报会、研究分享、要拿来做决定的内容 → Neon。 Google 说它擅长把文档、表格、图表和多步工具输出合成结构化结论,正对「一小时视频变一份能用的笔记」。
  • 最难的推理 → Carbon。 需要跨整份字幕仔细推理的追问,Neon 不够再换。

为什么用 BibiGPT 里的 Neon

Neon 能直接读视频和音频,但一条 B 站、YouTube 或播客链接仍要先变成字幕和关键帧:

B 站 / YouTube / 播客 / 本地文件
        │
        ▼
  拿字幕或转写音频 + 抽关键帧
        │
        ▼
  交给你选中的模型(可以是 Gemini 4 Neon)
        │
        ├── 带时间戳的章节摘要
        ├── 可跳转的字幕
        └── 思维导图 / 追问 / 导出

几秒读完任何视频

选个样例,看 AI 总结——一句话结论、要点清单、可跳转的时间戳。

试试样例:

一句话: Karpathy 用代码从零搭出一个 GPT 风格的语言模型,逐行讲清每个部件——从最小的字符级模型到完整的 Transformer。

要点

  • 先做一个 bigram 基线模型,再加自注意力,让 token 之间能"互相对话"
  • 一个 Transformer 块 = 多头注意力 + 前馈网络 + 残差连接 + 层归一化
  • 训练本质就是"预测下一个 token";剩下的交给规模和数据
  • nanoGPT 背后的架构,放大后就是 ChatGPT

跳转

  • 00:07 为什么要从零搭 GPT
  • 08:23 直观理解自注意力
  • 1:00:00 拼出 Transformer 块
  • 1:35:00 从 nanoGPT 到 ChatGPT

演示:先粘链接,再选模型。Gemini 4 Neon 是这条路径上可选的一项。

视频:粘贴一条链接,得到带时间戳的要点。画面里的模型名以你选择器里选中的为准。

关键帧画面分析面板

截图:BibiGPT · 关键帧画面分析。这不是 Gemini 4 Neon 的选择器截图。

实用规则: 同一条链接先用 Hydrogen 跑一遍,不够细再换 Neon 重跑,比一开始就上贵的划算。

三步切到 Gemini 4 Neon

偏好设置里的默认模型入口

截图:BibiGPT · 偏好设置,默认模型是切换入口。图里没有 Gemini 4 Neon 的搜索结果。

  1. 打开 BibiGPT,或先进入偏好设置。
  2. 点「默认模型」,搜索 gemini 4。
  3. 选中带 New 的 Gemini 4 Neon(pro),回到输入框点总结。

相关入口:

常见问题(FAQ)

BibiGPT 支持 Gemini 4 Neon 了吗? 支持。选择器搜 gemini 4,标签是 Gemini 4 Neon (new) (pro)。需要你选中,默认模型没有变。

用 Neon 扣多少积分? 按 $3 / $15 的牌价算,和 Claude Sonnet 4.x 同一档:比 Hydrogen 多一倍,比 11-30 之后的 Argon、Carbon 少四分之一。

Neon 比 Carbon 强吗? 在 Artificial Analysis 智能指数上高一分(61 对 60),但 Neon 是开到 xhigh 的分数,Carbon 是 high。Google 的定位是 Neon 做高频复杂任务,Carbon 做最难的任务。

免费用户能用吗? 标签带 pro,是付费档模型。Google 那边也不给免费 API 档。

它能直接看视频吗? 能。模型页列了视频和音频输入。但链接要先拿到字幕、章节和关键帧,总结后还要时间戳和导出,这一层在 AI 视频总结 里。

'AI 영상 요약' 글 63편 모두 보기 →

이 AI 도구를 사용해 보세요