谷歌在十一月做了一件少见的事:七天里连发三个正式版模型。11 月 10 日 Gemini 4 Carbon 全面开放,11 月 12 日 Hydrogen 上线,11 月 18 日 Neon 接棒——这是七周内的第四个 Gemini 4 系列模型(此前我们已报道过 Neon 的发布快讯)。同一周里还夹着 Decision 1、Omni 1.2 Flash 转正与 2.5 Pro 清退时间表(AI Magazine 逐一核对了各档定价)。发布当天的官方数据表把 Neon 与 Claude Opus 5.5、GPT-6.2 Sol 并排摆开,19 行基准它领先 16 行;第三方的独立榜单则把它放在第三。一边是自家口径的全面领先,一边是独立评测的「第三名但多项第一」,再加上破十亿的用户盘子,谷歌这份月度成绩单值得摊开细看。本文汇总发布节奏、横向对比、各家排名与市场数据,口径全部注明来源。
十一月三连发:四个模型各管一段
先理时间线。Gemini 4 系列的成型速度是:Argon 于 10 月 13 日全球开放(发布价 2 美元/10 美元每百万输入/输出 token,11 月 30 日后涨到 4/20);Carbon 在 10 月 28 日先对网络安全防御者开放,11 月 10 日全面开放(此前报道),沿用 2/10 美元体验价至 11 月 30 日;Hydrogen 11 月 12 日上线,1.50/7.50 美元且带免费档,同时成为 Antigravity 智能体的默认模型;Neon 11 月 18 日上线,3/15 美元,缓存输入 0.15 美元,1M token 上下文,支持 low、medium、high、xhigh 四档推理级别。谷歌给三个新模型的定位分工很明确:Hydrogen 管快速日常任务,Neon 管频繁但需要深度推理的工作,Carbon 管最长最难的长期项目。Neon 上线后在 Gemini 应用内同时替换掉了 Argon 和老的 3.1 Pro。
同一周里还有几个容易被忽略的配套动作。11 月 11 日谷歌发布 Gemini Decision 1 与 Decisions API——一个跨文本、图像、音频、视频、PDF 做二元与分类决策、零输出 token 的轻量模型,瞄准的是流程里「是或否」的判断环节。11 月 5 日视频生成模型 Omni 1.2 Flash 转正,支持 15 秒视频与对话式剪辑,视频输出降价 30%;12 月 3 日起 1.1 版的请求将自动路由到 1.2。文件处理能力大幅扩张:PPT、ODP、ODS 等办公文档可直接投喂并按页切片,只为需要的部分付费。老模型的清退也有时间表——Gemini 2.5 Pro 已从 AI Studio 下架,12 月 1 日起所有请求自动路由到 3.8 Flash 并按其计费。订阅侧同样在动:11 月 13 日起 AI Plus 档用户失去 Pro 级模型的选择权,只剩 Flash 系列。
Neon 是个什么定位:Carbon 的质量,Flash 的速度
官方模型卡写明 Neon 由 Carbon 适配而来,主打复杂编程、多步智能体工作流和分析推理。谷歌自己的口径是:默认 high 档下单任务成本比 Carbon 低 32%,整体任务质量达到甚至优于更大的 Carbon,速度快约三倍。第三方测出的数字更细:Artificial Analysis 量到 Neon 单任务 6.44 美元、约 21 分钟,Carbon 是 7.76 美元、约 36 分钟;生成速度 Neon 110 token 每秒,略低于 Opus 5.5 的 117,快于 Sol 的 85。
价格这条线有个值得注意的错位。Neon 现在 3/15 美元的定价,比还在体验价的 Carbon(2/10)要贵;12 月 1 日 Carbon 涨到 4/20 之后,Neon 才变成「比旗舰便宜 25%」的中坚档。横向摆开看:Hydrogen 1.50/7.50,GPT-6.2 Sol 2/10,Carbon 与 Argon 12 月起 4/20,Claude Opus 5.5 也是 4/20。批量档可以打到半价(1.50/7.50),优先档 5.40/27。思考 token 计入输出计费,所以高推理档跑难题时账单会明显高于表面价格——这是所有按 token 计费模型的通病,Neon 尤其明显,后文细说。价格之外的又一个维度是速度:SiliconANGLE 把这次发布概括为「谷歌在 Anthropic 与 OpenAI 闷声放大招的夏天之后开始反击」,其报道的基准表也证实 Carbon 虽被定位为最强模型,Neon 却在部分任务上反超。
官方对比表:19 行基准领先 16 行
谷歌发布当天放出的对比表选的对手是 Claude Opus 5.5 和 GPT-6.2 Sol——两款「大家日常真在用」的中坚模型,而不是 Anthropic 最强的 Fable 5.2。表里 Neon 在 19 行基准中领先 16 行,几个关键行:Artificial Analysis 智能指数 61 对 Opus 5.5 的 59、Sol 的 57;Vals 真实任务指数 70.9% 对 70.1%、66.1%;知识工作自动化 AutomationBench 56.3% 对 42.5%、41.3%,优势接近 14 个点;高难推理 HLE-Diamond 71.3% 对 67.9%、64.0%;长文档检索 GraphWalks(25.6 万到 1M token)95.2%,比 Opus 5.5 的 66.8% 高出近 29 个点,这是全表最大的一项差距。
谷歌没赢的三行也值得看。终端编程 Terminal-Bench 4.1 上 Opus 5.5 以 65.8% 对 65.2% 微弱领先;真实代码库 FrontierCode 2.0 上 Opus 47.3%、Neon 46.2%;图表阅读 Chartography 上 Sol 以 75.1% 领先 Neon 的 73.5%。也就是说编程终端与真实代码库这两个最硬核的场景,Opus 5.5 仍守住了微弱优势——Neon 的领先集中在知识工作、自动化、长文档与推理,而不是写代码的最后一公里。
第三方榜单:综合第三,但两处第一
独立评测机构 Artificial Analysis 11 月 18 日给出的排序是:Anthropic Claude Fable 5.2 以 65 分居首(11 月 9 日发布、还降价 20%),OpenAI GPT-6.2 Astra 62 分第二,Neon xhigh 档 61 分第三,Carbon 差一分排第四。综合榜上谷歌还没坐到前两把交椅,但两个分项榜上 Neon 是实打实的第一:编程智能体指数 Neon 在 Antigravity CLI 里拿到 59 分,压过 Claude Code 挂 Fable 5.2 与 Opus 5.5 的 58 分;展示质量(presentation quality)分项 Neon 也登顶,超过 Claude Sonnet 5.5。
成本维度的对比同样来自第三方。同一任务 Neon 平均 6.86 美元,Opus 5.5 是 12.61 美元,Fable 5.2 要 15.47 美元——性能追平头部的同时价格只有一半不到。但有个刺眼的细节:Neon 在 xhigh 档非常啰嗦,单任务时长 21.5 分钟,远超同类 12.4 分钟的中位数,这也是它 token 单价不高、单任务成本却不低的原因。Vals AI 的测试给了个实用结论:high 档保住 xhigh 约 98% 的分数,成本几乎减半——日常用默认档就好,xhigh 留给真正的难题。德国媒体 clauding.de 的评价比较中肯:编程智能体指数上 1 分的差距读不出胜负,Neon 与两个 Claude 模型在智能体任务上算打平,真正的差距在价格。
老旗舰的排名现状与尚未补齐的验证
11 月这波密集发布里,谷歌把全部曝光给了 4 系列,但各家聚合榜上的 Gemini 存量数据仍以 3 代为主。Rank.ai 11 月 20 日的共识榜把 gemini-3-pro 放在全部 69 个模型的第三(共识分 79),排在 Claude Opus 5(83)与 Fable 5 xHigh(80)之后、GPT-5.6 Sol xHigh(78)之前;分榜方面 LMArena 上 gemini-3-pro 以 1486 分列 66 个模型的第六,Berkeley BFCL 函数调用榜列第三(72.51%)。也就是说在人类盲评偏好的 LMArena,Gemini 的现役旗舰仍处在第一集团的尾部而非头部——这与 Anthropic 系此前霸榜的格局一致(11 月初的榜单变局我们已有专文分析)。
更值得留意的是验证缺口:Neon 与 Hydrogen 目前只有 Artificial Analysis、Vals 两家的初步数据,LMArena、LiveBench 等人类盲评与去污染榜单尚未收录 4 系列的完整成绩;Carbon 的官方模型卡里那批 10 月数据(Carbon 59、GPT-6 Astra 57、Opus 5.5 58、Argon 50)也全是厂商自测口径。一篇报道引用的每一个数字背后是哪家的考卷,比数字本身更值得先看一眼。
市场盘子:10 亿用户、四分之一的流量、翻倍的云收入
模型成绩之外,谷歌的市场数据在这几个月发生了质变。用户规模上,Gemini 应用 8 月 11 日宣布月活破 10 亿——两个月前的 Q2 财报时还是 9.5 亿,10 月 28 日 Q3 财报再度确认,并称其为谷歌史上增长最快的产品;iOS 端月活也超 1 亿。搜索侧的覆盖面更大:AI Overviews 每月触达 25 亿人以上(200 多个国家),AI Mode 月活破 10 亿。使用深度上,63% 的用户直接与 Gemini 对话,五分之一的 Gemini Live 会话动用相机或屏幕共享,应用每天生成超过 1.5 亿张图片。
份额数据要分口径看,而且方向并不一致。Similarweb 统计的全球 AI 聊天网页流量里,Gemini 9 月占 25.0%,约为一年前 13.6% 的两倍,但这已是连续第四个月回落(夏季峰值超过 27%),ChatGPT 同期是 56.4%,Claude 从 9.3% 升至 9.6%、11 月更新后到 11.5%。StatCounter 的引荐流量口径则是另一番景象:Gemini 10 月占 AI 聊天机器人向网站导流的 28.86%,从 8 月的 10.9% 跳涨,美国市场 35.42% 已逼近 ChatGPT 的 37.1%——不过 StatCounter 这次月度跳变幅度罕见,需谨慎看待。Sensor Tower 的应用市场口径里,Gemini 上半年占 27.7%,是唯一把 ChatGPT(46.4%,上半年首次跌破 50%)体量追到一半以上的对手。
钱的部分,Q3 财报里 Google Cloud 营收 307 亿美元、同比增 103%,运营利润 111 亿,在手订单积压 5610 亿美元(2025 年底是 2400 亿);第一方模型 API 每分钟处理近 320 亿 token,一年翻了四倍;Alphabet 全年资本开支指引 1950 亿到 2050 亿美元,2027 年还要「显著增加」。模型服务成本 2025 年一年降了 78%,这是谷歌敢把旗舰能力下放免费档和低价档的底气。企业侧,财富 100 强约九成在用 Gemini Enterprise,知识工作类 AI 席位累计售出超 1 亿,月活跃开发者超 900 万。还有一笔容易漏掉的外部收入:苹果新一代 Siri 基于 Gemini 定制模型(约 1.2 万亿参数),随 iOS 27 于 9 月 14 日上线,Bloomberg 报道苹果每年支付约 10 亿美元。订阅定价从 AI Plus 的 4.99 美元、Pro 的 19.99 美元到 Ultra 的 99.99/199.99 美元三档铺开。
横向对比的三个冷思考
第一,口径决定结论。官方表里 Neon 19 行赢 16 行,第三方综合榜只排第三——两件事都是真的,因为考卷不同:谷歌挑的是自家擅长的知识工作与长文档,AA 的智能指数混了更多推理维度。同理,「单任务成本」与「token 单价」也能得出相反结论:Sol 每 token 最便宜、单任务约 1.01 美元只有 Neon 的六分之一,但分数低 4 分;Neon 单价居中、啰嗦拉高了单任务账单。TechVerdict 的详测给采购者的建议很务实:先固定自己的考题与成本口径,再对表选型,缓存与首次运行要分开计价。
第二,节奏本身成了武器。谷歌七周内发了四个模型,Anthropic 自 11 月 9 日 Fable 5.2 之后没有新模型——此前 Anthropic 用连续发布拿下综合榜前二,现在轮到谷歌用发布密度消耗对手的保鲜期。Neon 顶着「综合第三」的名头上市,却在编程智能体与展示质量两个分项登顶、价格砍半,这个「卡位」思路比单纯堆分更值得同行警惕。
第三,价格战 12 月才真正开打。11 月 30 日 Carbon 与 Argon 的体验价到期(2/10 涨到 4/20),Neon 从「比自家旗舰贵」变成「比旗舰便宜 25%」;同期 2.5 Pro 彻底清退、AI Plus 档被降级出 Pro 模型——谷歌在用一个「先低价铺量、后涨价收割」的经典节奏,把中坚档的价格锚点从 Claude 手里抢过来。12 月 1 日之后的各家价目表,才是这轮三连发的真正收官。


