deniz.in

Piyasalar

Hava durumu

Hava durumu yükleniyor

· kaynak Hacker News – Front Page (native)

Google, uçtan uca mühendislik ve bilim görevleri için Gemini 4 Neon'u duyurdu

Google, mühendislik, bilgi işi ve bilim alanlarında karmaşık görevleri uçtan uca tamamlamaya yönelik yeni uç modeli Gemini 4 Neon'u yayınladı; fiyatı milyon input token başına 3 dolar.

Google, uçtan uca mühendislik ve bilim görevleri için Gemini 4 Neon'u duyurdu

Google, yazılım mühendisliği, bilgi işi ve bilim alanlarında karmaşık görevleri baştan sona yürütmek üzere tasarlanmış uç sınıf bir yapay zekâ modeli olan Gemini 4 Neon'u yayınladı. Hacker News ana sayfasında da yer alan Google duyurusuna göre model şu anda Google AI Studio'daki Gemini API'de, işletmeler için Gemini'de (API ve model açılır menüsü üzerinden) ve Google AI Pro ile Ultra'nın ücretli abonelerine hem Google Antigravity hem de Gemini uygulamasında sunuluyor.

Fiyatlandırma, milyon input token başına 3 dolar ve milyon output token başına 15 dolar; önbelleğe alınmış input ise milyon başına 0,15 dolar — yüzde 95 indirim — ve bunlara bir milyon token'lık context pencerasi eşlik ediyor.

Liderlik tablolarındaki yeri

Neon, xhigh düşünme seviyesinde Artificial Analysis Intelligence Index'te 61 puan alıyor; Google'a göre bu skor modeli genel sıralamada üçüncü yapıyor, hemen önünde ise daha büyük ve daha yavaş modeller var. Vals Index'te yüzde 70,9 ile ikinci sırada yer alıyor ve bu endeksin Pareto cephesinde konumlanıyor. Dört binden fazla gerçek dünya agent oturumundan derlenen yeni Agent Arena Index'te Neon, 1336 puanla küresel çapta ikinci sırada giriş yapıyor; Google ayrıca yönlendirilebilirlik — yani kullanıcının görev ortasında düzelttiğinde modelin ne kadar temiz uyum sağladığı — konusunda da burada ikinciliği iddia ediyor. Şirket ayrıca dahili Antigravity testlerinde şimdiye kadarki en düşük üretme (fabrication) oranını bildiriyor.

Kurumsal, analitik ve bilimsel işler

Google, Neon'u dağınık kurumsal girdilerin sentezleyicisi olarak konumlandırıyor: elektronik tabloları, PDF'leri, grafikleri, sesi ve videoyu tek bir context penceresinde birleştirip yapılandırılmış çıktılara dönüştürüyor. Şirket, Legal Research Bench ve Tax Agent Bench'te birinciliği; finans, muhasebe ve elektronik tablo modellemesini kapsayan Surge AI benchmark'larının çoğunda en iyi sonuçları; ayrıca Zapier'in AutomationBench'inde (yüzde 56,3) ve Andon Labs'ın uzun soluklu iş simülasyonu Vending-Bench 2'de (16.843 dolar) birinciliği iddia ediyor. Bilimsel ve matematiksel akıl yürütme konusunda Google, Terminal-Bench Science (yüzde 70,5), RiemannBench (yüzde 84,0) ve HLE-Diamond'da (yüzde 71,3) sınıfının en iyi skorlarını bildiriyor.

Uzun soluklu kodlama agent'leri için tasarlandı

Google'a göre Neon, uzun ve araç ağırlıklı agent oturumları boyunca dengesini koruyacak şekilde tasarlandı; gereksiz dosya okumalarını kırpıyor, çalışırken ilerlemesini paylaşıyor ve context sıkıştırmasını güvenilir biçimde yürütüyor. Tek başına çalışabiliyor ya da Antigravity içinde paralel Hydrogen alt agent'lerini koordine eden bir orkestratör olarak görev yapabiliyor. Geliştirici benchmark'larında Google, Artificial Analysis Coding Agent Index'te (58,6) genel birinciliği, ayrıca varsayılan high ayarında Terminal-Bench 4.1'de yüzde 65,2 ve FrontierCode 2.0'da yüzde 46,2 skorunu iddia ediyor. Model çok dosyalı hata ayıklama ve depo genelinde refactoring işlerini yürütebiliyor; SWE-sweep'te mini-SWE harness'i üzerinde yüzde 12,8 alıyor — Google'a göre bu oran, model Antigravity içinde çalıştığında üç kattan fazla artarak en iyi düzeydeki yüzde 39,0'a ulaşıyor.

Maliyet kontrolü ve güvenlik odaklı bir varyant

Model, kademeli olarak ölçeklenen dört düşünme seviyesiyle geliyor; böylece ekipler zekâ ile token harcaması arasında denge kurabiliyor. Google'a göre varsayılan high seviyesinde Neon, güçlü bir zekâ skorunu Carbon'a göre görev başına yüzde 32 daha düşük maliyetle ve önde gelen rakip uç modellere göre görev başına yaklaşık yüzde 50 ile 80 daha düşük maliyetle birleştiriyor. En derin akıl yürütme ayarı olan xhigh'da bile rakiplerin en yüksek ayarlarına göre görev başına yüzde 36'dan fazla daha ucuz olduğu bildiriliyor. "Neon for cyber" adlı varyant güvenlik işlerine odaklanıyor: Google, AutoBaxBench'in zor katmanında en iyi düzeyde güvenli kod üretimi (yüzde 76), benzer büyük modellerin yarısı maliyetiyle WebExploitBench v1.2'de en iyi düzeyde sızma testi sonuçları (yüzde 51,26) ve güvenlik açığı bulmada SEC-bench Pro'da yüzde 90,5 skor bildiriyor — yine yaklaşık yarım challenge başına maliyetle.

Neden önemli

Neon'un çıkışı, uç modeller arası rekabetin nereye kaydığını gösteriyor: Saf benchmark zirvelerinden, tamamlanan görev başına maliyete, çalışma ortasındaki yönlendirilebilirliğe ve uzun agent oturmalarındaki güvenilirliğe. SWE-sweep'teki harness'e bağlı üç katı değişim, bir modeli çevreleyen ortamın modelin kendisi kadar önemli olabileceğinin bir hatırlatıcısı. Özellikle yüksek önbellek indirimiyle birlikte agresif fiyatlandırma, yüksek hacimli agent iş yüklerinde rakipleri birim ekonomi konusunda baskı altına alacak. Bir uyarı: buradaki neredeyse tüm rakamlar Google'ın kendi duyurusundan geliyor ve üçüncü taraf değerlendiricilerden bağımsız doğrulama henüz gelmedi.

  • #gemini
  • #google
  • #large-language-models
  • #agentic-ai
  • #ai-benchmarks

İlgili yazılar