Google تطلق Gemini 4 Neon: نسبة 65.2% في Terminal-Bench 4.1 بسعر 3 دولارات لكل مليون رمز
أطلقت Google نموذج Gemini 4 Neon، وهو حلقة وسطى بين Hydrogen الخفيف وCarbon الثقيل. في اختبار Terminal-Bench 4.1، الذي يحل فيه النموذج مهام هندسية داخل الطرفية، حقق 65.2%، بينما يكلّف مليون رمز 3 دولارات للمدخلات و15 دولارًا للمخرجات. أما في SWE-sweep فقد اعتمدت النتيجة على بيئة التشغيل: 12.8% في mini-SWE و39% في Antigravity. لذلك قارنوا Neon بنموذجكم الحالي ضمن الإطار نفسه تمامًا.
معالج بواسطة الذكاء الاصطناعي من TG: @neurogen_news (Neurogen)؛ بتحرير Hamidun News
أضافت Google إلى عائلة Gemini 4 نموذج Neon. في السابق كان الاختيار بسيطًا: Hydrogen نموذج سريع ورخيص للمهام اليومية، أشبه بذاكرة فلاش تحملها معك دائمًا، وCarbon نموذج ثقيل للمشاريع الكبيرة. أما Neon فقد وُضع في المنتصف: تقول Google إنه يتقن الشيفرة المعقدة والوكلاء والتحليلات، لكنه صُمّم مع التركيز على السرعة والتكلفة. هذه هي الأرقام الرئيسية. في اختبار Terminal-Bench 4.1، وهو اختبار يحل فيه النموذج مهام هندسية مباشرة في سطر الأوامر كما يفعل وكيل مبرمج، حقق Neon نسبة 65.2%. وعبر API تتقاضى Google 3 دولارات لكل مليون رمز مدخل (الرمز وحدة نصية يُحتسب عليها السعر) و15 دولارًا لكل مليون رمز مخرج، بما في ذلك استدلال النموذج. سنفصّل فيما يلي ما وراء هذه الأرقام وكيف يمكن التحقق منها على مهامكم الخاصة.
ما الذي يقدمه Neon وكم يكلّف
يعمل النموذج مع النصوص والصور والصوت والفيديو والمستندات. تبلغ نافذة السياق 1 048 576 رمزًا، وهو حد مشترك: فهو يشمل طلبكم والاستدلال الداخلي للنموذج والإجابة النهائية. وإذا فُعّل وضع thinking، فسيشغل الاستدلال جزءًا من النافذة، وهو أمر ينبغي أخذه في الحسبان عند العمل مع مستندات طويلة جدًا.
التعرفة:
- المدخلات: 3 دولارات لكل مليون رمز؛
- المخرجات: 15 دولارًا لكل مليون رمز، ويُحتسب الاستدلال ضمن المخرجات؛
- المدخلات المخزنة مؤقتًا: 0.15 دولار لكل مليون رمز.
السطر الأخير أهم مما يبدو. فالوكلاء يعيدون تقريبًا دائمًا السياق الطويل نفسه: وصف المشروع والتعليمات وسجل الخطوات. وإذا دخل هذا الجزء المتكرر في الذاكرة المؤقتة، فإنه يكلّف 0.15 دولار بدل 3 دولارات، أي أرخص بعشرين ضعفًا. وفي جلسات الوكلاء الطويلة كثيرًا ما تحدد الذاكرة المؤقتة الفاتورة النهائية.
يتوفر Neon ضمن اشتراكي Google AI Pro وUltra. وفي بيئة Antigravity يمكنه أداء دور المنسّق: يخطط للعمل ويوزّع المهام على عدة وكلاء يعملون على Hydrogen. والمنطق واضح: النموذج الأقوى يفكر ويتحقق، بينما ينفذ المنفذون الأرخص المهام الروتينية. ووُعد بإتاحة النموذج قريبًا في NeuroAPI.
ماذا تُظهر الاختبارات المرجعية
إلى جانب نسبة 65.2% في Terminal-Bench 4.1، هناك نتيجة لافتة في SWE-sweep. فقد اعتمدت بدرجة كبيرة على البيئة التي شُغّل فيها النموذج: 12.8% مع mini-SWE و39% في Antigravity. أي فارق يقارب ثلاثة أضعاف للنموذج نفسه. وهذا درس مفيد لمن يختار نموذجًا بالاعتماد على الجداول: النتيجة النهائية يحددها النموذج نفسه والإطار المحيط به، أي الأدوات المتاحة له وطريقة تنظيم إعادة المحاولات وكيفية تجميع السياق.
وفي اختبار KingBench 4 من MindStudio احتل Neon المركز الثاني من 18 نموذجًا، وحصل على 37.9 نقطة من 60. أما المتصدر Claude Fable 5.2 فله 42 نقطة. وهناك تحفظ: اختُبرت النماذج في بيئات وكلاء مختلفة، ولذلك لا يمكن اعتبار المقارنة مباشرة. فالفارق البالغ 4.1 نقطة قد يكون تفوقًا حقيقيًا لـClaude، وقد يعود إلى اختلاف ظروف التشغيل.
ماذا نفعل بهذا عمليًا
أولًا، لا تتعاملوا مع الأرقام كحكم نهائي. فالبيانات تأتي في الغالب من Google ومن اختبارات خارجية بعيدة عن توحيد البيئات، ولا تزال المقارنات المستقلة على إطار موحّد قليلة. وأكثر الطرق موثوقية للتحقق أن تأخذوا 20–30 مهمة نموذجية من مهامكم (إصلاح الأخطاء وإعادة الهيكلة وتحليل السجلات) وتشغّلوها على Neon وعلى نموذجكم الحالي ضمن هيكل الوكيل نفسه.
ثانيًا، احسبوا تكلفة الجلسة لا تكلفة الرمز الواحد. فبسعر 15 دولارًا لكل مليون رمز مخرج، قد يكلّف الاستدلال الطويل مبلغًا ملموسًا. وستخفف الذاكرة المؤقتة بسعر 0.15 دولار الفاتورة إذا رتبتم الطلب مسبقًا بحيث يأتي الجزء الثابت في البداية.
ثالثًا، إذا كنتم تعملون أصلًا في Antigravity، فجرّبوا الثنائي «Neon منسّقًا مع Hydrogen منفذًا». هذه أقصر طريق لإيجاد توازن بين السعر والجودة داخل منظومة واحدة.
الخلاصة: Neon لا يسعى إلى تحطيم الأرقام القياسية، وفكرته جودة كافية بمبلغ معتدل. فهو يغطي الشيفرة والوكلاء بتكلفة أقل من النماذج الثقيلة، والمركز الثاني في KingBench 4 يدل على أنه يبقى قريبًا من المتصدر من حيث الجودة. أما مدى كفاية ذلك لمشروعكم فلن تكشفه إلا اختباراتكم الخاصة.
- 21 نوفمبر 2026شركة Osmo الناشئة تدرّب الذكاء الاصطناعي على الروائح بـ 10 ملايين تقييم بشري وتولّد العطور انطلاقًا من نص مكتوب
- 21 نوفمبر 2026كوريا الشمالية تكشف أول روبوت دردشة «ينبوع الحكمة»: العلوم فقط ودون سياسة
- 21 نوفمبر 2026OpenAI تتيح ChatGPT Spaces لمشتركي Plus: مستندات تعاونية مع الذكاء الاصطناعي
- 21 نوفمبر 2026غوغل تعلّم Gemini إنشاء صور GIF: 3 ثوانٍ، بنسبة 16:9 أو 9:16 فقط، ودون تكرار حلقي
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي يقدمه Neon وكم يكلّف؟
يعمل النموذج مع النصوص والصور والصوت والفيديو والمستندات. تبلغ نافذة السياق 1 048 576 رمزًا، وهو حد مشترك: فهو يشمل طلبكم والاستدلال الداخلي للنموذج والإجابة النهائية. وإذا فُعّل وضع thinking، فسيشغل الاستدلال جزءًا من النافذة، وهو أمر ينبغي أخذه في الحسبان عند العمل مع مستندات طويلة جدًا. التعرفة: المدخلات: 3 دولارات لكل مليون رمز؛ المخرجات: 15 دولارًا لكل مليون رمز، ويُحتسب الاستدلال ضمن المخرجات؛ المدخلات المخزنة مؤقتًا: 0.15 دولار لكل مليون رمز. السطر الأخير أهم مما يبدو.
ما أبرز التفاصيل حول ماذا تُظهر الاختبارات المرجعية؟
إلى جانب نسبة 65.2% في Terminal-Bench 4.1، هناك نتيجة لافتة في SWE-sweep. فقد اعتمدت بدرجة كبيرة على البيئة التي شُغّل فيها النموذج: 12.8% مع mini-SWE و39% في Antigravity. أي فارق يقارب ثلاثة أضعاف للنموذج نفسه. وهذا درس مفيد لمن يختار نموذجًا بالاعتماد على الجداول: النتيجة النهائية يحددها النموذج نفسه والإطار المحيط به، أي الأدوات المتاحة له وطريقة تنظيم إعادة المحاولات وكيفية تجميع السياق. وفي اختبار KingBench 4 من MindStudio احتل Neon المركز الثاني من 18 نموذجًا، وحصل على 37.9 نقطة من 60.
ما أبرز التفاصيل حول ماذا نفعل بهذا عمليًا؟
أولًا، لا تتعاملوا مع الأرقام كحكم نهائي. فالبيانات تأتي في الغالب من Google ومن اختبارات خارجية بعيدة عن توحيد البيئات، ولا تزال المقارنات المستقلة على إطار موحّد قليلة. وأكثر الطرق موثوقية للتحقق أن تأخذوا 20–30 مهمة نموذجية من مهامكم (إصلاح الأخطاء وإعادة الهيكلة وتحليل السجلات) وتشغّلوها على Neon وعلى نموذجكم الحالي ضمن هيكل الوكيل نفسه. ثانيًا، احسبوا تكلفة الجلسة لا تكلفة الرمز الواحد. فبسعر 15 دولارًا لكل مليون رمز مخرج، قد يكلّف الاستدلال الطويل مبلغًا ملموسًا.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.