BenchLeader

Gemini 4 Neon vs Gemma 4 12B

完整资料:Gemini 4 Neon(Google)和 Gemma 4 12B(Google),包括全部基准测试、价格和排名。

更新于 · 数据来自 4 个来源

截至 2026年11月19日,质量上 Gemini 4 Neon 领先 Gemma 4 12B(BenchLeader Index 67.3 比 49.7)。不过,Gemma 4 12B 更便宜,对方的价格是它的 40 倍(每百万 token 混合价格 $0.150 比 $6.00)。在两者都有成绩的所有类别中,Gemini 4 Neon 均领先。

要点(截至 2026年11月19日)

  • Gemini 4 Neon 的 BenchLeader Index 为 67.3,Gemma 4 12B 为 49.7(BenchLeader,2026年11月19日)。
  • Gemini 4 Neon 每百万 token 混合价格为 $6.00(标价,2026年11月19日)。
  • Gemma 4 12B 每百万 token 混合价格为 $0.150(标价,2026年11月19日)。
  • 在两者都有结果的 5 项基准测试中,Gemini 4 Neon 领先 5 项(BenchLeader,2026年11月19日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
智能体与工具调用Gemini 4 Neon类别得分 76 比 50;AutomationBench 79.2% 比 0.7%高
知识Gemini 4 Neon类别得分 72 比 18;AA-Omniscience v1.1 53.8 比 -52.3高
对话质量(人类偏好)–只有 Gemini 4 Neon 有 Arena 评分(类别得分 72)无法比较
成本最低Gemma 4 12B每百万 token 混合价格 $0.150 比 $6.00;智能体编程会话 $0.007 比 $0.240–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • 质量上 Gemini 4 Neon (high) 领先:67.3 比 49.7。
  • Gemini 4 Neon (high) 在智能体与工具、知识方面更强。
  • Gemma 4 12B (thinking) 更便宜,对方的价格是它的 40 倍(每百万 token 混合价格 $0.150 比 $6.00)。

概览

规格Gemini 4 NeonGemma 4 12B
提供商GoogleGoogle
发布日期2026年11月18日2026年6月3日
上下文窗口(token)1,048,576262,144
对比时的配置Gemini 4 Neon (high)Gemma 4 12B (thinking)
开放权重否是
每百万 token 价格(输入 / 输出 / 缓存输入)$3.00 / $15.00 / $0.150$0.100 / $0.300 / –

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Gemini 4 Neon (high)Gemma 4 12B (thinking)领先者
推理71.9–无法比较
编程73.4–无法比较
智能体与工具76.249.5Gemini 4 Neon
知识72.318.2Gemini 4 Neon
指令遵循–72.0无法比较
人类偏好71.7–无法比较
多模态–51.5无法比较
长上下文–56.1无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具知识指令遵循长上下文多模态人类偏好Gemini 4 Neon, 推理: 71.9Gemini 4 Neon, 编程: 73.4Gemini 4 Neon, 智能体与工具: 76.2Gemini 4 Neon, 知识: 72.3Gemini 4 Neon, 人类偏好: 71.7Gemma 4 12B, 智能体与工具: 49.5Gemma 4 12B, 知识: 18.2Gemma 4 12B, 指令遵循: 72.0Gemma 4 12B, 长上下文: 56.1Gemma 4 12B, 多模态: 51.5

虚线:该模型在所经过的轴上没有结果,线条只连接相邻的点。

未绘制(这些模型没有结果):数学。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 5 项基准测试中,Gemini 4 Neon 领先 5 项,Gemma 4 12B 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。

综合 IndexGemini 4 Neon (high)Gemma 4 12B (thinking)领先者
BenchLeader Index67.349.7Gemini 4 Neon

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Gemini 4 Neon (high)Gemma 4 12B (thinking)
每百万 token 混合价格$6.00$0.150
每百万 token 输入 / 输出$3.00 / $15.00$0.100 / $0.300
每百万 token 缓存输入$0.150–
每项任务价格:聊天回复$0.0057$0.0001
每项任务价格:总结一份 30 页的报告$0.045$0.0014
每项任务价格:代码编辑$0.041$0.0011
每项任务价格:智能体编程会话$0.240$0.0072
每项任务价格:结构化信息提取$0.0090$0.0003
智能体编程会话(输入大多命中缓存)$0.112–
每项基准测试任务成本(AA Index)$3.74–
每项任务输出 token(AA Index)90k–
其中推理部分46k–
每项任务耗时(AA Index)15 min–
输出速度101 tok/s–
首次回答时间40.6 秒–

每个模型都按其排名最高的推理强度设置进行对比。Gemini 4 Neon (high) 得分 67.3,首个回答 token 需 41 秒;Gemini 4 Neon (xhigh) 为 64.3(57 秒)。Gemma 4 12B (thinking) 得分 49.7。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 49 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Gemini 4 Neon (high)Gemma 4 12B (thinking)
BenchLeader IndexBenchLeader67.349.7
智能体与工具得分BenchLeader76.249.5
编程得分BenchLeader73.4–
人类偏好得分BenchLeader71.7–
知识得分BenchLeader72.318.2
推理得分BenchLeader71.9–
指令遵循得分BenchLeader–72.0
长上下文得分BenchLeader–56.1
多模态得分BenchLeader–51.5
混合价格(美元/百万 token)BenchLeader$6.00$0.150
输出速度BenchLeader101 tok/s–
首次回答时间BenchLeader40.6 秒–
上下文窗口BenchLeader1,048,576 token262,144 token
推理
Arena Hard PromptsArena (LMArena)1546–
LiveBench 2.0 ReasoningLiveBench89.6%†–
GPQA Diamond (AA)Artificial Analysis–75.3%
Humanity's Last Exam (AA)Artificial Analysis–15.7%
HLE-Diamond (AA)Artificial Analysis68.4%–
CritPtArtificial Analysis–0.0%
CritPt v2 hard subset (AA)Artificial Analysis59.0%–
Arena ExpertArena (LMArena)1541–
编程
Arena CodingArena (LMArena)1558–
Arena WebDevArena (LMArena)1764–
LiveBench 2.0 CodingLiveBench89.7%†–
Terminal-Bench 4.0 (AA)Artificial Analysis61.6%–
Terminal-Bench 2.1 (AA)Artificial Analysis–27.3%
FrontierCode 2.0 (AA)Artificial Analysis43.3%–
智能体与工具
Arena AgentArena (LMArena)18.4–
LiveBench Long AgenticLiveBench82.6%†–
LiveBench BrowserLiveBench95.6%†–
Terminal-Bench HardArtificial Analysis–18.2%
τ²-Bench Telecom (AA)Artificial Analysis–36.3%
GDPval-AA v2.1, normalised scoreArtificial Analysis–0.0%
GDPval-AA v2.1Artificial Analysis–435
Arena Agent Task CompletionArena (LMArena)19.2–
AutomationBenchArtificial Analysis79.2%0.7%
GDP.pdf (AA)Artificial Analysis33.4%1.8%
AA-Briefcase v1.1Artificial Analysis1632–
显示全部 49 项基准测试
指标发布方Gemini 4 Neon (high)Gemma 4 12B (thinking)
智能体与工具
Terminal-Bench-Science 0.1 (AA)Artificial Analysis65.7%–
MKA (AA)Artificial Analysis54.6%–
知识
LiveBench 2.0 Data AnalysisLiveBench85.3%†–
LiveBench ResearchLiveBench94.5%†–
AA-Omniscience v1.1Artificial Analysis53.8-52.3
AA-Omniscience v1.1: accuracyArtificial Analysis59.4%15.7%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis86.1%19.4%
指令遵循
IFBenchArtificial Analysis–73.5%
Arena Instruction FollowingArena (LMArena)1522–
人类偏好
Arena TextArena (LMArena)1519–
EQ-Bench Creative Writing v3EQ-Bench–1290†
Arena Creative WritingArena (LMArena)1514–
Arena Multi-turnArena (LMArena)1529–
Arena Longer QueriesArena (LMArena)1521–
多模态
LiveBench DesignLiveBench81.5%†–
MMMU-ProArtificial Analysis–69.7%
Humanity's Sixth SenseScale AI SEAL75.9%†–
长上下文
AA-LCR v1.1Artificial Analysis–63.7%
MLCRArtificial Analysis28.9%–
综合
LiveBench 2.0LiveBench87.4%†–
AA Intelligence Index v5.0.1Artificial Analysis59.6–
AA Intelligence Index v4.3.2Artificial Analysis–14.2
AA Progress Index v1Artificial Analysis–233.1
元数据
AA Openness IndexArtificial Analysis–38.9

数据截至 2026年11月19日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Gemini 4 Neon (high):13 项新结果(MLCR, MKA (AA), Arena Text…)。
  • Gemini 4 Neon (high):首批结果。
  • Gemma 4 12B (thinking):BenchLeader Index 52.3 → 49.4。
  • Gemma 4 12B (thinking):4 项新结果(AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy, AA-Omniscience v1.1: non-hallucination…)。
  • Gemma 4 12B (thinking):1 项新结果(AutomationBench)。
  • Gemma 4 12B (thinking):1 项新结果(AA Progress Index v1)。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Gemini 4 Neon vs Gemma 4 12B:常见问题

Gemini 4 Neon 比 Gemma 4 12B 更好吗?
质量上 Gemini 4 Neon (high) 领先:67.3 比 49.7。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月19日,Gemini 4 Neon (high) 总体领先,但请结合你的用途查看各类别得分。
Gemini 4 Neon 和 Gemma 4 12B 哪个更便宜?价格会变吗?
目前 Gemma 4 12B 更便宜:每百万 token $0.150 比 $6.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
智能体和工具调用用 Gemini 4 Neon 还是 Gemma 4 12B 更好?
Gemini 4 Neon 在智能体任务方面得分更高(类别得分 76 比 50,50 为平均水平)。
处理长文档哪个更好?
Gemini 4 Neon 支持更长的上下文:1,048,576 token,Gemma 4 12B 为 262,144 token。
第三方基准测试对 Gemini 4 Neon 和 Gemma 4 12B 的看法一致吗?
在两者都有结果的 5 项基准测试中,Gemini 4 Neon 领先 5 项,Gemma 4 12B 领先 0 项。所有同时评测两者的综合评分都认为 Gemini 4 Neon 更强。
更多问题(1)
Gemini 4 Neon 是什么时候发布的?
Gemini 4 Neon 于 2026年11月18日 发布。