Cognition 11 月 19 日在 X 上公布 Gemini 4 Neon 的 FrontierCode 2.0 成绩:46.2%,每任务 4.38 美元,是 Gemini 系列在该基准上的最好成绩。官方排行榜显示它排第三,仅次于 Claude Fable 5.2(50.2%)和 Claude Opus 5.5(47.3%),高于 GPT-6.2 Astra(44.2%)。Cognition 称其成本约为 Opus 5.5 的三分之一,并已在 Devin Desktop 和 Devin CLI 中上线。

核心要点速览

  • ✓来源:@cognition 11 月 19 日帖子与 cognition.com/frontiercode 官方排行榜(更新日志:Added Gemini 4 Neon)
  • ✓Gemini 4 Neon:46.2%,每任务 4.38 美元,Gemini 系列最高
  • ✓排行榜前列:Fable 5.2 50.2%、Opus 5.5 47.3%、Neon 46.2%、GPT-6.2 Astra 44.2%、GPT-6.2 Sol 43.8%、Gemini 4 Carbon 42.6%
  • ✓Cognition 称 Neon 与 Opus 5.5 相差约 1 分,成本约为其三分之一;Opus 5.5 具体单任务成本原帖未给出
  • ✓Gemini 4 Neon 已可在 Devin Desktop 和 Devin CLI 中选用
Cognition:Gemini 4 Neon 在 FrontierCode 2.0 拿下 46.2%,与 Opus 5.5 相差约 1 分、成本约三分之一,已上线 Devin Desktop 与 CLI
🖼️要闻配图
点击全屏高清查看
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟

🔬

深度技术解析与实战评估

核心背景与行业痛点

Google 11 月 18 日发布 Gemini 4 Neon,定位介于 Hydrogen 和 Carbon 之间,官方公布了多项第三方榜单成绩。但对写代码的团队来说,更关键的问题是模型产出的 PR 能否真正被合并。FrontierCode 由 Cognition 联合开源维护者出题,2.0 版有 132 个任务,标准就是「维护者会不会合并这个 PR」,至今远未饱和。

架构亮点与底层机制

FrontierCode 的分数是各评分项的加权汇总,没通过阻断性判定项的解直接记 0 分;成本按公开 API 列表价计算每次运行的平均花费。模型可以查文档、搜报错,但查阅含答案的来源(如原始 PR)即记 0 分。Cognition 原帖没有说明 Neon 使用的推理强度,排行榜上可按推理强度展开查看得分与成本曲线。

权威 Benchmark 与实测跑分对比

据 Cognition 原帖:Gemini 4 Neon 得分 46.2%,每任务 4.38 美元,与 Opus 5.5 相差约 1 分,成本约为其三分之一。官方排行榜 前列依次为 Claude Fable 5.2 50.2%、Claude Opus 5.5 47.3%、Gemini 4 Neon 46.2%、GPT-6.2 Astra 44.2%、GPT-6 Astra 44.0%、GPT-6.2 Sol 43.8%、Gemini 4 Carbon 42.6%、Claude Sonnet 5.5 42.2%。也就是说 Neon 在这项测试上超过了 OpenAI 当前所有模型,比上一代 Carbon 高约 3.6 个百分点。以上为 Cognition 自测,不是 Google 官方成绩。

开发者实战落地与开箱指南

Devin 用户现在可以在 Devin Desktop 和 Devin CLI 里直接切换到 Gemini 4 Neon。如果你在给编程 agent 选底座模型,Neon 是目前「接近顶级得分、成本明显更低」的选项,值得在自己的仓库上和 Opus 5.5、Fable 5.2 做对比。不过 46.2% 仍意味着多数任务的解达不到合并标准,人工审查和测试不能省。

实战指南准备好将技术转化为生产力?

即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

接着读Artificial Analysis 发布 Coding Agent Index v2.1:换用 FrontierCode 2.0 与 Terminal-Bench 4.1,Claude Fable 5.2 与 Opus 5.5 以 58 分并列第一,各配置平均降 5 分
立即阅读→