AI 新知趨勢 / 數據更新至 2026 年 11 月 20 日
10 月 13 日 Gemini 4 Argon 上線,11 月 10 日 Carbon 正式開放、11 月 12 日 Hydrogen、11 月 18 日 Neon。36 天出了四款,後三款更擠在 8 天內。社群開始有人問:Google 是不是已經碰到 RSI(AI 自我改進 AI)了?
我自己這陣子最常用 Hydrogen,也一直在想「到底什麼時候該用哪一個」。這篇把官方模型卡、Artificial Analysis(以下簡稱 AA)的獨立測試、Cursor 的實測和 Google 11 月那篇自我改進論文攤開來對照,回答四個問題:四款模型各自的定位是什麼?跟 Claude 比起來誰強在哪?出得這麼快是 RSI 嗎?還有,實際工作該怎麼選?
30 秒看重點
36 天
四款 Gemini 4 陸續上線,後三款集中在 11/10 到 11/18 的 8 天內
61
Neon 最高推理強度的 AA 綜合指數,高於 Opus 5.5 的 59、低於 Fable 5.2 的 65
一半成本
AA 程式代理指數 Neon 59 分、每題 6.86 美元;Claude Code 搭 Opus 5.5 或 Fable 5.2 是 58 分、12.61 至 15.47 美元
同一條血統
模型卡寫明 Carbon 以 Argon 為基礎,Hydrogen、Neon 再由 Carbon 調整而來
權重沒動
Google 的 RSI 論文改進的是模型外圍的工作框架,不是模型本身
資料:Google DeepMind 模型卡、Artificial Analysis、Cursor、arXiv 2611.18856,詳見文末資料來源。
0136 天四款:不是一次發表,是一路疊上來
先把時間排清楚。很多人說「一個月四款」,精確來說是從 Argon 上線到 Neon 上線共 36 天;真正密集的是 11 月 10 日到 18 日這 8 天。
2026 年 9 月 30 日
Argon 公布(10 月 13 日正式上線,是第一個 Gemini 4 通用模型)
2026 年 10 月 28 日
Carbon 公布(先開放給 Google 資安防禦計畫的成員)
2026 年 11 月 10 日
Carbon 正式開放(付費 API 可用;Gemini App 只開給 Google AI Ultra)
2026 年 11 月 12 日
Hydrogen 上線(取代 3.8 Flash,成為 Gemini App 與搜尋 AI 模式的預設模型)
2026 年 11 月 18 日
Neon 上線(在 Gemini App 取代 Argon,AI Pro 就能用)
要記得
從 11 月 18 日起,Gemini App 的選單只剩 Hydrogen、Neon、Carbon 三款,Argon 已經由 Neon 取代。API 上 Argon 還在,但它和 Carbon 的導入價只到 11 月 30 日:每百萬 tokens 輸入/輸出 2/10 美元,12 月 1 日起變成 4/20 美元,比 Neon 的 3/15 美元還貴。
02四款怎麼分:Carbon 最重、Neon 最均衡、Hydrogen 最划算
四款模型的定位用 AA 綜合指數(Intelligence Index v5.0.1,涵蓋 9 項測驗)和 API 價格放在一起看,最清楚:
| 模型(定位) | AA 綜合指數 | API 價格(每百萬 tokens) |
|---|---|---|
| Argon 第一款通用模型,App 已由 Neon 取代 | 50(high) | 2/10 美元,12/1 起 4/20 |
| Carbon 最強的深度推理,App 只開給 Ultra | 60(high) | 同 Argon |
| Hydrogen 快又便宜,唯一有免費 API 額度 | 51(high) 54(xhigh) | 1.5/7.5 美元 |
| Neon 接近 Carbon 的實力、速度更快 | 60(high) 61(xhigh) | 3/15 美元 |
資料:Artificial Analysis Intelligence Index v5.0.1(2026 年 11 月 19 日前後)、Google Gemini API 定價。Google 自己公布的 Carbon 分數是 59,AA 網站目前列 60。
Carbon:深度推理王,代價是慢
Carbon 會花更多思考 tokens 反覆驗證,適合架構卡死、深層除錯、資安這類難題。代價是等很久:AA 測得 Carbon High 第一個答案 token 要等約 68 秒,Argon High 約 37 秒;跑完一題綜合指數的測驗,Carbon High 約 36 分鐘,Neon High 約 15 分鐘。在 Gemini App 和 Antigravity 裡,Carbon 只開給 Google AI Ultra(企業版也有),不過付費 API 任何人都能直接呼叫。
看數據,先看定義
「Carbon 要等幾秒」在不同地方會查到差很多的數字:AA 量的是推理模式下的首字延遲,OpenRouter 量的是一般請求的中位數延遲,各家閘道商的設定也不同。比較速度時,先確認是哪個平台、哪個推理強度、量的是首字還是整題。
Hydrogen:定位像 Haiku,實力卻接近 Sonnet
Hydrogen 的價格與速度像 Claude 的 Haiku,但能力高很多:最高推理強度 xhigh 拿 54 分,只比 Sonnet 5.5 的最高 55 分少 1 分(Haiku 5.5 是 36 分),每題成本約是 Sonnet 的三分之一。它在 AA 的長文件視覺推理測驗 GDP.pdf 並列第一,看圖表、PDF 其實是強項;比較弱的是要操作終端機的代理任務,Terminal-Bench 4.0 拿 54%,Carbon 是 65%。
要注意的是推理強度別調太低。AA 的幻覺測驗(不知道答案卻硬答的比例)顯示,Hydrogen 從 high 調到 low,幻覺率從約 8.7% 升到約 18.8%,綜合指數也從 51 掉到 27。
Hydrogen 推理強度調低,幻覺率會升高
AA-Omniscience 幻覺率:不知道答案時編造答案的比例,越低越好
low
medium
high(預設)
xhigh
資料:Artificial Analysis(2026 年 11 月),經 eesel.ai 整理。
Neon:最晚出、評價最好
Neon 的模型卡寫明是由 Carbon 調整而來。AA 測得 Neon High 和 Carbon High 同為 60 分,Neon xhigh 再到 61,排在 Fable 5.2 的 65、GPT-6.2 Astra 的 62 之後,高於 Opus 5.5 的 59。價格每百萬 tokens 3/15 美元,比 Opus 5.5 的 4/20 美元便宜 25%。缺點是話多:xhigh 跑完整套測驗輸出 2.83 億 tokens,同級模型中位數約 6,500 萬。
AA 綜合指數:Neon 已經超過 Opus 5.5
各模型在最高或預設推理強度的成績(v5.0.1)
Claude Fable 5.2(max)
Gemini 4 Neon(xhigh)
Gemini 4 Carbon(high)
Claude Opus 5.5(max)
Claude Sonnet 5.5(max)
Gemini 4 Hydrogen(xhigh)
Gemini 4 Argon(high)
※ 括號內是測試時的推理強度;同一個模型換推理強度,分數可以差很多。資料:Artificial Analysis(2026 年 11 月 19 日前後)。
03跟 Claude 比:Gemini 贏成本與長上下文,Claude 贏操作電腦與文書交付
最常被轉傳的一句是「Neon 搭 Antigravity 拿 59 分,打平 Claude Code」。這個分數來自 AA 的程式代理指數(Coding Agent Index),測的是「模型加上它的開發工具」整套跑程式任務:
程式代理指數:分數差 1 分,成本差一倍
AA Coding Agent Index,括號內為每題平均成本
Neon xhigh+Antigravity CLI(6.86 美元)
Fable 5.2 xhigh+Claude Code(15.47 美元)
Opus 5.5 max+Claude Code(12.61 美元)
Carbon high
資料:Artificial Analysis Coding Agent Index(2026 年 11 月),經 agentspulse、evolink 整理。
另一個常被拿來比的是 Cursor 自己的 CursorBench 4.1(取自真實 Cursor 工作階段的多檔案任務):Neon 最高推理強度 65.4%,Opus 5.5 58.1%。不過分項來看,雙方各有勝場:
| 項目(測什麼) | Gemini 4 | Claude Opus 5.5 |
|---|---|---|
| OSWorld-2.1 操作電腦介面 | Carbon 81.5% | 87.2% |
| Terminal-Bench 4.1 終端機程式任務 | Neon 65.2% | 65.8% |
| AA-Briefcase 做簡報、試算表等文書交付 | Neon 約 1700 Elo | 約 1800 Elo |
| GraphWalks 256K–1M 超長上下文推理 | Neon 95.2% | 66.8% |
| LVBench 長影片理解 | Neon 89.0% | 83.7% |
資料:Google Neon、Carbon 官方比較表(2026 年 11 月),AA-Briefcase 為 Artificial Analysis 數據。粗體為較高者。
所以大家的共識其實沒變:Claude 依然強在操作電腦、終端機程式和文書交付;Gemini 強在超長上下文、影音原生理解,以及每一分錢買到的效能。
作者體感
我自己用下來,最意外的是這四款的「中文寫作」——語感、用詞和段落節奏,是我目前用過的模型裡最順的。這是個人體感,目前沒有公開的中文寫作評測能佐證;你可以拿自己常寫的文案,四款各跑一次比比看。
04是 RSI 嗎?比較像「同一個底座、平行衍生」
網路上流傳一個說法:Argon 是四兄弟的基礎模型,後面三款都是在它上面做不同訓練的結果,所以 Google 才能這麼快出貨。去翻 Google DeepMind 的模型卡,這個說法有一半寫在官方文件裡:
Argon:從頭訓練的新模型
模型卡寫明它不是既有模型的修改或微調。
Carbon:以 Argon 為基礎
架構、訓練資料、硬體都請讀者參考 Argon 的模型卡。
Hydrogen、Neon:由 Carbon 調整而來
兩張卡用一模一樣的說法,四款的知識截止日也都是 2026 年 3 月。
模型卡沒有說「based on」「adapted from」具體改了什麼,所以「後訓練不同」仍是推論。但同一個底座、平行做不同調整,已經足以解釋 8 天連發三款,不需要假設模型在自己改自己。
那篇 Google 的自我改進論文在講什麼
11 月 13 日,Google Cloud AI、Google DeepMind 與賓州州立大學的研究者發表〈Self-Improvement Memory Enables Continual Recursive Self-Improvement〉(arXiv 2611.18856)。名字裡確實有 Recursive Self-Improvement,但被改進的對象是 harness,也就是模型外圍的工作框架(提示詞、工具、流程程式碼),負責解題的模型權重全程凍結。
它的做法是替「負責改 harness 的優化器」加一本筆記:每次修改的原因、預期效果、實際結果和測試情境都記下來,換了題庫或換了底層模型(例如從 Opus 換成 Gemini)也能接著改。在程式任務上,比只沿用舊 harness 平均多 2.36 分,十組比較贏了九組。
這篇論文是「AI 改善 AI 的工作環境」,不是「模型改寫自己的大腦」。
——整理自 arXiv 2611.18856 摘要與作者說明
RSI 是什麼
Recursive Self-Improvement,遞迴自我改進:系統提出修改、自己評估、留下有效的修改,再用改好的自己進行下一輪。大家擔心或期待的版本,是模型直接改進自己的訓練與權重;目前公開資料裡,Google 這四款模型沒有證據是這樣做出來的。
但,跑分不是全部
這一輪的數字很漂亮,讀的時候有幾件事要放在心上:
很多是廠商自己公布
Google 比較表的分數是自己跑的,而且沒有逐列標明用哪個推理強度;能交叉比對 AA、Vals、Cursor 等第三方的數字比較可靠。
推理強度決定一切
同一個 Neon,low 是 44 分、xhigh 是 61 分。比較兩個模型前,先確認雙方用的是同一級強度。
話多就是花錢
Neon、Hydrogen 的 xhigh 輸出 tokens 是同級中位數的好幾倍;單價便宜不等於帳單便宜。
剛上線常不穩
11 月中 Google 開發者論壇有不少付費用戶回報 Antigravity 裡的 Gemini 4 很慢或無法使用;正式導入前先用自己的任務測一輪。
05一句話選型
| 情境 | 建議 | 原因 |
|---|---|---|
| 最高難度:架構死結、深層除錯、資安稽核 | Carbon,設好逾時,當二線專家 | 思考最深,但首字可能等上一分鐘以上 |
| 一般混合開發:寫規格加大量改檔 | Neon 規劃+Hydrogen 執行 | Google 的 Antigravity 也採用大模型規劃、Hydrogen 平行執行的分工 |
| 快速日常:小腳本、補文件、自動化小任務 | Hydrogen,推理強度維持 high | 強度調低時幻覺率約翻倍 |
| 操作電腦、交付簡報與試算表 | Claude | OSWorld、AA-Briefcase 仍領先 |
| 完全不想選 | Neon | 綜合分數、速度、價格最均衡 |
依 2026 年 11 月 20 日的公開資料整理;模型更新很快,建議每月重新檢視。
如果只想記一句:不想選、只想找一個閉眼衝,就用 Gemini 4 Neon。
用學習的眼光看這一波
一個多月換四款模型,真正要練的不是背分數,而是一套「自己會驗證」的習慣。這也是我們一直想點燃的學習動機:工具會一直變,判斷力會留下來。
拿自己的題目測
挑 10 到 20 個真實工作任務,同一份提示詞、同一個推理強度,各模型跑一次。
記下時間與花費
不只看答得好不好,也記錄等了多久、用了多少 tokens。
每月回頭看一次
模型和價格一個月就會變;把測試題存起來,下次換模型直接重跑。
學生
把模型當成要查證的消息來源:同一題問兩個模型,答案不同時去找原始資料。
老師
備課與出題可用 Hydrogen 快速產出初稿,再用 Neon 或 Claude 做第二輪檢查。
企業
先決定任務類型再選模型,並把「每題成本」放進評估表,而不只看每百萬 tokens 的單價。
延伸學習
想把模型用得更準,可以從這幾門課開始:
也可以搭配閱讀:Gemini 新模型一次整理:Neon、Carbon、Hydrogen、Argon 性能、價格、誰能用、怎麼選、Gemini 4 Hydrogen 是什麼
本文重點
- Gemini 4 四款從 10/13 到 11/18 共 36 天上線,後三款集中在 8 天內;App 裡 Argon 已由 Neon 取代。
- AA 綜合指數:Neon 61、Carbon 60、Hydrogen 54、Argon 50;Neon 已高於 Opus 5.5 的 59,仍低於 Fable 5.2 的 65。
- 程式代理指數 Neon 搭 Antigravity 59 分,和 Claude Code 的 58 分相近,每題成本約一半。
- Claude 仍領先操作電腦、終端機與文書交付;Gemini 領先長上下文、影音理解與性價比。
- 模型卡寫明 Argon → Carbon → Hydrogen/Neon 的血統,快速出貨更像同底座平行衍生,不是模型自我改寫。
- Google 的 RSI 論文改進的是 harness,模型權重凍結。
想一想
如果哪天真的有模型能改進自己的訓練方式,你覺得「模型多久換一代」會變成幾天?到那時候,人最需要練的能力會是什麼?
資料來源
- Google DeepMind(2026/11/10)。Gemini 4 Carbon Model Card
- Google DeepMind(2026/11/12)。Gemini 4 Hydrogen Model Card
- Google(2026/11/18)。Introducing Gemini 4 Neon
- Google Cloud。Gemini 4 Neon 模型頁
- 9to5Google(2026/11/18)。Google launches Gemini 4 Neon
- Artificial Analysis。Gemini 4 Hydrogen (High) vs Carbon (High)
- Artificial Analysis。Claude Sonnet 5.5 Intelligence Index
- Artificial Analysis。Claude Fable 5.2 Intelligence Index
- heise online(2026/11)。Gemini 4 Hydrogen: Google’s efficient alternative to Argon and Carbon
- eesel.ai(2026/11)。Gemini 4 Hydrogen:推理強度與幻覺率
- agentspulse(2026/11)。Gemini 4 Neon Benchmarks: Cost per Task
- DataCamp(2026/11)。Gemini 4 Neon: Features, Benchmarks, Pricing
- Evolink(2026/11)。Gemini 4 Neon vs Claude Opus 5.5 for Coding and Cost
- Neurohive(2026/11)。Gemini 4 Neon:CursorBench 4.1 成本比較
- Lindy(2026/10)。Gemini 4 Carbon vs Claude Opus 5.5
- Apiyi(2026/11)。Gemini 4 Argon 與 Carbon 延遲比較
- OrcaRouter(2026/11)。Gemini 4 Neon: What Adapted From Carbon Leaves Undefined
- Yu et al.(2026/11/13)。Self-Improvement Memory Enables Continual Recursive Self-Improvement
- Google AI Developers Forum(2026/11)。Gemini 4 is slow(使用者回報)
本文封面插畫為 AI 生成的示意圖。
Edit with Tr.Bug
Follow me on:LinkedIn | 探教育TempEDU

