Anthropic 于 9 月 22 日发布了 Claude Opus 5.5。它承诺在大多数工作中达到 Fable 级别的性能,价格比 Opus 5 低 40%。两个月后,也就是昨天,Google 发布了 Gemini 4 Neon,这是一款由 Gemini 4 Carbon 改造而来的中端模型。
在 Neon 的发布中,Google 非常直截了当地将 Neon 与 Opus 5.5 做比较,这是发布的核心重点。所有基准都以名称直比 Opus 5.5,且 Neon 的标价在每种 token 上都更低。
在深入对比之前,建议订阅我们的每周通讯 The Median ,随时掌握最重磅的模型发布动态。
要点速览
在 Google 的模型卡上,Neon 在大多数基准上领先 Opus 5.5,其中两项最大领先之一体现在长上下文推理。
Opus 5.5 在终端编码与“可直接合并”的代码修改上略占优势。
在我们的总理象棋测试中,两者每次都写出了正确的规则集,但只有 Neon 的引擎每盘都获胜。
Neon 的每个 token 便宜 25%,且其每次测试运行的成本大约只有对手的一半。
长文档、多媒体与注重成本的智能体选 Neon;终端密集型编码、Claude Code 以及更广的云覆盖选 Opus 5.5。
什么是 Gemini 4 Neon?
Gemini 4 Neon 是 Google 的中端 Gemini 4 模型,于 2026 年 11 月发布,并由 Gemini 4 Carbon 改造而来。
Google 将其定位为具备前沿级智能、并能快速端到端完成任务:在复杂的软件、知识与科学任务上,它用更少的步骤完成,相比 Carbon 具有四档思考层级,可在深度与速度间权衡。
我们的 Gemini 4 Carbon 指南 介绍了 Neon 的母型,而我们的 Gemini 4 Hydrogen API 教程 讲解了共用的 Gemini 4 API。
什么是 Claude Opus 5.5?
Claude Opus 5.5 是 Anthropic 面向长时智能体式编码与知识工作的旗舰模型,于 2026 年 9 月发布。
其卖点是效率:Anthropic 称其在大多数工作上能达到 Claude Fable 5.1 的水平,同时每个任务使用的 token 比 Opus 5 更少,并被推荐为开发者的首选模型。
我们的 Claude Opus 5.5 指南 涵盖了发布内容,而 Opus 5.5 API 教程 用它构建了一个 AI 事件调查员。
Gemini 4 Neon vs Claude Opus 5.5:正面交锋
下面所有正面对比分数均来自 Google 的 Neon 模型卡——目前唯一在相同基准上同时测试两款模型的来源。在两者都有分数的 18 行中,Neon 领先 16 行,其余两行 Opus 5.5 也仅以约 1 分的优势领先。
特性 Gemini 4 Neon Claude Opus 5.5 开发商与发布时间 Google,2026 年 11 月 18 日 Anthropic,2026 年 9 月 22 日 上下文窗口 1,048,576 tokens,输入、思考与输出共享 100 万 tokens 同步输出上限 64K tokens(长解码可达 100 万) 128K tokens 推理控制 思考层级:low、medium、high(默认)、xhigh Effort:low、medium(默认)、high、xhigh、max GraphWalks(256K–1M,BFS F1) 95.2% 66.8% CursorBench 4.1 65.4% 58.1% Terminal-bench 4.1 65.2% 65.8% HLE-Diamond 71.3% 67.9% 每个 token 的价格 输入、输出与缓存读取均低 25% 基线
长上下文与知识工作
长上下文推理呈现出对比中的两个最大差距之一,而且是唯一一个无需“跑分夹具”备注也能站得住的差距。在 GraphWalks(要求模型遍历分布于 256K 至 100 万 token 输入中的图)上,Neon 得分 95.2%,而 Opus 5.5 为 66.8%。两者都能接受约 100 万 token,但按 Google 的数据,Neon 在利用窗口极限方面明显更强。
基准 Gemini 4 Neon Claude Opus 5.5 说明 GraphWalks(256K–1M,BFS F1) 95.2% 66.8% 长上下文图遍历 AA Index v5.0.1 61 59 Artificial Analysis 复合指数 Vals Index v2.2 70.9% 70.1% 复合指数 Agents' Last Exam v1.1 75.8% 71.6% 智能体任务 MKA(Climb WSR) 56.5% 53.0% 以胜率呈现
广义指数相差不大:AA 指数领先 2 分、Vals 指数不足 1 分,这类差距正是 Anthropic 自己所说的、对真实差异的指引性在减弱。Anthropic 为 Opus 5.5 展示的强项是知识工作,其中 GDPval-AA v2.1 得分为 1846 Elo,但 Google 的模型卡未报告 GDPval,因此该说法在 Neon 侧没有可比数据。
对于整篇长文档、合同与整库代码放入上下文的场景,就公开数据而言,Neon 是更强的选择。
编码与智能体工作流
编码是最接近的一维。Opus 5.5 在终端工作与可合并代码改动上微弱领先,而 Neon 在 CursorBench 4.1(来自真实 Cursor 会话的多文件含糊任务)上领先约 7 分,在 Zapier 的 AutomationBench 上领先约 14 分。
基准 Gemini 4 Neon Claude Opus 5.5 说明 CursorBench 4.1 65.4% 58.1% 来自 Cursor 会话的多文件任务 Terminal-bench 4.1 65.2% 65.8% 作弊校正后的准确率 FrontierCode 2.0 46.2% 47.3% 该改动是否会被合并 SWE-sweep(供应商夹具) 39.0% 10.1% 在 Mini-SWE 夹具上为 12.8% vs 3.6% AutomationBench 56.3% 42.5% 跨连接应用的业务流程
看这些编码数据需持谨慎态度:
Google 为其模型卡自行运行了 Opus 5.5,Anthropic 尚未公布 Neon 的分数。
Anthropic 报告的是旧版本同套件的分数(Terminal-Bench 4.0、CursorBench 4.0、FrontierCode v1.1),因此其数据无法与 Google 的直接对比。
SWE-sweep 在不同夹具上的分数可相差三倍,因此那一行更能说明脚手架差异,而非模型本身。
对于智能体式编码,按基准可视为平手:Opus 5.5 在终端侧略占先,Neon 在编辑器式工作流中领先。
科学与推理
Neon 在三项科学与推理指标上均领先。差距最清晰的是 Terminal-Bench-Science 0.1(在命令行中运行的智能体研究基准),Neon 得分 70.5%,对比 63.3%。Neon 还在 RiemannBench(84.0% vs 80.0%)与 HLE-Diamond 上领先。差距稳定而非悬殊,但一致指向同一方向,因此 Neon 更适合作为量化与科学工作流的默认选择。
多模态理解
Neon 在视频上领先:LVBench 得分 89.0% 对比 83.7%;在图表阅读上也领先:Chartography 得分 73.5% 对比 66.3%。图表结果有一条备注:Anthropic 报告在“带工具”的 Chartography 上,Opus 5.5 为 89.0%,与 Google 的运行设置不同,因此差距取决于是否允许工具。
网络安全
Neon 在两项共享安全指标上均领先:CWE-Bench v2 上 70.7% 对 67.1%,WebExploitBench v1.2 上 51.3% 对 37.1%。两家厂商都将其最强的进攻能力置于验证项目后:Google 的 Fairwind Program 与 Anthropic 的 Cyber Verification Program。因此对防守方来说,决定性因素是您能通过哪一项计划的资质,而非几个基准点数。
定价:您实际会付多少钱
Neon 的费率在输入、输出与缓存读取上恰为 Opus 5.5 的 0.75 倍,因此整个定价对比可归结为一个数字:Neon 的每个 token 更便宜 25%。
Token 费率一览
费率 Gemini 4 Neon Claude Opus 5.5 输入,每 100 万 tokens $3.00 $4.00 输出,每 100 万 tokens $15.00 $20.00 缓存输入读取,每 100 万 tokens $0.15 $0.20 缓存写入,每 100 万 tokens 不适用(仅隐式缓存) $5.00(5 分钟缓存) 批量折扣 50% 50% 长上下文附加费 在 100 万窗口内无 在 100 万窗口内无 面向消费者的访问 Google AI Pro 与 Ultra Claude Pro、Max、Team 与 Enterprise
由于输入与输出的倍数相同,任何工作负载形态都不会颠倒结论。Neon 的输出价包含思考 tokens,因此更高的思考层级会以 $15 的费率抬高账单。唯一的结构性差异是缓存:Opus 5.5 允许以溢价显式写入缓存项,而 Neon 仅隐式缓存,因此其缓存读取费率仅在 Google 的缓存命中时适用。
真实工作负载要花多少钱
工作负载(月度) Gemini 4 Neon Claude Opus 5.5 差额 均衡助手:100 万入 / 25 万出 $6.75 $9.00 Neon 便宜 $2.25(25%) 生成密集:100 万入 / 400 万出 $63.00 $84.00 Neon 便宜 $21(25%) 重缓存循环:10 万前缀写入一次,1,000 次缓存读取,每次 5K 入 / 1K 出 $45.30 $60.50 Neon 便宜 $15.20(25%)
每个总额为(用量 ÷ 100 万)× 费率,在标准费率下对输入与输出求和。重缓存一行假设 1,000 次读取全部命中缓存;Opus 5.5 可通过显式缓存写入保证命中,而 Neon 的隐式缓存无法保证。两款模型使用不同的分词器,且两家均未公布共享工作负载的 token 统计,因此这些总额应视为费率对比,而非账单。
Gemini 4 Neon 与 Claude Opus 5.5 的实测表现
为了比较模型,我用相同提示与相同工具各跑了一次构建。
我的要求:构建一个单页网页,让它自我对弈完整一盘象棋。这次我要求的是一种象棋变体——总理象棋 ,双方的后被总理替代,这是一枚既可按车走也可按马走的棋子。(总理有时也被称为 Empress 或 Elephant。)
无论如何,每个模型都得从零写出规则与搜索引擎、绘制棋盘与新棋子、用代数记谱维护着法列表,并以正确结果收官。
我之所以选用象棋变体,是因为模型不能依赖其记忆中的象棋代码。总理会在一些不易察觉的地方改变规则,例如:
在初始位置,总理可以跳至 c3 或 e3,因此白方首着的合法着法从 20 增至 22;
总理的马跳可以将军,或攻击国王易位路径中的格子;
若“吃过路兵”会暴露同一行上的总理对己方王的攻击,则该吃法不合法;
兵只能升变为总理、车、象或马,不能升后。
我使用的提示只列出了该变体的规则,而未点出这些更隐蔽的边界情形。
下面是 Neon 的终局:以王、总理与两兵将死孤王。之所以有意思,是因为您可能期望看到白方最后一枚棋子在 G7,但在该变体中那会形成逼和,因此它的选择是正确的。
Opus 5.5 则处理了更隐蔽的子力。黑方在终局时多出一马一兵,但白方的总理从一个格子到另一个格子不断将军。黑方引擎始终没找到解法,最终成和:
主要结论:
两款模型都懂规则,包括总理。 我运行了二十多次模拟。没有一次出现不合法走子,我也未见到记谱错误,尽管并未逐步核对所有着法的记谱。
Neon 的引擎会终结对局,而 Opus 5.5 的引擎常选择和棋。 奇怪的是,Neon 的 12 盘都以将死收场,而 Opus 5.5 只有一半对局以将死结束。
Neon 对新棋子的绘制更清晰。 三版 Neon 页面都将总理画成一枚复合棋子:车身配马头。三版 Opus 5.5 页面中有两版将小车与小马并排挤在一个格子里,我觉得看起来像错误。
两款模型构建页面的方式不同。 Opus 5.5 先整体规划程序并一次性写出;Neon 分五步写出,每次生成的文件更大。
永将对白方引擎而言是不错的防守,但在子力多出的情况下不该允许被永将。
指标 Gemini 4 Neon Claude Opus 5.5 将死收官的对局数(共 12 盘) 12 7 和棋(共 12 盘) 0 5 每次运行的步骤数 5 1 每次运行成本(美元) $0.90 $1.70
Neon 赢下了这项测试。Neon 的引擎把每盘都转化为将死,而且每次运行的成本约为对手的一半,加之棋子更易辨认。也许 Google DeepMind CEO Demis Hassabis 的基因在起作用。(Demis 童年是象棋神童。)
话虽如此,Opus 5.5 的逼和示例也很巧妙,不易找到。
何时选择 Gemini 4 Neon,何时选择 Claude Opus 5.5
分野通常在上下文长度与价格。Neon 的长上下文优势在您的输入超过 256K tokens 时最为重要,而其 25% 更低的费率在大规模时意义最大。
在以下情况下选择 Gemini 4 Neon…
您会将整份文档或整库代码放入上下文。 Neon 的长上下文领先是 Google 模型卡上两大差距之一。
您处理视频、图表或科学数据。 在 Google 同时报告的多模态与科学行中,Neon 全部领先。
您要以高频运行智能体。 每个 token 便宜 25%,且在我们的测试中,Neon 的每次运行成本约为 Opus 5.5 的一半。
您构建在 Google 技术栈上。 Neon 已进入 Google AI Studio、Vertex AI 与 Google Antigravity,并可在多模型工作流中与 Hydrogen 搭配。
在以下情况下选择 Claude Opus 5.5…
您的编码主要在终端或 Claude Code 中进行。 Opus 5.5 在 Terminal-bench 4.1 与 FrontierCode 2.0 上略有领先,且 Claude Code 是 Anthropic 自家的智能体。
您需要在单次响应中返回超长答案。 Opus 5.5 可同步返回最多 128K tokens,是 Neon 默认上限的两倍,而无需切换至后台长解码。
您部署在 AWS 或 Azure。 Opus 5.5 覆盖 Amazon Bedrock 与 Microsoft Foundry,以及 Vertex AI。
您希望可预测的缓存机制。 显式缓存写入可保证在重复前缀上享受更便宜的缓存读取费率。
如何开始使用 Gemini 4 Neon 与 Claude Opus 5.5
接入面 Gemini 4 Neon Claude Opus 5.5 消费者应用 Gemini 应用(面向 Google AI Pro 与 Ultra) Claude 应用(Pro、Max、Team、Enterprise) 一方 API Gemini API(付费层)、Google AI Studio Claude API 云平台 Vertex AI Amazon Bedrock、Vertex AI、Microsoft Foundry 编码智能体 Google Antigravity、GitHub Copilot、Cursor Claude Code、GitHub Copilot、Cursor 第三方路由器 OpenRouter OpenRouter API 模型 ID gemini-4-neon claude-opus-5-5
最大的可用性差异在云覆盖面:Opus 5.5 可在 Amazon Bedrock、Vertex AI 与 Microsoft Foundry 上运行,而我们仅在 Google Cloud 找到 Neon。截至 2026 年 11 月 19 日,Neon 未出现在 Gemini CLI 模型文档中。原生模型 ID 分别是 gemini-4-neon 与 claude-opus-5-5;在 OpenRouter 上分别是 google/gemini-4-neon 与 anthropic/claude-opus-5.5。
发出您的第一个 API 调用
两家的原生 SDK 不同,因此用同一提示快速比较的捷径是 OpenRouter 的 OpenAI 兼容端点,切换模型只需改一个字符串:
from openai import OpenAI
client = OpenAI( base_url= "https://openrouter.ai/api/v1" , api_key= "YOUR_OPENROUTER_KEY" )
response = client. chat. completions. create(
model= "google/gemini-4-neon" ,
messages= [ { "role" : "user" , "content" : "Refactor this module and explain each change." } ] ,
)
print ( response. choices[ 0 ] . message. content) 技术支持
在原生 API 上,Neon 的推理深度由 thinking_level 设置,Opus 5.5 则由 effort 设置。我们的 Opus 5.5 API 教程 与 Gemini 4 Hydrogen API 教程 对各自 SDK 有完整讲解。
结语
在 Google 自家的基准上,Gemini 4 Neon 以更低价格在多数测试中胜出,而我们的象棋测试也得出相同方向:两款模型都严格遵循规则,但只有 Neon 的引擎每盘都收官,且每次运行成本约为对手的一半。编码类基准足够接近,以致 Opus 5.5 仍是终端工作的合理之选。
我的建议 :如果您处理长输入、媒体或高频智能体,优先试用 Neon。若您的团队已使用 Claude Code,或部署在 AWS 或 Azure 上,Opus 5.5 仍是更方便的选择,且质量差距不大。而如果您想在本机创建象棋变体模拟(我知道这不太可能),请选择 Neon。
要用 Anthropic 的模型进行构建,欢迎学习我们的 Introduction to Claude Models 课程。
Anthropic 于 9 月 22 日发布了 Claude Opus 5.5。它承诺在大多数工作中达到 Fable 级别的性能,价格比 Opus 5 低 40%。两个月后,也就是昨天,Google 发布了 Gemini 4 Neon,这是一款由 Gemini 4 Carbon 改造而来的中端模型。
在 Neon 的发布中,Google 非常直截了当地将 Neon 与 Opus 5.5 做比较,这是发布的核心重点。所有基准都以名称直比 Opus 5.5,且 Neon 的标价在每种 token 上都更低。
在深入对比之前,建议订阅我们的每周通讯 The Median,随时掌握最重磅的模型发布动态。
要点速览
什么是 Gemini 4 Neon?
Gemini 4 Neon 是 Google 的中端 Gemini 4 模型,于 2026 年 11 月发布,并由 Gemini 4 Carbon 改造而来。
Google 将其定位为具备前沿级智能、并能快速端到端完成任务:在复杂的软件、知识与科学任务上,它用更少的步骤完成,相比 Carbon 具有四档思考层级,可在深度与速度间权衡。
我们的 Gemini 4 Carbon 指南介绍了 Neon 的母型,而我们的 Gemini 4 Hydrogen API 教程讲解了共用的 Gemini 4 API。
什么是 Claude Opus 5.5?
Claude Opus 5.5 是 Anthropic 面向长时智能体式编码与知识工作的旗舰模型,于 2026 年 9 月发布。
其卖点是效率:Anthropic 称其在大多数工作上能达到 Claude Fable 5.1 的水平,同时每个任务使用的 token 比 Opus 5 更少,并被推荐为开发者的首选模型。
我们的 Claude Opus 5.5 指南涵盖了发布内容,而 Opus 5.5 API 教程用它构建了一个 AI 事件调查员。
Gemini 4 Neon vs Claude Opus 5.5:正面交锋
下面所有正面对比分数均来自 Google 的 Neon 模型卡——目前唯一在相同基准上同时测试两款模型的来源。在两者都有分数的 18 行中,Neon 领先 16 行,其余两行 Opus 5.5 也仅以约 1 分的优势领先。
长上下文与知识工作
长上下文推理呈现出对比中的两个最大差距之一,而且是唯一一个无需“跑分夹具”备注也能站得住的差距。在 GraphWalks(要求模型遍历分布于 256K 至 100 万 token 输入中的图)上,Neon 得分 95.2%,而 Opus 5.5 为 66.8%。两者都能接受约 100 万 token,但按 Google 的数据,Neon 在利用窗口极限方面明显更强。
广义指数相差不大:AA 指数领先 2 分、Vals 指数不足 1 分,这类差距正是 Anthropic 自己所说的、对真实差异的指引性在减弱。Anthropic 为 Opus 5.5 展示的强项是知识工作,其中 GDPval-AA v2.1 得分为 1846 Elo,但 Google 的模型卡未报告 GDPval,因此该说法在 Neon 侧没有可比数据。
对于整篇长文档、合同与整库代码放入上下文的场景,就公开数据而言,Neon 是更强的选择。
编码与智能体工作流
编码是最接近的一维。Opus 5.5 在终端工作与可合并代码改动上微弱领先,而 Neon 在 CursorBench 4.1(来自真实 Cursor 会话的多文件含糊任务)上领先约 7 分,在 Zapier 的 AutomationBench 上领先约 14 分。
看这些编码数据需持谨慎态度:
对于智能体式编码,按基准可视为平手:Opus 5.5 在终端侧略占先,Neon 在编辑器式工作流中领先。
科学与推理
Neon 在三项科学与推理指标上均领先。差距最清晰的是 Terminal-Bench-Science 0.1(在命令行中运行的智能体研究基准),Neon 得分 70.5%,对比 63.3%。Neon 还在 RiemannBench(84.0% vs 80.0%)与 HLE-Diamond 上领先。差距稳定而非悬殊,但一致指向同一方向,因此 Neon 更适合作为量化与科学工作流的默认选择。
多模态理解
Neon 在视频上领先:LVBench 得分 89.0% 对比 83.7%;在图表阅读上也领先:Chartography 得分 73.5% 对比 66.3%。图表结果有一条备注:Anthropic 报告在“带工具”的 Chartography 上,Opus 5.5 为 89.0%,与 Google 的运行设置不同,因此差距取决于是否允许工具。
网络安全
Neon 在两项共享安全指标上均领先:CWE-Bench v2 上 70.7% 对 67.1%,WebExploitBench v1.2 上 51.3% 对 37.1%。两家厂商都将其最强的进攻能力置于验证项目后:Google 的 Fairwind Program 与 Anthropic 的 Cyber Verification Program。因此对防守方来说,决定性因素是您能通过哪一项计划的资质,而非几个基准点数。
定价:您实际会付多少钱
Neon 的费率在输入、输出与缓存读取上恰为 Opus 5.5 的 0.75 倍,因此整个定价对比可归结为一个数字:Neon 的每个 token 更便宜 25%。
Token 费率一览
由于输入与输出的倍数相同,任何工作负载形态都不会颠倒结论。Neon 的输出价包含思考 tokens,因此更高的思考层级会以 $15 的费率抬高账单。唯一的结构性差异是缓存:Opus 5.5 允许以溢价显式写入缓存项,而 Neon 仅隐式缓存,因此其缓存读取费率仅在 Google 的缓存命中时适用。
真实工作负载要花多少钱
每个总额为(用量 ÷ 100 万)× 费率,在标准费率下对输入与输出求和。重缓存一行假设 1,000 次读取全部命中缓存;Opus 5.5 可通过显式缓存写入保证命中,而 Neon 的隐式缓存无法保证。两款模型使用不同的分词器,且两家均未公布共享工作负载的 token 统计,因此这些总额应视为费率对比,而非账单。
Gemini 4 Neon 与 Claude Opus 5.5 的实测表现
为了比较模型,我用相同提示与相同工具各跑了一次构建。
我的要求:构建一个单页网页,让它自我对弈完整一盘象棋。这次我要求的是一种象棋变体——总理象棋,双方的后被总理替代,这是一枚既可按车走也可按马走的棋子。(总理有时也被称为 Empress 或 Elephant。)
无论如何,每个模型都得从零写出规则与搜索引擎、绘制棋盘与新棋子、用代数记谱维护着法列表,并以正确结果收官。
我之所以选用象棋变体,是因为模型不能依赖其记忆中的象棋代码。总理会在一些不易察觉的地方改变规则,例如:
我使用的提示只列出了该变体的规则,而未点出这些更隐蔽的边界情形。
下面是 Neon 的终局:以王、总理与两兵将死孤王。之所以有意思,是因为您可能期望看到白方最后一枚棋子在 G7,但在该变体中那会形成逼和,因此它的选择是正确的。
Opus 5.5 则处理了更隐蔽的子力。黑方在终局时多出一马一兵,但白方的总理从一个格子到另一个格子不断将军。黑方引擎始终没找到解法,最终成和:
主要结论:
永将对白方引擎而言是不错的防守,但在子力多出的情况下不该允许被永将。
Neon 赢下了这项测试。Neon 的引擎把每盘都转化为将死,而且每次运行的成本约为对手的一半,加之棋子更易辨认。也许 Google DeepMind CEO Demis Hassabis 的基因在起作用。(Demis 童年是象棋神童。)
话虽如此,Opus 5.5 的逼和示例也很巧妙,不易找到。
何时选择 Gemini 4 Neon,何时选择 Claude Opus 5.5
分野通常在上下文长度与价格。Neon 的长上下文优势在您的输入超过 256K tokens 时最为重要,而其 25% 更低的费率在大规模时意义最大。
在以下情况下选择 Gemini 4 Neon…
在以下情况下选择 Claude Opus 5.5…
如何开始使用 Gemini 4 Neon 与 Claude Opus 5.5
最大的可用性差异在云覆盖面:Opus 5.5 可在 Amazon Bedrock、Vertex AI 与 Microsoft Foundry 上运行,而我们仅在 Google Cloud 找到 Neon。截至 2026 年 11 月 19 日,Neon 未出现在 Gemini CLI 模型文档中。原生模型 ID 分别是
gemini-4-neon与claude-opus-5-5;在 OpenRouter 上分别是google/gemini-4-neon与anthropic/claude-opus-5.5。发出您的第一个 API 调用
两家的原生 SDK 不同,因此用同一提示快速比较的捷径是 OpenRouter 的 OpenAI 兼容端点,切换模型只需改一个字符串:
在原生 API 上,Neon 的推理深度由
thinking_level设置,Opus 5.5 则由effort设置。我们的 Opus 5.5 API 教程 与 Gemini 4 Hydrogen API 教程对各自 SDK 有完整讲解。结语
在 Google 自家的基准上,Gemini 4 Neon 以更低价格在多数测试中胜出,而我们的象棋测试也得出相同方向:两款模型都严格遵循规则,但只有 Neon 的引擎每盘都收官,且每次运行成本约为对手的一半。编码类基准足够接近,以致 Opus 5.5 仍是终端工作的合理之选。
我的建议:如果您处理长输入、媒体或高频智能体,优先试用 Neon。若您的团队已使用 Claude Code,或部署在 AWS 或 Azure 上,Opus 5.5 仍是更方便的选择,且质量差距不大。而如果您想在本机创建象棋变体模拟(我知道这不太可能),请选择 Neon。
要用 Anthropic 的模型进行构建,欢迎学习我们的 Introduction to Claude Models 课程。