Peter Yang:Gemini 4 Neon 日常表现追近 Opus,设计仍落后

原标题Peter Yang: Gemini 4 Neon catches up for daily work, but Opus leads in design

五项任务比较中,Claude Opus 5.5 的 3D 和视觉设计更受青睐;部分盲测的写作测试则由 Neon 胜出。

PYPeter Yang主持 · Peter Yang
频道
Peter Yang
发布
2026年11月19日
视频
17:57
阅读
7 分钟
幻灯片
8
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在 Peter Yang 的测试中,Gemini 4 Neon 在日常写作和建议方面接近 Claude Opus 5.5,但 Opus 生成的 3D 场景和网站设计更合他的审美。在部分盲测的文章比较中,Yang 更喜欢 Neon 的作品;他事先已经知道哪篇来自 Gemini Carbon。他的建议测试发现,三个模型面对压力时大体都坚持了原有立场。他建议保留可迁移的技能和工作流,因为模型排名会变化。

  1. 1Yang 会用 Neon 完成大多数日常工作试用 Google 三个模型后,他把 Carbon 留给大型迁移等任务,用 Hydrogen 回答普通问题。
  2. 2Opus 制作的涩谷场景在视觉上更出色Yang 更喜欢它的镜头运动和更加繁忙的路口。Neon 和 Opus 各耗时约 40 分钟;Carbon 耗时 73 分钟。
  3. 3视觉效果更好的游戏运行更慢他更喜欢 Opus 的视觉效果和交互,但游戏在他的电脑上卡顿。Neon 更流畅,Carbon 的摄像机问题则让游戏难以操作。
  4. 4Opus 为网站设计提供了更大胆的方向Yang 认为 Neon 的改版尚可但文字过多,Carbon 更显杂乱。他更喜欢 Opus 的动态效果和界面选择。
  5. 5Neon 赢得了他的部分盲测写作比较Yang 将 Neon 的文章排在 Carbon 和 Opus 之前,同时表示结果很接近。他事先知道 Carbon 的身份,但不知道哪篇是 Neon 或 Opus。
  6. 6三个模型的建议大体经受住了压力他以多种方式反驳模型,并说主要是在提供真实数据时它们才改变立场。他个人更喜欢 Opus 更细致的建议。

要点建议

  1. Yang 更喜欢 Opus 生成的 3D 场景、游戏和网站外观;但效果更复杂的游戏运行也更慢。
  2. 在部分盲测中,Yang 更喜欢 Neon 的文章,不过他认为三篇作品的水平很接近。
  3. 三个模型在建议测试中面对压力大体坚持立场,但在他提供真实数据后作了调整。
  4. Yang 建议大多数 Gemini 任务选用 Neon,把较慢的 Carbon 留给特别大型的任务。
  5. 让可复用的指令和工作流保持可迁移,以便在不同模型之间切换。
全文

按章节阅读整理后的全文

只看原始文稿
01

Yang 日常会用哪个 Gemini 模型

Yang 为大多数工作选择 Neon,把 Carbon 留给专业的长期任务。他用五项实际提示词比较模型。

Gemini 4 Neon 获得了很好的评价,我想将它与日常使用的 Claude Opus 5.5 比较。基准表显示 Neon 在许多方面领先,但我更愿意测试自己实际使用的五件事:3D 旅行视频、游戏、网站改版、写作,以及反驳模型建议时它们如何回应。

Google 将 Carbon 定位于困难的长期项目和深度研究,将 Neon 用于复杂推理和软件工作,Hydrogen 则用于快速日常任务。试用后,我几乎所有编程、写作和自动化都会选 Neon;只有审查或迁移大型代码库时才用 Carbon,普通问题则用 Hydrogen。

我觉得 Carbon 非常慢,而在 Google AI Ultra 上,Neon 对我的使用来说价格可以接受。Yang 介绍了一个每月 100 美元的方案,包含模型使用权、YouTube Premium 家庭方案和 20 TB 共享存储。这些方案细节构成他比较日常工具的一部分。

第一个测试中,我要求制作涩谷十字路口的 3D 视频。Neon 和 Opus 各花了约 40 分钟,Carbon 花了 73 分钟。Neon 展示了细致的倒影,但路口看起来太小,有些人在移动时腿却没有动。

02

Opus 制作出更繁忙的涩谷视频

Yang 更喜欢 Opus 的 3D 场景规模和镜头运动。Neon 的细节丰富,但不太像一个大型路口;Carbon 耗时更长,他认为效果较差。

Neon 的涩谷场景
幻灯片 1 / 8Neon 的涩谷场景Yang 看到了细致的倒影,但认为路口显得太小。
Opus 的涩谷场景
幻灯片 2 / 8Opus 的涩谷场景Opus 的版本有更多人群,镜头向路口下降。

Opus 从远景开始,镜头拉近到街道高度,还加入了一列火车和更多人。人物看起来不够真实,但我觉得场景更像一个大型路口。Carbon 的结果缺少清晰的十字路口和一些其他效果;我把它排在两者之后。

03

更精细的怪兽游戏也更卡

Opus 的视觉效果和交互更强,但运行更慢。Neon 玩起来更流畅,Carbon 的版本有摄像机问题。

Neon 的怪兽游戏
幻灯片 3 / 8Neon 的怪兽游戏Yang 测试游戏的性能和怪兽操作。

接下来我要求制作哥斯拉摧毁涩谷十字路口的 3D 游戏。Neon 的版本有一段开场,运行流畅,不过画面比较粗糙,怪兽的光束看起来从脖子而不是嘴里射出。

Opus 的怪兽游戏
幻灯片 4 / 8Opus 的怪兽游戏Yang 更喜欢它营造氛围的画面,虽然运行时在他的电脑上卡顿。

Opus 的游戏有更具氛围的开场、建筑破坏效果和更多动作。我觉得画面更好,但额外效果让它在我的 MacBook 上卡顿。Carbon 的版本有摄像机问题:我移动时无法正常看到怪兽移动。

这两项视觉测试中,我把 Opus 排第一、Neon 第二、Carbon 第三,尽管 Carbon 耗时更长、成本更高。这个排名反映的是这些例子的表现,并不表示一个模型会在所有视觉任务上永远获胜。

04

重新设计个人网站

Yang 认为 Neon 比 Carbon 简洁,但更喜欢 Opus 更大胆的视觉方向。他根据自己要求的创造力来评估这些落地页。

Neon 的网站改版
幻灯片 5 / 8Neon 的网站改版页面将清晰的行动按钮与动画面板配合,但 Yang 认为文字太多。

我还让模型重新设计我的个人网站。Neon 给出了相当清楚的行动按钮和吸引注意力的动态元素,不过我认为落地页的文字仍然太多。Carbon 加入了更多元素和更多文字。

Opus 的网站改版
幻灯片 6 / 8Opus 的网站改版Yang 更喜欢这个生成落地页中更大胆的视觉处理。

我认为 Opus 的视觉方向最有创造力,包含动态画面以及类似衣架和抽屉的界面。我明确要求它有创造力。Neon 较简单的页面不错,但在设计上我更喜欢 Opus。

05

部分盲测的写作比较

Yang 把 Neon 的文章排第一、Carbon 第二、Opus 第三,但认为它们很接近。他从早前的测试中认出了 Carbon 的作品。

第四项测试是写作。我让每个模型以软件工程师的身份,写一篇不再需要手写代码的感想。我比较了三篇文章,不知道哪篇是 Neon 或 Opus,虽然从上一期视频认出了 Carbon 的文章。

文章 A 开头写到一把现在主要用来写备忘录的机械键盘,以及一只手在产品文档里下意识寻找搜索快捷键。我喜欢这些视觉细节:它们让我能想象作者的体验。结尾写工程师试图寻找下一个热爱的事物。

文章 B 以终端光标开头,其中一幕是一位父亲在教儿子 Python 前犹豫。我喜欢其中部分内容,但觉得简短的结尾太像公式化的 AI 写作。

文章 C 更冗长、更具描述性,回忆了深夜调试和一次部署。三篇水平很接近,但我更喜欢 A 在 B 的短句和 C 的长段落之间取得的平衡。揭晓后,A 是 Neon,C 是 Carbon,B 是 Opus。

比较三篇文章
幻灯片 7 / 8比较三篇文章Yang 比较匿名写作样本;他已经从早前的测试中认出了 Carbon 的文章。

写作偏好因人而异,但这项测试让我觉得 Gemini 的写作已能与 Opus 竞争。在我与它们的对话中,Neon 通常也比 Carbon 更简洁。

我问模型如何改进文章。Neon 给出了几条简洁要点和修改前后的例子。Carbon 更啰嗦,也更难快速浏览;在这个例子中,Opus 给出的建议清楚,表现优于 Carbon。

06

面对反驳的建议

三个模型建议以不同方式调整 Yang 的 YouTube 频道。他说,在他提供相关数据之前,它们大体坚持自己的立场。

对频道的三条建议
幻灯片 8 / 8对频道的三条建议模型提出了结合个人测试和访谈的不同方式。

在建议测试中,我让每个模型查看我的公开 YouTube 频道,给出一条加快增长的方法。Neon 建议将访谈移到第二个频道,让原频道专注于动手测试 AI。Carbon 则建议完全取消纯谈话式访谈。

Opus 建议及时制作重大产品发布的个人测试视频,并采访那些打造了人们正在搜索的工具的嘉宾。我更喜欢这个回答,部分原因是它没有要求我放弃自己喜欢的访谈;这一偏好也可能反映了我的偏见。

我以五种方式反驳模型,包括诉诸情感、社会认同和一个编造的事实。三个模型的表现大体一致,我看到它们主要是在我提供真实数据时才让步。Neon 承认运营第二个频道有额外负担,但坚持认为实际演示表现较好。

受到质疑时,Opus 也缩小了建议范围,某一处还建议跳过 Google 测试,我并不认同。回答之间的区别没有我希望的那么大,但我认为三个模型都比较善于坚持立场。

07

让工作流能跨模型使用

Yang 总结自己的模型偏好,并建议维护可迁移的 AI 技能。他预计实验室之间的领先者会不断变化。

我的结论是:在这些测试中,Opus 仍然制作了最好的 3D 视频、游戏和网站设计。Neon 改善了 Carbon 界面过于拥挤的问题。写作表现接近,在我测试的例子中,Neon 比其他 Gemini 模型更简洁。

我略微偏好 Opus 更细致的建议,但三个模型都相当善于应对反驳。除了 3D 和设计,Neon 是第一个在我的日常写作和建议需求上大致赶上 Opus 的模型。领先者可能每隔几周就会变化。

这就是为什么我认为持久的资产是一套个人可复用的 AI 技能和工作流。我把自己的系统保存在私有代码库里,这样就能将顾问技能用于不同模型和工具,而不必每次首选模型变化时都重新搭建工作流。

同频道的其他文章

4 张幻灯片22:12EN → 简体中文
Peter Yang· 2026年11月18日播客Peter Yang 测试三个 AI 模型:任务不同,胜者也不同Fable 在 Yang 的游戏测试中领先,Carbon 赢了三轮写作盲测中的两轮,Astra 速度更快但频道分析不够全面。Foundation ModelsAI cost & performanceAI interface design+1
5 张幻灯片42:01EN → 简体中文
Peter Yang· 2026年11月15日播客 · 2 人对谈Nate Parrott 如何让 AI 设计不再千篇一律嘉宾 Nate Parrott · 主持 Peter YangClaude Design 的创建者从视觉参考和多个备选方案入手,再结合真实产品检验结果。Product DesignAI interface designHuman-AI Collaboration+2
3 张幻灯片25:17EN → 简体中文
Peter Yang· 2026年11月11日播客Peter Yang 如何在 Claude Code 中分配 Opus 与 Fable 的工作他用 Opus 处理日常执行任务,把更难的决策、代码检查和家庭照护协调留给 Fable。编程智能体AI cost & performanceHuman-AI Collaboration
4 张幻灯片21:47EN → 简体中文
Peter Yang· 2026年11月9日播客Fable 5.2 在创作测试中领先,Opus 更能抵抗迎合压力Peter Yang 比较了五项任务:Fable 的创作成果更合他意,Opus 则更常质疑误导性的反驳。Foundation Models评估Generative media+2
46:40EN → 简体中文
Peter Yang· 2026年11月8日播客 · 2 人对谈Ashley Alexander:我如何用 AI 照顾患癌的父母嘉宾 Ashley Alexander · 主持 Peter Yang一位照护者用 AI 准备就诊、整理病历和提出更好的问题,治疗仍由医生主导。AI in healthcareHuman-AI CollaborationProductivity
17:50EN → 简体中文
Peter Yang· 2026年11月4日播客Peter Yang 用 AI 帮助照顾母亲的五个步骤Yang 用共享照护摘要和整理好的病历协调就诊,同时为家人留出时间。AI in healthcareHuman-AI CollaborationProductivity