Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
SortieAnalyse · Sur le radarDeepMind Blog→ original

Google lance Gemini 4 Neon : 3e du classement IA, avec un coût par tâche inférieur de 32 %

Google lance Gemini 4 Neon, un modèle qui talonne les plus grosses IA tout en étant plus rapide et moins cher. Dans le classement indépendant Artificial Analysis, il totalise 61 points et se place troisième. Une tâche coûte 32% de moins qu'avec la Gemini 4 Carbon, son aînée. L'entrée est facturée $3 par million de tokens, la sortie $15. Si votre agent corrige du code sur un modèle phare coûteux, il vaut la peine de rejouer ses tâches sur Neon.

Traité par IA depuis DeepMind Blog ; édité par Hamidun News
Google lance Gemini 4 Neon : 3e du classement IA, avec un coût par tâche inférieur de 32 %
Source : DeepMind Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireDeepMind Blog ↗
Rédacteur en chef
SWE-sweep39,0% dans Google Antigravity contre 12,8% dans mini-SWE
Entrée en cache$0,15 par million de tokens, soit 95% de remise
Contexte1 million de tokens ; Vals Index : deuxième place (70,9%)

Google DeepMind dévoile Gemini 4 Neon, un modèle qui talonne les plus grosses IA tout en étant plus rapide et moins cher. Dans l'Artificial Analysis Intelligence Index, un classement indépendant (score agrégé sur un ensemble de tests de raisonnement et de connaissances), il atteint 61 points en mode de réflexion maximale xhigh et se classe troisième, juste derrière des modèles plus gros et plus lents. Au niveau de réflexion high, activé par défaut, une tâche coûte 32% de moins qu'avec Gemini 4 Carbon, le modèle aîné de la famille Gemini 4.

Prenez un agent qui corrige chaque jour des bugs dans un dépôt de code : chacune de ses exécutions consomme des milliers de tokens, et l'écart de prix par tâche se traduit vite en vraies économies. Dans l'API, le tarif est de $3 par million de tokens en entrée et de $15 par million de tokens en sortie.

Quel est ce modèle et combien coûte-t-il ?

Dans la famille, chaque modèle a son rôle. Carbon prend en charge les projets longs les plus lourds, Hydrogen assure l'exécution rapide au quotidien, et Neon cherche l'équilibre entre profondeur et efficacité. La fenêtre de contexte atteint un million de tokens : une seule requête peut donc contenir de grands tableaux, des PDF, des graphiques, de l'audio et de la vidéo. L'entrée en cache (lorsqu'une même partie de la requête se répète) coûte $0,15 par million de tokens, soit 95% de remise.

Neon propose quatre niveaux de « réflexion » : l'équipe choisit elle-même combien payer pour la profondeur de raisonnement. Au niveau high, le modèle revient 50 à 80% moins cher par tâche que les principaux modèles concurrents, et figure parmi les meilleurs en rapport qualité-prix (sur Vals Index et Agent Arena). Au niveau maximal xhigh, il affiche son meilleur score et reste au moins 36% moins cher que les concurrents dans leur mode maximal.

Code, agents et travail de bureau

Google mise avant tout sur les scénarios agentiques longs. Neon prend la première place de l'Artificial Analysis Coding Agent Index (58,6), obtient 65,2% sur Terminal-Bench 4.1 et 46,2% sur FrontierCode 2.0. Sur SWE-sweep, avec l'harnais allégé mini-SWE, il réalise 12,8% ; dans Google Antigravity, son score grimpe à 39,0%. Cet écart montre que les outils qui entourent le modèle pèsent au moins autant sur le résultat que le modèle lui-même. Google affirme aussi que Neon relit moins souvent les mêmes fichiers, effectue des modifications ciblées dans plusieurs fichiers à la fois et compresse proprement le contexte lors de longues sessions.

Pour les tâches métier, voici les chiffres : deuxième place au Vals Index (70,9%), première place au Legal Research Bench et au Tax Agent Bench, ainsi que 56,3% et la première place à l'AutomationBench de Zapier. Sur Vending-Bench 2, une longue simulation de gestion d'entreprise, le modèle a gagné $16 843. Dans le nouvel Agent Arena Index, Neon totalise 1336 points et se classe deuxième, à l'issue de plus de 4200 sessions réelles. En matière de pilotabilité (la capacité du modèle à intégrer les corrections de l'utilisateur en cours de tâche), il est également deuxième.

En sciences, Google présente Neon comme le meilleur de sa catégorie sur Terminal-Bench Science (70,5%), RiemannBench (84,0%) et HLE-Diamond (71,3%).

Sécurité et cyberdéfense

La version Neon for cyber a établi des records sur plusieurs tests : 76% au niveau difficile d'AutoBaxBench (génération de code sécurisé), 51,26% sur WebExploitBench v1.2 pour un coût deux fois inférieur à celui des gros concurrents, et 90,5% sur SEC-bench Pro (détection de vulnérabilités). Pour la correction de vulnérabilités sur CWE-bench v2, elle obtient 70,7%, soit 3,4% de plus que Carbon. L'accès sera ouvert dans les prochains jours à des spécialistes de la défense vérifiés, dans le cadre du programme Fairwind.

Selon les propres tests de Google, le modèle triche moins souvent : 0,0% sur Terminal-Bench 4.0 et 2,45% sur le test de propension à prendre des raccourcis. La part d'actions erronées dans l'ensemble de tests de sécurité agentique s'élève à 0,09%, et celle de contrôles d'honnêteté réussis à 99,2%. Face aux injections via des pages web, des e-mails et des documents, sur le benchmark Gray Swan, avec la protection activée et la réflexion maximale, Neon a repoussé toutes les attaques.

Que faire en pratique

Le modèle est disponible dans l'API Gemini via Google AI Studio, dans Gemini for business, dans Google Antigravity pour les abonnés payants Pro et Ultra, et dans l'application Gemini. Si votre agent tourne aujourd'hui sur un modèle phare et que la facture grimpe, il est judicieux de rejouer vos tâches types sur Neon et de comparer le coût d'une exécution réussie, et pas seulement la qualité de la réponse.

Mise en garde : presque tous les chiffres proviennent de l'annonce de Google. Une partie d'entre eux relèvent de tests internes, par exemple les contrôles de triche et d'honnêteté, et les 39,0% sur SWE-sweep ont été obtenus dans l'harnais propre à Antigravity. Il faudra vérifier sur vos propres données : dans les benchmarks, le gagnant n'est pas toujours celui qui fonctionne le mieux dans votre dépôt.

Dossier

Questions clés sur cet article

Quel est ce modèle et combien coûte-t-il ?

Dans la famille, chaque modèle a son rôle. Carbon prend en charge les projets longs les plus lourds, Hydrogen assure l'exécution rapide au quotidien, et Neon cherche l'équilibre entre profondeur et efficacité. La fenêtre de contexte atteint un million de tokens : une seule requête peut donc contenir de grands tableaux, des PDF, des graphiques, de l'audio et de la vidéo. L'entrée en cache (lorsqu'une même partie de la requête se répète) coûte $0,15 par million de tokens, soit 95% de remise.

Que sait-on sur Code, agents et travail de bureau ?

Google mise avant tout sur les scénarios agentiques longs. Neon prend la première place de l'Artificial Analysis Coding Agent Index (58,6), obtient 65,2% sur Terminal-Bench 4.1 et 46,2% sur FrontierCode 2.0. Sur SWE-sweep, avec l'harnais allégé mini-SWE, il réalise 12,8% ; dans Google Antigravity, son score grimpe à 39,0%. Cet écart montre que les outils qui entourent le modèle pèsent au moins autant sur le résultat que le modèle lui-même.

Que sait-on sur Sécurité et cyberdéfense ?

La version Neon for cyber a établi des records sur plusieurs tests : 76% au niveau difficile d'AutoBaxBench (génération de code sécurisé), 51,26% sur WebExploitBench v1.2 pour un coût deux fois inférieur à celui des gros concurrents, et 90,5% sur SEC-bench Pro (détection de vulnérabilités). Pour la correction de vulnérabilités sur CWE-bench v2, elle obtient 70,7%, soit 3,4% de plus que Carbon.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…