Google lance Gemini 4 Neon : une tâche coûte 32 % de moins qu'avec la version haut de gamme Carbon
Google a lancé Gemini 4 Neon, le modèle de milieu de gamme de la famille, qui talonne Carbon, son aîné, tout en étant plus rapide et moins cher. Au réglage de réflexion high, une tâche terminée coûte 32 % de moins qu'avec Carbon, et dans le classement indépendant Artificial Analysis Intelligence Index, Neon arrive troisième avec 61 points. Les tokens sont facturés 3 $ le million en entrée et 15 $ en sortie. Si votre agent se heurte au coût, comparez les modèles sur le prix d'une tâche résolue.
Traité par IA depuis Hacker News AI ; édité par Hamidun News
Les modèles puissants sont généralement lents et coûteux, et sur les longues tâches agentiques, la facture croît plus vite que la qualité. Google tente de combler ce manque avec Gemini 4 Neon. Il s'agit d'un modèle de taille moyenne de la famille Gemini 4.
Son aîné, Carbon, prend en charge les projets les plus lourds, mais il coûte plus cher. Le chiffre phare de cette sortie est 32 % : selon Google, c'est de combien Neon est moins cher que Carbon, calculé par tâche accomplie. Ce n'est pas le prix du token qui est pris en compte, mais la facture complète par tâche résolue, c'est-à-dire le nombre de tokens consommés pour le raisonnement et la réponse.
À cela s'ajoute la note de l'Artificial Analysis Intelligence Index, un classement synthétique indépendant où les modèles passent une batterie de tests d'intelligence. Au niveau de réflexion le plus élevé (xhigh), Neon obtient 61 points et se classe troisième, derrière seulement des modèles plus grands et plus lents.
Où se situe Neon dans la famille Gemini 4
La gamme porte le nom d'éléments chimiques. Carbon est le modèle le plus lourd pour les projets complexes et longs, Hydrogen est le cheval de trait rapide pour les tâches quotidiennes, et Neon occupe le milieu : un raisonnement approfondi à moindre coût et une meilleure vitesse.
Tarification : 3 $ le million de tokens en entrée et 15 $ le million en sortie. L'entrée mise en cache, c'est-à-dire la partie répétitive de la requête, coûte 0,15 $ le million, soit 95 % de moins. La fenêtre de contexte atteint 1 million de tokens. On peut y charger simultanément tableaux, PDF, graphiques, audio et vidéo, et obtenir un résultat structuré.
Le modèle propose quatre niveaux de réflexion : plus le niveau est élevé, plus les tokens consacrés au raisonnement sont nombreux. Au niveau high par défaut, l'économie par rapport à Carbon est précisément de 32 %. Dans les classements indépendants Vals et Agent Arena, Neon se place sur la frontière de Pareto : aucun autre modèle testé n'offre un meilleur résultat pour le même prix. Face aux principaux concurrents, la tâche revient environ 50 à 80 % moins cher. Au niveau xhigh, où l'intelligence est maximale, l'économie atteint 36 % ou plus.
Code, agents et benchmarks « de terrain »
Pour les développeurs, ce sont les longues sessions agentiques qui comptent le plus. Google affirme que Neon relit moins souvent les mêmes fichiers, rend compte de l'avancement et compresse le contexte de façon plus fiable lorsque la session s'allonge. Il peut travailler seul ou jouer le rôle d'orchestrateur, répartissant les tâches entre des sous-agents Hydrogen en parallèle dans l'environnement Google Antigravity.
Les chiffres : première place à l'Artificial Analysis Coding Agent Index (58,6) et 46,2 % sur FrontierCode 2.0 au réglage high. Sur SWE-sweep (test de correction de dépôts réels) dans le harnais simplifié mini-SWE, le modèle résout 12,8 % des tâches, et dans Antigravity ce résultat dépasse le triple, à 39,0 %. Le harnais de l'agent influe sur le résultat autant que le modèle lui-même : ces chiffres ne peuvent donc pas être comparés à des exécutions tierces réalisées avec un autre harnais.
Parmi les tâches bureautiques, Google met en avant 73,5 % sur Chartography (lecture de graphiques professionnels denses), des premières places sur plusieurs tests financiers et tabulaires, et 16 843 $ dans Vending-Bench 2, une longue simulation de gestion d'entreprise. Dans l'Agent Arena Index, le modèle a fait ses débuts en deuxième position avec 1336 points, sur plus de 4200 sessions d'agents réelles. Dans les démonstrations, un « essaim » d'agents Neon a réalisé un simulateur de descente à ski en WebGL et transformé une seule image en une feuille Google Sheets de 100 000 cellules contenant plus de 500 000 formules.
Cybersécurité et sécurité du modèle lui-même
La protection du code fait l'objet d'une attention particulière. Neon écrit un code plus sûr que Carbon à tous les niveaux de difficulté, et atteint 76 % sur le plus difficile. Au test d'intrusion (simulation d'attaque pour trouver des failles), le résultat est de 51,26 % pour un coût deux fois inférieur à celui des grands concurrents. Pour la recherche de vulnérabilités, il obtient 90,5 %, et pour la correction des causes profondes, 70,7 %, soit 3,4 % de mieux que Carbon. La version de Neon dédiée à la cybersécurité sera accessible dans les prochains jours aux défenseurs vérifiés via le programme Fairwind. L'accès se demande via le gestionnaire de compte Google Cloud.
Côté comportement : sur Terminal-Bench 4.0, le modèle refuse 1,98 % des tâches, et sur Terminal-Bench-Science, 0 %, ce qui signifie qu'il écarte moins souvent un travail légitime. La part de « raccourcis » détectée lors du contrôle de triche est de 2,45 %, celle des actions dangereuses dans l'ensemble agentique de 0,09 %, et l'honnêteté au test interne atteint 99,2 %. Face aux instructions cachées glissées dans des pages web, des e-mails ou des documents, Neon, avec sa protection en temps réel, a bloqué toutes les attaques du benchmark Gray Swan.
Que faire de tout cela
Quasiment tous les chiffres proviennent de Google elle-même ou ont été commandés auprès de partenaires ; aucune vérification indépendante n'a encore été réalisée. La conclusion pratique reste toutefois claire : si un agent tournant sur Carbon ou sur un autre modèle phare se heurte au coût, faites tourner Neon sur vos propres tâches aux niveaux high et xhigh, et comparez le prix d'une tâche accomplie, et non celui d'un token. Le modèle est déjà disponible dans l'API Gemini (offre payante), dans Google Antigravity et dans l'application Gemini pour les abonnés Pro et Ultra, tandis que dans AI Studio, tous les abonnés de ces offres peuvent l'essayer.
- 21 nov. 2026Le réseau de neurones MIRA génère Rocket League à 20 images par seconde, mais le ping grimpe jusqu'à 460 ms
- 21 nov. 2026Google a construit une copie fermée d'internet avec de fausses banques pour entraîner les agents IA de Chrome
- 21 nov. 2026MLPerf Training v6.1 : Nvidia Rubin et TPU Ironwood font leurs débuts, 153 systèmes au test
- 21 nov. 2026Google ouvre les précommandes de lunettes intelligentes avec Gemini à partir de 395 $, ventes dès le 10 décembre
Questions clés sur cet article
Que sait-on sur Où se situe Neon dans la famille Gemini 4 ?
La gamme porte le nom d'éléments chimiques. Carbon est le modèle le plus lourd pour les projets complexes et longs, Hydrogen est le cheval de trait rapide pour les tâches quotidiennes, et Neon occupe le milieu : un raisonnement approfondi à moindre coût et une meilleure vitesse. Tarification : 3 $ le million de tokens en entrée et 15 $ le million en sortie. L'entrée mise en cache, c'est-à-dire la partie répétitive de la requête, coûte 0,15 $ le million, soit 95 % de moins.
Que sait-on sur Code, agents et benchmarks « de terrain » ?
Pour les développeurs, ce sont les longues sessions agentiques qui comptent le plus. Google affirme que Neon relit moins souvent les mêmes fichiers, rend compte de l'avancement et compresse le contexte de façon plus fiable lorsque la session s'allonge. Il peut travailler seul ou jouer le rôle d'orchestrateur, répartissant les tâches entre des sous-agents Hydrogen en parallèle dans l'environnement Google Antigravity.
Que sait-on sur Cybersécurité et sécurité du modèle lui-même ?
La protection du code fait l'objet d'une attention particulière. Neon écrit un code plus sûr que Carbon à tous les niveaux de difficulté, et atteint 76 % sur le plus difficile. Au test d'intrusion (simulation d'attaque pour trouver des failles), le résultat est de 51,26 % pour un coût deux fois inférieur à celui des grands concurrents. Pour la recherche de vulnérabilités, il obtient 90,5 %, et pour la correction des causes profondes, 70,7 %, soit 3,4 % de mieux que Carbon.
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.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.