Gemini 4 Neon a compressé le binaire de TS Rust de 47,44 à 7,97 Mo en moins de 10 heures
Google a publié le modèle intermédiaire Gemini 4 Neon, et le blogueur Theo l'a testé sur TS Rust, le vérificateur de types TypeScript écrit en Rust. En 10 heures, Neon a réduit le fichier exécutable final de 47,44 à 7,97 Mo (un facteur de 5,95) et accéléré le programme de 1,5 fois en moyenne. GPT-6.2 Astra a travaillé plus d'une semaine : le fichier est plus petit de 46 %, mais le programme est plus lent de 56 %. Il s'agit de la vidéo d'un seul auteur : sur votre propre code, il faut donc vérifier le modèle avant de vous y fier.
Traité par IA depuis Habr AI ; édité par Hamidun News
Imaginez une tâche que les développeurs repoussent généralement : un grand projet, un programme compilé qui pèse 47 mégaoctets et tourne plus lentement que ses concurrents, et qu'il faut à la fois alléger et accélérer. Le 18 novembre, Google a discrètement publié le modèle intermédiaire Gemini 4 Neon, et dans le test vidéo du blogueur Theo, il a accompli cette tâche sur le projet TS Rust (le vérificateur de types TypeScript écrit en Rust) en moins de 10 heures. Le fichier exécutable final est passé de 47,44 à 7,97 Mo, soit un facteur de 5,95, et la vitesse a augmenté de 1,5 fois en moyenne.
À titre de comparaison, GPT-6.2 Astra d'OpenAI a travaillé plus d'une semaine sur la même tâche et a produit un programme plus lent de 56 %. L'auteur de l'analyse publiée sur Habr en conclut que Claude Opus 5.
5 d'Anthropic a désormais un rival à sa mesure. Précision importante : il s'agit de l'expérience personnelle de l'auteur et de la vidéo d'un seul blogueur, pas d'un benchmark indépendant. Mais le contenu est suffisamment concret pour être analysé.
Ce qu'a montré le test sur TS Rust
L'épisode le plus parlant est tiré d'une vidéo de 32 minutes du développeur Theo. Il critiquait les modèles de Google depuis six mois, mais cette fois il a soumis plusieurs modèles à la même tâche : réduire le binaire et accélérer l'exécution, afin de rattraper les concurrents bun et tsrs.
Selon le récit de l'auteur, les résultats se présentent ainsi :
- GPT-6.2 Astra a travaillé plus de sept jours, puis a encore passé quatre jours à tenter de corriger le résultat. Le binaire est plus petit de 46 %, mais la vitesse a chuté de 56 %.
- Claude Opus 5.5 avec Fable a terminé en quelques jours et a gagné environ 20 % de vitesse, sans compression notable.
- Gemini 4 Neon, en mode essaim (plusieurs agents travaillant en parallèle), a fini en moins de 10 heures. La vitesse a augmenté de 1,5 fois en moyenne, de 2,3 fois sur le projet Sentry, et jusqu'à 20 fois au démarrage à chaud, lorsque le programme est relancé et que les données sont déjà en mémoire.
Deux autres épisodes de la vidéo montrent le comportement de l'agent. Lorsqu'un adaptateur MCP défaillant a avalé la sortie et que rien ne s'est affiché dans le chat, Neon a elle-même consulté les journaux, trouvé le bug, généré les graphiques localement, montré les captures d'écran et ouvert une PR avec le correctif. Et lorsqu'elle a cherché pourquoi la création d'un git worktree prenait 6,3 secondes, elle a identifié la vraie cause : la partition /work était formatée pour un disque dur classique (HDD), et ce réglage consommait 3,8 secondes sur les 6,3.
Prix, limites et cache
Neon est positionné comme un modèle intermédiaire basé sur Hydrogen. Son prix API est de 3 $ en entrée et 15 $ en sortie. Hydrogen coûte 1,50 $ et 7,50 $, tandis que le modèle haut de gamme Carbon bénéficie jusqu'au 30 novembre d'une remise (2 $ et 10 $) ; à partir de décembre, il repassera à 4 $ et 20 $. Ainsi, en novembre, le modèle « intermédiaire » coûte plus cher que le « haut de gamme », et à partir de décembre il sera moins cher de 25 %. Les noms, qui rappellent le tableau de Mendeleïev, ajoutent à la confusion.
L'histoire des abonnements est une autre affaire. Sur le papier, le budget hebdomadaire de Google AI Ultra 20x est estimé à 2000 $, contre 3000 $ pour Claude Ultra et 1000 $ pour ChatGPT Pro. Mais pendant les premières 24 heures, la mise en cache des prompts fonctionnait mal : après une pause de moins d'une minute, les succès de cache tombaient à 9 %, voire à zéro. Chaque requête retraitait donc l'intégralité du contexte au plein tarif, et les limites s'épuisaient environ 2,5 fois plus vite.
Après les plaintes sur X, le responsable d'Antigravity a confirmé le déploiement de la correction sur tous les clusters et promis de restituer les limites consommées. Selon l'auteur, le cache dure désormais environ trois minutes et les limites réelles ont à peu près triplé. Antigravity propose aussi désormais Orchestrator : Neon planifie et traite les parties complexes, et confie les corrections courantes et les tests à la peu coûteuse Hydrogen. Si vous vous absentez cinq minutes pour prendre un café, le contexte doit de toute façon être rechargé, il faut donc continuer à surveiller la limite.
Où Neon est plus faible et que faire
L'auteur énumère honnêtement les points faibles :
- le frontend visuel est nettement moins bon que celui d'Opus 5.5 ;
- en 3D, le modèle est en retrait par rapport à Opus et aux gros modèles d'OpenAI ;
- on observe des « géminismes », par exemple des emojis superflus et des bribes de raisonnement interne ;
- la génération d'images et l'analyse de transcriptions web brutes sont à confier de préférence à ChatGPT.
En pratique, la conclusion est la suivante. Si vous construisez des scénarios agentiques autour du code, de la revue de code et de l'analyse de problèmes d'infrastructure, Neon mérite d'être ajoutée à votre comparatif plutôt que de dépendre d'un seul fournisseur. C'est aussi une assurance contre les blocages soudains, dont l'auteur accuse Anthropic.
Mais testez le modèle sur vos propres dépôts : une vidéo et une analyse ne remplacent pas vos propres mesures. Surveillez également la consommation de votre quota et le comportement du cache dans votre mode de travail. Notez enfin que le prompt système par défaut d'Antigravity pousse le modèle à encombrer ses réponses de longs chemins de fichiers ; cela se corrige en quelques lignes dans les règles utilisateur.
Si les mesures de l'auteur sont confirmées par des tests indépendants, la modèle intermédiaire de Google sera capable d'assurer des tâches qui exigeaient jusqu'ici des modèles phares coûteux. Le prix et la vitesse du développement agentique en seraient alors sensiblement modifiés.
- 21 nov. 2026La capitaine d'une équipe de nageurs a confié trois tâches planifiées à ChatGPT et divisé sa charge de travail par plusieurs
- 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
Questions clés sur cet article
Que sait-on sur Ce qu'a montré le test sur TS Rust ?
L'épisode le plus parlant est tiré d'une vidéo de 32 minutes du développeur Theo. Il critiquait les modèles de Google depuis six mois, mais cette fois il a soumis plusieurs modèles à la même tâche : réduire le binaire et accélérer l'exécution, afin de rattraper les concurrents bun et tsrs. Selon le récit de l'auteur, les résultats se présentent ainsi : GPT-6.2 Astra a travaillé plus de sept jours, puis a encore passé quatre jours à tenter de corriger le résultat.
Que sait-on sur Prix, limites et cache ?
Neon est positionné comme un modèle intermédiaire basé sur Hydrogen. Son prix API est de 3 $ en entrée et 15 $ en sortie. Hydrogen coûte 1,50 $ et 7,50 $, tandis que le modèle haut de gamme Carbon bénéficie jusqu'au 30 novembre d'une remise (2 $ et 10 $) ; à partir de décembre, il repassera à 4 $ et 20 $. Ainsi, en novembre, le modèle « intermédiaire » coûte plus cher que le « haut de gamme », et à partir de décembre il sera moins cher de 25 %.
Que sait-on sur Où Neon est plus faible et que faire ?
L'auteur énumère honnêtement les points faibles : le frontend visuel est nettement moins bon que celui d'Opus 5.5 ; en 3D, le modèle est en retrait par rapport à Opus et aux gros modèles d'OpenAI ; on observe des « géminismes », par exemple des emojis superflus et des bribes de raisonnement interne ; la génération d'images et l'analyse de transcriptions web brutes sont à confier de préférence à ChatGPT. En pratique, la conclusion est la suivante.
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.