Lancement et place dans la famille Gemini 4
Google DeepMind a présenté Gemini 4 Neon le 18 novembre 2026. Ce modèle complète une gamme conçue pour proposer différents compromis entre capacité, rapidité et coût. Google positionne Neon entre Gemini 4 Carbon, destiné aux projets complexes et de longue durée, et Gemini 4 Hydrogen, conçu pour exécuter rapidement des tâches courantes.
Google décrit Neon comme un modèle de niveau « frontier », capable de prendre en charge l’ingénierie logicielle, le travail de connaissance et des processus scientifiques complexes. L’objectif annoncé n’est pas de remplacer le modèle le plus puissant de la gamme, mais de fournir une option pour les tâches exigeantes et fréquentes. La place de Neon dépend donc du compromis recherché entre profondeur de raisonnement, durée d’exécution et dépenses de calcul.
Capacités et résultats des benchmarks
À son niveau de raisonnement le plus élevé, xhigh, Neon obtient 61 points à l’Artificial Analysis Intelligence Index. Google le classe troisième au classement général, derrière des modèles qu’il décrit comme plus grands et plus lents. Le modèle atteint aussi 70,9 % au Vals Index, où Google indique qu’il se situe sur la frontière de Pareto entre coût et performance.
Dans le domaine du développement logiciel, Google annonce 58,6 points à l’Artificial Analysis Coding Agent Index et une première place. La société indique également que Neon arrive en tête de sa catégorie dans trois évaluations scientifiques et mathématiques. Ces scores décrivent des résultats sur des tâches et des configurations définies par les benchmarks ; ils ne mesurent pas à eux seuls la qualité de Neon dans tous les contextes de production. Artificial Analysis a également publié sa propre analyse, qui rapporte notamment un score de 61 à l’index d’intelligence au niveau xhigh. Les résultats varient selon le niveau de raisonnement et la configuration comparés.
Les classements cités ici ne constituent pas une validation indépendante de chaque affirmation de Google. Artificial Analysis est un évaluateur tiers, mais un score de benchmark reste dépendant du jeu de tests, de la configuration et de la méthode de calcul retenus. Pour choisir un modèle, il est utile de comparer les performances sur ses propres tâches, avec les mêmes consignes, outils et critères de réussite.
Résultats annoncés pour Gemini 4 Neon
Scores et classements communiqués par Google DeepMind pour les benchmarks cités.
| Benchmark | Score de Neon | Contexte indiqué par Google |
|---|---|---|
| Artificial Analysis Intelligence Index (xhigh) | 61 | 3e au classement général |
| Vals Index | 70,9 % | 2e ; sur la frontière de Pareto |
| Artificial Analysis Coding Agent Index | 58,6 | 1er au classement général |
| Terminal-Bench Science | 70,5 % | Meilleur de sa catégorie |
| RiemannBench | 84,0 % | Meilleur de sa catégorie |
| HLE-Diamond | 71,3 % | Meilleur de sa catégorie |
Coût par tâche et vitesse d’exécution
L’un des arguments mis en avant par Google est le coût par tâche. À son niveau de raisonnement par défaut, élevé, l’entreprise annonce un coût inférieur de 32 % à celui de Carbon dans les conditions de comparaison retenues. Elle avance une réduction de 50 à 80 % par rapport à certains modèles concurrents, sur la base des évaluations Vals Index et Agent Arena. Ces pourcentages ne sont pas des économies garanties : les dépenses réelles dépendent notamment de la longueur des requêtes, des réponses générées et de l’utilisation des outils.
Artificial Analysis a publié une comparaison distincte portant sur ses propres mesures : pour une configuration et un prix de référence donnés, l’évaluateur rapporte un coût moyen par tâche de 6,44 dollars pour Neon en xhigh et de 7,76 dollars pour Carbon en high. Il signale également un temps moyen d’environ 21 minutes pour Neon, contre environ 36 minutes pour Carbon dans ces essais. Ces chiffres ne doivent pas être confondus avec une garantie de vitesse ou de coût pour un autre scénario, ni avec l’affirmation de Google selon laquelle Neon peut être jusqu’à trois fois plus rapide que Carbon.
Google fixe le tarif de l’API à 3 dollars par million de jetons d’entrée et à 15 dollars par million de jetons de sortie. Les jetons d’entrée mis en cache coûtent 0,15 dollar par million, soit une remise annoncée de 95 %. Les tarifs à l’usage et les coûts par tâche ne sont pas équivalents : le premier dépend du volume de jetons facturés, tandis que le second varie aussi avec le travail nécessaire pour accomplir une tâche.
Disponibilité, tarifs et accès
Au lancement, Google annonce le déploiement de Gemini 4 Neon dans l’API Gemini via Google AI Studio, dans Gemini for Business et dans Google Antigravity pour les usages professionnels. Les développeurs peuvent utiliser l’API payante ; l’annonce officielle cite également Android Studio. Les entreprises peuvent sélectionner le modèle via l’API ou le menu des modèles de leur service.
Dans l’application Gemini, le modèle est proposé aux abonnés Google AI Pro et Ultra. Google indique également que les abonnés Pro et Ultra peuvent essayer Neon dans Antigravity, et que les développeurs peuvent y accéder dans AI Studio. L’annonce ne confirme pas un accès direct à Neon pour les comptes gratuits. L’accès au modèle et les surfaces disponibles peuvent différer selon l’offre, le produit et le déploiement ; il ne faut donc pas extrapoler une disponibilité à tous les utilisateurs ou à toutes les régions.
Le tarif annoncé pour l’API est de 3 dollars par million de jetons d’entrée et de 15 dollars par million de jetons de sortie. Le million de jetons correspond à la fenêtre de contexte indiquée par Google. Cette limite concerne la quantité de contenu que le modèle peut traiter dans un contexte ; elle ne signifie pas que chaque interaction peut fournir ou produire automatiquement un million de jetons.
Tarifs et modalités d’accès annoncés
Tarifs de l’API et accès indiqués par Google DeepMind pour Gemini 4 Neon.
| Élément | Tarif ou capacité | Accès annoncé |
|---|---|---|
| Jetons d’entrée | 3 USD par million | API payante |
| Jetons de sortie | 15 USD par million | API payante |
| Jetons d’entrée mis en cache | 0,15 USD par million | API payante ; remise annoncée de 95 % |
| Fenêtre de contexte | 1 000 000 de jetons | Capacité annoncée pour le modèle |
| Application Gemini | — | Abonnés Google AI Pro et Ultra |
| Google Antigravity | — | Abonnés Pro et Ultra |
| AI Studio | — | API et accès développeur annoncés |
Cybersécurité, protections et limites
Google annonce une variante destinée à la cyberdéfense, Gemini 4 Neon for cyber, conçue pour repérer des vulnérabilités, évaluer leur exploitabilité et aider à les corriger. Au moment de l’annonce, le déploiement est prévu dans les jours suivants auprès de défenseurs sélectionnés participant au programme Fairwind. Cette variante n’est pas présentée comme disponible au public général.
Pour le modèle Neon standard, Google affirme que les protections contre les usages malveillants et les attaques par injection de prompt sont du niveau de celles de Carbon. La société rapporte un taux de réussite de 0 % aux attaques d’injection de prompt sur le benchmark Gray Swan IPI, dans une configuration donnée avec des protections en temps réel. Ce résultat décrit ce benchmark et cette configuration, et non une immunité générale contre les attaques. L’annonce officielle reconnaît par ailleurs que les modèles doivent continuer à progresser en matière de sécurité et d’alignement.
Google indique que Neon a atteint son taux le plus bas de fabrication d’informations dans ses tests internes d’Antigravity. Un taux mesuré dans une évaluation interne ne garantit pas l’absence d’erreurs dans les réponses. Pour les usages sensibles, il faut vérifier les données, tester les résultats et prévoir une supervision adaptée, notamment lorsque le modèle agit avec des outils ou traite des informations importantes.
Les benchmarks de l’annonce portent sur des tâches précises et ne démontrent pas, à eux seuls, une fiabilité universelle en programmation, en analyse scientifique ou en cybersécurité. La documentation citée ne constitue pas une réplication indépendante de l’ensemble des résultats. Une évaluation pratique doit tenir compte de ses propres données, du niveau de raisonnement choisi, des outils utilisés et des conséquences d’une erreur.
Choisir un mode d’accès
Les modalités dépendent du profil et du produit utilisés.
- 01Développeurs : accéder à l’API Gemini payante via Google AI Studio ; l’annonce cite également Android Studio.
- 02Entreprises : utiliser Gemini for Business via l’API ou le menu des modèles, ou Google Antigravity selon l’accès disponible.
- 03Abonnés Pro et Ultra : sélectionner Neon dans l’application Gemini ou l’essayer dans Google Antigravity.
- 04Défenseurs en cybersécurité : consulter les modalités du programme Fairwind pour demander l’accès à la variante Neon for cyber ; son déploiement est annoncé pour des défenseurs sélectionnés.
Poursuivre l’exploration
Sources consultées
Corrections et transparence
Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.
Proposer une correction