Google a présenté mardi Gemini 4 Neon, un nouvel ajout à sa famille d'éléments nommée Gemini 4, que la société présente comme fournissant une intelligence de premier plan avec une exécution rapide des tâches de bout en bout dans les domaines de l'ingénierie logicielle, du travail de connaissances et des flux de travail scientifiques. L'annonce est venue de Koray Kavukcuoglu, vice-président directeur de Google DeepMind et architecte en chef de l'IA de l'entreprise, dans un article de blog officiel.

Le lancement s'inscrit dans la cadence rapide des versions Gemini 4 de Google, qui comprend déjà les variantes Carbon, Hydrogen et Argon, cette dernière ayant fait la une des journaux en jouant de manière autonome jusqu'au générique de fin de Minecraft. Neon se positionne comme le niveau rapide et efficace de la famille : suffisamment solide pour se situer au sommet des classements indépendants tout en coûtant beaucoup moins cher que les modèles frontières plus grands et plus lents qu'il suit. Suivez chaque version majeure du modèle dans notre couverture des modèles IA.

Où Neon atterrit sur les benchmarks

Google affirme que Neon obtient un score de 61 sur l'indice d'intelligence analytique artificielle à son niveau de réflexion xélevé, se classant troisième au classement général et devant les modèles comparables tout en se classant juste derrière des concurrents plus grands et plus lents. Sur l'indice Vals, il se classe deuxième avec 70,9 %, ce qui le place sur la frontière Pareto du coût par rapport à la capacité, et il occupe la première place à la fois sur le banc de recherche juridique et sur le banc des agents fiscaux.

C’est sur l’histoire de l’entreprise que Google concentre ses revendications. Neon synthétise les feuilles de calcul, les PDF, les graphiques, l'audio et la vidéo dans une seule fenêtre contextuelle d'un million de jetons et transforme ces entrées en livrables structurés. Google affirme que le modèle se classe premier dans la plupart des benchmarks Surge AI en matière de finance, de comptabilité, de modélisation de feuilles de calcul et de suivi de contraintes complexes. Il affiche 73,5 % sur Chartography pour la lecture de graphiques professionnels denses et fonctionne à égalité avec les principaux modèles sur Agents' Last Exam v1.1 (75,8 %). Il fait également ses débuts en premier sur AutomationBench de Zapier à 56,3 % et dépasse Vending-Bench 2 d'Andon Labs – une simulation à long terme de la gestion d'une entreprise – avec 16 843 $ de revenus simulés. Dans le nouvel Agent Arena Index d'Arena, construit à partir de plus de 4 200 sessions d'agents réels, Neon se classe au deuxième rang mondial avec un score de 1 336 et au deuxième rang en termes de maniabilité, ce qui signifie qu'il s'adapte parfaitement aux corrections des utilisateurs en cours de tâche.

Le raisonnement scientifique et mathématique a sa propre vitrine : Google revendique les meilleurs résultats de sa catégorie sur Terminal-Bench Science (70,5%), RiemannBench (84,0%) et HLE-Diamond (71,3%).

Conçu pour les agents de codage de longue durée

Le codage est sans doute le cas d’utilisation phare. Google affirme que Neon se classe premier au classement général de l'index des agents de codage d'analyse artificielle avec un score de 58,6, affiche 65,2 % sur Terminal-Bench 4.1 et 46,2 % sur FrontierCode 2.0 à son réglage élevé par défaut. Sur le balayage SWE, Neon est en tête avec 12,8 % sur le harnais mini-SWE et plus que triple ce chiffre pour atteindre 39,0 % de pointe lorsqu'il fonctionne dans le harnais d'agent antigravité de Google.

Le modèle est conçu pour les flux de travail d'agent de longue durée : il maintient les performances grâce à des tâches complexes et gourmandes en outils, supprime les lectures de fichiers redondantes, partage la progression au fur et à mesure de son fonctionnement et gère le compactage du contexte de manière fiable au cours de longues sessions. Il peut également agir comme un orchestrateur rapide et faisant preuve d’un grand jugement dirigeant des sous-agents hydrogène parallèles en antigravité. Les démos de Google étaient typiquement spectaculaires : en pilotant Blender MCP en antigravité, Neon a construit un banc de laboratoire 3D photoréaliste visualisant la famille Gemini 4 avec une précision élémentaire : des flammes Bunsen pour le carbone et l'hydrogène, des tubes à décharge de gaz pour l'argon et le néon. À l'aide de la commande /swarm, il a recréé l'étude d'Alan Turing de 1936 au King's College de Cambridge en 3D interactive, avec une machine de Turing universelle fonctionnelle sur le bureau. Dans une autre démo, un essaim d'agents a transformé une seule image en une feuille Google Sheet de 100 000 cellules exécutant une détection des bords et une cartographie de profondeur 3D via plus de 500 000 formules de feuille de calcul en direct, sans images intégrées ni Apps Script.

Tarification adaptée avec quatre niveaux de réflexion

Gemini 4 Neon coûte 3 $ par million de jetons d'entrée et 15 $ par million de jetons de sortie, avec une entrée en cache au prix de 0,15 $ par million de jetons – une remise de 95 % conçue pour rendre les boucles d'agents à long contexte économiquement viables. La fenêtre contextuelle d'un million de jetons couvre les charges de travail d'entreprise, analytiques et scientifiques du modèle.

Google affine également son échelle de réflexion avec cette version. Neon propose quatre niveaux qui évoluent régulièrement, permettant aux équipes de composer des informations et des dépenses en jetons pour chaque charge de travail. À son niveau élevé par défaut, la société affirme que Neon associe un fort score d'analyse artificielle à un coût par tâche 32 % inférieur à celui de Carbon, et se situe sur la frontière de Pareto de l'indice Vals et de l'Agent Arena avec un coût par tâche environ 50 % à 80 % inférieur à celui des principaux modèles concurrents. Le paramètre xhigh ajoute un raisonnement multi-étapes plus approfondi pour les charges de travail d'ingénierie et scientifiques les plus difficiles, tout en coûtant 36 % et plus de moins par tâche que les modèles concurrents avec leurs paramètres les plus élevés.

Une cyber-variante pour les défenseurs de confiance

Google a également positionné Neon comme modèle de sécurité. Gemini 4 Neon pour cyber produit un code plus sécurisé que Carbon dans tous les défis faciles, moyens et difficiles sur AutoBaxBench, atteignant l'état de l'art sur le niveau difficile à 76 %. Sur WebExploitBench v1.2, le modèle affiche un rapport de pointe revendiqué de 51,26 % à la moitié du coût des grands modèles concurrents, et tout au long du cycle de vie de renforcement du code, il obtient un score de 90,5 % sur SEC-bench Pro (détection de vulnérabilité, à environ la moitié du coût habituel par défi), atteint une validation d'exploitation au niveau de la frontière sur ExploitGym en utilisant la moitié des jetons de Carbon, et atteint 70,7 % sur Collinear. CWE-bench v2 pour les correctifs – une augmentation de 3,4 points par rapport à Carbon. La variante cyber sera déployée auprès des défenseurs de confiance dans les prochains jours via le programme Fairwind de Google.

Mesures de sécurité pour les travaux de production

Parce que Neon apporte des capacités de pointe à un modèle plus rapide et moins cher, Google affirme avoir associé la version à des protections en temps réel contre les abus en matière de cybersécurité et de biosécurité comparables aux protections de Carbon – tout en refusant des travaux beaucoup moins légitimes, refusant seulement 1,98 % des tâches sur Terminal-Bench 4.0 et aucune sur Terminal-Bench-Science. Les moniteurs d'alignement internes ont montré des taux d'alerte inférieurs aux lignes de base de Carbon, et le modèle a égalé Carbon avec 0,0 % de triche sur Terminal-Bench 4.0, a pris des raccourcis sur seulement 2,45 % des tâches dans l'évaluation de triche de codage de Google – le taux le plus bas de tous les modèles Gemini 4 – et a affiché un taux d'action mal aligné de 0,09 % sur sa suite de sécurité agent ainsi qu'un taux de réussite de 99,2 % pour l'évaluation de l'honnêteté des agents.

Disponibilité

Gemini 4 Neon est déployé aujourd'hui dans l'API Gemini dans Google AI Studio, dans Gemini pour les entreprises via l'API et la liste déroulante des modèles, et pour les abonnés payants Google AI Pro et Ultra dans Google Antigravity et l'application Gemini.

Pourquoi c'est important

La tarification de Neon met les performances des agents frontaliers à la portée des équipes qui ne pourraient pas justifier les coûts de modèles de haut niveau pour des charges de travail à volume élevé. Si les affirmations de référence se confirment lors de tests indépendants, la situation concurrentielle en matière de codage agent, de travail de connaissances d'entreprise et de sécurité défensive se resserre encore – et l'écart entre « assez rapide » et « frontière » continue de se rétrécir. Pour d’autres lancements comme celui-ci, consultez les derniers développements de l’IA sur AI Buzz Wire.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →