Google a présenté mercredi le Gemini 4 Neon, le dernier ajout à sa famille de modèles Gemini 4 et, selon The Decoder, le quatrième nouveau modèle Gemini que Google a expédié en un mois. Google positionne Neon comme un outil de travail de niveau intermédiaire qui associe une intelligence de pointe à 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 - et son prix est bien inférieur aux modèles plus grands dont il est à la traîne en termes de capacités brutes.
"Aujourd'hui, nous présentons Gemini 4 Neon, apportant une intelligence de pointe avec une réalisation rapide de tâches de bout en bout dans des flux de travail complexes d'ingénierie logicielle, de travail de connaissances et de sciences", a écrit le vice-président principal et architecte en chef de l'IA de Google DeepMind dans l'annonce. SiliconANGLE a rapporté que le modèle de milieu de gamme fonctionne trois fois plus vite que son grand frère Carbon tout en gagnant sur certaines mesures. Pour plus de contexte sur cette histoire, consultez notre dernières avancées en IA.
Où Neon se classe-t-il dans les benchmarks
Selon l'indice d'intelligence analytique artificielle, Neon obtient un score de 61 à son niveau de réflexion xélevé, se classant au 3e rang au classement général, juste derrière des modèles plus grands et plus lents, a déclaré Google. Sur l'indice Vals, il se classe au deuxième rang avec 70,9 pour cent et se situe sur la frontière de Pareto entre coût et performance. Il occupe la première place à la fois sur le banc de recherche juridique et sur le banc des agents fiscaux, et Google a cité les évaluations de Surge AI le classant n°1 sur la plupart des références couvrant la finance, la comptabilité, la modélisation de feuilles de calcul et le suivi de contraintes complexes.
Les scores liés aux agents sont tout aussi importants dans l'annonce : n°1 au classement général sur AutomationBench de Zapier avec 56,3 %, n°1 sur la simulation commerciale à long horizon Vending-Bench 2 d'Andon Labs avec 16 843 $, 75,8 % sur Agents' Last Exam v1.1 et 73,5 % sur Chartography pour la lecture de graphiques professionnels denses. Sur le nouvel Agent Arena Index d'Arena, construit à partir de plus de 4 200 sessions d'agents réels, Neon fait ses débuts au deuxième rang mondial avec un score de 1 336. En raisonnement scientifique et mathématique, Google rapporte 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 l’endroit où Google vise le plus Neon. Le modèle se classe n°1 au classement général sur l'indice des agents de codage d'analyse artificielle à 58,6, affiche 65,2 % sur Terminal-Bench 4.1 et obtient un score de 46,2 % sur FrontierCode 2.0 à son réglage élevé par défaut. Le titre de VentureBeat décrit sans détour la situation concurrentielle : des performances de codage de niveau Opus 5.5 à des prix de jeton API inférieurs de 25 % – une photo directe des modèles de codage Claude d'Anthropic, qui ont lancé leur propre étape sur le marché cette semaine avec l'introduction en bourse record d'Anthropic.
Le chiffre le plus frappant concerne SWE-sweep, la référence en matière d'ingénierie logicielle de Google : Neon ne gère que 12,8 % sur le harnais mini-SWE standard, mais fait plus que tripler pour atteindre 39,0 % lorsqu'il est exécuté dans Google Antigravity, l'IDE agentique de la société - un chiffre que Google utilise pour affirmer que le harnais autour d'un modèle compte autant que le modèle lui-même. Neon est également conçu pour agir comme un orchestrateur rapide dirigeant des sous-agents hydrogène parallèles dans Antigravity, supprimant les lectures de fichiers redondantes et gérant le compactage du contexte au cours de longues sessions.
Google a démontré la gamme agentique du modèle avec des versions de démonstration : un banc de laboratoire 3D photoréaliste généré via Blender MCP, un simulateur de ski WebGL2 à la première personne écrit à partir de zéro sur le terrain réel du Mont Blanc avec plus de 10 000 lignes de shaders personnalisés, et un essaim d'agents qui a transformé une seule image en une détection de bord de course Google Sheet à 100 000 cellules grâce à plus de 500 000 formules en direct.
Des prix qui repoussent les limites
Neon coûte 3 $ par million de jetons d'entrée et 15 $ par million de jetons de sortie, avec une fenêtre contextuelle de 1 million de jetons. Les jetons d'entrée mis en cache coûtent 0,15 $ par million, soit une remise de 95 % conçue pour les flux de travail agents qui relisent le même contexte à plusieurs reprises. À son niveau de réflexion élevé par défaut, Google affirme que Neon offre un coût par tâche 32 % inférieur à celui de Carbon, et à xhigh, il coûte 36 % ou plus de moins par tâche que les meilleurs modèles concurrents concurrents avec leurs paramètres les plus élevés.
Le modèle lance une échelle de réflexion raffinée à quatre niveaux – allant d'un niveau rapide à faible coût jusqu'à xhigh pour les charges de travail d'ingénierie et d'analyse les plus difficiles – permettant aux équipes de composer avec l'intelligence et les dépenses en jetons par tâche. Google rapporte également que Neon se classe au deuxième rang en termes de maniabilité sur le nouvel indice Agent Arena pour s'adapter proprement aux corrections à mi-tâche, et enregistre son taux de fabrication le plus bas jamais enregistré dans les tests internes d'antigravité.
La sécurité bénéficie d'un traitement de première classe
Un accent notable du lancement est la sécurité défensive. Sur AutoBaxBench, qui teste si les modèles génèrent du code sécurisé dès le départ, Neon surpasse Carbon dans les défis faciles, moyens et difficiles et atteint l'état de l'art sur le niveau difficile à 76 %. Sur WebExploitBench v1.2, une référence de tests d'intrusion, Google revendique un taux de pointe de 51,26 %, soit la moitié du coût des grands modèles concurrents.
Google produit également cette fonctionnalité : une configuration « Gemini 4 Neon pour le cyber » couvrant la recherche, la validation et l'application de correctifs de vulnérabilités sera déployée auprès des défenseurs de confiance dans les prochains jours via le programme Fairwind de l'entreprise.
Disponibilité
Gemini 4 Neon est déployé aujourd'hui dans l'API Gemini et Google AI Studio, dans Gemini for business via l'API et la liste déroulante des modèles, et auprès des abonnés payants Google AI Pro et Ultra dans Google Antigravity et l'application Gemini. Une mise en garde formulée par les développeurs sur Hacker News : la documentation de Google Cloud indique que le modèle est livré avec une journalisation des invites de surveillance des abus sur la plate-forme d'agent d'entreprise et n'offre aucune option de désinscription – une considération pour les équipes gérant du code sensible.
Avec Neon, Google rend sa stratégie explicite : plutôt que de vendre un énorme modèle, il propose une famille de modèles nommés éléments – Carbone, Hydrogène, Argon et maintenant Neon – et laisse les références se disputer pour savoir lequel se situe à la frontière coût-capacité. Pour les équipes chargées du codage qui regardent cette semaine les débuts d'Anthropic, d'une valeur de mille milliards de dollars, la baisse de prix est la solution : une intelligence proche des frontières pour une fraction du coût par tâche.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →