Google lance Gemini 4 Neon : prétendument 3 fois plus rapide que Carbon et 40 % moins cher pour accomplir des tâches

📅 2026-11-19

Résumé :

Google lance officiellement Gemini 4 Neon, un nouveau membre de la série Gemini 4. Ce modèle est positionné pour une programmation complexe, un raisonnement analytique et une exécution de tâches en plusieurs étapes, en essayant de trouver un équilibre entre des niveaux élevés d'intelligence et d'efficacité opérationnelle. Google affirme que lors des premiers tests, la qualité globale du Neon atteint ou dépasse le modèle phare Gemini 4 Carbon, mais les tâches sont effectuées trois fois plus rapidement et la même tâche ne coûte que 60 % du Carbon.

Auparavant, Google avait lancé Gemini 4 Carbon et Gemini 4 Hydrogen pour les tâches quotidiennes. Le carbone est principalement destiné aux tâches complexes, à long terme et difficiles, tandis que l'hydrogène met l'accent sur une réponse rapide et une utilisation quotidienne. Le Neon lancé cette fois comble l'écart de positionnement entre les deux, en se concentrant sur les scénarios de travail qui nécessitent de fortes capacités de raisonnement mais sont sensibles à la vitesse d'exécution et au coût.

Gemini 4 Neon a obtenu 61 points dans l'évaluation de l'indice d'intelligence d'analyse artificielle, se classant troisième lors de l'activation du mode de pensée xhigh le plus élevé, juste derrière certains modèles plus grands et plus lents. Dans la revue Vals Index, il s'est classé deuxième avec un score de 70,9%. En outre, Google a également déclaré que Neon présentait des performances exceptionnelles en matière d'exécution d'instructions en plusieurs étapes, de traitement de contraintes complexes et d'adaptabilité lorsque les utilisateurs modifient les exigences des tâches à mi-chemin.

Dans le domaine du développement logiciel, Neon accorde une importance particulière aux workflows d'agents intelligents à long terme. Il gère le débogage du code, la refactorisation et les modifications de projets sur plusieurs fichiers et réduit les lectures répétées de fichiers pendant l'exécution tout en signalant en permanence la progression des tâches. Google espère que grâce à ces améliorations, le modèle pourra non seulement générer du code, mais également effectuer des travaux complexes de manière indépendante dans un environnement plus proche du développement logiciel réel.

Dans les résultats des tests annoncés par Google, Neon a obtenu un score de 58,6 points sur l'index des agents de codage d'analyse artificielle, Terminal-Bench 4.1 un score de 65,2 % et FrontierCode 2.0 un score de 46,2 %. Dans le test SWE-sweep, le score était de 12,8 % lors de l'utilisation du cadre de test mini-SWE, qui est passé à 39,0 % dans l'environnement GoogleAntigravity. Cet ensemble de différences montre également que le cadre logiciel et l'environnement d'exécution utilisés par les agents intelligents peuvent avoir un impact considérable sur les résultats finaux.

Neon peut également agir en tant que coordinateur dans Antigravity, en divisant les tâches complexes et en les confiant à plusieurs sous-agents Gemini 4 Hydrogen pour une exécution parallèle. De cette manière, le modèle peut traiter simultanément différents modules de code ou étapes de travail, puis intégrer les résultats de chaque sous-agent. Pour les tâches de développement impliquant plusieurs fichiers et plusieurs modules fonctionnels, cette approche collaborative devrait réduire le temps d'exécution global.

En termes de travail de connaissances d'entreprise, Neon prend en charge la saisie multimodale telle que le texte, les images, l'audio et la vidéo, et la fenêtre contextuelle unifiée peut prendre en charge jusqu'à 1 million de jetons. Les utilisateurs peuvent placer des feuilles de calcul, des PDF, des graphiques, des fichiers audio, vidéo et autres dans la même tâche, permettant au modèle d'analyser de manière exhaustive et de générer des résultats structurés.

Les données de test publiées par Google montrent que Neon a obtenu un score de 70,9 % à l'indice Vals, se classant premier à la fois dans les tests de recherche juridique et dans les tests des agences fiscales. Dans le test de tâches automatisées Zapier AutomationBench, il a obtenu un score de 56,3 % ; dans la simulation commerciale à long terme Vending-Bench 2 d'Andon Labs, les revenus simulés ont atteint 16 843 $. De plus, il a obtenu un score de 73,5 % au test professionnel de compréhension des graphiques Chartography et de 75,8 % au test Agents' Last Exam v1.1.

Le raisonnement scientifique et mathématique sont également les capacités que Neon se concentre sur le renforcement. Dans le test Terminal-Bench Science, il a obtenu 70,5 % ; au test de mathématiques RiemannBench, il a obtenu 84,0 % ; au test HLE-Diamond, il a obtenu 71,3 %. Ces résultats reflètent la volonté de Google de positionner Neon comme un modèle général non seulement adapté à la programmation, mais également capable d'entreprendre des tâches complexes de recherche scientifique, d'analyse mathématique et de recherche technique.

La cybersécurité est un autre objectif de cette version. Google a lancé une version dédiée de Gemini 4 Neon pour les travaux de sécurité des réseaux, principalement utilisée pour la génération de code sécurisé, la découverte de vulnérabilités, la vérification des tests d'intrusion et la réparation de code. Au test AutoBaxBench, cette version a obtenu un score de 76 % sur les projets difficiles ; dans le test WebExploitBench v1.2, il a atteint 51,26 %. Dans le test de découverte de vulnérabilité SEC-bench Pro, le score était de 90,5 %, et dans le test de renforcement du code CWE-bench v2, il a atteint 70,7 %.

Google a déclaré que même si Neon a amélioré ses capacités de sécurité réseau, il conserve toujours des capacités de protection contre les abus sévères comparables à Carbon, et a encore amélioré la résistance du modèle à l'injection d'invites malveillantes. La version spécifique à la sécurité du réseau sera mise à la disposition des défenseurs de la sécurité qualifiés par étapes via le programme Fairwind.

En termes de sécurité et de fiabilité, Google met particulièrement l'accent sur le contrôle du comportement de Neon lors de l'exécution de tâches à long terme et en plusieurs étapes. La société affirme que le modèle peut mieux suivre les instructions de l'utilisateur et réduire les problèmes tels que les résultats fictifs, l'expansion non autorisée de la portée des tâches et la prise de raccourcis qui ne répondent pas aux exigences. Lors des tests internes, certains indicateurs comportementaux de Neon étaient meilleurs que ceux du précédent Carbon, mais ces données proviennent principalement du propre système d'évaluation de Google et nécessitent encore des tests plus indépendants pour être vérifiées.

En termes de prix, le prix standard proposé par Gemini 4 Neon via l'API Gemini est de 3 USD par million de jetons d'entrée, de 0,15 USD par million de jetons d'entrée en cache et de 15 USD par million de jetons de sortie. En comparaison, le prix promotionnel actuel de Carbon est de 2 $ par million de jetons d'entrée et de 10 $ par million de jetons de sortie, mais cette offre devrait durer jusqu'au 30 novembre. À partir du 1er décembre, le prix standard de Carbon sera ajusté à 4 $ US par million de jetons d'entrée et 20 $ US par million de jetons de sortie. À ce moment-là, le prix du jeton unique de Neon sera 25 % inférieur à celui du Carbone.

Cependant, une simple comparaison des prix des jetons ne reflète pas pleinement le coût d'utilisation réel. Google a souligné que Neon peut effectuer des tâches plus rapidement et réduire la consommation de jetons pour effectuer le même travail, de sorte que son coût par tâche unique est inférieur aux charges de travail réelles. Selon les données publiées par Google, dans le mode de réflexion élevé par défaut, le coût d'exécution des tâches de Neon est 32 % inférieur à celui de Carbon ; en mode xhigh supérieur, Neon présente toujours un avantage en termes de coût, mais l'étendue spécifique sera affectée par le type de tâche et la configuration du modèle.

Gemini 4 Neon s'ouvre progressivement. Les développeurs peuvent l'utiliser via les services payants de Google AI Studio et de l'API Gemini, et les entreprises clientes peuvent y accéder via Gemini for Business et Antigravity. Du côté des consommateurs, les abonnés Google AI Pro et Ultra peuvent choisir Neon dans l'application Gemini, et les utilisateurs Pro et Ultra peuvent également en faire l'expérience dans Antigravity.

En général, Neon ne cherche pas simplement à agrandir la taille des modèles ou à obtenir des résultats de test uniques plus élevés, mais essaie de résoudre un problème plus important dans l'utilisation réelle : comment faire en sorte que des modèles dotés de capacités de raisonnement phares accomplissent un travail réel à des vitesses plus rapides et à moindre coût. Pour les utilisateurs qui ont besoin d'appeler fréquemment des agents d'IA, de traiter des bases de code volumineuses ou d'effectuer des tâches bureautiques complexes, l'efficacité de l'exécution des tâches peut avoir une importance plus pratique que les paramètres de modèle purs et les classements de référence.

Tags associés

Articles similaires

Commentaires

0/500
Captcha (click to refresh)
Aucun commentaire