Entre profondeur et rapidité, Gemini 4 Neon vise le travail complexe

Pensé pour le code, l’analyse et les sciences, Gemini 4 Neon combine quatre niveaux de raisonnement et un contexte d’un million de tokens.

Entre les projets de longue haleine confiés à Carbon et les tâches courantes destinées à Hydrogen, une nouvelle place s’ouvre dans la famille Gemini 4. Le modèle Neon, adapté de Carbon, vise les travaux complexes et fréquents : développement logiciel, analyse de documents et recherche scientifique. Dans son annonce, Google met l’accent sur le temps nécessaire pour terminer une tâche complète, avec des réglages pour ajuster l’effort consacré au raisonnement. Un effort de raisonnement à régler selon la tâche

Quatre niveaux sont proposés, low, medium, high et xhigh, avec high comme réglage par défaut. Les entrées peuvent mêler texte, images, audio, vidéo et documents dans une fenêtre de contexte d’un million de tokens. Cette capacité sert à croiser des fichiers et à produire des rapports, des synthèses ou du code. Le déploiement commence dans Gemini et Antigravity pour les abonnés Google AI Pro et Ultra, dans Gemini for business et sur le niveau payant de l’API Gemini, accessible depuis AI Studio et Android Studio. Ce que mesurent les comparaisons avec Carbon

Les évaluations externes donnent des repères sur ce positionnement. Dans son analyse de lancement, Artificial Analysis mesure un score de 61 à l’Intelligence Index en xhigh, contre 60 pour Carbon en high. Sur ce protocole, Neon prend environ 21 minutes par tâche contre 36 pour Carbon, avec un coût moyen de 6,44 dollars contre 7,76 dollars. Le calcul utilise le tarif standard de Carbon. De son côté, Vals AI le classe deuxième de son indice avec 70,87 %, et premier sur ses indices consacrés à la finance et au droit. Ces résultats décrivent des configurations et des ensembles de tests distincts.

Le tarif de l’API est fixé à 3 dollars par million de tokens en entrée, 15 dollars en sortie et 0,15 dollar pour les tokens d’entrée relus depuis le cache. La comparaison avec Carbon demande de distinguer son prix standard, de 4 et 20 dollars en entrée et en sortie, de sa promotion à 2 et 10 dollars, annoncée jusqu’au 30 novembre. Les tokens de Neon sont donc moins chers que ceux de Carbon au tarif standard, mais plus chers pendant cette promotion. Le coût final d’un travail dépend aussi du volume généré : Artificial Analysis observe que Neon utilise davantage de tokens de sortie dans sa comparaison en xhigh. Des agents à l’œuvre dans Antigravity

Pour le développement logiciel, l’accent porte sur les sessions longues et les tâches qui mobilisent plusieurs outils. Dans Antigravity, le modèle peut diriger des sous-agents Hydrogen en parallèle, suivre les corrections de l’utilisateur et poursuivre le travail après une réduction du contexte conservé. Les résultats publiés montrent aussi le poids de cet environnement d’exécution : sur SWE-sweep, Google rapporte 12,8 % avec mini-SWE et 39 % dans Antigravity. La fiche du modèle distingue ces deux configurations ; le second chiffre associe les capacités du modèle à celles des outils et de leur orchestration.

La fiabilité du travail effectué constitue un autre axe de l’annonce. Google rapporte son taux de fabrication le plus faible à ce jour dans ses essais internes Antigravity et insiste sur le respect des consignes en plusieurs étapes. Ces évaluations portent sur le comportement de l’agent, ses raccourcis et ses actions ; elles ne mesurent pas un taux d’exactitude général applicable à toutes les réponses. Une déclinaison destinée à la cybersécurité doit également être ouverte dans les prochains jours aux défenseurs éligibles au programme Fairwind, avec des usages de détection, de validation et de correction de vulnérabilités.

Les démonstrations créatives illustrent cette exécution à plusieurs outils. En pilotant Blender par MCP et la commande /swarm dans Antigravity, le modèle a composé une paillasse de laboratoire en 3D, associant les membres de la gamme aux propriétés des éléments dont ils portent le nom. Une autre démonstration reconstruit le bureau d’Alan Turing à Cambridge à partir de photographies d’archives. Ces exemples présentés par Google montrent une chaîne de recherche, de programmation et de construction de scène, avec des logiciels externes pour produire le résultat visuel.