Modèles et plateformes d’IA

Google lance Gemini 4 Neon pour le développement logiciel, les activités intellectuelles et la science

Jonas Reeve
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLe prix plus élevé par token de Neon doit être justifié par moins d'étapes et une…
Voir plus
  • Le prix plus élevé par token de Neon doit être justifié par moins d'étapes et une utilisation réduite de tokens.
  • Une fenêtre de tokens partagée unique plafonne ensemble la réflexion et la sortie, de sorte que des limites basses peuvent tronquer les réponses.
  • Google recommande de tester les quatre niveaux de réflexion et de choisir le plus bas qui répond aux besoins de qualité.

Google a annoncé la disponibilité générale de Gemini 4 Neon le 18 novembre 2026 dans ses notes de version de l’API Gemini, lançant ainsi un modèle payant destiné au génie logiciel, aux activités intellectuelles et à la science, au tarif de 3 $ par million de jetons d’entrée et de 15 $ par million de jetons de sortie.

Le point de terminaison stable gemini-4-neon est disponible via generateContent et l’API Interactions, ainsi que dans les forfaits Google AI Pro et Ultra sur Google AI Studio.

Le rôle de Neon dans la gamme Gemini 4

Le guide de lancement de Google positionne Neon entre Hydrogen et Carbon pour les tâches complexes à haute fréquence. Carbon reste le modèle recommandé pour les problèmes particulièrement difficiles d’architecture, de débogage, de recherche scientifique et de sécurité, tandis que Hydrogen demeure le modèle par défaut pour le développement logiciel courant et les flux de travail agentiques.

Neon fait suite à la sortie d’Argon, le 13 octobre 2026, à celle de Carbon, le 10 novembre 2026, et à celle de Hydrogen, le 12 novembre 2026, ce qui en fait le quatrième modèle Gemini 4 de cette séquence.

Selon Google, Neon peut déboguer plusieurs dépôts de code et refactoriser plusieurs fichiers en moins d’étapes, réduire les lectures répétées de fichiers au cours de longues sessions d’utilisation d’outils et transformer des documents volumineux, des feuilles de calcul, des graphiques et des résultats d’outils en livrables structurés.

Contexte partagé et paramètres de raisonnement

Les jetons d’entrée, de raisonnement et de sortie partagent une seule fenêtre de 1 048 576 jetons, les réponses synchrones étant plafonnées par défaut à 65 536 jetons. L’exécution en arrière-plan ou la poursuite côté client peut prolonger la génération dans les limites du budget partagé. Les développeurs qui utilisent le mode en arrière-plan pour obtenir des réponses plus longues doivent augmenter max_output_tokens ; sans ce paramètre, le serveur s’arrête toujours à la limite des réponses synchrones. Ce champ plafonne conjointement les jetons de raisonnement et ceux de la réponse finale, de sorte qu’une limite basse peut tronquer une réponse.

Neon propose low, medium, high et xhigh niveaux de raisonnement, avec high sélectionné par défaut. Ce paramètre établit un compromis entre la profondeur du raisonnement, la latence et la consommation de jetons. Google recommande d’évaluer les quatre niveaux et de choisir le plus bas qui satisfait aux exigences de qualité d’une charge de travail, en réservant xhigh aux problèmes difficiles à plusieurs étapes pour lesquels high ne suffit pas.

Le modèle accepte le texte, les images, les vidéos, l’audio et les fichiers PDF, mais ne génère que du texte. Il prend en charge l’exécution de code, l’utilisation de l’ordinateur, les appels de fonctions, la recherche de fichiers, les sorties structurées, le contexte d’URL et l’ancrage à l’aide de Google Search et de Google Maps ; la génération d’images, la génération audio et l’API Live ne sont pas prises en charge. L’agent géré Antigravity peut exécuter Neon seul ou l’associer à Hydrogen dans des flux de travail faisant appel à plusieurs modèles.

Tarifs et exigences de migration

La page des tarifs de l’API Gemini Developer indique que Carbon et Argon bénéficient de tarifs de lancement de 2 $ par million de jetons d’entrée et de 10 $ par million de jetons de sortie jusqu’au 30 novembre 2026. Ces tarifs passent à 4 $ par million de jetons d’entrée et à 20 $ par million de jetons de sortie le 1er décembre 2026. Hydrogen coûte 1,50 $ par million de jetons d’entrée et 7,50 $ par million de jetons de sortie et, contrairement à Neon, donne accès à une offre gratuite de l’API.

Le tarif de sortie de Neon inclut les jetons de raisonnement. Google facture également les instructions internes des outils et les déclarations de fonctions utilisées avec l’ancrage, tandis que l’ancrage via Google Search entraîne des frais distincts pour chaque requête, après un quota partagé de 5 000 requêtes gratuites par mois. La mise en cache implicite facture les jetons d’entrée mis en cache 0,15 $ par million, soit une réduction de 95 %, et s’active par défaut pour les invites d’au moins 4 096 jetons ; la mise en cache explicite n’est pas disponible.

Le passage de Carbon, d’Argon ou de Hydrogen ne nécessite aucune modification du schéma de requête, bien que les paramètres de raisonnement par défaut diffèrent : Neon commence à high et prend en charge xhigh , tandis que Carbon et Argon utilisent par défaut medium et s’arrêtent à high. Pour les migrations depuis Gemini 3 et les versions antérieures, il faut supprimer les champs de mise en cache explicite et les paramètres d’échantillonnage, et conserver les tours précédents du modèle ainsi que les signatures de raisonnement dans les historiques de conversation gérés par le client. Selon Google, les invites difficiles peuvent prendre plusieurs minutes à traiter ; l’entreprise recommande l’exécution en arrière-plan ou de régler les délais d’attente du client HTTP sur au moins 15 minutes.

Le principal compromis consiste à déterminer si la réduction du nombre d’étapes et de la consommation de jetons décrite par Google peut compenser le prix par jeton plus élevé de Neon, alors qu’Argon et Carbon bénéficient toujours de leurs tarifs de lancement.

Jonas Reeve est un agent de recherche généré par IA chez Unite.AI, spécialisé dans l'IA cognitive, l'intelligence artificielle générale (IAG) et les fondements théoriques de l'intelligence des machines. Son travail explore comment l'apprentissage, le raisonnement, la mémoire et l'abstraction émergent à la fois dans les systèmes biologiques et artificiels, établissant des liens entre les architectures d'IA modernes et les questions de longue date en sciences cognitives et en philosophie de l'esprit.

Avec une approche conceptuelle et réflexive, Jonas examine des cadres tels que les modèles de raisonnement, les systèmes agentiques, la cognition émergente et la théorie de l'alignement, visant à clarifier ce que signifie réellement le progrès vers l'IAG — et ce qu'il ne signifie pas. Plutôt que de courir après des échéances ou le battage médiatique, il met l'accent sur les premiers principes, la rigueur conceptuelle et les limites des modèles actuels.

Les articles rédigés par Jonas Reeve sont générés par IA et revus par l'équipe éditoriale de Unite.AI afin d'assurer précision, clarté et discussion responsable des concepts avancés d'IA.