Une carte de titre générée portant l’inscription « Gemini 4 Neon est adapté de Carbon », avec le sous-titre « Une phrase, répétée sept fois, et jamais définie », à côté d’un arbre généalogique : Gemini 4 Argon au-dessus de Gemini 4 Carbon, étiqueté « basé sur », avec une branche descendante vers Gemini 4 Hydrogen et Gemini 4 Neon, tous deux étiquetés « adapté de ».
Guides & Insights

Gemini 4 Neon est adapté de Carbon : ce que la carte ne définira pas

Auteur

Elias Hawthorne

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

La fiche modèle publiée pour Gem​ini 4 Neon dit exactement une chose sur l’origine du modèle, et elle le dit sept fois : « Gem​ini 4 Neon est adapté de Gemini 4 Carbon. » C’est tout ce qui est publié au sujet de la relation entre Gem​ini 4 Neon, Gemini 4 Carbon, Gemini 4 Argon et Gem​ini 4 Hydrogen. Aucun nombre de paramètres, aucune indication de ce qui a été adapté, aucune définition du mot. Six semaines de sorties de Gemini 4 reposent sur cette seule clause non définie, et elle est désormais lue sur X et dans les résumés de lancement comme si « adapté » était un terme technique au sens établi. Ce n’est pas un sens que Google a fixé.

Ce qui suit distingue les trois éléments qu’il est facile de confondre ici : ce que la carte imprime littéralement, ce que cela implique, et ce qui relève actuellement de suppositions. Tout ce qui est cité provient d’une page Google DeepMind récupérée les 19 et 20 novembre 2026 ; tout ce qui est inféré est étiqueté comme inférence et conservé dans son propre paragraphe, afin que vous puissiez le retirer sans perdre les faits.

Sept phrases identiques

La fiche s’organise sous les rubriques Informations sur le modèle, Données du modèle, Mise en œuvre et durabilité, Distribution, Évaluation, Utilisation prévue et limites, et Sécurité et sûreté. Dans sept de ces emplacements, le texte principal est la même clause, suivi d’un renvoi vers la fiche Carbon :

• Dépendances du modèle — « Gem​ini 4 Neon est adapté de Gemini 4 Carbon. »

• Architecture — la même phrase, puis « consultez la fiche du modèle Gemini 4 Carbon ».

• Jeu de données d’entraînement — la même phrase, puis le même pointeur vers Carbon.

• Traitement des données d'entraînement — la même phrase, puis le même pointeur.

• Matériel — la même phrase, puis le même pointeur.

• Logiciel — la même phrase, puis le même pointeur.

• Utilisation acceptable — la même phrase, puis le même pointeur.

La fiche n’est jamais muette sur la lignée. Elle n’est jamais précise non plus. « Adapté de » porte un pointeur au lieu d’un contenu : tout ce qu’un lecteur voudrait — nombre de paramètres, quelles couches ont changé, si un modèle plus petit a été entraîné contre un plus grand, quelles données étaient nouvelles — est délégué à un document sur un autre modèle, et ce document ne répond à rien de tout cela non plus. La fiche Carbon dit que Carbon est « basé sur Gemini 4 Argon » puis renvoie à Argon, qui dit qu’Argon est « un modèle transformer à mélange d’experts (MoE) clairsemé à grande échelle » et « n’est pas une modification ni un ajustement fin d’un modèle antérieur ». Suivre la chaîne de bout en bout vous apprend que Neon descend de quelque chose qui descend de quelque chose qui est nouveau. Cela ne vous dit pas ce que « descend » a fait.

Deux phrases, aucune différence indiquée

La comparaison la plus intéressante n’est pas celle de Neon avec sa société mère. C’est le vocabulaire que Google emploie au sein de la famille, car le même éditeur utilise deux expressions différentes pour deux relations différentes et n’explique jamais pourquoi :

• Gemini 4 Argon, fiche publiée le 13 octobre 2026 — « ni une modification ni un ajustement fin d’un modèle antérieur ». Utilisé une fois, dans Dépendances du modèle.

• Gemini 4 Carbon, fiche publiée le 10 novembre 2026 — « basée sur Gemini 4 Argon ». Utilisée six fois, dans Dépendances du modèle, Architecture, Jeu de données d'entraînement, Matériel, Logiciel et Utilisation acceptable.

• Gemini 4 Hydrogen, carte publiée le 12 novembre 2026 — « adaptée de Gemini 4 Carbon ». Utilisée sept fois, aux mêmes sept endroits où Neon l’utilise.

• Gem​ini 4 Neon, fiche publiée le 18 novembre 2026 — « adaptée de Gemini 4 Carbon. » Sept fois.

A generated four-column comparison card headed 'The Gemini 4 family — four cards, four rows', counting one lineage phrase across the published model cards: Argon published 13 October 2026, 'not a modification', stated once; Carbon 10 November 2026, 'based on Argon', six times; Hydrogen 12 November 2026, 'adapted from Carbon', seven times; Neon 18 November 2026, same phrase, seven times; every card listing a March 2026 knowledge cutoff.

Ainsi, « adapté de » n’est pas une expression inventée pour Neon. Hydrogen l’employait six jours plus tôt, et les deux fiches l’utilisent à l’identique — même formulation, mêmes emplacements, même parent. Quoi que signifie adaptation ici, c’est la relation standard pour un modèle construit sur Carbon, et elle se distingue visiblement dans le texte de « basé sur », qui est la relation de Carbon à Argon. Aucune des deux expressions n’est définie où que ce soit dans la documentation de la famille. Un lecteur qui suppose que « adapté de » signifie quelque chose de plus faible ou de plus étroit que « basé sur » fait une supposition ; un lecteur qui suppose que les deux expressions veulent dire la même chose fait une supposition tout aussi audacieuse dans l’autre direction.

Ce que dit la section Architecture

C’est la partie que les résumés qui circulent omettent. La fiche Neon ne contient aucune occurrence de « distill », « distillation », « prune », « quantize » ou « mixture-of-experts », aucun nombre de paramètres, et le mot « smaller » n’y apparaît pas. La section architecture tient en une phrase et en un renvoi à Carbon. La fiche n’utilise jamais non plus « post-trained » — le mot exact dont le fil X à l’origine de cet article a noté l’absence. Cette absence est réelle et vérifiable.

Screenshot of the Google DeepMind model card page for Gemini 4 Neon, showing the published date of 18 November 2026, the Model Information tabs, and the Model dependencies line reading 'Gemini 4 Neon is adapted from Gemini 4 Carbon.'

Le seul endroit où la fiche nomme des techniques d’entraînement est la section « Safety and Security », dans une phrase qui commence par « La sécurité et la sûreté ont été intégrées à Gem​ini 4 Neon tout au long du cycle de vie d’entraînement et de déploiement, notamment le filtrage des données de pré-entraînement, l’alignement post-entraînement (ajustement supervisé et apprentissage par renforcement)… » À une lecture rapide, on croirait voir l’information que le reste de la fiche omet de divulguer. Ce n’est pas le cas. La phrase identique, mot pour mot, figure sur la fiche Carbon et sur la fiche Hydrogen. La fiche Argon ne la porte pas du tout. Elle constitue un modèle de processus de sécurité appliqué à chaque modèle construit sur Carbon, et l’utiliser comme preuve que Neon a été post-entraîné par apprentissage par renforcement revient à lire un texte standard comme une divulgation d’entraînement. La fiche ne dit pas que Neon a été post-entraîné. Elle ne dit pas non plus qu’il ne l’a pas été.

La date de coupure est le seul fait daté.

La fiche donne bien un fait précis et vérifiable concernant la provenance, et il est facile de le manquer, car il figure sous Limites connues plutôt que près du paragraphe sur l’architecture : « La date de coupure des connaissances de Gemini 4 Neon est mars 2026, même si, dans certains domaines, les connaissances du modèle peuvent être moins à jour. »

• Gemini 4 Argon — mars 2026 (la fiche l’indique pour la famille : « La date limite des connaissances pour Gemini 4 est mars 2026 »).

• Gemini 4 Carbon — mars 2026.

• Gem​ini 4 Hydrogen — mars 2026.

• Gem​ini 4 Neon — mars 2026.

Quatre modèles sur cinq semaines, quatre dates de coupure identiques. Quoi qu’il ait été ajouté entre Argon en octobre et Neon en novembre, ce n’était pas une nouvelle tranche du monde ; tout gain de capacités provient de la méthode, de la sélection des données ou du calcul d’entraînement sur des données que la famille possédait déjà. C’est une véritable contrainte pour l’interprétation selon laquelle « ils ont entraîné un nouveau modèle par-dessus », et c’est la seule affirmation quantitative que la fiche formule au sujet de la construction du modèle.

Le constat du MCC que personne n'a cité

Enfouie dans la section Frontier Safety Assessment se trouve une comparaison que Google a réalisée et n'a pas intégrée aux documents de lancement. L'entreprise a évalué si Neon présentait « de nouvelles capacités significatives ou des augmentations substantielles de performance par rapport à la version de modèle la plus récente soumise à une évaluation critique des capacités, à savoir Gemini 4 Argon ». Sa conclusion : « Gemini 4 Neon a montré une augmentation de ses capacités générales dans le cadre de notre évaluation MCC par rapport à Gemini 4 Argon, mais celle-ci reste inférieure à notre seuil MCC. »

Interprétez cela comme une déclaration de capacité plutôt que de sécurité. L’évaluation interne de Google place Neon au-dessus d’Argon, et la fiche reprend ensuite les évaluations de capacités et les déterminations de seuil d’Argon au lieu de les réexécuter, au motif que rien d’important n’a changé. Le 61 de l’Intelligence Index rapporté par la fiche n’est donc pas qu’un chiffre de fournisseur dans un tableau — il est cohérent avec une conclusion interne selon laquelle le dérivé surpasse le modèle dont il descend.

C’est dans cette même section que les deux versions dérivées « adaptées de » cessent d’être interchangeables. La fiche de Hydrogen dit l’inverse de celle de Neon : « Gemini 4 Hydrogen n’a pas montré d’augmentation substantielle de sa capacité générale dans le cadre de notre évaluation MCC par rapport à Gemini 4 Argon. » Même modèle parent, même formulation, constat opposé. Ainsi, « adapté de Gemini 4 Carbon » n’est pas synonyme de capacités supérieures. Cela décrit une famille de dérivés, dont au moins un a apporté un gain de capacité mesurable et au moins un autre non.

Ce qui donne une grille tarifaire pour le moins étrange. Jusqu'au 30 novembre 2026, Gemini 4 Neon coûte 3,00 $ par million de jetons d'entrée et 15,00 $ par million de jetons de sortie, tandis que Gemini 4 Argon — le modèle auquel Neon est comparé et qu'il surpasse en interne — coûte 2,00 $ et 10,00 $. Le dérivé est 50 % plus cher par jeton que l'ancêtre dont il hérite les évaluations. À partir du 1er décembre, lorsque Carbon et Argon passeront à 4,00 $/20,00 $, la tendance s'inverse et Neon devient 25 % moins cher que les deux. Aucun de ces chiffres ne dit quoi que ce soit de la taille du modèle : le prix par jeton est une décision commerciale, et Google n'a jamais fixé le tarif de cette famille en fonction du nombre de paramètres.

Pourquoi la baisse des prix va à l’encontre de Matryoshka

L’hypothèse la plus précise qui circule est que la famille est imbriquée — que Carbon contient Neon comme une poupée russe contient une plus petite, et que Neon a été obtenu en distillant le modèle plus grand dans un modèle moins coûteux, éventuellement avec un apprentissage par renforcement supplémentaire par-dessus. C’est une supposition raisonnable. Elle explique pourquoi un dérivé partagerait une date de coupure des connaissances, pourquoi la fiche modèle renverrait l’architecture au parent, et pourquoi Google éviterait « post-trained » pour un modèle qui, selon cette lecture, n’avait pas tant été post-entraîné qu’extrait.

Trois éléments du dossier public contredisent la version simple. Le premier est le prix : un modèle distillé et plus petit est normalement moins cher par token que son modèle enseignant, et Neon a été lancé à un prix 50 % supérieur au tarif de lancement de Carbon. Un modèle moins coûteux à servir vendu à un prix premium est possible — c’est ce qu’est un palier plus rapide —, mais cela retire le plus fort élément de preuve circonstancielle en faveur de l’interprétation par distillation. Le deuxième est Hydrogen : le modèle le moins cher de la famille, à 1,50 $/7,50 $ avec le seul palier gratuit, porte la formulation identique « adapté de Gemini 4 Carbon » dans les mêmes sept emplacements. Si cette phrase décrivait une technique précise, deux modèles aux extrémités opposées de l’échelle des prix ne la porteraient pas tous les deux. Le troisième est que la fiche elle-même, lorsqu’elle veut parler d’efficacité, le fait dans la Description — « Neon équilibre profondeur et efficacité » — et non dans la section architecture, qui est vide de contenu.

La position honnête est que le langage de la fiche distingue trois relations — nouveau modèle, basé sur, adapté de — sans en définir aucune, et que l’hypothèse Matryoshka est une lecture plausible d’un document sous-spécifié, pas un constat. Un modèle en poupées russes affiche généralement un nombre de paramètres et un discours sur la taille de service. Cette fiche n’en montre ni l’un ni l’autre, et la seule affirmation liée à la taille qui y figure est une phrase de positionnement.

Quatre cartes, trois pièges de comparaison

Quiconque échafaude, à partir de ces documents, une affirmation « Neon contre Carbon » se heurte à trois discordances distinctes, et chacune est facile à commettre sans y prendre garde.

• Version de l’indice. La carte Neon indique « AA Index v5.0.1 : 61 », contre Claude Opus 5.5 à 59 et GPT-6.2 Sol à 57, résultats datés de novembre 2026. La carte Carbon, publiée trois semaines plus tôt, indique « AA Index v5.0 : 59 », contre Opus 5.5 à 58 et Gemini 4 Argon à 50, résultats datés d’octobre 2026. Le suffixe a changé entre les deux cartes, donc un écart de deux points mesuré sur des versions différentes de l’indice n’est pas un écart de deux points.

• Niveau de réflexion. Le 61 est un plafond, pas une valeur par défaut. Artificial Analysis, dont Google cite l’indice, publie quatre scores Neon sur v5.0.1 : 44,1 à low, 54,9 à medium, 59,6 à high — le niveau que Neon utilise réellement par défaut — et 61,4 à xhigh. Carbon se situe à 60,0. La configuration par défaut du modèle obtient donc un score inférieur à celui de son parent, tandis que sa configuration maximale obtient un score supérieur, et la fiche du fournisseur n’affiche que le maximum. Les deux séries de chiffres proviennent du tracker, pas de Google, et les deux étaient à jour le 20 novembre 2026.

• Version du benchmark et harnais. La fiche de Neon indique Terminal-bench 4.1 à 65,2 % ajusté pour triche, contre Opus 5.5 à 65,8 % — une perte. La fiche d’octobre de Carbon indique « Terminal-Bench 4.0 (AA) » à 65,2 %. Deux fiches, le même chiffre, des versions différentes du benchmark : une coïncidence, et non une comparaison. Les lignes SWE-sweep sont pires : Neon indique 39,0 % sur un « harnais de fournisseur » et 12,8 % sur un « harnais Mini-SWE », tandis que Carbon n’indique qu’une seule valeur de 9,6 %, sans qualificatif de harnais. Ce sont trois configurations, et elles ne peuvent pas être alignées pour faire apparaître une amélioration de 29 points.

Screenshot of the Artificial Analysis page for Gemini 4 Neon, headed 'Intelligence, Performance & Price Analysis', showing ranks 46 of 96 and 73 of 95, 110 output tokens per second, $3.00 input and $15.00 output per million tokens, an intelligence index of 61 at xhigh effort, and the note that the model is slow per task and very verbose.

Tout le reste sur la fiche Neon est déclaré par le fournisseur et non reproduit : CursorBench 4.1 à 65,4 % (Opus 5.5 58,1 %), FrontierCode 2.0 à 46,2 % (47,3 %, une perte), GraphWalks 256k-to-1M à 95,2 % (66,8 %), AutomationBench 56,3 % (42,5 %), SEC-bench Pro 90,5 %, RiemannBench 84,0 %. Deux des chiffres de codage sont des pertes face à un concurrent, ce qu’il vaut la peine de signaler car les résumés de lancement citent les victoires et omettent ces dernières.

Qu'est-ce qui réglerait la question ?

Quatre éléments feraient passer « adapté » de l’inférence au fait. Aucun n’existe encore.

• Un nombre de paramètres ou une divulgation du matériel d’inférence pour Neon. La section Hardware n’est qu’un renvoi vers Carbon ; un chiffre concret permettrait immédiatement de distinguer un dérivé élagué ou distillé d’un modèle frère réajusté.

• Le Gem​ini 4 Neon Safety & Security Report, dont la fiche indique qu’il « sera disponible dans les prochains jours ». Les rapports de sécurité ont historiquement comporté des détails sur les capacités que la fiche publique omet.

• Données d’efficacité des tokens à qualité égale. La documentation de lancement de Google affirme que Neon offre un « usage des tokens plus frugal », et la fiche ne quantifie rien. Si Neon émet réellement moins de tokens par tâche que Carbon, la question de la lignée importe moins que celle de la facture.

• Toute déclaration de Google définissant « adapté de » par opposition à « basé sur ». D'ici là, cette distinction entre les deux formulations est imputable à l'éditeur, qui a refusé de l'expliquer.

Comment utiliser un modèle sous-spécifié

Rien de tout cela ne justifie d’éviter le modèle. C’est une raison de l’évaluer plutôt que de le déduire de la fiche. Neon est réservé à l’offre payante — aucun quota gratuit — avec quatre niveaux de réflexion (faible, moyen, élevé par défaut, très élevé), une fenêtre unifiée de 1 048 576 jetons avec une sortie synchrone de 64 K et un décodage long jusqu’à 1 M, une mise en cache implicite uniquement, les modes batch et flex à demi-tarif (1,50 $/7,50 $), et la priorité à 1,8× (5,40 $/27,00 $ ; entrée mise en cache à 0,27 $ pour ce niveau, contre 0,15 $ en standard). La génération audio, la génération d’images et l’API Live sont marquées comme non prises en charge ; l’exécution de code, l’utilisation d’ordinateur, l’appel de fonctions, les sorties structurées, la recherche de fichiers, le contexte d’URL et les deux options d’ancrage sont pris en charge.

La conséquence pratique d'une lignée sous-spécifiée est que vous devez mesurer ce que la fiche omet — les jetons de sortie par tâche terminée — dans la configuration que vous déploieriez réellement. Faites passer les mêmes 20 ou 30 tâches dans Neon en high et dans Carbon avec son medium par défaut, comptez les jetons plutôt que les jetons par dollar, et comparez avec votre propre facture. Un modèle qui coûte 50 % plus cher par jeton et 30 % plus économe par tâche revient moins cher ; un modèle qui coûte 50 % plus cher et qui est tout aussi verbeux ne l'est pas, et aucune fiche de cette famille ne vous dira dans quel cas vous vous trouvez.

Notre propre catalogue répond en partie à la seconde moitié de ce problème. Il contient « google/gemini-4-carbon » et « google/gemini-4-argon », et il ne contient pas Gem​ini 4 Neon — la page du modèle ne renvoie rien aujourd’hui, donc rien ici ne doit être interprété comme une offre de routage vers celui-ci. Ce que le routeur vous apporte pendant votre évaluation, c’est une clé unique et une facture unique pour les modèles que vous comparez, le prix catalogue du fournisseur répercuté sans marge, de sorte que le changement de tarif du 1er décembre sur Carbon et Argon (entrée de 2,00 $ à 4,00 $, sortie de 10,00 $ à 20,00 $) apparaisse sur votre facture le jour même où il apparaît sur la page de tarification de Google, au lieu d’être absorbé dans la marge d’un revendeur. Et comme une chaîne de repli peut placer Carbon derrière Neon, un dérivé non éprouvé peut porter du trafic de production sans être le seul rempart entre vos utilisateurs et une panne.

La question ouverte n’est pas de savoir si « adapté de » est honnête — il l’est manifestement, dans la mesure où cela va. Elle est de savoir si une fiche qui répète sept fois une clause non définie, est publiée sans nombre de paramètres et renvoie l’architecture, les données, le matériel et les logiciels à un document frère constitue une divulgation suffisante pour un modèle qui coûte plus cher par token que celui dont il descend. Au vu des éléments actuels, Google nous a donné la forme de l’arbre généalogique et rien sur les branches. Le Safety & Security Report, quand il paraîtra, est le prochain document qui vaut la peine d’être lu.