
Gemini 4 Neon dans Antigravity : 762 appels d’outils avec un plafond de 512K
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 188 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 205 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 124 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 110 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Treize sessions, 762 appels d’outils et un chiffre qui n’apparaît nulle part dans les documents de lancement de Google : 512,000. C’est la fenêtre de contexte que la documentation d’Antigravity elle-même attribue à Gemini 4 Neon, contre les 1,048,576 tokens que l’API Gemini facture pour le même modèle, à $3.00 en entrée et $15.00 en sortie. Les deux chiffres sont ceux de Google, publiés la même semaine, et aucune des deux pages ne mentionne l’autre. Le journal des appels d’outils provient d’un fil de retour d’expérience que @kimmonismus a publié le 18 novembre 2026, treize heures et demie après la mise en ligne du billet Neon d’Antigravity et trente-cinq minutes après celui de DeepMind, c’est-à-dire que le modèle dont il décrit avoir eu un « accès anticipé » était déjà généralement disponible au moment où il a publié.
Le moment choisi compte pour l’importance à accorder à ce fil, pas pour déterminer s’il est utile. C’est le compte rendu public le plus détaillé que quiconque ait publié de Gemini 4 Neon effectuant un travail agentique soutenu, et la partie intéressante n’est pas les démos. C’est la structure du journal, qui se prête à une arithmétique vérifiable, contrairement à « il a construit 17 démos interactives ».
Les 762 appels, en détail
L’auteur du post a repris après coup les journaux d’Antigravity et comptabilisé chaque appel sur ces treize sessions, toutes exécutées au niveau de réflexion Extra High. La répartition, autodéclarée et non auditée :
• Lectures de fichiers — 313
• Modifications — 266
• Nouveaux fichiers créés — 104
• Commandes Shell — 43
• Sous-agents lancés — 13
• Recherches web — 2
Autres appels, y compris les mises à jour de tâches — 21
Cela fait exactement 762, ce qui est la première chose à vérifier et la première chose qui tient. Divisez par treize et vous obtenez environ 58,6 appels d’outils par session, un chiffre qui tombe de façon suspecte près du 58,6 obtenu par Neon sur l’Artificial Analysis Coding Agent Index — une coïncidence, mais mémorable si vous essayez de garder les deux nombres en tête.

Le ratio le plus instructif est celui que le positionnement de Google lui-même vous invite à tester. Le billet d’annonce affirme que Neon « réduit les lectures de fichiers redondantes » et « gère la compaction du contexte de manière fiable lors de longues sessions ». Dans ce journal, les lectures représentent 313 des 762 appels, soit 41 %. Les écritures — 266 modifications plus 104 nouveaux fichiers, soit 370 appels — représentent 48,6 %. Cela fait 1,18 opération d’écriture pour chaque lecture. Un modèle qui se débattrait dans une base de code pour tenter de localiser des éléments montrerait le ratio inverse ; un modèle qui sait déjà où il va lit une fois et écrit. Treize sessions d’un seul utilisateur ne constituent pas une preuve d’une propriété générale, mais cela va dans le sens prédit par l’affirmation, et c’est le seul journal public où cette affirmation est mise à l’épreuve.
Les deux chiffres qui paraissent les plus étranges sont les sous-agents et les recherches web. Treize sous-agents sur treize sessions, soit exactement un par session — un schéma de délégation cohérent plutôt qu’occasionnel. Deux recherches web sur 762 appels, soit 0,26 %, ce qui, pour un modèle que Google décrit comme un orchestrateur dirigeant des sous-agents Hydrogen parallèles, est remarquablement tourné vers l’intérieur. Il s’agissait d’une exécution sur du code local, et non d’une recherche, et le journal le reflète.
Ce que montre réellement la démonstration
Dix-sept démos interactives, dont huit sont présentées. Les huit visibles couvrent : un shooter d’arène 3D avec vagues d’ennemis, santé, munitions et rechargement ; un rail shooter appelé Solaris Trench ; une arène voxel destructible appelée Terra Breaker, qui tenait un solide 60 images par seconde lors d’un test dans le navigateur ; un jeu de jet à travers un canyon appelé Aero Canyon, avec douze portes et un meilleur temps enregistré ; un puzzle de physique avec des leviers et un lanceur de balles ; un spectacle lumineux de champ de particules ; un survol de trou noir avec un effet de lentille réglable ; et un système solaire cliquable.
Les neuf qui n'ont pas été montrés constituent la partie du fil qui ne peut pas être évaluée, et l'interprétation honnête de « 17 démos » est qu'il s'agit d'une affirmation sur le volume à laquelle huit échantillons sont joints. Ce que les huit échantillons établissent, en revanche, c'est l'étendue : un seul modèle produisant des scènes WebGL, de la physique, des visuels pilotés par l'audio et de la gestion d'état d'interface utilisateur en une seule séance, à un niveau de qualité qu'un amateur publierait. C'est un véritable signal de capacité, même si le décompte n'est pas vérifiable.
Les modes de défaillance signalés par l’auteur du post sont plus utiles que les réussites, car ils sont précis. La première build de l’arène 3D « s’est interrompue sur une erreur de serveur » et a nécessité une seconde passe pour aboutir — une défaillance d’infrastructure, pas une défaillance du modèle, mais qui a coûté une tentative complète. Neon a ajouté à Aero Canyon un mode pilote automatique qui n’avait jamais été demandé, ce que l’auteur du post a signalé comme un périmètre non sollicité. Il n’a ensuite testé que le pilote automatique, si bien que la qualité du vol manuel reste inconnue, même pour une démo qu’il a construite. Le système solaire a été livré avec des nombres de lunes obsolètes et n’a été corrigé avec les chiffres actuels du JPL qu’après qu’il l’a signalé ; les tailles et les orbites ne sont toujours pas à l’échelle.
Ce dernier est le point de données le plus intéressant du fil, car il constitue une démonstration claire de correction en cours de tâche : une erreur factuelle, signalée par l’utilisateur, corrigée dans un suivi. Google affirme que Neon se classe deuxième en matière de pilotabilité dans le nouvel Agent Arena Index d’Arena. Une anecdote ne confirme pas une position dans un classement, mais c’est le comportement que le classement prétend mesurer, observé en conditions réelles.
Trois corrections de bugs, auto-évaluées
La section de codage comprend trois programmes défectueux accompagnés de suites de tests existantes, chacun étant corrigé puis vérifié par l’auteur de la publication lui-même plutôt que d’après le propre rapport du modèle.
• Vérificateur de réservations — 1 test sur 5 réussi avant, 5 sur 5 après.
• Planificateur de tâches — 8 vérifications sur 14 avant, 14 sur 14 après.
• Chargeur asynchrone — 10 vérifications sur 16 avant, 16 sur 16 après.
Bilan : 19 sur 35 réussissaient avant, 35 sur 35 après, soit de 54,3 % à 100 %. Un score parfait est le chiffre dont il faut se méfier, et les réserves honnêtes portent toutes sur l’échantillon plutôt que sur le résultat. Trois programmes, c’est trois programmes. Les suites de tests préexistaient, ce qui élimine le mode de défaillance évident où un modèle écrit des tests pour correspondre à sa propre correction, mais cela n’élimine pas la sélection : il s’agissait de programmes que l’auteur du post avait choisis de présenter, et une correction qui résolvait les échecs visibles pouvait encore être erronée d’une manière que la suite ne couvre pas. Ce que l’exécution montre, c’est que le modèle n’a rien régressé pendant qu’il corrigeait — 35 sur 35 signifie que les tests qui passaient auparavant continuaient de passer, ce qui est le mode de défaillance qui fait réellement mal en pratique.
Antigravity donne 512K à Neon, et non 1M
Voici maintenant le nombre qui ne figure pas dans le fil et qui devrait changer votre façon de lire la suite. La documentation des modèles d’Antigravity, à l’entrée Gemini 4 Neon, indique une fenêtre de contexte « jusqu’à 512K tokens ». La documentation de l’API Gemini pour le même modèle indique une fenêtre unifiée de 1 048 576 tokens, et Artificial Analysis indique 1 000 000 pour le modèle. Mêmes poids, même grille tarifaire, environ la moitié du contexte, selon la surface depuis laquelle vous l’appelez.

Google n’a pas publié d’explication pour cet écart, et cet article ne va pas en inventer une. Ce qui est vérifiable, c’est que les deux chiffres sont tous deux actifs, tous deux de Google, et tous deux associés au code de modèle gemini-4-neon. La conséquence pratique est simple : si votre évaluation de Neon est « il tient un grand monorepo dans le contexte », cette évaluation dépend de la surface. Un dépôt de 600 000 tokens tient dans l’API et ne tient pas dans Antigravity. Si vous hésitez entre les deux, mesurez sur la surface sur laquelle vous allez réellement livrer, car le plafond n’est pas le même.
Le reste du tableau Antigravity est plus conventionnel. Neon est le modèle par défaut pour les nouvelles conversations sur toutes les offres qui l'incluent — Google AI Pro payant, Google AI Ultra et Gemini Enterprise. Il n'est pas proposé sur Free ni sur Google AI Plus. L'échelle de réflexion s'étend de Low à Medium, High (par défaut) et Extra, la CLI les orthographiant low, medium, high et xhigh via --model gemini-4-neon-xhigh ou --effort xhigh. Le fil a tourné entièrement en Extra High, le réglage que Google utilise lui-même pour son chiffre phare de l'Intelligence Index, et celui que la documentation de l'API recommande de réserver aux problèmes difficiles à plusieurs étapes.
Cela mérite d’être signalé comme une asymétrie de sourcing plutôt que comme un défaut. Presque tous les chiffres de benchmark Neon en circulation — l’indice Intelligence de 61,4, l’indice Coding Agent de 58,64 — sont des chiffres obtenus en xhigh. La plupart des gens feront tourner le modèle à son niveau High par défaut. Artificial Analysis publie bien les deux, et le chiffre par défaut est de 59,6, soit trois points pleins en dessous du chiffre vedette. Un journal de 762 appels en xhigh vous montre à quoi ressemble le plafond ; il ne vous dit pas ce que votre configuration par défaut coûtera ni quel score elle obtiendra.
Là où le fil va trop loin
Trois affirmations du fil portent plus de poids que les preuves ne le justifient, et il vaut la peine de les nommer, car elles seront répétées.
La formulation « accès anticipé » est la plus claire. Le propre article de blog d’Antigravity sur Neon a été publié à 08:00 UTC le 18 novembre 2026 ; le billet de lancement de DeepMind à 21:00 UTC ; le fil à 21:35 UTC. Quel que soit l’accès dont l’auteur du message disposait plus tôt dans la journée, le texte qu’il a publié est paru après la disponibilité générale, et le lire comme un aperçu avant lancement serait une erreur. Cela ne rend pas les observations fausses. Cela signifie que « j’ai obtenu un accès anticipé » joue un rôle rhétorique que les horodatages n’étayent pas.
Deuxièmement, « 17 démos interactives » est une affirmation de volume assortie de huit exemples. Les huit présentées sont réellement variées et fonctionnent vraiment, ce qui est la partie utile. Les neuf retenues sont invérifiables, et aucun degré de détail sur les huit ne comble cet écart.
Troisièmement, le résultat de correction de 35 sur 35 concerne trois programmes. C’est le genre de chiffre que l’on cite en disant « Neon corrige tout ce que vous lui donnez », alors que la lecture correcte est plus étroite : sur trois programmes déjà défectueux dotés de suites de tests existantes, il a résolu chaque contrôle en échec sans casser ceux qui passaient. C’est un bon résultat obtenu sur un petit échantillon, et les deux moitiés de cette phrase doivent être présentées ensemble.
Un élément de corroboration mérite d’être signalé. Patrick Loeber, membre du personnel technique chez Google DeepMind, a répondu au fil : « super fil, merci d’avoir développé avec et d’avoir partagé vos retours !! » Cela ne constitue pas une vérification de quelque chiffre que ce soit y figurant. C’est un Googler qui reconnaît que l’exécution a bien eu lieu, ce qui est plus que ce que la plupart des fils pratiques obtiennent.
Combien cela coûte d’essayer par vous-même
L’économie d’un test terrain comme celui-ci est peu séduisante et décisive. À 3,00 $ par million de tokens d’entrée et 15,00 $ par million de tokens de sortie, une session de 762 appels avec une forte réutilisation de contexte n’est pas une expérience à 5 $ — le côté sortie, y compris les tokens de réflexion, domine, et xhigh le multiplie. Selon la formulation de Google elle-même, Neon, à son réglage High par défaut, coûte environ 32 % de moins par tâche que Gemini 4 Carbon (chiffre rapporté par le fournisseur, non reproduit indépendamment), et le réglage xhigh est destiné aux problèmes pour lesquels High ne suffit pas. Exécuter une suite de démonstration en xhigh alors que vous évaluiez le comportement par défaut revient à dépenser plusieurs fois ce que la décision nécessitait.

La façon la moins coûteuse de réaliser cette évaluation est de fixer d'abord la surface et le niveau de réflexion, puis de faire varier le modèle. De notre côté le catalogue propose actuellement google/gemini-4-carbon et google/gemini-4-argon, tous deux au prix catalogue du fournisseur de $2.00 et $10.00, avec 0 % de marge en plus — une modification tarifaire du fournisseur est appliquée de notre côté le jour même où elle intervient en amont, ce qui compte ici car le tarif de lancement de Carbon expire le 30 novembre 2026 et passe à $4.00/$20.00. Gemini 4 Neon ne figure pas au catalogue au 19 novembre 2026, il ne s'agit donc pas d'une recommandation de faire appel à lui par notre intermédiaire ; c'est la comparaison que vous pouvez réellement effectuer aujourd'hui, face au modèle auquel Google compare Neon dans presque chaque paragraphe de son annonce.
Si vous testez un modèle non éprouvé plutôt qu’un modèle connu, la couche de routage est aussi l’endroit peu coûteux pour limiter le risque : le basculement automatique signifie qu’une session qui meurt en cours d’exécution — comme l’a fait la première version de l’arène 3D — peut être relancée sur un autre modèle sans reconstruire le harnais, et le DSL de routage vous permet de composer un planificateur et un exécuteur en un seul appel si vous voulez reproduire le schéma Orchestrator (Neon) sans être enfermé dans le plafond de 512K d’Antigravity.
Quoi regarder
Le prochain élément de preuve qui permettrait de trancher les questions ouvertes n’est pas un nouveau fil de démonstration. C’est un journal d’appels d’outils provenant de quelqu’un qui utilise le réglage High par défaut, sur un dépôt suffisamment volumineux pour solliciter le plafond de contexte applicable, publié avec les échecs laissés en place. L’écart entre 512K et 1M est le point précis à surveiller, car une divergence documentaire qui survit à un cycle de publication relève généralement d’une décision produit plutôt que d’un oubli — et si Antigravity réduit délibérément la fenêtre de moitié, c’est un fait qu’il vaut la peine de connaître avant de standardiser un flux de travail dessus.
En attendant, le résumé équitable de Gemini 4 Neon dans Antigravity est le suivant : un journal public détaillé, couvrant treize sessions, montrant un modèle qui écrit plus qu'il ne lit, délègue une fois par session, corrige parfaitement trois petits programmes, construit huit bonnes démos sur dix-sept annoncées, et tourne avec environ la moitié du contexte annoncé par l'API. Chacune de ces clauses est vérifiable. Aucune d'elles n'est un benchmark.
