
Gemini 4 Neon est en ligne : cinq changements d’API à anticiper
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 185 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 826 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 407 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 · 150 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 99 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 120 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 108 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 90 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 · 212 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 111 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 · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Gemini 4 Neon est passé en disponibilité générale le 18 novembre 2026, et le document intéressant n’est pas l’article de lancement. C’est la liste de contrôle de migration que Google publie en dessous, où l’on découvre que déplacer le trafic de production vers Gemini 4 Neon depuis Gemini 3.8 Flash, ou depuis Gemini 4 Carbon ou Gemini 4 Hydrogen, change plus qu’une chaîne de modèle. Cinq comportements au niveau des requêtes changent : l’un silencieusement, l’un avec un code 400, et l’un par un facteur que vous ne remarquerez que sur la facture. Le résumé que Google fait du modèle lui-même est modeste : une intelligence de niveau frontière avec une exécution rapide des tâches de bout en bout dans l’ingénierie logicielle complexe, le travail intellectuel et la science, se situant entre Gemini 4 Hydrogen et Gemini 4 Carbon pour les tâches complexes à haute fréquence. Ce qui suit est la partie du déploiement qui coûte du temps d’ingénierie plutôt que des tokens.
Qu’est-ce qui a réellement été livré le 18 novembre
La grille tarifaire est fixe et ne change pas : 3,00 $ par million de jetons d’entrée, 15,00 $ par million de jetons de sortie, 0,15 $ par million de jetons d’entrée mis en cache, offre payante uniquement, aucun quota gratuit nulle part. Le contexte est une fenêtre unifiée de 1 048 576 jetons partagée par l’entrée, la réflexion et la sortie, avec un plafond de sortie synchrone de 65 536 jetons et un chemin de décodage long pouvant remonter jusqu’à un million. Il existe quatre niveaux de réflexion — low, medium, high et xhigh — et le niveau par défaut est high, pas medium. Le modèle est disponible sur l’API Gemini payante, à la fois via generateContent et l’API Interactions, dans AI Studio pour les abonnés AI Pro et Ultra, et au sein de l’agent Antigravity dans Gemini Managed Agents.
Deux chiffres venus de l’extérieur de Google méritent d’être pris en compte dans la décision de migration. Artificial Analysis attribue à Gemini 4 Neon un score de 61,4 sur son Intelligence Index en xhigh, que l’outil de suivi affiche comme 61 et classe sixième sur 95 modèles, et il mesure 110 tokens de sortie par seconde contre 51 pour Gemini 4 Carbon. Le même panel enregistre aussi 6,44 $ par tâche de l’Intelligence Index en xhigh et 283 millions de tokens de sortie sur l’ensemble d’évaluation, ce qui est le détail qui compte ici : c’est un modèle qui atteint ses scores en émettant beaucoup de tokens, et chacun d’entre eux est facturé.

Paramètres d’échantillonnage : ignorés, ou une erreur 400
Les notes de migration de Google vous indiquent de retirer temperature, top_p et top_k des requêtes. Le comportement exact est ce autour duquel il faut concevoir : les valeurs personnalisées comprises dans la plage sont acceptées puis ignorées par le serveur, tandis que les valeurs hors plage renvoient une erreur de validation 400. Ainsi, un service qui transmet discrètement temperature 1.3 depuis dix-huit mois n’échoue pas à l’entrée — il commence à renvoyer la même distribution qu’il aurait renvoyée avec n’importe quel autre réglage, et le seul symptôme est que vos sorties semblent plus déterministes à certains endroits et moins à d’autres, sans erreur à corréler.
La solution pratique n’est pas de borner les valeurs. C’est de les supprimer et de déplacer ce pour quoi vous les utilisiez vers un endroit où le modèle le respecte réellement : des sorties structurées pour la forme, une suite d’évaluation pour la variance, et des modifications au niveau du prompt pour le style. Quiconque comptait sur la température comme molette de créativité n’a désormais plus de molette.
La mise en cache explicite a disparu, l'implicite est automatique
Gemini 4 Neon ne prend pas en charge la mise en cache explicite du contexte. La ressource cachedContents et caches.create ne sont pas disponibles sur ce modèle, et les requêtes comportant un champ cached_content doivent le retirer. Ce qui remplace cela, c'est la mise en cache implicite, qui s'exécute par défaut sur les prompts d'au moins 4 096 tokens et applique une remise de 95 % aux entrées mises en cache — 0,15 $ par million au lieu de 3,00 $ — sans handle à créer, à faire expirer ni stockage à payer.
Pour la plupart des équipes, il s’agit d’une simplification et d’une légère réduction de la facture. Pour quelques-unes, c’est une régression, et la forme de cette régression est prévisible : si vos succès de cache dépendaient d’un grand préfixe fixe enregistré une fois et réutilisé dans de nombreuses requêtes formulées différemment, la mise en cache implicite n’aide que lorsque le préfixe correspond réellement ; la stratégie gagnante consiste donc à rendre le préfixe partagé identique octet pour octet et à placer tout ce qui est variable après lui. Si votre préfixe mis en cache fait moins de 4 096 tokens, vous n’avez plus du tout de mise en cache.
minimal est rejeté et high est la valeur par défaut
Le niveau de réflexion par défaut est le changement le plus discret de la liste. Gemini 4 Carbon et Gemini 4 Argon utilisent medium par défaut et plafonnent à high. Gemini 4 Neon utilise high par défaut et ajoute xhigh au-dessus, et il rejette minimal avec une erreur — le niveau que Gemini 3.6 Flash et les modèles Flash-Lite acceptent encore. Le code qui ne définit jamais thinking_level obtient donc une réponse plus approfondie, plus lente et plus coûteuse sur Neon que celle qu’il obtenait sur Carbon avec le même corps de requête.
Les propres recommandations de Google consistent à évaluer aux quatre niveaux avec un max_output_tokens élevé afin que le plafond ne tronque pas la réponse, puis à exécuter au niveau le plus bas qui franchit le seuil. Sur un modèle dont le score indépendant publié s’étend sur 17 points d’indice, de son échelon le moins coûteux au plus profond, il ne s’agit pas d’une formule toute faite. La valeur par défaut dont vous héritez est le réglage correct le plus coûteux, pas le moins cher.
État, signatures et un nouvel ID d’interaction
Les sessions multi-tours et d'appel d'outils passent de « renvoyer la transcription » à deux mécanismes spécifiques. Dans l'Interactions API, vous conservez l'état avec previous_interaction_id au lieu de reconstruire l'historique. Dans les historiques generateContent gérés par le client, vous renvoyez les tours précédents du modèle et leurs signatures de réflexion sans modification à chaque tour, et vous ne devez pas copier une signature entre des parties functionCall parallèles — la signature est liée à l'appel dont elle provient.
Il existe également un mode de défaillance qu'il vaut la peine de connaître avant qu'il n'apparaisse en production : le fait de demander au modèle, via des instructions système, d'émettre des appels d'outils JSON en texte brut, sans aucun outil déclaré nativement, peut renvoyer MALFORMED_FUNCTION_CALL. Déclarez les outils avec le function calling, ou contraignez la réponse avec des sorties structurées. Celui-ci est facile à manquer car il ne s'agit pas d'un changement de schéma — c'est un modèle de prompt qui fonctionnait auparavant.
Les sorties longues nécessitent une exécution en arrière-plan.
Les réponses synchrones s'arrêtent à 65,536 tokens, en streaming ou non. Pour aller au-delà, vous définissez max_output_tokens au-dessus de 65,536 et background sur true, et le serveur continue par tranches de 64K jusqu'à épuisement de la fenêtre. Si vous définissez background sans augmenter max_output_tokens, la tâche s'arrête quand même à 65,536, ce qui est exactement l'erreur signalée dans une note de la documentation.
La seconde moitié de ce changement se trouve dans votre client HTTP, pas dans votre prompt. Google vous demande d’augmenter les délais d’attente à au moins quinze minutes, car les prompts difficiles sur ce modèle peuvent prendre plusieurs minutes avant le premier token de réponse. La mesure indépendante confirme cette tendance : Artificial Analysis relève 56,5 secondes avant le premier token de réponse et 21,5 minutes par tâche de l’Intelligence Index pour Neon, contre 45,96 secondes et 28,4 minutes pour Gemini 4 Argon. Plus rapide dans l’ensemble, plus lent au démarrage.

Ce que coûte la migration avant de générer la moindre économie
La facturation suit chaque token traité par le modèle, y compris les tokens de réflexion et, lorsque vous utilisez le grounding, les instructions système internes et les déclarations de fonctions. C’est standard pour la famille, mais cela interagit mal avec deux spécificités de Neon : la valeur par défaut élevée consomme plus de tokens de réflexion que la valeur par défaut moyenne pour laquelle votre code Carbon a été écrit, et le profil de tokens du modèle lui-même est lourd. Le tracker a compté 283 millions de tokens de sortie pour Neon sur l’Intelligence Index, contre 205 millions pour Carbon — soit 38 % de plus, à un moment où le prix par token est également supérieur au tarif de lancement de Carbon.
Rien de tout cela ne plaide contre le fait de migrer. Cela plaide contre le fait de migrer en changeant une seule chaîne et en surveillant les tableaux de bord. La séquence honnête est la suivante : figer l’ancien modèle, dupliquer une fraction du trafic vers gemini-4-neon à un niveau moyen et à un niveau élevé, puis comparer le coût par tâche terminée plutôt que le coût par token. Le coût par token sur ce modèle est le chiffre le moins informatif du tableau.

Là où un routeur justifie sa présence dans cette migration
C'est un déploiement canari exemplaire, et c'est la raison pour laquelle une couche de routage est utile même pour une migration mono-fournisseur. Une seule clé API couvre plus de 200 modèles, de sorte que l'ancien chemin et le nouveau se trouvent derrière le même point de terminaison pendant que vous déplacez un pourcentage du trafic ; le basculement automatique signifie qu'un 400 dû à un paramètre hors limites ou un délai d'attente sur une tâche de longue durée fait basculer vers le modèle qui fonctionnait hier au lieu d'alerter quelqu'un. Les prix sont répercutés au prix catalogue du fournisseur, sans marge, donc les 3,00 $ et 15,00 $ de Neon sont les mêmes chiffres sur votre facture que sur la page de Google, et toute modification que Google y apporte arrive de notre côté le jour même.
Une chose à préciser clairement : Gemini 4 Neon ne figure pas encore dans notre catalogue. Gemini 4 Carbon et Gemini 4 Argon y sont, tout comme gemini-3.1-pro-preview, et nous n’allons pas décrire une grille tarifaire comme un endpoint. Ce que le routeur vous fournit aujourd’hui, c’est un endroit stable où conserver la chaîne de repli pendant que vous évaluez Neon sur l’API propre à Google, ainsi que la même structure de requête lorsqu’il sera disponible.
Qui devrait bouger maintenant
Passez à l'action maintenant si votre charge de travail relève du débogage au niveau du dépôt, de la refactorisation multi-fichiers ou d'une longue session d'agent avec de nombreux appels d'outils — ce pour quoi Google a conçu Neon, et ce que favorisent les chiffres indépendants de temps réel. Attendez si vous dépendez d'un cache explicite, si vous ne pouvez pas augmenter les délais d'expiration côté client, ou si votre pipeline est de type extraction : la documentation de Google elle-même avertit que xhigh « peut entraîner une réflexion excessive ou épuiser max_output_tokens sur des invites plus simples telles que l'extraction de texte ou de JSON », et avec high-by-default, vous êtes déjà un cran au-dessus de là où se trouvait autrefois un pipeline de type Carbon.
Ce qu’il faut surveiller, et qui est vérifiable, n’est pas un autre article de lancement. C’est de savoir si le 61 tient bon à haut régime — où le tracker lui attribue 59,6, derrière les 60,0 de Carbon à son propre plafond — et si Google ajoute une mise en cache explicite au modèle. Ce sont là des comportements documentés, tous deux visibles de l’extérieur, et tous deux changent davantage la réponse à « est-ce là le choix par défaut pour notre parc d’agents » que ne le fait n’importe quelle démo.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
