Carte de titre indiquant Les premiers chiffres indépendants de Gemini 4 Neon, avec la ligne Le 61 correspond au réglage xhigh. Par défaut, il obtient 59,6, et Carbon obtient 60,0, au-dessus de trois cartes indiquant Gemini 4 Neon en xhigh 61,4, Gemini 4 Neon en high (par défaut) 59,6 et Gemini 4 Carbon en high 60,0, avec en pied Artificial Analysis Intelligence Index v5.0.1, 19 novembre 2026.
Guides & Insights

Les premiers benchmarks indépendants de Gemini 4 Neon : le 61 est un score xhigh et, avec ses paramètres par défaut, il se classe derrière Carbon

Auteur

jinhao.song

Date de publication

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

Le billet de lancement de Google pour Gemini 4 Neon met en avant un Artificial Analysis Intelligence Index de 61, troisième au classement général. Artificial Analysis publie désormais sa propre page pour Gemini 4 Neon, et cette page indique 61,4 — pour le réglage xhigh, le plus profond des quatre réglages de réflexion, classé sixième sur 96 modèles de l'indice v5.0.1. Au réglage que Neon utilise réellement par défaut, high, le même outil de suivi lui attribue 59,6. Gemini 4 Carbon, le modèle auquel l'annonce de Google compare Neon dans presque chaque paragraphe, se situe à 60,0 à son propre maximum. Lisez les deux pages telles qu'elles sont publiées et le Gemini 4 le plus récent n'est pas le plus intelligent : il gagne de 1,4 point lorsqu'on le pousse à un échelon que Carbon n'a pas, et perd de 0,4 point lorsqu'on compare les deux modèles aux réglages recommandés par leurs fournisseurs.

Rien de tout cela ne fait de Neon un mauvais modèle, et les chiffres de vitesse du même panneau constituent le meilleur argument en sa faveur que quiconque ait publié. Mais cela signifie que le chiffre le plus susceptible de se retrouver dans une présentation cette semaine est la configuration la moins représentative du modèle, et la correction est désormais vérifiable par quiconque dispose d’un navigateur, plutôt qu’une déduction à partir du tableau d’un fournisseur.

Ce que le tracker a réellement publié

Artificial Analysis répertorie Gemini 4 Neon comme publié le 18 novembre 2026, propriétaire, Google, avec une fenêtre de contexte de 1 M de tokens et des entrées texte, image, parole et vidéo. Il comporte quatre variantes notées séparément — low, medium, high et xhigh — et la page s’ouvre sur xhigh par défaut, ce qui explique pourquoi le chiffre principal est 61,4 plutôt que le nombre que l’on obtiendrait en appelant le modèle sans aucun paramètre de réflexion. L’indice en vigueur est v5.0.1, ce qui compte pour quiconque détient un score plus ancien : il s’agit d’un indice dont la base a été modifiée, et un 61 provenant d’un classement estival ne correspond pas à la même mesure qu’un 61 aujourd’hui.

La même page évalue le reste de la famille, et l’ordre de classement mérite d’être lu avant les chiffres individuels. Les quatre utilisent le même ensemble d’évaluation — AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 et Terminal-Bench-Science 0.1 —, donc la comparaison est au moins à périmètre comparable, ce qui n’est pas le cas du tableau des benchmarks dans l’article de lancement.

The Artificial Analysis model page for Gemini 4 Neon, headed Gemini 4 Neon: Intelligence, Performance and Price Analysis, showing Intelligence 61 at rank #6 of 96, Performance #73 of 95 with 56.51 seconds per response, 110 output tokens per second and 21.5 minutes per task, Cost #82 of 95 at $3.00 input and $15.00 output per million tokens with a 95% cache discount and $6.44 per Intelligence Index task, and Verbosity #93 of 95, above a low, medium, high and xhigh variant selector.

Un modèle, quatre scores et une échelle bien plus abrupte

• Neon en mode faible — 44,1, contre Carbon en mode faible à 54,2 et Gemini 4 Hydrogen en mode faible à 26,9.

• Néon à moyen — 54,9, contre Carbone 58,3 et Hydrogène 41,2.

• Neon en mode élevé — 59,6, contre Carbon 60,0 et Hydrogen 50,8. C'est la valeur par défaut de Neon et le plafond de Carbon.

• Neon en xhigh — 61,4, contre aucune entrée Carbon du tout. Gemini 4 Hydrogen a un quatrième échelon et obtient 53,9.

La forme de ces quatre chiffres est ce que l’article de lancement ne transmet pas. Neon s’étend sur 17,3 points d’indice, de son réglage le moins cher à son réglage le plus poussé ; Carbon couvre 5,8 points sur ses trois échelons. Neon n’est pas une quantité fixe qui se trouve avoir un bouton de réglage — ce sont quatre modèles foncièrement différents selon l’échelon que vous nommez, et les écarts sont les plus grands en bas, là où, pour Neon, le niveau bas est inférieur de 10,1 points au niveau bas. Si vous avez comparé Neon à Carbon avec un seul chiffre par modèle, la version honnête est une courbe face à une ligne droite.

Cela a une conséquence pratique qui va à l’encontre du cadrage du lancement. La documentation de Google demande aux développeurs d’évaluer aux quatre niveaux et de choisir le plus bas qui satisfait à leur seuil de qualité, et avertit que xhigh « peut provoquer une réflexion excessive ou épuiser max_output_tokens sur des prompts plus simples tels que l’extraction de texte ou de JSON. » Les chiffres indépendants montrent pourquoi ce conseil est déterminant plutôt que prudent : passer à un niveau inférieur n’est pas une erreur d’arrondi sur ce modèle. L’écart de 1,8 point entre le niveau par défaut de Neon et son plafond représente plus de quatre fois la distance entre Neon et Carbon ; l’écart de 4,7 points entre high et medium représente près de douze fois cette distance.

A two-column scoreboard titled Gemini 4 Neon — the scoreboard. Gemini 4 Neon at xhigh reads AA Index 61.4, cost per task $6.44, output tokens 283M, time per task 21.5 min, output speed 110 tok/s; Gemini 4 Carbon at high reads AA Index 60.0, cost per task $4.90, output tokens 205M, time per task 36.1 min, output speed 57 tok/s. The footer says both figures are per Artificial Analysis on index v5.0.1, read 19 November 2026, and that Google's 32% cheaper-per-task claim is not reproduced at these settings.

Ce que coûte une tâche, mesuré plutôt qu’affirmé

L'affirmation qui mérite d'être testée est celle du coût par tâche. Google indique que Gemini 4 Neon, au réglage élevé par défaut, coûte 32 % de moins par tâche que Gemini 4 Carbon, et 36 % ou plus de moins que les modèles de pointe concurrents à leur niveau de réflexion le plus élevé. Le coût par tâche dépend du nombre de tokens qu'un modèle émet, et la publication de lancement ne divulgue aucun nombre de tokens ; jusqu'à cette semaine, ce chiffre était donc impossible à vérifier de l'extérieur.

Le panneau du tracker place Neon à 6,44 $ par tâche de l'Intelligence Index et Carbon à 4,90 $. Ce n'est pas une économie de 32 % ; c'est un surcoût de 31 %, et la direction est l'opposé de l'affirmation. La mise en garde honnête est une inadéquation de configuration, et elle joue dans les deux sens : 6,44 $ correspond à Neon en xhigh, car xhigh est la variante sur laquelle la page s'ouvre, tandis que 4,90 $ correspond à Carbon en high, son propre maximum. Le chiffre de 32 % avancé par Google porte sur Neon en high, que le tracker note séparément à 59,6 mais dont il ne met pas le coût en avant dans le même panneau. La formulation correcte est donc plus étroite que « Google a tort » : la configuration publiée de Neon coûte plus cher par tâche que la configuration publiée de Carbon, et la comparaison précise que fait Google n'a pas été reproduite indépendamment.

Ce qui est reproductible, c’est le profil de tokens, et cela contredit la lecture intuitive d’un modèle plus rapide. Neon a généré 283 M de tokens de sortie sur l’Intelligence Index, contre 205 M pour Carbon — 38 % de plus — pour 8,12 Md de tokens d’entrée, la sortie représentant 3,5 % de l’entrée. La médiane des modèles évalués par le tracker est de 65,1 M de tokens de sortie ; Neon n’est donc pas simplement plus bavard que Carbon : il fait partie des modèles les plus verbeux du tableau, classé 93e sur 95 sur ce critère. Carbon, qui avait une réputation de verbosité, est 90e. Quoi que Neon vous fasse économiser, ce n’est pas sur les tokens émis.

Là où il est réellement plus rapide — et c’est son meilleur argument —, c’est en temps d’horloge :

• Temps par tâche de l'Intelligence Index — Neon 21,5 minutes, Carbon 36,1, Hydrogen 15,3, Argon 29,6. La médiane pour les modèles comparables est de 12,4 minutes.

• Vitesse de sortie — Neon 110 jetons par seconde, Carbon 57, Hydrogen 168, Argon 65.

• Temps jusqu'au premier token de réponse — Neon 56,5 secondes, Carbon 75,0, Hydrogen 47,2, Argon 47,1.

Neon termine le même ensemble d’évaluation en 40 % de temps horloge en moins que Carbon, à un débit de génération environ deux fois supérieur, tout en émettant plus de tokens et en obtenant un score inférieur de 0,4 point à paramètres par défaut identiques. C’est un produit cohérent, et c’est un produit différent de celui que sous-entend le tableau des benchmarks : c’est un modèle que l’on choisit pour finir plus tôt, pas un modèle que l’on choisit pour avoir plus souvent raison.

Trois chiffres dans l'article de lancement que le tracker ne corrobore pas

Le classement. Google annonce la troisième place au classement général. La page en direct du tracker classe la variante xhigh sixième sur 96 sur l'indice v5.0.1. Les deux chiffres peuvent être traçables jusqu'à Artificial Analysis et être malgré tout différents, car l'ensemble des modèles évolue ; ce qui ne peut pas être vrai, c'est que les deux soient à jour. Citez la page en direct et précisez à quelle variante elle se rapporte, sinon le chiffre ne survivra pas à la prochaine publication.

Le réglage derrière le score. Un 61 sans qualificatif est interprété comme le score du modèle. Il fait partie des quatre, c'est le plus coûteux à exécuter, et c'est celui contre lequel la documentation de Google met en garde pour les tâches de type extraction. La valeur par défaut est 59.6.

L’avantage par tâche.Discuté ci-dessus : aux configurations que le tracker publie dans son panneau de synthèse, Neon est 31 % plus cher par tâche, et non 32 % moins cher. L’affirmation du fournisseur peut encore se vérifier à un niveau élevé sur le banc d’essai de Google. Cela n’a pas été démontré dans un cadre vérifiable par le lecteur.

Tout le reste de l’annonce demeure tel quel — les classements de tiers que Google cite, et les propres évaluations non reproduites de Google, de Chartography à 73,5 % à FrontierCode 2.0 à 46,2 %, ainsi que les chiffres cyber qui ne sont diffusés que via le programme Fairwind defenders. Rien de tout cela n’est contredit par les chiffres indépendants. Simplement, ce n’est pas la partie que l’on peut vérifier, et la partie qui peut l’être se lit désormais différemment.

Ce que cela change si vous étiez sur le point d'adopter Neon comme standard

Si la raison pour laquelle vous avez choisi Neon était le 61, le nombre à retenir dans un plan de capacité est 59,6, et à ce réglage, il ne bat aucun modèle de la famille actuelle — le 60,0 de Carbon est devant lui, et le prix de Carbon est de 2,00 $ et 10,00 $ par million de jetons, contre 3,00 $ et 15,00 $ pour Neon, jusqu'à ce que le tarif de lancement de Carbon et Argon passe à 4,00 $ et 20,00 $ le 1er décembre 2026.

Si votre raison était la vitesse, l’argument tient et les chiffres ci-dessus le confirment. Vingt et un minutes contre trente-six sur le même jeu d’évaluation, c’est le genre de différence qui change ce que vous pouvez exécuter en une journée de travail, et le taux de génération de 1,9x se voit dans le travail interactif bien avant de se voir dans un traitement par lots.

Si votre raison était l’économie par tâche de Google, faites le test vous-même avant d’engager une voie de production dessus. Le profil de jetons est la seule chose qui détermine si l’affirmation par tâche tient sur votre trafic, et la mesure indépendante indique que Neon émet plus de jetons que le modèle qu’il est censé battre sur le prix. Sur les charges de travail à forte composante d’entrée, la situation s’inverse, car le prix des entrées de Neon est aujourd’hui 50 % supérieur à celui de Carbon et le palier de Carbon en décembre comble même cet écart en faveur de Neon — ce qui représente une fenêtre de quatorze jours, pas une stratégie.

Exécution de la comparaison sur votre propre trafic

Si une échelle à quatre barreaux mérite votre attention plutôt qu'un score unique, c'est parce que le choix du barreau est une décision de coût, et que les décisions de coût sont les moins coûteuses à prendre lorsque les deux modèles sont à portée d'un appel. Notre catalogue propose google/gemini-4-carbon et google/gemini-4-argon au prix catalogue du fournisseur, sans marge, ce qui signifie que le palier du 1er décembre sur ces deux modèles apparaît sur votre facture le jour même où il apparaît sur celle de Google, et que la position de Neon en décembre par rapport à eux évolue sans que personne n'ait à renégocier quoi que ce soit. Gemini 4 Neon n'est pas encore au catalogue, il ne s'agit donc pas d'une recommandation de le faire tourner chez nous dès aujourd'hui — c'est la forme du test à mener lorsqu'il sera disponible.

The OrcaRouter model page for Gemini 4 Carbon, showing the model identifier google/gemini-4-carbon, a maximum output of 65K tokens, multimodal input across text, image, file, audio and video, capability chips for vision, audio, tools, JSON, reasoning and output text, the line by Google · 2026-11-10, a p50 time to first token of 10.005 seconds, and the description noting a 1,048,576-token context window.

L'évaluation que les chiffres ci-dessus justifient n'est pas une exécution de benchmark. C'est la même invite au niveau élevé sur les deux modèles, mesurée en jetons pour terminer plutôt qu'en secondes, sur un échantillon de vos propres tâches. Ce test exige que les deux modèles soient joignables à partir d'une même clé, avec un repli derrière, car l'intérêt d'exécuter Neon est de savoir si l'affirmation par tâche survit au contact de votre trafic, et l'intérêt du repli est qu'un modèle que vous êtes encore en train d'évaluer ne soit jamais le seul chemin vers la production. Carbon derrière, Argon derrière cela, et la comparaison de la hiérarchie devient un changement de routage plutôt qu'une migration.

La seule chose à ne pas faire, c'est de fonder la décision sur le tableau de lancement. Le tracker a désormais publié quatre scores pour un seul modèle, l'écart entre le meilleur et le modèle par défaut est plus grand que l'écart entre le modèle par défaut et celui qu'il remplace, et l'argument de coût qui rend toute la proposition viable est le seul chiffre de la présentation que personne en dehors de Google n'a reproduit.

Que regarder ensuite

Trois choses, toutes vérifiables. Que le coût par tâche du tracker pour Neon au niveau élevé s'approche du chiffre de 32 % de Google — cette seule ligne trancherait le débat, et il s'agit d'une variante qui a déjà un score d'index publié. Que le seuil Fairwind de la variante cyber s'ouvre, puisque les chiffres de sécurité ne sont encore que des affirmations sur un modèle que presque personne en dehors de Google ne peut interroger. Et que l'étape du 1er décembre sur Carbon et Argon résiste au contact de la demande, car c'est à cette date que les tarifs fixes de 3,00 $ et 15,00 $ de Neon cessent de paraître chers et commencent à ressembler au niveau de raisonnement Gemini 4 le moins cher par token.

D’ici là, le résumé utile tient en une phrase : Gemini 4 Neon est le moyen le plus rapide d’obtenir une réponse de Gemini 4, ce n’est pas la plus précise avec le réglage par défaut, et l’argument d’efficacité qui justifie son prix reste une affirmation de fournisseur.