
Gemini 4 Neon domine le Coding Agent Index avec 58,6 — l’écart avec Claude Fable 5.2 est de 0,17 point, et l’essentiel de l’écart avec GPT-6.2 Astra tient à un seul benchmark
- 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 · 214 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 · 76 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 112 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 · 67 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 · 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 · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Gemini 4 Neon occupe désormais la première place de l'Artificial Analysis Coding Agent Index avec 58,64, avec Claude Fable 5.2 à 58,47 et GPT-6.2 Astra — publié le 17 novembre, deux jours avant ce relevé — à 53,47. Telle est l'affirmation qui circule, et chacun des chiffres qu'elle contient se vérifie sur le classement publié. Lu attentivement, c'est aussi un argument sur les harnais autant que sur les modèles : le 58,64 de Neon a été mesuré dans l'Antigravity CLI de Google, le 58,47 de Fable 5.2 dans Claude Code, le 53,47 d'Astra dans Codex. Trois laboratoires, trois agents de terminal, un composite construit à partir de 396 tentatives FrontierCode 2.0, 372 tentatives SWE-Atlas-QnA et 198 tentatives Terminal-Bench 4.1 par ligne. Le classement est réel. Ce qu'il signifie pour votre dépôt est plus étroit — et bien plus utile — que ne le suggère une capture d'écran de classement.
Tout ce qui suit est relevé sur le classement public des agents de codage d’Artificial Analysis, consulté le 19 novembre 2026, sur la version v2.1 de l’indice. Aucun de ces éléments ne provient du tableau de référence de Google lui-même : le score composite, les trois scores des composantes, le coût par tâche et les nombres de jetons sont mesurés en laboratoire, chaque exécution passant par l’agent terminal propre au fournisseur. Les chiffres du jour de lancement de Google pour Gemini 4 Neon — Chartography 73,5 %, Terminal-Bench 4.1 à 65,2 %, FrontierCode 2.0 à 46,2 % — constituent un ensemble distinct, rapporté par le fournisseur et non la source d’aucun des chiffres mesurés ci-dessous, et ils sont signalés comme tels partout où ils apparaissent à côté de ceux-ci.
Ce que l’indice compte réellement
Le Coding Agent Index ne teste pas un modèle isolément. Chaque ligne correspond à une paire harnais + modèle, et le chiffre phare est la moyenne à pondération égale de trois scores composants : FrontierCode 2.0, 132 tâches d’ingénierie logicielle écrites par Cognition et implémentées par Artificial Analysis ; SWE-Atlas-QnA, 124 tâches de questions-réponses techniques de Scale AI, avec une notation ajustée par AA ; et Terminal-Bench 4.1, 66 tâches agentiques en terminal du Laude Institute. Chaque composant est le score moyen sur trois tentatives par tâche. La page ne publie aucun intervalle de confiance sur aucun de ces éléments, et c’est la première chose à savoir avant de traiter un dixième de point comme un fait sur les capacités.

Cette mise en garde compte plus que d’ordinaire ici, car le haut du classement est extrêmement serré. Classement selon le score composite, à deux décimales :
• Gemini 4 Neon (xhigh), Antigravity CLI — 58.64
• Claude Fable 5.2 (xhigh), Claude Code — 58,47
• Devin Fusion CLI, Claude Opus 5.5 max + GPT-6 Luna high — 58.40
• Claude Fable 5.2 (élevé), Claude Code — 58.24
• Claude Opus 5.5 (max), Claude Code — 58,16
Cinq configurations à moins d'un demi-point d'écart, réparties sur trois fournisseurs et trois agents différents. Ce qui les sépare n'est pas visible à cette résolution, et un article qui présente le sommet de ce classement comme un résultat décisif prend un arrondi pour un signal.
L’écart de cinq points tient principalement à un seul benchmark.
C'est dans la comparaison avec GPT-6.2 Astra que l'accroche devient intéressante, car un écart composite de cinq points semble structurel et s'avère concentré dans un seul composant. Il faut aussi une correction d'emblée : le chiffre de « six points d'avance » qui circule depuis le lancement est ce que l'on obtient en comparant les 58,64 de Neon à Astra en high, qui obtient 52,28 — soit 6,36 points de retard. Face à la meilleure configuration d'Astra, max à 53,47, l'écart est de 5,17. Les deux chiffres sont sur la table ; ils décrivent des réglages différents du même modèle. Décomposons l'association max :
• FrontierCode 2.0 — Neon (xhigh) 43,0 vs Astra (max) 41,7, soit un écart de 1,3 point sur 132 tâches d'ingénierie logicielle.
• Terminal-Bench 4.1 — Neon 65,2 contre Astra 63,6, soit un écart de 1,6 point sur 66 tâches de terminal.
• SWE-Atlas-QnA — Neon 67,7 contre Astra 55,1, un écart de 12,6 points sur 124 tâches techniques de questions-réponses.
Environ quatre cinquièmes de la différence composite proviennent de la composante Questions-Réponses, et c’est la composante qui ressemble le moins à ce que fait un agent lorsqu’il modifie un dépôt. SWE-Atlas-QnA demande au harnais de répondre à des questions sur une base de code. FrontierCode et Terminal-Bench lui demandent d’en modifier une, ou de piloter un terminal jusqu’à ce qu’une tâche soit terminée. Sur les deux ensembles de tâches qui ressemblent au travail réel d’un agent, Gemini 4 Neon et GPT-6.2 Astra se situent à moins de deux points l’un de l’autre — du même ordre de grandeur que l’écart entre les cinq configurations en tête. Sur l’ensemble de tâches qui ressemble à la recherche et au raisonnement, Neon est meilleur de douze.
Les deux lectures sont vraies, et celle qui prédit votre expérience dépend de votre charge de travail plutôt que du classement. Si votre agent passe ses journées à répondre à des questions sur une grande base de code privée, SWE-Atlas-QnA est l’indicateur le plus proche du classement et un écart de douze points mérite d’être pris en compte. S’il passe ses journées à ouvrir des pull requests, FrontierCode et Terminal-Bench sont les indicateurs les plus proches, et le composite surestime l’écart d’un facteur trois ou quatre.

Le coût par tâche va dans l’autre sens
Artificial Analysis indique le coût en même temps que le score, et sur le coût, l’ordre s’inverse. Coût moyen par tâche sur l’ensemble de l’indice :
• Gemini 4 Neon (xhigh) — 6,86 $, 13,72 M de tokens d’entrée et 125,6 k de tokens de sortie, 177 étapes, 30,5 minutes de temps réel.
• Claude Fable 5.2 (xhigh) — 15,47 $, 9,55 M de tokens d'entrée et 207,4 k de tokens de sortie, 95 étapes, 53,3 minutes.
• Claude Fable 5.2 (élevé) — 7,51 $, 5,02 M de tokens en entrée et 94,1 k de tokens en sortie, 55 étapes, 31,3 minutes.
• GPT-6.2 Astra (max) — 5,12 $, 4,62 M de tokens d’entrée et 43,0 k de tokens de sortie, 51 étapes, 25,1 minutes.
• Gemini 4 Carbon (élevé) — 9,75 $, 15,31 M de tokens d’entrée et 120,5 k de tokens de sortie, 186 étapes, 33,6 minutes.
Il en ressort trois choses. Premièrement, Neon est 2,3 fois moins cher par tâche que Fable 5.2 au réglage auquel la ligne Fable est évaluée, et termine en 30,5 minutes contre 53,3. Deuxièmement, Neon n'est pas bon marché en termes absolus : à 6,86 $, il coûte 34 % de plus par tâche que la configuration GPT-6.2 Astra qu'il devance, et 30 % de moins que son propre frère Gemini 4 Carbon, qu'il devance de 3,2 points composites — face à Carbon, le verdict est donc sans ambiguïté sur les deux axes, et face à Astra, il s'agit d'un pur échange de dollars contre du score. Troisièmement, le profil de tokens explique le prix. Neon consomme 13,72 M de tokens d'entrée et 177 étapes par tâche, contre 9,55 M et 95 pour Fable 5.2 : environ 44 % d'entrée en plus et 86 % d'appels d'outils en plus pour un résultat supérieur de 0,17 point. Les taux de succès du cache se situent entre 94 % et 96 % sur chaque ligne ci-dessus, il ne s'agit donc pas d'un artefact de mise en cache — c'est le modèle qui effectue davantage d'étapes plus petites.
Le matériel de lancement de Google affirme que Gemini 4 Neon, à son réglage high par défaut, coûte 32 % de moins par tâche que Gemini 4 Carbon. Ces données sont déclarées par le fournisseur et ce tableau ne les reproduit pas. La seule ligne Neon publiée ici est xhigh, à 6,86 $ contre 9,75 $ pour Carbon — une économie de 30 %, proche du chiffre du fournisseur, mais mesurée au plus profond des quatre réglages de réflexion de Neon plutôt qu'au réglage par défaut décrit par l'affirmation. Considérez la tendance comme étayée et le chiffre précis comme non confirmé tant qu'une high ligne n'existe pas.
Le paramétrage fait davantage varier le score que le modèle.
La chose la plus utile sur ce tableau n’est pas le classement. C’est que Claude Fable 5.2 apparaît cinq fois, dans le même harnais, à cinq niveaux de réflexion, et ses scores atteignent 47,96 à faible, 53,04 à moyen, 58,24 à élevé, 58,47 à très élevé et 55,74 à max — soit un écart de 10,5 points attribuable à un paramètre. GPT-6.2 Astra apparaît cinq fois dans Codex et va de 35,58 à faible jusqu’à 53,47 à max, soit un écart de 17,9 points pour le même type de réglage.
Comparez ces plages aux écarts dont parlent les gros titres. L’écart entre Astra à faible et Astra à max est 3,5 fois l’écart entre Neon et Astra dans leurs meilleurs réglages, et 5,6 fois l’écart entre Neon et Carbon. L’écart de 10,5 points au sein de Fable 5.2 à lui seul représente plus du double de toute la distance entre la première place de Neon et la dixième place d’Astra. Choisir un modèle à partir d’un seul chiffre par modèle, c’est choisir sur la plus petite variable de la page ; le niveau d’effort que vous transmettez et l’agent que vous enveloppez autour de lui déplacent davantage le résultat que le logo sur la boîte.
Cela oblige aussi à nuancer le cadrage « dépasse Fable 5.2 ». Le 58,64 de Neon est mesuré en xhigh dans Antigravity CLI, et c’est la seule configuration Neon du tableau — il n’y a pas de ligne high, donc personne en dehors de Google ne peut encore dire ce que la configuration par défaut de Neon coûte en score ou en dollars. Le déficit de 0,17 point de Fable 5.2 tient à son propre xhigh et, plus étroitement, à high, où il obtient 58,24 pour 7,51 $ par tâche. Ces deux chiffres se situent dans la fourchette qu’un autre harnais pourrait vraisemblablement inverser, ce qui n’est pas une critique de Neon — c’est ce que signifie un écart d’un demi-point au sommet d’un tableau de 41 lignes.
Qu’y a-t-il réellement de nouveau ici ?
Gemini 4 Neon a atteint la disponibilité générale le 18 novembre 2026, un jour avant la lecture de ce tableau de bord, à 3,00 $ par million de jetons d’entrée et 15,00 $ par million de jetons de sortie pour une fenêtre de contexte de 1 M de jetons. Il est propriétaire et à tarif fixe : pas de fenêtre d’introduction, pas d’offre gratuite, contrairement à Gemini 4 Hydrogen. La grille tarifaire et les scores d’intelligence indépendants ont déjà été traités ailleurs sur ce blog ; ce qui est nouveau, c’est le premier résultat agentique mesuré, et il dit plusieurs choses que l’article de lancement ne disait pas.
L'article de lancement indiquait bien qu'il avait pris la première place sur l'Artificial Analysis Coding Agent Index avec 58,6, et ce chiffre est exactement celui que publie le tableau, dans la configuration décrite. Ce que l'article ne disait pas, c'est que la marge sur la configuration suivante est de 0,17 point, que l'essentiel de l'avance sur GPT-6.2 Astra provient de l'une des trois composantes, ou que l'exécution a consommé 13,72 M de tokens d'entrée par tâche. Ce sont les éléments dont un lecteur qui décide quoi déployer a besoin, et ils n'existent que sur le tableau.
Un chiffre de plus à garder à côté du score : zéro refus. Sur l’ensemble des 966 tentatives de la ligne Neon — 396 FrontierCode, 372 SWE-Atlas-QnA, 198 Terminal-Bench — Artificial Analysis n’a enregistré aucun refus de sécurité et aucun repli vers un fournisseur. Fable 5.2 à xhigh a enregistré 1 refus sur FrontierCode, 38 sur SWE-Atlas-QnA et 16 sur Terminal-Bench ; GPT-6.2 Astra à max a enregistré 8 refus sur SWE-Atlas-QnA, tous des arrêts nets. Un refus n’est pas un échec de capacité, mais c’est une tâche que l’agent n’a pas accomplie, et dans une boucle agentique, il se présente comme un blocage plutôt que comme une mauvaise réponse. Pour un agent dirigé vers des dépôts de production, un modèle qui mène à bien chaque tentative constitue une différence opérationnelle qu’aucune autre configuration de ce tableau n’égale.
Quels coûts de changement, et où nous nous situons
Si les chiffres de Neon plaident en faveur d'un essai, la question pratique est de savoir ce que l'essai coûte en ingénierie. Neon ne figure pas dans notre catalogue : la liste des modèles OrcaRouter comporte google/gemini-4-carbon et google/gemini-4-argon, et aucune entrée Neon au 19 novembre ; nous ne pouvons donc pas le router pour vous aujourd'hui et ne laisserons pas entendre le contraire. GPT-6.2 Astra ne figure pas non plus dans le catalogue. Ce que nous proposons, en revanche, c'est anthropic/claude-fable-5.2 au prix catalogue d'Anthropic de 8,00 $ en entrée et 40,00 $ en sortie par million, ainsi que le précédent openai/gpt-6-astra — GPT-6 Astra, un modèle de septembre et une ligne différente de ce tableau — à 10,00 $ et 50,00 $. Les deux se trouvent sur la même clé au prix catalogue du fournisseur, avec 0 % de marge, ce qui signifie que le calcul ci-dessus peut être refait avec votre propre trafic sans second contrat.

Sur un classement aussi serré, ce qui compte le plus, c’est le renouvellement. Trois des cinq configurations de tête utilisent un modèle publié au cours des dix derniers jours, et l’ordre a changé chaque fois que l’un d’eux est arrivé. Un chemin de production soudé à la ligne qui est première aujourd’hui est reconstruit dès que le modèle suivant sort, et c’est pourquoi la décision de routage doit être prise en dehors du code. Avec un seul endpoint et une règle de routage, un modèle candidat relève d’un changement de configuration plutôt que d’une migration, et le basculement automatique permet à un modèle non éprouvé de se placer derrière un modèle éprouvé et d’absorber une partie du trafic sans mettre le chemin principal en danger.
Pour les deux modèles que nous servons, la répercussion est littérale : quand Anthropic ou OpenAI modifie un tarif, le montant sur notre facture change le jour même, sans rien ajouter par-dessus. C’est la base honnête de la comparaison de coûts ci-dessus — recalculez le prix des deux côtés selon ce qui vous serait réellement facturé, et non selon un chiffre d’annonce de lancement.
Qui devrait agir sur ce point, et comment ?
Le conseil soutient trois décisions différentes selon ce que vous exécutez, et ce ne sont pas les mêmes décisions.
Si vous utilisez un agent qui répond à des questions sur une vaste base de code privée — assistants d'intégration, outils « où est-ce implémenté », planificateurs de migration —, l'écart SWE-Atlas-QnA est le chiffre qui compte, et 67,7 contre 55,1 est suffisamment large pour justifier un essai mesuré. Prévoyez la configuration xhigh, car c'est la seule configuration évaluée, et ne partez pas du principe que la configuration par défaut se comporte de la même manière.
Si vous exécutez un agent qui ouvre des pull requests et pilote un terminal, le résumé honnête est que Neon, Fable 5.2, Opus 5.5 et le duo Devin Fusion se tiennent à moins d’un demi-point composite les uns des autres et à moins de trois points sur Terminal-Bench, même si leurs scores FrontierCode s’étalent davantage, de 43,0 à 49,2. Il n’y a ici aucun argument de capacité justifiant de changer quoi que ce soit. Il y a un argument de coût — Neon à 6,86 $ contre Fable 5.2 à 15,47 $ pour le même score — et un argument opérationnel dans la ligne zéro refus. Ni l’un ni l’autre ne justifie de migrer un pipeline qui fonctionne cette semaine.
Si vous êtes encore en train de choisir un harnais, c’est là que les preuves sont les plus solides et les moins ambiguës. L’écart entre les niveaux de réflexion au sein d’un même modèle écrase l’écart entre les modèles de tête à leurs meilleurs réglages. Deux après-midi passés à exécuter votre propre agent à deux ou trois niveaux d’effort vous en apprendront plus sur votre facture et votre taux de réussite que tout le temps que vous pourriez consacrer à lire ce classement, y compris cet article.
À surveiller : une ligne Neon à son paramètre par défaut élevé. Tant qu'aucune n'est publiée, le modèle en tête du classement a été mesuré sur exactement une configuration — et l'affirmation de Google selon laquelle chaque tâche coûte 32 % moins cher porte sur le réglage que personne n'a encore évalué.
Comparés dans cet article2
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
