Une carte de titre générée indiquant « Gemini 4 Neon Video » avec le sous-titre « Un export d’artefact, et non une génération », une icône de pellicule étiquetée « 60.03 s · 1920×1080 · 21 nov. 2026 », et une icône de fenêtre de navigateur étiquetée « les scènes sont en HTML, CSS et JS » avec une flèche marquée MP4 pointant vers une icône de fichier.
Guides & Insights

Gemini 4 Neon Video : un export d’artefact, pas une génération

Auteur

jinhao.song

Date de publication

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

À 08:07 UTC le 21 novembre 2026, le compte @dotey — 宝玉 sur X — a publié un clip de 60,03 secondes en 1920×1080 avec une seule ligne de chinois au-dessus : 做视频效果也不错, soit à peu près « ce n'est pas mal en vidéo non plus ». Le sujet était G​emini 4 Neon, le modèle de G​oogle sorti une semaine plus tôt, et le lien sous la phrase pointait vers un projet open source appelé open-artifact, décrit dans la publication comme l'Artifact (compétence) de production vidéo. Le clip comptait 230 likes et 76 réponses au moment où nous l'avons consulté, le 22 novembre. Cela ressemble à une pièce de motion design produite.

Ce n’est pas une vidéo générée. La documentation de modèle de G​oogle pour G​emini 4 Neon ne répertorie qu’un seul et unique type de sortie — le texte — et le film qui en est sorti est un programme : des scènes HTML, CSS et JavaScript dessinées en fonction du temps, plus une partition synthétisée, rendues par une page web locale et exportées en MP4 par le bouton d’exportation de cette page. Cette distinction n’est pas une question de pédanterie. Elle change ce à quoi le modèle excelle, ce que coûte un second montage, et si ce que vous achetez est un moteur de rendu ou un rédacteur.

Ce que la publication dit réellement

Tout ce qui est publiquement documenté à l’appui de cette affirmation tient en une phrase d’étiquette et une pièce jointe de 60 secondes. Il n’y a ni prompt, ni nombre de scènes, ni niveau de réflexion, ni nombre de tokens, ni indication permettant de savoir si le film provient de l’API, de Google AI Studio, d’Antigravity ou d’autre chose. Le post ne dit même pas que le clip a été réalisé avec la compétence qu’il met en lien — il présente cette compétence comme la façon de faire ce genre de travail, et le clip comme la raison de s’y intéresser. À lire comme une recommandation accompagnée d’une démo, pas comme un test.

Une chose mérite d’être connue avant d’évaluer la recommandation. Le dépôt a cinq jours : GitHub l’enregistre comme créé le 17 novembre 2026, avec 135 étoiles et 25 forks au moment de la rédaction, sous licence Apache-2.0, et une version — 0.12.2 — publiée le 21 novembre, le même jour que le billet. Son README indique qu’il a commencé sous le nom de baoyu-design, et la ligne de crédit dans la section licence indique « Copyright 2026 Jim Liu 宝玉 ». C’est le même 宝玉 que le compte à l’origine de la publication utilise comme nom d’affichage. Ainsi, la personne qui vous dit que Neon est bon en la matière montre un outil qui porte son nom sur la ligne de copyright. Cela ne rend pas la démo fausse. Cela en fait une démo de créateur, et la lecture honnête est qu’elle montre ce que le pipeline peut produire entre des mains expertes, et non ce qu’un prompt moyen produit du premier coup.

La fiche de modèle indique en sortie : texte

Google's Gemini API models page showing the Gemini 4 Neon card with model code gemini-4-neon, a 1M-token context, a 64K maximum output and a modalities line reading Text, Image, Audio, Video, PDF, plus a Try in AI Studio button.

G​oogle a lancé G​emini 4 Neon le 18 novembre 2026 à 3 $ par million de tokens d’entrée et 15 $ par million de sortie, l’entrée mise en cache étant à 0,15 $. L’article de lancement le décrit comme capable de lire des feuilles de calcul, des PDF, des graphiques, de l’audio et de la vidéo. La page du modèle va plus loin et tranche la question que l’article laisse en suspens : sous « Types de données pris en charge », elle indique « Entrées : Texte, Image, Vidéo, Audio et PDF », puis, sur sa propre ligne, « Sortie : Texte. » La même page indique que la génération audio n’est pas prise en charge. Le contexte est de 1 048 576 tokens, avec 65 536 tokens de sortie par défaut et jusqu’à un million complet avec un décodage long.

Cette asymétrie est à l’origine de la confusion. La vidéo est quelque chose que ce modèle regarde, pas quelque chose qu’il produit. La vue en carte sur le même site de documentation est plus vague — elle affiche « Modalités : texte, image, audio, vidéo, PDF » sans préciser quel sens correspond à quoi — et un lecteur qui parcourt cette ligne pourrait raisonnablement conclure que Neon produit de la vidéo. Ce n’est pas le cas. Dans la propre pile de Google, générer des images est une autre gamme de modèles ; la contribution de Neon à une image animée, c’est le code qui la dessine.

Comment un modèle de texte produit un film

Le type d’artefact de mouvement dans open-artifact est explicite quant au mécanisme. Un film est un dossier de petits documents JSON : une liste de scènes avec la taille de la scène et la fréquence d’images, un module JavaScript par scène qui la dessine à partir d’une variable temporelle t, un module de partition qui synthétise la musique et les effets, et un module de narration optionnel pour les sous-titres et la voix off. Rien n’est rendu sous forme de vidéo par le modèle. La page locale lit les documents comme un navigateur lit une page, et l’exportation transforme cette lecture en fichier.

La documentation de la compétence elle-même est franche sur la répartition du travail, et ce sont les détails qui comptent si vous décidez d’essayer ceci :

• Durée — un film dure de 10 à 30 secondes, sauf si vous demandez plus, avec un plafond absolu de 300 secondes. Le clip dans la publication dure 60,03 secondes, donc son auteur l’a demandé.

• Export — MP4 en 720p par défaut ou en 1080p, à la fréquence d’images complète, à la moitié ou au quart, plus GIF, HTML et ZIP. La pièce jointe est en 1920×1080, l’option non par défaut.

• Qui écrit le fichier — les instructions demandent à l’agent de ne créer aucun fichier vidéo ou audio. L’export relève de la page, et les images fixes servant à vérifier une scène sont générées par Chrome headless.

• Garde-fous — aucune scène de moins d’une seconde, pas plus de trois coupes ou flashs par seconde, et les sous-titres proviennent de répliques fournies par la personne plutôt que de répliques inventées par le modèle.

Donc, trois choses se produisent en séquence : le modèle écrit un petit programme, un navigateur le dessine, et un encodeur — le projet fournit des crates Rust/WebAssembly pour l’encodage GIF et MOV — écrit le conteneur. Seule la première étape implique Gemini 4 Neon. Un film de 60 secondes en 1080p avec une bande originale représente une quantité considérable de code qu’un seul modèle doit produire correctement en une poignée de tours, et c’est un vrai compliment. C’est un compliment sur l’ingénierie logicielle, qui est exactement le domaine où les chiffres publiés de Neon sont les plus solides.

Combien coûte un film sur la grille tarifaire de Neon

Artificial Analysis model page for Gemini 4 Neon showing an Intelligence Index of 61, output speed of 106 tokens per second, 22.3 minutes and $6.44 per index task, $3.00 input and $15.00 output per million tokens, and an output modality row reading only T.

Rien dans la publication n’indique l’utilisation de tokens, donc ce qui suit est un calcul arithmétique sur le tarif catalogue de Google plutôt qu’une mesure. Un film de dix scènes implique un long premier tour, plusieurs cycles de lecture-écriture sur le magasin de documents, et pas mal de relectures pendant que le modèle vérifie ses propres scènes. Disons 150 000 tokens d’entrée et 25 000 tokens de sortie pour un film exploitable : 0,45 $ d’entrée à 3 $ par million et 0,375 $ de sortie à 15 $ par million, soit environ 83 cents. Une passe plus légère à 40 000 en entrée et 8 000 en sortie revient à 24 cents. C’est sur l’entrée mise en cache que le chiffre bouge vraiment — à 0,15 $ par million, 120 000 tokens d’entrée en cache coûtent environ deux cents au lieu de 36, et l’ensemble de l’exécution tombe sous 50 cents.

Comparez cela à ce que les tests indépendants coûtent pour le modèle par tâche. Artificial Analysis attribue à G​emini 4 Neon un score de 61 à son Intelligence Index avec un effort xhigh, à 106 jetons de sortie par seconde, 22,3 minutes et 6,44 $ par tâche d’indice. Un film coûte moins cher qu’une tâche d’indice, et c’est là la surprise utile : la partie coûteuse de ce flux de travail n’est pas le film, c’est l’itération.

Et c'est à l'itération que l'économie s'inverse. Un modèle vidéo facturé à la seconde facture chaque prise ; un film dessiné par du code facture les tokens qui servent à l'écrire et rien pour le rendu. Changez une couleur, réexportez, et vous n'avez dépensé aucun token — le coût, c'est votre propre CPU et le temps que prend Chrome en mode headless pour dessiner 1 800 images. C'est une courbe de coût véritablement différente de celle de la vidéo générative, et c'est l'argument le plus fort en faveur de l'article que l'article lui-même ne formule pas.

Autant le dire clairement : G​emini 4 Neon ne figure pas dans notre catalogue. Les deux modèles G​emini 4 qu’OrcaRouter propose sont Gemini 4 Argon et Gemini 4 Carbon, tous deux à 2,00 $ en entrée et 10,00 $ en sortie par million au prix catalogue du fournisseur, sans marge ajoutée — ce qui est la comparaison dont un lecteur a réellement besoin, car Carbon est le modèle par rapport auquel le prix de Neon est établi et Argon est la façon la moins chère d’exécuter la même boucle d’artefacts pendant que vous décidez. Les deux sont accessibles avec une seule clé, de sorte qu’une session d’écriture de code qui expire en plein film peut basculer sans second contrat ni modification de code.

Là où l’affirmation est la plus faible

La version la plus forte de l’argument sceptique n’est pas que le clip est faux — le pipeline est public et le mécanisme est documenté, donc n’importe qui peut en reproduire la forme. C’est qu’un bon film dessiné par du code est un benchmark de codage qui porte le chapeau d’un réalisateur, et les chiffres de codage de ce modèle sont déjà ses meilleurs chiffres. Neon se situe à 58,6 sur le Coding Agent Index et à 65,2 % sur Terminal-Bench 4.1 selon les propres rapports de Google, donc « bon pour faire des films » pourrait surtout signifier « bon pour écrire du code d’animation », ce que nous savions déjà et qui ne se généralise pas à un modèle qui écrit du code moins bon.

Trois lacunes précises subsistent après la lecture de tout ce qui est disponible :

• Attribution — aucun paramètre n'est divulgué, et la durée de 60 secondes ainsi que la résolution 1080p s'écartent toutes deux des valeurs par défaut de la compétence, donc quelqu'un a fait des choix que nous ne pouvons pas voir.

• Sélection — un clip est un temps fort, et la démo d’un créateur est sélectionnée par le créateur. Il n’y a pas de taux d’échec, pas d’exemple de première tentative, et pas de comparaison avec le même prompt sur Carbon.

• Ce que signifie « bon » — la qualité visuelle tient en partie au gabarit et aux règles de conception de la compétence, et non au modèle. Un autre type d’artefact avec un échafaudage plus faible flatterait moins le modèle.

Rien de tout cela n’est disqualifiant, et cela joue dans les deux sens : un film dessiné par code est aussi auditable d’une manière qu’un rendu par diffusion ne l’est pas. Si une image est erronée, elle l’est dans un fichier que vous pouvez lire et une ligne que vous pouvez pointer.

Comment l’essayer vous-même

Le chemin est assez court pour être décrit en un paragraphe. Le projet nécessite Node 22.18 ou une version ultérieure, distribue un bundle de plugins via GitHub Releases et répertorie Antigravity parmi ses hôtes pris en charge — installez le dossier extrait avec agy plugin install, ou copiez-le dans ~/.gemini/config/plugins/open-artifact, puis redémarrez. Il se trouve que c’est l’hôte où G​emini 4 Neon est le modèle par défaut pour les nouvelles conversations sur les forfaits qui l’incluent, de sorte que les deux éléments se rejoignent sans configuration. La première invite est une phrase : une animation de lancement de vingt secondes pour cette application, ou un carton de titre pour ce projet. Ensuite, vous examinez des images fixes avant de dépenser quoi que ce soit pour un export, ce qui correspond au flux de travail que la compétence elle-même recommande.

Faites-le une fois avant de croire la publication, et regardez deux chiffres plutôt que l’image : combien de tours il faut avant que la première scène se dessine correctement, et quelle part de la facture d’entrée correspond à des lectures de cache. Ces chiffres vous disent si la boucle est peu coûteuse pour votre travail. Le clip vous dit que c’est possible ; seul votre propre nombre de tokens vous dit si cela en vaut la peine.

A generated scoreboard for Gemini 4 Neon with six rows: output text only; video input yes, video output no; price $3.00 input and $15.00 output per million tokens; $6.44 per Artificial Analysis index task; default film length 10 to 30 seconds; export MP4 at 720p or 1080p.

La question ouverte n’est pas de savoir si G​emini 4 Neon peut finir dans un fichier vidéo — il le peut manifestement, grâce à un programme qu’il a écrit. C’est de savoir si G​oogle considère cela comme une sortie à part entière. Pour l’instant, la couche d’artefacts est assurée par des tiers, l’export incombe à une page locale, et la sortie documentée du modèle est du texte. Si cela change, la manière honnête de présenter ce clip changera avec : d’une utilisation astucieuse d’un modèle de codage à une liste de fonctionnalités. D’ici là, le compliment qui mérite d’être répété est le plus modeste — Neon écrit du code d’animation assez bien pour que quelqu’un qui développe l’outillage ait choisi de le présenter avec.