Carte de titre indiquant Gemini 4 Neon vs Gemini 4 Carbon, sous la ligne « Plus lent à gagner la confiance, plus rapide à finir », au-dessus de deux cartes — Coût par token, Neon plus élevé, et Coût par tâche, Neon plus bas, selon Google — avec la légende « Un nombre tarifie les tokens. L'autre tarifie le travail. »
Guides & Insights

Gemini 4 Neon vs Gemini 4 Carbon : le modèle le plus récent met plus de temps à gagner la confiance et finit plus vite

Auteur

jinhao.song

Date de publication

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

Placez Gem​ini 4 Neon et Gemini 4 Carbon côte à côte sur une grille tarifaire : Neon perd, avec 3,00 $ en entrée et 15,00 $ en sortie, contre 2,00 $ et 10,00 $ pour Carbon. Placez-les côte à côte sur une tâche terminée et Goog​le dit l'inverse, affirmant que Neon coûte 32 % de moins par tâche à son niveau de réflexion par défaut. Les deux affirmations sont vraies, et c'est dans cet écart que se joue toute la décision. Un chiffre tarifie les tokens. L'autre tarifie le travail que ces tokens accomplissent — et lorsqu'une famille livre quatre modèles en huit semaines, le second chiffre est le seul à vous dire quel modèle mettre en production.

Les deux sont en disponibilité générale. Carbon depuis le 10 novembre 2026, après deux semaines réservées aux cyberdéfenseurs via le programme Fairwind de Goog​le. Neon depuis le 18 novembre 2026, accessible dès le premier jour à tout développeur payant de l’API Gemini. Ils partagent un contexte unifié de 1 M de tokens, les mêmes cinq modalités d’entrée, le même plafond de sortie par défaut de 64 K avec jusqu’à 1 M disponible, la même mise en cache uniquement implicite et la même absence de niveau gratuit. Presque tout ce qui les distingue relève du comportement, pas de la spécification.

Coût par token, coût par tâche, et les treize jours qui les inversent

Les grilles tarifaires d’abord, car le revirement du 1er décembre change la réponse à « lequel est le moins cher » sans que ni l’un ni l’autre des modèles ne change quoi que ce soit.

• Aujourd'hui, le 19 novembre 2026 — Carbon $2.00 en entrée / $10.00 en sortie / $0.10 en cache ; Neon $3.00 / $15.00 / $0.15. Carbon est 33 % moins cher sur chaque ligne.

• À partir du 1er décembre 2026 — Le carbone passe à 4,00 $ / 20,00 $ / 0,20 $ selon le calendrier publié de Goog​le ; Neon ne bouge pas. Neon devient 25 % moins cher sur chaque ligne.

• Batch et flex — Carbon : 1,00 $ / 5,00 $ aujourd’hui, 2,00 $ / 10,00 $ après le palier ; Neon : fixe à 1,50 $ / 7,50 $.

• Priorité — le palier à 1,8x : Carbon 3,60 $ / 18,00 $ aujourd’hui, 7,20 $ / 36,00 $ ensuite ; Neon inchangé à 5,40 $ / 27,00 $.

• La page Carbon d’Artificial Analysis elle-même, consultée le 19 novembre, indique Carbon à $4.00 et $20.00 — le tarif de décembre, et non celui que Google facture actuellement. Si vous récupérez les tarifs depuis un classement plutôt que depuis la grille tarifaire du fournisseur, vous comparez peut-être déjà à un prix que personne ne paie encore.

Passons maintenant au chiffre par tâche, car c'est là que se joue le dossier de Neon. L'annonce de Google indique qu'au niveau de réflexion élevé par défaut de Neon, il affiche « un coût par tâche inférieur de 32 % à celui de Carbon ». Ce n'est pas une affirmation sur les tarifs, c'est une affirmation sur la verbosité déguisée en affirmation sur les tarifs. Un modèle qui raisonne avec deux fois plus de tokens à moitié prix coûte la même chose par tâche ; Google dit en substance que Neon émet nettement moins de tokens pour aboutir à une réponse comparable. C'est aussi la seule affirmation de l'annonce qui se retrouve directement sur votre propre facture, ce qui signifie que c'est celle que vous devriez remesurer sur votre propre trafic plutôt que de l'accepter telle quelle.

Il existe des preuves indépendantes de cette orientation. Artificial Analysis mesure Carbon à 205 M de jetons de sortie dans l’Intelligence Index, qu’il qualifie de très verbeux par rapport à une médiane de 65,1 M, à 36,0 minutes par tâche et 7,76 $ par tâche, avec une vitesse de sortie de 57 jetons/seconde et un délai de 75 secondes avant le premier jeton de réponse. Quels que soient les propres chiffres de Neon, le profil de Carbon est établi : lent au démarrage, gourmand en jetons, coûteux par tâche à son prix catalogue. Tout le positionnement de Neon repose sur le fait d’être l’opposé de ce profil.

La comparaison que Goog​le effectue réellement n’est pas à paramètres égaux.

C’est le piège dans chaque tableau Neon versus Carbon qui circule cette semaine, y compris le graphique de Google lui-même. Les deux modèles n’ont pas la même échelle de raisonnement, et leurs chiffres phares ne sont pas mesurés au même échelon.

• Niveaux de réflexion — Carbon : faible, moyen, élevé, par défaut moyen. Neon : faible, moyen, élevé, très élevé, par défaut élevé.

• Ce que signifie « high » — sur Carbon, c’est le maximum ; sur Neon, c’est la valeur par défaut recommandée, avec un échelon plus profond au-dessus.

• Le chiffre d'indice que Google cite pour Neon — 61 sur l'Artificial Analysis Intelligence Index, troisième au classement général — est un xhigh nombre. La même annonce cite l'avantage de coût par tâche de Neon à high. Ce sont deux configurations différentes qui sont décrites dans des phrases adjacentes.

• Le chiffre de l’indice de Carbon — 59 sur l’indice v5.0 au lancement, classé premier à l’époque ; la page d’Artificial Analysis elle-même affiche désormais 60 en élevé, septième sur 92 modèles, tandis que de nouvelles versions lui sont passées devant.

Ainsi, la comparaison honnête n’est pas 61 contre 60, mais : Neon en xhigh bat Carbon en high sur l’indice d’environ un point ; Neon en high est la configuration dont Goog​le revendique le profil économique ; et Carbon n’a pas de xhigh vers lequel se replier. La documentation de Goog​le conseille elle-même de mener des évaluations aux quatre niveaux de Neon et de choisir le plus bas qui dépasse votre seuil, en avertissant que xhigh « peut provoquer une réflexion excessive ou épuiser max_output_tokens sur des prompts plus simples. » Un modèle avec un plafond plus élevé et une valeur par défaut plus basse est un modèle qu’il faut régler, pas un modèle qu’on peut intégrer tel quel.

A two-column scoreboard titled Gemini 4 Neon vs Gemini 4 Carbon — the scoreboard. Gemini 4 Neon reads price today $3.00 / $15.00, price from 1 Dec $3.00 / $15.00, cached input $0.15 flat, thinking levels low to xhigh, default thinking high, AA Index 61 at xhigh; Gemini 4 Carbon reads $2.00 / $10.00, $4.00 / $20.00, cached input $0.10 then $0.20, thinking levels low to high, default thinking medium, AA Index 60 at high. The footer says Neon figures are vendor-reported and Carbon's Index of 60 is per Artificial Analysis, 19 November 2026.

Là où Carbon reste le meilleur modèle, et ce n’est pas une petite liste.

La phrase de positionnement de Goog​le est la suivante : « Carbon s’attaque à vos projets les plus difficiles et à long horizon, et Hydrogen gère l’exécution rapide au quotidien, tandis que Neon équilibre profondeur et efficacité. » Lue littéralement, elle place Neon entre les deux, et non au-dessus de Carbon — et la liste des benchmarks étaye cette lecture là où cela compte le plus pour le travail à long horizon.

• FrontierCode 2.0 — Neon 46,2 % avec son réglage élevé par défaut. Google ne publie pas le chiffre de Carbon sur le même benchmark dans l'annonce de Neon, ce qui est le genre d'omission qu'il vaut la peine de relever dans un document par ailleurs généreux en chiffres comparatifs.

• {{1}}SWE-sweep{{/1}} — Neon 12,8 % sur le harnais mini-SWE, 39,0 % dans Antigravity. Cet écart d’un facteur trois est Goog​le qui vous dit que son meilleur chiffre de codage dépend de son propre harnais d’agent, et le chiffre sans harnais est celui qu’un appelant d’API ordinaire reconnaîtrait.

• Travail intellectuel multimodal — Carbon a fait ses débuts avec une place dans le nouveau benchmark Multimodal Knowledge Agent (deuxième, avec un coût par tâche plus de 6 fois inférieur à celui du leader). L’annonce de Neon ne communique pas de chiffre MKA.

• Développement web — Carbon gagne 89 points Elo et se classe quatrième sur WebDev Arena avec 1768. Aucun score de Neon sur WebDev Arena n’est publié.

• Cyber — Les chiffres de Carbon sur SEC-bench Pro (88,2 %), ExploitGym (54,8 %) et CWE-bench (71,0 %) sont ceux auxquels Neon est comparé, et les meilleurs chiffres de Neon (90,5 %, et 70,7 % sur CWE-bench v2) proviennent de la variante distincte « Neon for cyber », encore réservée aux membres de Fairwind.

Le schéma est cohérent : les victoires de Neon concernent les benchmarks qui récompensent l’achèvement efficace d’une tâche dans une session à durée fixe, tandis que celles de Carbon concernent les benchmarks qui récompensent le fait de s’acharner longtemps sur un problème difficile. Ce n’est pas une distinction marketing, c’est une forme différente de dépense de calcul, et cela détermine lequel des deux a sa place dans votre boucle d’agent.

Ce que chacun des deux modèles est conçu pour être

Google décrit Neon comme un orchestrateur : « un orchestrateur rapide, au jugement sûr, dirigeant des sous-agents Hydrogen parallèles dans Google Antigravity. » Cette seule phrase est plus utile que tous les pourcentages. Un orchestrateur passe sa vie à lire l’état, à décider de la prochaine action et à déléguer — de nombreux tours, une production modeste par tour, une forte sensibilité à la latence. Le profil documenté de Carbon est l’opposé : un modèle qui « tourne pendant des jours pour persévérer à travers les impasses », en utilisant plus de jetons qu’Argon « pour explorer minutieusement, raisonner en profondeur et exécuter des boucles de vérification étendues ».

Si vous devez choisir entre eux pour un problème difficile à résoudre en une seule tentative — un bug subtil dans une grande base de code, une question de recherche ouverte, une revue de sécurité où manquer la faille est le mode d’échec — Carbon est le modèle dont la conception annoncée correspond à la tâche, et le relèvement tarifaire de décembre est un problème de budget plutôt qu’une raison de changer.

Si vous devez choisir pour un pipeline qui s’exécute des milliers de fois par jour et dont chaque exécution doit aboutir, la conception de Neon correspond à ce besoin, et sa grille tarifaire forfaitaire constitue un véritable avantage par rapport à un modèle dont le prix double en douze jours. L’erreur coûteuse consiste à considérer que « plus récent » signifie « meilleur » et à déplacer une charge de travail à long horizon vers un modèle que Goog​le lui-même classe en dessous de Carbon sur la profondeur.

The OrcaRouter model page for Gemini 4 Carbon, showing the identifier google/gemini-4-carbon, a 1,048,576-token context window, multimodal input across text, image, audio, video and documents, and the pricing panel reading $2.00 input and $10.00 output per million tokens with a 10.00 second p50 time to first token.

Les exécuter ensemble plutôt que de choisir

La réponse réaliste pour la plupart des systèmes de production est : les deux, et la raison en est que les deux modèles échouent différemment. Carbon échoue par acharnement : il passera des minutes et des centaines de milliers de tokens avant de répondre, ce qui est correct sur un problème difficile et du gaspillage sur un problème facile. Neon échoue par escalade : appliquez xhigh à une tâche qui n’en a pas besoin et vous obtenez une réflexion excessive, du JSON tronqué et une facture qui ressemble à celle de Carbon.

C'est un problème de routage avant d'être un problème de modèle. Dans notre catalogue, google/gemini-4-carbon est disponible dès aujourd'hui au prix catalogue du fournisseur, sans marge — 2,00 $ et 10,00 $ par million de jetons tant que le tarif introductif s'applique, puis 4,00 $ et 20,00 $ le 1er décembre, la hausse apparaissant sur votre facture le jour où elle apparaît dans celle de Google. google/gemini-4-argon est disponible selon les mêmes conditions. Neon n'est pas encore au catalogue, et cet article ne va pas décrire une chaîne de repli vers un modèle que nous ne pouvons pas servir ; lorsqu'il sera disponible, il le sera selon les mêmes conditions de répercussion.

Ce que la couche de routage vous apporte aujourd’hui, c’est la possibilité d’écrire la décision une seule fois au lieu de la coder en dur : une règle qui envoie la classification et l’extraction vers le palier économique, envoie vers Carbon tout ce qui échoue à un premier passage, et plafonne la profondeur de réflexion par route plutôt que par modèle. Lorsque Neon deviendra une option, cette règle gagnera une branche au lieu d’une migration. Et comme le routeur bascule automatiquement en cas de défaillance, un changement radical dans le prix ou la disponibilité d’un fournisseur ne fait pas tomber le pipeline avec lui.

Lequel choisir le 19 novembre

Choisissez Carbon si le travail est difficile et peu fréquent, si vous avez besoin des chiffres publiés sur les connaissances multimodales ou le développement web, ou si vous avez déjà réglé Carbon et que l'étape de décembre est absorbable. Choisissez Neon si le travail est à haute fréquence, riche en outils et mesuré en tâches accomplies plutôt qu'en problèmes résolus — et si vous êtes prêt à évaluer votre propre trafic à un niveau élevé avant de faire confiance à une affirmation par tâche issue de l'annonce du modèle lui-même. Ne choisissez ni l'un ni l'autre, pour l'instant, si votre charge de travail est de l'exécution quotidienne à grande échelle : Gem​ini 4 Hydrogen fait cela depuis le 12 novembre à 1,50 $ et 7,50 $ avec un palier gratuit, et rien dans l'un ou l'autre de ces deux lancements ne change ce calcul.

Ce qu'il faut vraiment surveiller, ce n'est pas l'écart de l'indice, qui est d'un point ou deux dans un sens ou dans l'autre. C'est de savoir si l'affirmation de Goog​le d'un coût par tâche inférieur de 32 % résiste à une mesure indépendante — et si le doublement du 1er décembre sur Carbon pousse le trafic de production vers Neon plus vite que quiconque ne l'avait prévu pour un modèle lancé treize jours avant l'augmentation.

The OrcaRouter models catalogue filter rail, with controls for input modalities, context length, input price, status, access tier, series, supported parameters, privacy and inference region.