Neon, Carbon, Hydrogen et Argon — comment Google répartit les tâches entre les modèles et ce que les entreprises y gagnent
Le 18 novembre 2026, Google DeepMind a présenté Gemini 4 Neon — un modèle qui comble la lacune principale dans la gamme Gemini 4 : entre le modèle ultra-rapide quotidien Hydrogen et le flagship lourd de raisonnement long Carbon un « centre de gravité » équilibré est apparu pour le développement en production, l'analyse et les agents commerciaux autonomes.
Simultanément, l'équipe a mis à jour le mode bidirectionnel Orchestrator dans Google Antigravity (combinaison du planificateur Neon et de l'exécuteur Hydrogen), a étendu l'agent utilisateur Tasks in Gemini dans six pays et a enregistré de nouveaux records dans les classements indépendants Coding Agent Index et Zapier AutomationBench. Nous analysons l'architecture de la gamme, les chiffres réels des tests et l'économie du déploiement pour les entreprises.
1. Gemini 4 Neon : nouveau modèle pour le code complexe et les agents autonomes
La majeure partie du développement commercial et de l'analyse d'entreprise se situe exactement au milieu : des tâches trop complexes pour des modèles ultra-légers, mais trop fréquentes pour attendre un modèle phare lent à chaque petite étape. Selon Google, Gemini 4 Neon a été conçue spécifiquement pour ce « juste milieu » : elle maintient la qualité au niveau des modèles supérieurs, réduit les lectures inutiles de fichiers dans les dépôts et compresse de manière stable le contexte long sans en perdre l'essence.
Paramètres techniques et sécurité de Gemini 4 Neon
High, et pour le débogage complexe, cela active xhigh; de plus, Neon a pris la 2e place en termes de maniabilité (steerability) — accepte adéquatement les corrections au fil de l'exécution de la tâche.xhigh le modèle a repoussé toutes les attaques (0,0% de piratage réussi) lors des tentatives de remplacement d'instructions via des pages web, des e-mails ou du code.2. Carbon, Argon, Neon et Hydrogen : comment Google répartit les tâches dans la gamme Gemini 4
Avec la sortie de Neon, l'architecture de la famille Gemini 4 a été finalisée par « catégorie de poids » de tâche. Au lieu d'un modèle universel coûteux pour tous les cas, Google répartit la charge entre quatre modèles de profondeur et de coût différents.
| Modèle | Rôle principal | Contexte et modes | Tarif API par 1 million de jetons |
|---|---|---|---|
| Gemini 4 Carbon | Flagship lourd : architecture, science, vérification formelle et audit de vulnérabilités | Horizon long, boucles d'auto-vérification en plusieurs étapes | $4,00 entrée / $20,00 sortie en standard à partir du 1er décembre (jusqu'au 30 novembre tarif d'introduction $2,00 / $10,00; cache −95%) |
| Gemini 4 Argon | Modèle d'entreprise supérieur pour des tâches universelles complexes (remplacé par Neon dans l'application Gemini) | Haute précision d'analyse et scénarios multimodaux | $4,00 entrée / $20,00 sortie en standard à partir du 1er décembre (jusqu'au 30 novembre tarif d'introduction $2,00 / $10,00; cache −95%) |
| Gemini 4 Neon | Standard de travail pour le code, la planification d'agents (Orchestrator), l'automatisation et l'analyse | 1M contexte, Low / Medium / High / xhigh, Batch −50% | $3,00 entrée / $15,00 sortie; cache contextuel $0,15 (niveau API payant uniquement) |
| Gemini 4 Hydrogen | Exécutant rapide pour les modifications de masse, les tests, les workers /swarm et le Tasks gratuit | Vitesse de réponse élevée, économie de limites et de quotas | $1,50 entrée / $7,50 sortie; cache contextuel $0,075 |
3. Gemini 4 Carbon : raisonnement profond, architecture logicielle et tâches scientifiques
Pour comprendre où se situe la limite entre Neon et le flagship supérieur, il convient d'examiner les cas d'utilisation Gemini 4 Carbon. Ce modèle n'a pas été créé pour des corrections d'interface rapides, mais pour des tâches à fort risque d'erreur, où l'algorithme doit lui-même proposer des hypothèses, rechercher des contradictions logiques et vérifier des preuves :
- Vérification formelle du code : sur la base de Carbon, les chercheurs ont construit le circuit d'agents AlphaProof Code, qui a généré des millions de lignes de code en langage Lean et a mathématiquement prouvé des propriétés de sécurité clés du protocole cryptographique Signal en quelques semaines au lieu d'années de travail manuel par des experts.
- Cyber-défense et recherche de vulnérabilités 0-day : l'équipe Google Cloud Vulnerability Research (CVR) a utilisé Carbon pour vérifier les fournisseurs SaaS cloud — le modèle a trouvé des vulnérabilités 0-day critiques et des erreurs logiques dans des dépôts open-source en moins de deux heures.
- Recherche scientifique et en laboratoire : dans la modélisation des protéines sur le jeu de données CASP17, Carbon a multiplié par 40 le nombre d'homologues éloignés trouvés sans réentraîner les modèles de base, et en biotechnologie, il a aidé à diagnostiquer des erreurs de mélange de réactifs à partir de journaux de laboratoire bruts.
La conclusion pour les équipes informatiques commerciales est simple : Carbon justifié dans des analyses architecturales rares, la cryptographie et l'audit de sécurité approfondi, et 80–90% des tâches d'ingénierie quotidiennes ferme plus rapidement et à 32% moins cher Neon.
4. Combinaison Neon + Hydrogen : comment fonctionnent l'Orchestrator et l'équipe /swarm
La fonctionnalité pratique la plus notable pour les développeurs et les agences est la mise à jour du mode Orchestrator dans blog Google Antigravity. Désormais, deux modèles peuvent travailler ensemble dans une même session Neon + Hydrogen, en séparant automatiquement le « cerveau » et les « mains » :
- Planification et exploration (Gemini 4 Neon). Le modèle supérieur analyse la structure du dépôt, vérifie les contrats et les dépendances, formule un plan étape par étape et définit immédiatement des points de retour en cas d'écarts.
- Exécution massive (Gemini 4 Hydrogen). Un modèle rapide écrit du code standard et appliqué, met à jour les configurations, définit les dépendances et exécute des tests unitaires et d'intégration avec des délais minimes.
- Assurance automatique en cas de panne. Si les tests échouent ou si un conflit d'architecture survient, Hydrogen ne boucle pas, mais renvoie le contrôle Neon — le coordinateur revérifie l'état et corrige le plan.
- Agents parallèles via /swarm. Lorsque le projet se fragmente en modules indépendants (par exemple, backend-API, frontend, intégration et tests automatiques), l'agent principal sous Neon déploie un essaim de workers dans des branches isolées avec un tableau de coordination commun.
Pour leurs propres services internes, le même schéma est facilement transférable dans un pipeline personnalisé via Antigravity SDK. Nous avons expliqué en détail la mécanique de l'orchestration bidirectionnelle dans l'analyse précédente lancement de Gemini 4 Hydrogen et Orchestrator.
5. Nouveaux résultats de tests : leadership de Neon dans le codage et l'automatisation métier
Le principal signal de cette version pour les entreprises — Neon ne mène pas dans des « questions olympiques » abstraites, mais bien dans les tests d'agents, où le modèle navigue lui-même parmi les outils, le terminal, les systèmes SaaS et les réglementations en plusieurs étapes :
| Benchmark / Indice | Résultat de Neon | Que vérifie exactement le test |
|---|---|---|
| Artificial Analysis Coding Agent Index | #1 au monde (58,6 points) | Travail complexe d'agents de codage complets dans des dépôts réels, débogage et opérations CLI |
| Zapier AutomationBench | #1 au monde (56,3%) | Automatisation de bout en bout entre systèmes SaaS simulés : CRM, e-mail, helpdesk, RH et finances |
| Artificial Analysis Intelligence Index | #3 au monde (61 points, xhigh) | Indice de raisonnement général (#2 sur le front de Pareto « prix/qualité ») |
| Agent Arena Index & SWE-sweep | #2 (1336) / jusqu'à 39,0% dans Antigravity | Évaluation de 4 200+ sessions d'agents réelles ; sur SWE-sweep, le passage d'un environnement simple (12,8%) à Google Antigravity a triplé le résultat |
| Andon Labs Vending-Bench 2 & analyse | #1 ($16 843) · 73,5% Chartography · 75,8% Docs | Simulation commerciale longue de la gestion opérationnelle, lecture de graphiques financiers denses et de PDF d'entreprise |
Conclusion pratique du test SWE-sweep : le même modèle a montré 12,8% dans une enveloppe primitive et 39,0% au sein d'un environnement Google Antigravity complet. En production, le résultat n'est pas donné par un « prompt magique », mais par une configuration d'agents appropriée avec des tests, des bacs à sable isolés et un contrôle des étapes.
6. Tasks in Gemini : agent personnel pour le calendrier, les factures et les achats
Parallèlement aux outils pour développeurs, Google a commencé à déployer un agent grand public — le mode Tasks in Gemini (commutateur Chat ↔ Task directement dans l'application Gemini).
- Lancement gratuit dans 6 pays : l'accès est déjà ouvert gratuitement pour des centaines de millions d'utilisateurs aux États-Unis, en Inde, au Canada, en Australie, au Japon et en Corée du Sud sur la base du modèle rapide Gemini 4 Hydrogen, et dans les abonnements payants Google AI Pro/Ultra, cela accélère les tâches complexes en plusieurs étapes Gemini 4 Neon.
- Calendrier, e-mail, mots de passe et factures : avec l'accès accordé à Google Workspace, l'agent analyse lui-même les factures PDF accumulées dans Gmail (par exemple, il détecte une augmentation de la consommation d'électricité due au programme de fonctionnement de la pompe à chaleur aux heures de pointe), trouve un créneau libre dans Google Calendar et gère les tâches familiales ou professionnelles.
- Achats et paiements via AP2 : via Google Shopping Graph, l'agent compare les caractéristiques, précise les paramètres (puissance, couleur), cherche des codes promotionnels valides et effectue l'achat via Google Pay selon le protocole Agent Payments Protocol (AP2) carte tokenisée avec des limites définies par l'utilisateur.
- Restrictions régionales et sécurité : une partie des fonctions d'action réelle — appels aux garages et entreprises avec divulgation obligatoire de l'appel par IA, commandes SMS/RCS, transfert vers
gemini@google.comet les paiements directs Google Pay — dans un premier temps, ils sont déployés principalement aux États-Unis (18+). Tout le traitement s'effectue au sein d'environnements isolés au niveau matériel microVMs dans Google Cloud avec confirmation obligatoire des actions critiques.
Pour les entreprises opérant sous juridiction russe et conformément aux exigences de la 152-FZ, il est important de prendre en compte la même vague d'utilisateurs parallèlement au développement des plateformes nationales — nous en avons parlé en détail dans la revue de l'agent Alisa IA « Agis ! » et du catalogue de plugins MCP.
7. Ce que l'entreprise y gagne : économie de jetons, sites web, SEO/GEO et gestion documentaire
Selon les tarifs publiés du prix officiel de l'API Gemini, le principal avantage de la nouvelle architecture pour les entreprises repose sur trois leviers d'économie :
- −32 % du coût par tâche par rapport à Carbon: le tarif de Neon est de 3 $ / 15 $ par million de jetons contre 4 $ / 20 $ pour les modèles standards Carbon/Argon depuis décembre ; à qualité de raisonnement égale, l'entreprise dépense environ un tiers de moins par cycle de travail.
- Mise en cache du contexte avec 95% de réduction : la relecture du contexte mis en cache ne coûte que $0,15 par million de jetons chez Neon et $0,075 chez Hydrogen. Les instructions de la marque, les schémas de base de données, les catalogues de produits et les règlements sont transmis au modèle pratiquement gratuitement.
- Mode par lots (Batch / Flex) avec 50% de réduction : le recalcul nocturne des prix, l'audit de milliers de fiches produits et l'analyse des logs accumulés coûtent deux fois moins cher qu'une API standard.
En pratique, dans les projets STARCODE PR, ce schéma multi-modèles (coordinateur + exécuteurs rapides) s'applique déjà à trois domaines clés :
- Développement de sites web et intégrations (développement web, intégration API). Neon est responsable de l'architecture des modules, de la revue de code et des requêtes complexes en BDD, tandis que l'Hydrogen/orchestrateur rassemble les modèles, les adaptatifs et exécute les contrôles de régression.
- Automatisation SEO et GEO (Promotion SEO, GEO dans les réseaux de neurones). Analyse par lots de milliers de pages, génération de micro-données multilingues Schema.org, mise à jour
llms.txtet audit régulier de la citation de la marque dans la recherche IA sans surpayer pour les jetons « lourds ». - Traitement de documents, devis et demandes dans le CRM (implémentation de réseaux de neurones, automatisation des processus). Téléchargement de contrats PDF, factures, feuilles Excel et correspondances dans une fenêtre unique de 1M avec extraction de données structurées vers CRM/1C et vérification croisée obligatoire avant toute action.
Vous souhaitez implémenter des agents IA ou optimiser la consommation de jetons pour vos besoins professionnels ?
Chez STARCODE, nous concevons des circuits d'agents clés en main : nous séparons les rôles entre modèles lourds et rapides, nous connectons la mise en cache contextuelle, les intégrations MCP/API avec le CRM et le site web pour un résultat stable sans gaspillage de budget.
Sources et documentation
Sources vérifiées .
- Google Blog : annonce officielle de Gemini 4 Neon (18.11.2026) — Benchmarks clés, prix de l'API, 1 million de jetons de contexte, 4 niveaux de réflexion, protection contre l'injection de prompt et intégration avec Tasks in Gemini.
- Google Antigravity Blog : Gemini 4 Neon, Orchestrator (Neon + Hydrogen) et /swarm — Analyse de la combinaison du planificateur Neon avec l'exécuteur Hydrogen, 32% d'économie sur le coût par tâche par rapport à Carbon et exemples /swarm.
- Google Blog : lancement de Gemini 4 Carbon pour le raisonnement profond, la science et la cybersécurité — AlphaProof Code et vérification formelle du protocole Signal en Lean, recherche de vulnérabilités 0-day CVR et recherches scientifiques CASP17.
- Google Blog : présentation de Gemini 4 Hydrogen pour les scénarios d'agents — Annonce officielle du nouveau modèle rapide du 12 novembre 2026, métriques clés et niveaux de réflexion.
- Google DeepMind : fiche technique du modèle Gemini 4 Neon (PDF) — Architecture, paramètres de sécurité, limites et tableaux récapitulatifs des évaluations.
- Artificial Analysis : classement Coding Agent Index — Évaluation indépendante des piles de développement d'agents, où Gemini 4 Neon a pris la 1ère place avec un score de 58,6.
- Zapier : benchmark AutomationBench — Tests indépendants de l'automatisation de bout en bout des processus métier entre les systèmes SaaS et les API, où Neon a pris la 1ère place avec 56,3%.
- Google Blog : lancement gratuit de Tasks in Gemini dans 6 pays et nouvelles fonctionnalités d'agent — Travail avec le calendrier, Gmail, les achats via Shopping Graph et Google Pay/AP2, isolation dans des microVMs.
- Documentation de l'API Gemini : tarifs actuels des jetons et mise en cache contextuelle — Tarifs officiels pour Hydrogen, Neon, Carbon et Argon, 95% de réduction sur la mise en cache du contexte et mode Batch.
- Documentation Google Antigravity : commande /swarm — Description du lancement d'un essaim parallèle d'agents sous un coordinateur commun basé sur les modèles Gemini 4.
- Documentation Google Antigravity SDK : aperçu des fonctionnalités — Guide de construction programmatique de pipelines d'agents personnalisés et répartition des rôles entre les modèles.
- Google Antigravity : tarifs Google AI Pro, Ultra et plans entreprises — Conditions actuelles de disponibilité de Gemini 4 Hydrogen et du mode Orchestrator pour les développeurs indépendants et les équipes.
La documentation décrit les capacités de la plateforme. La configuration et la compatibilité sont vérifiées pour chaque projet spécifique ; les prix et le SLA de STARCODE sont définis par notre offre et le contrat.