Gemini 4 Neon est la réponse de Google à un besoin opérationnel croissant : disposer d’un modèle situé entre les options rapides à faible latence et les modèles de pointe les plus lents et les plus puissants. Avec une fenêtre de contexte d’un million de tokens et des « niveaux de réflexion » échelonnés, Neon promet la profondeur de raisonnement nécessaire aux processus techniques et analytiques en plusieurs étapes, tout en maintenant des coûts de tokens bien inférieurs à ceux des plus grands modèles. Google présente Neon comme un choix équilibré pour l’orchestration de code en production, l’analyse de données reposant sur de nombreux tableurs, la recherche juridique et les tâches scientifiques de longue durée, où l’ampleur du contexte compte autant que les capacités maximales sur une seule étape.
Le prix et la disponibilité du produit sont au cœur de la proposition de Neon : Google annonce 3 $ par million de tokens en entrée (avec une remise de 95 % sur les entrées mises en cache, ramenant leur prix à 0,15 $ par million) et 15 $ par million de tokens en sortie. Neon est disponible dans l’API Gemini, AI Studio, l’application Gemini, Google Antigravity et Gemini for Business. Ces tarifs réduisent sensiblement le coût par tâche des processus qui traitent de gros volumes de documents, de longues traces d’agents ou un usage prolongé d’outils par des agents — autant de situations qui consommeraient autrement un nombre prohibitif de tokens avec Carbon.
Google publie plusieurs résultats de référence favorables à Neon dans les domaines du code, de la finance et des tableurs, de la recherche juridique, des sciences, de l’automatisation et de la cybersécurité. L’entreprise met également en avant une meilleure capacité à orienter le modèle, moins de fabrications et des performances soutenues lors de longues sessions faisant largement appel aux outils. Il importe toutefois de distinguer les résultats des tests internes d’Antigravity et des partenaires, rapportés par l’entreprise, des évaluations indépendantes menées par des tiers. Les tests des fournisseurs donnent une indication utile des capacités, mais les clients et les équipes chargées des achats devraient évaluer Neon sur leurs propres tâches de bout en bout et leurs environnements d’agents avant de prendre des décisions d’architecture.
Sur le plan stratégique, Neon compte parce qu’il formalise une approche par gamme de modèles : les entreprises peuvent désormais choisir un modèle économique à fort volume pour les tâches courantes, un modèle professionnel équilibré (Neon) pour les processus complexes et fréquents, et un modèle de pointe pour les rares tâches les plus difficiles. Cela change les prévisions de coûts, la conception des agents et l’architecture des systèmes. Les équipes devront mettre en place des règles d’acheminement, de suivi et de contrôle afin que chaque requête soit envoyée au modèle approprié. À défaut, les organisations risquent de confier trop de tâches à des modèles surdimensionnés et coûteux, ou de ne pas exploiter suffisamment Neon alors qu’il serait tout à fait adapté.


