Résumé : cet article vérifie point par point les rumeurs « swarm/RSI » autour de Gemini 4 Neon, en s’appuyant sur l’historique des publications de Google Antigravity et sur les fiches modèles de DeepMind. La vérification s’articule autour de trois questions : comment plusieurs agents collaborent dans le produit, quelles informations d’entraînement le modèle rend publiques, et ce que les indicateurs de performance permettent réellement de démontrer.

Commençons par la conclusion : à la date du 2026-11-20 (heure de Pékin), une seule chose porte le nom de swarm dans les documents publics : la commande /swarm proposée dans le produit Google Antigravity. Elle orchestre l’écriture et la vérification de code par plusieurs agents en parallèle, sans lien avec une méthode d’entraînement. La fiche modèle de DeepMind indique que Neon est issu d’une adaptation de Gemini 4 Carbon et mentionne des mesures d’alignement telles que le fine-tuning supervisé et l’apprentissage par renforcement, mais ne dit rien sur l’utilisation éventuelle de distillation ou de ce que l’on appelle le RSI pendant l’entraînement. L’affirmation selon laquelle « Neon aurait été entraîné de façon récursive par swarm » ne s’appuie donc aujourd’hui sur aucune information publique vérifiable. On ne peut pas la présenter comme un fait, ni l’écrire comme si elle avait déjà été réfutée.
Cette conclusion repose sur des conditions. Si un rapport de sécurité sur Neon publié ultérieurement par DeepMind, ou tout autre document officiel, apporte de nouveaux détails sur l’entraînement, il faudra réviser ce jugement. Les développeurs qui souhaitent utiliser Neon dans leurs propres projets peuvent y accéder via APIYI apiyi.com en appelant l’ID de modèle exact gemini-4-neon. Ce modèle a été mis en ligne le 20 novembre, au même tarif que l’officiel : 3 $ en entrée et 15 $ en sortie (par million de tokens).
Carte des connaissances et ordre de lecture pour vérifier les rumeurs sur les nouveaux modèles
Le tableau ci-dessous présente, pour chacune des quatre sections de l’article, la question à laquelle elle répond, les preuves sur lesquelles elle s’appuie et son articulation avec les sections précédentes et suivantes. La section 1 délimite d’abord ce qui est déjà confirmé, et les trois sections suivantes s’inscrivent dans ce périmètre.
| N° | Question traitée | Principales preuves | Ce qu’elle apporte à la section suivante |
|---|---|---|---|
| 1 | Quels points des rumeurs sur Gemini 4 Neon ont été confirmés | Article de blog Antigravity, fiche de modèle DeepMind, annonce APIYI | Une chronologie factuelle datée, qui sert de base de référence pour les comparaisons ultérieures |
| 2 | Où la chaîne de preuves des rumeurs se rompt-elle | Post original sur les réseaux sociaux, démonstration du fournisseur, fiche de modèle | Ce que chaque type de preuve peut au maximum étayer, et les documents nécessaires à une reproduction indépendante |
| 3 | Ce que les benchmarks peuvent prouver — et ce qu’ils ne peuvent pas prouver | Les quatre niveaux d’indices d’Artificial Analysis, l’indice Coding Agent | La bonne façon de lire les benchmarks, et la procédure minimale pour tester soi-même |
| 4 | Comment les développeurs peuvent vérifier l’état réel du moment | Fiche de modèle, journal des mises à jour, registre APIYI | Une procédure de vérification reproductible et les prix actuels |
Pour l’ordre de lecture, les sections 1 et 2 forment une ligne principale : il est recommandé de les lire dans l’ordre. La section 3 conviendra aux lecteurs qui veulent voir les données de performance, et la section 4 aux développeurs qui préparent leur intégration ; chacune de ces deux sections peut être consultée indépendamment.

À savoir : les termes à connaître pour comprendre les rumeurs sur Gemini 4 Neon
| Terme | Explication concise |
|---|---|
/swarm |
Commande produit de Google Antigravity qui confie une tâche à plusieurs agents pour un traitement parallèle ou réparti |
| Worktree | Répertoire de travail isolé au sein d’un dépôt de code source, permettant à plusieurs agents de modifier le code en même temps sans conflit |
| Agent coordinateur | L’agent chargé de découper les tâches, de les répartir entre les agents de travail, de consolider les résultats et d’organiser la vérification |
| Distillation des connaissances | Méthode d’entraînement consistant à faire apprendre à un modèle les sorties ou le comportement d’un autre modèle, afin de transférer ses capacités |
| RSI | Recursive Self-Improvement, ou auto-amélioration récursive : la capacité d’un système à améliorer de façon répétée ses propres capacités ou son processus d’amélioration |
| Ajustement supervisé (SFT) | Poursuite de l’entraînement d’un modèle avec des données annotées ou des sorties de référence |
| Apprentissage par renforcement | Ajustement du comportement d’un modèle en fonction d’un signal de récompense ; les détails d’implémentation dépendent de ce que le fournisseur divulgue |
| Carte de modèle | Document publié par le développeur, précisant l’origine du modèle, ses capacités, ses résultats d’évaluation et ses limites |
| Reproduction indépendante | Obtenir à nouveau les mêmes résultats avec des entrées, des versions de modèle, des configurations et des journaux de processus vérifiables |
1. Gemini 4 Neon : ce qui est confirmé dans les rumeurs
1.1 Chronologie factuelle, classée par date
Pour vérifier n’importe quelle rumeur sur un nouveau modèle, la première étape consiste à dresser la liste des éléments confirmés, avec dates et sources. Le tableau ci-dessous ne recense que les contenus publiés officiellement ou par la plateforme elle-même.
| Date (2026) | Source | Élément confirmé |
|---|---|---|
| 10 novembre | Article de blog Google Antigravity « Gemini 4 Carbon and /swarm » | /swarm sort en version preview : le coordinateur découpe les tâches, les exécutants parallèles travaillent dans des git worktree isolés, et les vérificateurs adversariaux lancent les tests et contestent les modifications de code ; chaque rôle peut se voir assigner un modèle différent |
| 18 novembre | Article de blog Google Antigravity « Gemini 4 Neon in Google Antigravity » | Publication de Neon, avec une vidéo de démonstration : construire avec Neon et /swarm un jeu de navigateur à deux joueurs comportant plusieurs niveaux, exécuté dans le navigateur intégré, l’agent incarnant le second joueur |
| 18 novembre | Google DeepMind, « Gemini 4 Neon Model Card » | Neon est issu d’une adaptation de Gemini 4 Carbon ; les mesures d’alignement rendues publiques comprennent notamment le fine-tuning supervisé et l’apprentissage par renforcement ; DeepMind indique qu’un rapport de sécurité sur Neon sera publié ultérieurement |
| 20 novembre, 11:45 (UTC+8) | Annonce APIYI « Gemini 4 Neon disponible : au même prix que l’officiel, $3/$15 » | gemini-4-neon est mis en ligne sur APIYI apiyi.com ; le registre des modèles contient déjà cette entrée le jour même |
1.2 /swarm : la définition du produit
D’après l’article de blog du 10 novembre, /swarm confie l’invite de l’utilisateur à un ensemble d’agents. Le coordinateur lance plusieurs agents de travail parallèles et spécialisés, qui modifient chacun le code dans un git worktree isolé, de sorte que les modifications ne s’écrasent pas mutuellement. Des vérificateurs adversariaux se chargent en parallèle de lancer les tests et de contester les diffs. Les agents collaborent via un tableau de messages partagé, en ajout seul ; ils ne consomment pas de Token tant qu’ils sont inactifs et se réactivent immédiatement dès qu’une entrée est nécessaire.
Il s’agit d’un « swarm » au sens ingénierie du terme, composé de processus parallèles, d’une file partagée et d’une étape de vérification. Cette description concerne la manière dont le cadre d’exécution Antigravity organise le travail ; elle ne dit rien de la façon dont Gemini 4 Neon lui-même a été entraîné.
2. Décomposer la chaîne de preuves de la rumeur « Gemini 4 Neon swarm/RSI »
2.1 Ce que chacune des quatre catégories de preuves peut étayer
Le point de départ de la rumeur est un post sur les réseaux sociaux : une vidéo d’environ 62,5 secondes, en 756×403, montrant un jeu de combat de bonshommes allumettes à deux joueurs qui tourne dans un navigateur, avec une légende affirmant qu’il est « made by swarms » et que le code est « pure JS ». L’article d’analyse d’OrcaRouter souligne que le post ne donne ni invite, ni version du modèle, ni niveau de réflexion, ni statistiques de tokens, et qu’il ne précise pas si le code a été généré par un seul agent ou par plusieurs agents.
En rapprochant ce post des éléments qui l’entourent, on obtient la chaîne de preuves ci-dessous.
| Preuve | Nature | Ce qu’elle peut étayer au maximum | Ce qu’elle ne peut pas étayer |
|---|---|---|---|
| Vidéo du post original sur les réseaux sociaux | Démonstration tierce, sans trace d’exécution | « Quelqu’un a montré un jeu de navigateur qui serait généré par un swarm » | Le processus de génération, le modèle utilisé, la méthode d’entraînement |
| Démo Antigravity du 18 novembre | Cas produit de l’éditeur lui-même | « Google a montré comment construire un jeu de navigateur à deux joueurs avec Neon + /swarm » |
Que la vidéo du post social ait été produite par le même chemin |
Documentation /swarm du 10 novembre |
Description officielle du produit | « swarm est une fonctionnalité de collaboration multi-agents d’Antigravity » | Toute conclusion sur l’entraînement du modèle |
| Fiche modèle DeepMind | Divulgation officielle du modèle | « Neon est adapté par Carbon, avec des mesures d’alignement comme le fine-tuning supervisé et l’apprentissage par renforcement » | Le fait que l’entraînement ait utilisé ou non la distillation ou le RSI |
L’article d’OrcaRouter note aussi que la démonstration de l’éditeur Google a été publiée un jour avant la vidéo du post social, et qu’elle est à ce jour le seul chemin publiquement montré pour créer un jeu de navigateur à deux joueurs avec swarm. Cela permet seulement de dire que les deux se ressemblent par leur contenu. Une démonstration d’éditeur accompagnée d’un texte explicatif et une vidéo tierce ne sont pas le même type de preuve : la première ne peut pas attester du déroulement de la seconde.
2.2 Pourquoi la formulation « non confirmé par les sources publiques » est plus précise
Deux affirmations circulent sur les réseaux sociaux : l’une veut que « Neon ait été entraîné de manière récursive sur un grand nombre de ses propres copies », l’autre réplique que « c’est désormais réfuté ». Les deux dépassent ce que les preuves disponibles permettent de soutenir.
La fiche modèle (model card) ne mentionne ni distillation ni RSI. Cela indique que l’information n’a pas été divulguée officiellement, mais pas que l’éditeur l’ait un jour démentie. Par conséquent, à l’écrit comme dans la communication externe, « l’entraînement a eu recours à la distillation/au RSI » et « l’entraînement n’a pas eu recours à la distillation/au RSI » doivent tous deux être reformulés en « non confirmé par les sources publiques », ou en « aucune divulgation vérifiable ne soutient cette affirmation ».
2.3 Quels éléments faut-il pour une reproduction indépendante
Pour qu’une affirmation du type « un swarm a produit un jeu » soit vérifiable, il faut au minimum quatre éléments : l’invite complète, la configuration du modèle (l’ID de modèle et le niveau de réflexion associés à chaque rôle), les journaux d’exécution (combien de tours le vérificateur a rejetés, et comment la validation a finalement été obtenue), ainsi que la consommation de tokens. S’il manque ne serait-ce qu’un seul de ces éléments, relancer l’expérience revient à en réaliser une autre.
Même avec les quatre éléments réunis, la reproduction ne peut prouver qu’une chose : le comportement du produit — autrement dit, dans ce cadre et cette configuration, quelle qualité de code peut être produite de façon stable, pour combien de tokens et de temps. Elle ne permet pas de remonter au processus d’entraînement du modèle, car un même résultat peut être atteint par des voies d’entraînement totalement différentes. L’attribution de l’entraînement ne peut s’appuyer que sur les divulgations de l’éditeur lui-même.
3. Lire les preuves de performance de Gemini 4 Neon : ne pas déduire l’entraînement à partir des benchmarks
3.1 Les deux types d’indices d’Artificial Analysis
Artificial Analysis (AA) a publié le 18 novembre une évaluation indépendante de Gemini 4 Neon. Son indice global de capacité API est fourni séparément pour quatre niveaux de raisonnement :
| Niveau | Intelligence Index | Durée moyenne par tâche |
|---|---|---|
low |
44 | 3,7 minutes |
medium |
55 | 8,3 minutes |
high |
60 | 14,8 minutes |
xhigh |
61 | 21,5 minutes |
Pour le niveau xhigh, AA indique un coût pondéré de 6,44 $ par tâche d’évaluation. Selon la vue d’ensemble des modèles de la même version d’AA, GPT‑6.2 Sol atteint au maximum 57 points et Gemini 4 Hydrogen 54 points. Par ailleurs, AA mesure un indice d’agent de codage d’environ 59 pour la combinaison Antigravity CLI + Neon. Cet indice évalue un couple « framework + modèle » ; son objet de test diffère de celui de l’indice global API, les deux chiffres doivent donc être cités séparément et ne peuvent pas être comparés entre eux.
3.2 Ce que chaque chiffre peut nous dire
L’indice API à quatre niveaux répond à la question suivante : lorsqu’on appelle Neon directement via l’API, quel compromis faire entre la performance globale sur les tâches et la durée d’exécution selon les différents niveaux de réflexion ? L’indice Agent de codage répond à une autre question : quel niveau global peut atteindre Neon lorsqu’on l’utilise comme agent de codage dans Antigravity CLI.
Ces deux séries de tests ne mesurent pas le processus d’exécution des vidéos destinées aux publications sociales, et elles n’abordent pas non plus les méthodes d’entraînement. Un « score élevé » ne permet pas de conclure qu’il s’agit forcément d’un entraînement récursif en swarm. Un bon score peut provenir de nombreuses voies d’entraînement différentes, et le benchmark seul ne permet pas de faire la différence. Par ailleurs, ces niveaux et ces scores viennent de la propre chaîne d’évaluation d’AA. Lors d’appels via des plateformes tierces, la latence de bout en bout, le taux de réussite et le coût réel facturé doivent être mesurés séparément.

3.3 Auto-test pour débutants : vérifier avec des conditions fixes sur une même tâche
Pour savoir comment Neon se comporte dans votre propre contexte, ne prenez pas les démos du fournisseur pour des mesures réelles. L’approche la plus fiable consiste à choisir une tâche réelle, à fixer l’interface, le niveau et l’entrée, puis à exécuter plusieurs fois et à enregistrer les résultats. Voici la façon la plus simple d’appeler :
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # Point de terminaison compatible OpenAI d'APIYI
)
resp = client.chat.completions.create(
model="gemini-4-neon",
messages=[{"role": "user", "content": "用纯 JS 写一个双人对战小游戏的核心循环"}]
)
print(resp.choices[0].message.content)
print(resp.usage) # Enregistrer l'utilisation des tokens
Voir le script complet avec les journaux de reproduction
import json
import time
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
BRIEF = {
"model": "gemini-4-neon", # Utiliser l'ID de modèle exact
"effort": "按 APIYI 文档填写档位", # Le nom du paramètre de niveau dépend de la documentation de la plateforme
"prompt": "用纯 JS 写一个双人对战小游戏的核心循环",
}
def run_once(run_id: int) -> dict:
start = time.time()
resp = client.chat.completions.create(
model=BRIEF["model"],
messages=[{"role": "user", "content": BRIEF["prompt"]}],
temperature=0,
)
return {
"run_id": run_id,
"brief": BRIEF,
"elapsed_s": round(time.time() - start, 2),
"usage": resp.usage.model_dump() if resp.usage else None,
"output": resp.choices[0].message.content,
}
# Exécuter 3 fois la même tâche, conserver les journaux pour faciliter la vérification par d'autres
logs = [run_once(i) for i in range(3)]
with open("neon_runs.json", "w", encoding="utf-8") as f:
json.dump(logs, f, ensure_ascii=False, indent=2)
Ce journal contient l’invite, le modèle, le niveau, la durée, l’utilisation des tokens et la sortie, ce qui correspond exactement aux éléments de reproduction listés à la section 2.3.
🎯 Conseil technique : lorsque vous comparez différents niveaux ou différents modèles, ne changez qu’une seule variable et gardez les autres conditions inchangées. Via APIYI apiyi.com, vous pouvez utiliser la même clé API pour passer d’un modèle à l’autre parmi Neon, Carbon, Hydrogen, etc., ce qui facilite la comparaison des résultats dans des conditions identiques.
4. Comment les développeurs peuvent vérifier l’état actuel de Gemini 4 Neon
4.1 L’ordre de vérification des trois sources
Après la sortie d’un nouveau modèle, les informations évoluent vite. Avant chaque rédaction ou mise en production, je vous conseille de vérifier dans cet ordre :
- La fiche modèle de Google DeepMind : confirmez l’origine du modèle, les informations publiques sur l’entraînement et l’alignement, les résultats d’évaluation et les limites — et vérifiez si un rapport de sécurité a été publié entre-temps.
- Le journal des modifications de Google Antigravity : confirmez l’état actuel des fonctionnalités produit comme
/swarmet Orchestrator. - Le registre des modèles et les annonces de mise en ligne d’APIYI : confirmez l’ID du modèle, le point de terminaison, le groupe et le prix affiché. Fiez-vous toujours à l’annonce la plus récente. Par exemple, le tableau récapitulatif du 19 novembre ne mentionnait pas encore Neon, mais l’annonce et le registre du 20 novembre l’enregistraient déjà : l’absence de cette ligne dans l’ancien tableau ne peut pas invalider la nouvelle annonce.

4.2 Consulter les prix, les endpoints et les groupes par ID de modèle exact
Le tableau ci-dessous présente les prix affichés dans le catalogue public d’APIYI, en dollars par million de tokens. Les modèles listés disposent de deux endpoints : le format natif Google et le format compatible OpenAI.
| ID de modèle APIYI | Entrée | Sortie | Lecture du cache | Groupes publics enregistrés |
|---|---|---|---|---|
gemini-4-neon |
3 | 15 | 0.15 | default, svip |
gemini-4-carbon |
2 | 10 | 0.10 | default, svip |
gemini-4-argon |
2 | 10 | 0.10 | default, svip |
gemini-4-hydrogen |
1.50 | 7.50 | 0.075 | default, svip |
gemini-3.8-flash |
0.75 | 3.75 | 0.075 | Gemini_Reverse, default, svip |
Trois points sont à garder en tête lorsque vous utilisez ce tableau :
- Neon est au tarif standard. D’après l’annonce d’APIYI, les tarifs de $3/$15 n’ont pas de date d’échéance explicite.
- Carbon et Argon sont actuellement à tarif limité dans le temps. Selon le calendrier annoncé, à partir du 1er décembre, les tarifs reviendront à $4 en entrée et $20 en sortie. Il s’agit du plan figurant dans l’annonce ; il faudra revérifier le moment venu.
- Le prix affiché ne correspond pas au montant réellement payé. Les modèles visibles, les remises de groupe et la facture finale dépendent du compte concerné. Le coût de $6.44 par tâche d’évaluation d’AA correspond au coût de la chaîne d’évaluation d’AA et ne remplace pas votre propre facture.
À propos de « quand sortira le prochain Gemini » : à ce jour, les archives des actualités en temps réel d’APIYI, le journal des mises à jour d’Antigravity et l’annonce de lancement de Neon n’indiquent ni le prochain modèle ni sa date, et APIYI n’a pas non plus pris d’engagement sur une date d’intégration. Calculer une date à partir de l’intervalle entre les sorties récentes crée forcément de nouvelles rumeurs.
💡 Conseil d’intégration : commencez par vérifier dans la console APIYI apiyi.com que votre compte voit bien
gemini-4-neon, contrôlez le groupe auquel il appartient, puis lancez un petit échantillon avec le script de la section 3.3 pour relever la consommation réelle de tokens et la facture. Les nouveaux utilisateurs peuvent commencer par le quota de test gratuit.
4.3 Comment juger la prochaine rumeur sur un nouveau modèle
Résumons la méthode de cet article en une règle de jugement : demandez d’abord à quelle catégorie appartient cette affirmation — comportement produit, attribution d’entraînement ou niveau de performance — puis vérifiez auprès de la source correspondante. Pour le comportement produit, consultez le journal des modifications et les logs d’exécution reproductibles ; pour l’attribution d’entraînement, ne vous fiez qu’aux divulgations officielles, comme les fiches de modèle ; pour le niveau de performance, appuyez-vous sur des évaluations indépendantes qui précisent l’objet testé et le palier. Une affirmation pour laquelle aucune de ces trois catégories de sources ne fournit de preuve doit être étiquetée « non confirmé par les sources publiques ».
En ce qui concerne Gemini 4 Neon, on peut actuellement établir les points suivants : il est adapté à partir de Carbon ; /swarm est une fonctionnalité produit multi-agents d’Antigravity ; les quatre paliers d’indice mesurés par AA vont de 44 à 61. Sur APIYI apiyi.com, gemini-4-neon est enregistré au tarif standard de $3/$15/$0.15. Les affirmations sur l’entraînement par swarm et sur le RSI devront attendre une divulgation officielle avant de pouvoir être tranchées.
Références
-
Google Antigravity – Gemini 4 Carbon and /swarm (2026-11-10)
- Lien :
antigravity.google/blog/gemini-4-carbon-in-google-antigravity - Description : définition produit de
/swarmet répartition des rôles
- Lien :
-
Google Antigravity – Gemini 4 Neon in Google Antigravity (2026-11-18)
- Lien :
antigravity.google/blog/gemini-4-neon-in-google-antigravity - Description : lancement de Neon et démonstration du jeu navigateur à deux par un éditeur
- Lien :
-
Google DeepMind – Gemini 4 Neon Model Card (2026-11-18)
- Lien :
deepmind.google/models/model-cards/gemini-4-neon/ - Description : origine du modèle et mesures d’alignement publiées
- Lien :
-
Artificial Analysis – Évaluation et page modèle de Gemini 4 Neon (2026-11-18, indicateurs mis à jour en continu)
- Lien :
artificialanalysis.ai/models/gemini-4-neon - Description : Intelligence Index en quatre paliers, temps d’exécution et indice d’agent de codage
- Lien :
-
OrcaRouter – Gemini 4 Neon’s Stickman Game: The Swarm Claim (2026-11-19)
- Lien :
orcarouter.ai/blog/gemini-4-neon-stickman-swarm-claim - Description : analyse des lacunes informationnelles de la vidéo du post social d’origine
- Lien :
-
Google Antigravity Changelog (mise à jour continue)
- Lien :
antigravity.google/docs/changelog - Description : état actuel des fonctionnalités produit
- Lien :
-
APIYI – Annonce de lancement de Gemini 4 Neon et registre de modèles (2026-11-20)
- Lien :
docs.apiyi.com/live/2026-11/gemini-4-neon-launch - Description : ID de modèle, endpoint, groupe et tarif
- Lien :
Auteur : équipe technique APIYI
Échanges techniques : les changements de modèles et de prix font foi sur le centre de documentation APIYI ; pour toute question d’intégration, n’hésitez pas à nous contacter via le site officiel APIYI
