Claude Opus 5.5 vs Gemini 4 Carbon : un plafond de 12 % et un tiers de la facture

Claude Opus 5.5 et Gemini 4 Carbon sont les deux meilleurs modèles du nouveau benchmark GDPx de SemiAnalysis, et l'écart entre eux est d'un peu plus d'un point : 12,0 % pour Opus 5.5, 10,9 % pour Carbon. Le chiffre le plus utile se trouve sous le score. Carbon y est parvenu pour 16,29 $ par tâche ; Opus 5.5 a nécessité 51,41 $. C'est toute la décision en une ligne, avec un bémol que le classement ne peut pas montrer. Opus 5.5 est en disponibilité générale depuis le 22 septembre 2026. Carbon a été annoncé le 28 octobre et reste réservé aux partenaires de cyberdéfense via le programme Fairwind de Google, sans identifiant de modèle public. Un tiers de la facture n'est une bonne affaire que si l'on peut passer la commande.

GDPx v1.0 est un nouveau benchmark, publié cette semaine, et c’est la première évaluation indépendante à noter ces deux modèles sur les mêmes tâches avec le même banc d’essai et à indiquer le coût de chaque exécution. Ce moment compte davantage que le classement. Six semaines après la sortie d’Opus 5.5, et quelques jours après l’annonce de Carbon, on dispose enfin d’une comparaison chiffrée plutôt que de deux tableaux de fournisseurs placés côte à côte.

Ce qu’est chaque modèle, avant le tableau

Claude Opus 5.5 est le modèle phare actuel d'Anthropic pour le codage agentique et le travail intellectuel de longue durée. Il a remplacé Opus 5 avec une baisse de prix de 20 % et une fenêtre de contexte documentée de 1 million de tokens, et c'est le modèle qu'Anthropic met en avant pour Claude Code et les applications Claude.

• Prix — 4 $ par million de tokens d'entrée, 20 $ par million de tokens de sortie. Les requêtes par lots bénéficient de 50 % de réduction, soit 2 $ / 10 $.

• Contexte et sortie — 1 M de jetons d'entrée, 128 K de jetons de sortie sur l'API synchrone, 300 K de jetons de sortie sur la Batch API avec l'en-tête bêta d'extension de sortie.

• Mise en cache — une écriture de cache de cinq minutes coûte 5 $ par million de jetons, une écriture d’une heure 8 $, et une lecture de cache 0,20 $.

• Réflexion — la réflexion adaptative est toujours activée et ne peut pas être désactivée ; le niveau d’effort par défaut est moyen, et la date de coupure fiable des connaissances est juin 2026.

• Où — l'API Claude sous claude-opus-5-5, Amazon Bedrock, Google Cloud via les voies gérées par Google et par Anthropic, Microsoft Foundry, et la Claude Platform sur AWS.

Gemini 4 Carbon est le tout nouveau modèle de pointe de Google, annoncé par Koray Kavukcuoglu le 28 octobre comme le modèle le plus performant de l’entreprise pour la cybersécurité, les agents à long horizon et l’ingénierie logicielle complexe. L’annonce de Google lui attribue trois affirmations phares et une omission flagrante : aucune fenêtre de contexte n’est publiée. Les performances revendiquées sur les benchmarks sont celles de Google — SEC-bench Pro 88,2 % pour la découverte de vulnérabilités, ExploitGym 54,8 % pour l’exploitation et CWE-bench 71,0 % pour la correction — et doivent être considérées comme déclarées par le fournisseur, et non reproduites de manière indépendante.

• Prix — 2 $ par million de jetons d’entrée et 10 $ par million de jetons de sortie pendant une période de lancement, avec les entrées mises en cache à 95 % de réduction ; le tarif standard est ensuite de 4 $ / 20 $, et Google n’a pas précisé quand la tarification de lancement prendra fin.

• Accès — Fairwind uniquement, à un sous-ensemble de cyberdéfenseurs et de partenaires de confiance, avec un accès plus large pour les développeurs, les entreprises et les consommateurs promis « dès que possible » et sans date.

• Point de terminaison — aucun public. L'API Gemini expose toujours gemini-4-argon, pas Carbon.

• Contexte — non précisé dans l'annonce. Des résultats de récupération en contexte long ont circulé dans la couverture de la semaine du lancement, mais la fenêtre elle-même ne constitue pas une spécification publiée.

Cette asymétrie est la première chose à comprendre dans cette confrontation. L’un des modèles est un produit que vous pouvez appeler dès aujourd’hui depuis l’API Claude, quatre plateformes cloud et une douzaine de SDK. L’autre est une démonstration de capacités avec une liste d’attente. Tout ce qui suit les compare en tant que modèles ; un seul d’entre eux constitue actuellement une option de déploiement.

GDPx : 206 tâches, un plafond de 12 % et un écart de coûts de 3,2x

SemiAnalysis a conçu GDPx comme le successeur de GDPval d'OpenAI, avec 14 partenaires de données et 206 tâches réparties sur 11 domaines professionnels : finance, droit, biologie, science des matériaux, conception de puces, conception matérielle, cybersécurité, ingénierie logicielle, alignement, trading quantitatif et auto-amélioration récursive. Chaque tâche dispose d'un budget par défaut de huit heures, la moyenne est calculée sur trois exécutions et les domaines sont pondérés à égalité. Seuls 13 des 20 modèles testés figurent sur le tableau public.

• Claude Opus 5.5 — 12,0 %, premier, à 51,41 $ par tâche et environ 548 000 jetons de sortie par tâche.

• Gemini 4 Carbon — 10,9 %, deuxième, à 16,29 $ par tâche et environ 594 000 jetons de sortie par tâche.

• GPT-6 Astra — 9,6 %, troisième, à 53,99 $ par tâche.

• Claude Fable 5.1 — 8,5 % à 67,16 $, le modèle le plus cher du classement.

Deux lectures s’affrontent ici, et toutes deux sont correctes. La première est que Carbon offre environ 91 % du score d’Opus 5.5 pour environ 32 % du coût, ce qui constitue un véritable argument de valeur et celui que 9to5Google a mis en avant. La seconde est qu’aucun des deux modèles n’achève sept des huit tâches professionnelles qui lui sont confiées. Une avance d’un point à 12 % n’est pas un problème résolu ; c’est la limite actuelle de ce que les agents peuvent faire lorsque le travail est long, ouvert et évalué par un expert du domaine.

SemiAnalysis a publié une deuxième vue dont la cybersécurité, la biologie et l’alignement ont été retirés, et l’ordre change : GPT-6 Astra passe en première position, et Carbon se classe derrière GPT-6.1 Sol et Claude Sonnet 5.5. L’entreprise affirme que cette vue correspond mieux à ses impressions subjectives. Le mécanisme tient aux garde-fous — un modèle qui refuse une tâche obtient zéro pour celle-ci, et le comportement de sécurité de Carbon est plus strict précisément dans les domaines où ses forces en cybersécurité sont les plus grandes. La deuxième place de Carbon est donc en partie un résultat de capacité et en partie un résultat d’autorisation. Si votre travail ressemble aux domaines retirés, le classement principal ne vous décrit pas.

Là où Carbon est réellement en avance

Sur l'Intelligence Index v5.0 d'Artificial Analysis, Carbon se situe à 59 et Opus 5.5 à 58. Un point d'écart, sur un indice composite dont la base a été redéfinie le 27 octobre, ne justifie pas de migrer un système de production. Cela établit en revanche que le modèle de Google est à la frontière plutôt qu'en retrait, une affirmation plus forte que le déploiement restreint ne permet facilement de vérifier.

Les chiffres du cyber sont là où le dossier de Carbon est le plus clair, et c’est aussi là où les sources sont les plus fragiles. Le propre banc d’essai de Google le situe à 54,8 % sur ExploitGym, 71,0 % sur CWE-bench et 88,2 % sur SEC-bench Pro. Ce sont des affirmations importantes et précises concernant la découverte et la correction de vulnérabilités, et c’est exactement le type d’affirmation qui nécessite une réexécution indépendante avant qu’une équipe de sécurité n’établisse un budget sur cette base. Le domaine cyber de GDPx est l’un des éléments d’entrée pour cela, et non une réplication de ces trois suites.

Le prix est le troisième avantage, avec un astérisque. À 2 $ / 10 $, le tarif d’introduction de Carbon est la moitié de celui d’Opus 5.5, à 4 $ / 20 $. Au tarif standard de 4 $ / 20 $, c’est identique. La remise de 95 % sur les entrées mises en cache est réelle, mais se réduit au tarif catalogue : 0,10 $ par million de tokens mis en cache au tarif d’introduction, 0,20 $ au tarif standard, contre 0,20 $ pour la lecture de cache d’Opus 5.5. L’avantage de coût est le plus important aujourd’hui, tant que la remise dure, et Google n’a pas indiqué combien de temps elle durera.

Là où Opus 5.5 garde l'avantage

Le résultat indépendant le plus solide d'Opus 5.5 n'est pas le score GDPx, mais le profil de codage. Le Coding Agent Index d'Artificial Analysis le place à 62, contre 59 pour Carbon, et cet indice est construit à partir de sessions de codage agentiques plutôt que de complétions en un seul passage. Pour un modèle dont l'objectif déclaré est le travail logiciel de longue durée, c'est la mesure la plus pertinente.

Les chiffres de lancement d’Anthropic eux-mêmes vont dans le même sens, et ils sont rapportés par le fournisseur : Terminal-Bench 4.0 à 66,4 %, FrontierCode v1.1 à 54,4 %, CursorBench 4.0 à 57,8 % et AutomationBench à 40,0 %. Le harnais compte. Artificial Analysis a mesuré le même modèle à 59,6 % sur Terminal-Bench 4.0 avec un effort xhigh, et Vals AI a rapporté 65,2 %. Un écart de sept points entre le fournisseur et un harnais indépendant est normal pour les benchmarks agentiques, et c’est la raison pour laquelle une seule ligne ne devrait jamais décider d’un achat.

L'avantage sans éclat, c'est la disponibilité. Opus 5.5 dispose d'une fenêtre de contexte publiée, d'une limite de sortie documentée, d'un niveau batch, d'un mode rapide à 8 $ / 40 $, d'un guide de migration et de six semaines d'utilisation en production derrière lui. Carbon a un article de blog, un programme partenaire et une grille tarifaire. Pour une équipe qui a besoin d'une réponse ce trimestre, cette différence tranche plus de cas que 59 contre 58.

Ce que coûte réellement une tâche

Les chiffres de coût de GDPx correspondent à des dépenses en tokens mesurées dans une enveloppe de huit heures, et non à des prix catalogue ; ils tiennent donc compte de la quantité que chaque modèle choisit d’écrire. Carbon a utilisé environ 8 % de tokens de sortie en plus par tâche qu’Opus 5.5 et a malgré tout coûté trois fois moins cher, car le tarif de lancement est de moitié et c’est du côté des entrées que s’accumulent les longues exécutions d’agents. Sur 1 000 tâches, l’écart rapporté est d’environ 51 000 $ contre 16 000 $.

Au prix catalogue, l’arithmétique est moins spectaculaire. Une requête avec 1 M de tokens d’entrée et 250 K de tokens de sortie coûte 9 $ sur Opus 5.5 à 4 $ / 20 $, 4,50 $ sur Carbon au tarif d’introduction de 2 $ / 10 $, et 9 $ sur Carbon à son tarif standard de 4 $ / 20 $. L’API Batch d’Opus 5.5 à 50 % de réduction revient à 2 $ / 10 $ — soit le même tarif que le tarif d’introduction de Carbon — pour les travaux qui peuvent attendre. Lorsque la période d’introduction de Carbon prendra fin, la différence de grille tarifaire disparaîtra entièrement ; ce qui reste, c’est la différence par tâche dans l’utilisation des tokens, qui est faible.

C'est la partie de la comparaison la plus susceptible d'être citée hors contexte. « Un tiers du coût » est vrai pour les exécutions GDPx aux tarifs promotionnels actuels. Ce n'est pas une propriété permanente du modèle, et ce n'est pas le ratio que vous verrez sur une charge de travail par lots aux tarifs standard.

L'écart de disponibilité est le véritable critère de décision

Claude Opus 5.5 est disponible sur OrcaRouter sous anthropic/claude-opus-5.5 au tarif catalogue du fournisseur de 4 $ / 20 $, sans marge ajoutée, aux côtés de plus de 200 modèlessur une seule clé. Le routage ne demande qu'un changement de chaîne de modèle, et une tranche pondérée avec basculement automatique est la façon la plus économique de le tester face à votre modèle actuel sans miser un chemin de production sur le résultat.

Gemini 4 Carbon n'est pas disponible sur OrcaRouter et ne peut pas l'être. Google n'a publié aucun identifiant de modèle ni aucun point de terminaison public, il n'y a donc rien vers quoi router ; la seule affirmation honnête est que l'accès passe par le programme Fairwind de Google et, à terme, par l'API propre du fournisseur. Lorsqu'un point de terminaison public finira par apparaître, le modèle de répercussion directe signifie que le prix catalogue est celui que vous payez ici le jour où il change, plutôt qu'une version re-tarifée de celui-ci.

Il reste donc une décision plus étroite que ne le suggère le tableau de référence :

• Travail de sécurité avec accès Fairwind — testez Carbon sur votre propre file de triage et de correction. Les chiffres cyber de son fournisseur sont les meilleurs publiés, mais ils ne sont pas répliqués, et le résultat de repondération des domaines GDPx indique que son avantage dépend du domaine.

• Agents de codage de longue durée — Opus 5.5. Il domine l’indice indépendant de codage, dispose d’une fenêtre documentée de 1 M de jetons et d’une sortie de 128 K, et est disponible sur les plateformes auprès desquelles la plupart des entreprises sont déjà sous contrat.

• Travaux par lots à budget maîtrisé — l’API Batch d’Opus 5.5 à 2 $ / 10 $ correspond au tarif d’introduction de Carbon aujourd’hui, et ne dépend pas d’une remise que Google peut supprimer sans préavis.

• Un pari direct sur les capacités — attendez. Une avance d’un point sur l’Intelligence Index et une avance de 1,1 point sur GDPx se situent dans le bruit du choix du harnais, et aucun des deux modèles n’est près de terminer les tâches professionnelles que GDPx définit.

Qu’est-ce qui changerait la réponse ?

Trois choses méritent d’être surveillées, et aucune n’est un nouveau benchmark de fournisseur. La première est un endpoint Carbon public. Tant que Google n’aura pas publié d’identifiant de modèle, toute comparaison de coûts restera hypothétique pour quiconque hors de Fairwind, et le prix de lancement est une promesse plutôt qu’une facture. La deuxième est la fin de cette période de lancement ; à 4 $ / 20 $, la grille tarifaire de Carbon est identique à celle d’Opus 5.5, et l’argument de valeur se réduit à l’efficacité des tokens. La troisième est une réplication indépendante des résultats en cybersécurité. SEC-bench Pro à 88,2 % et ExploitGym à 54,8 % sont les chiffres qui justifieraient un budget sécurité, et ils reposent actuellement sur le harnais d’un seul laboratoire.

Pour l’instant, le résumé honnête est plus restrictif que ne le souhaiterait chacun des deux fournisseurs. Opus 5.5 est le meilleur modèle sur lequel construire, car c’est celui sur lequel on peut effectivement construire. Carbon est le modèle le plus intéressant à suivre, car il atteint le niveau de la frontière à un prix inférieur et n’a pas encore été autorisé à le prouver en public. Le plafond de 12 % est commun aux deux.