
Distillation de Gemini 3.1 Pro : ce que la fuite Aura montre vraiment
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 182 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 741 tok/s
- AlibabaNOUVEAUQwen: Qwen4 Max2026-11-16$1.50 / $4.50 par million de tokens · 1902 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 87 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 98 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Le 18 novembre 2026, un compte publiant sous le nom de @chetaslua a publié une allégation en trois lignes : que Google distribuait Gemini 3.1 Pro comme enseignant pour la distillation, qu’Anthropic et OpenAI s’en sont plaints, et que Google a retiré le programme — avec Gemini 4 Carbon présenté du même souffle comme le meilleur modèle du monde. La seule preuve jointe est une capture d’écran d’une page de documentation Google, dans un cadre Internet Archive, listant Gemini 2.5 Flash comme élève et gemini-3.1-pro comme enseignant, pendant l’accès anticipé. Rien dans la publication ne mentionne un produit Google appelé Aura, et aucune page Google que je puisse trouver n’utilise ce nom pour un modèle ou un programme.
Il s’agit donc d’un article fondé sur une fuite, et sa version honnête est plus étroite que la publication. Gemini 3.1 Pro n’est pas nouveau — Google l’a annoncé le 19 février 2026. Gemini 4 Carbon a dix jours, puisqu’il est disponible en disponibilité générale depuis le 10 novembre. Ce qui est nouveau, et vérifiable cette semaine, c’est l’affirmation selon laquelle un service de distillation par un enseignant Gemini a existé et a été retiré. Voici ce que montre l’artefact, ce que j’ai pu confirmer par rapport à la documentation en ligne de Google, et ce qui reste l’affirmation d’une seule personne.
Ce que la publication affirme réellement, ligne par ligne
Trois assertions distinctes sont regroupées dans 256 caractères, et elles n’ont pas le même statut.
• Que Google ait mené un programme de distillation avec Gemini 3.1 Pro comme enseignant. C’est la partie qui s’appuie sur un artefact. La capture d’écran montre une page de documentation dont le titre porte sur la distillation, avec une section « Modèles pris en charge » indiquant « Les modèles suivants sont pris en charge pour la distillation durant l’accès anticipé », nommant un modèle enseignant de gemini-3.1-pro et un modèle étudiant de gemini-2.5-flash. Le cadre de l’Internet Archive situe cette capture entre le 18 mai 2026 et le 9 août 2026.
• Que Anthropic et OpenAI se sont plaints, et que Google l'a retiré pour cette raison. Aucun document, dépôt, déclaration ni source secondaire n'est fourni pour le motif ou la chronologie. Anthropic et OpenAI n'ont rien publié à ce sujet que je puisse trouver. Considérez la cause comme non étayée.
• Ce « Aura » est le nom de cette chose. Non vérifié. La gamme Gemini 4 de Google comprend Carbon, Neon, Hydrogen et Argon ; il n'y a pas d'Aura dans la liste des modèles, pas de point de terminaison Aura, et pas d'Aura dans les notes de version de Google jusqu'au 19 novembre 2026. XREAL vend une paire de lunettes Android XR appelées AURA, qui est un produit entièrement différent et un rappel de la facilité avec laquelle un nom comme celui-ci se rattache au mauvais substantif.
La publication citée dans le même fil ajoute une quatrième affirmation, et c’est celle qui encadre toutes les autres : « nous n’avons jamais distillé d’autres modèles. Distiller d’autres modèles crée une pauvre imitation. » C’est une déclaration de principe, non un fait concernant le service, et le compte qui la publie n’indique nulle part dans le fil un employeur. Je ne peux pas vérifier qu’il appartient à quelqu’un chez Google, et cet article ne suppose pas que ce soit le cas.
La capture d'écran provient de la documentation officielle de Google.
L’artefact mérite d’être pris au sérieux, car ce n’est pas une capture d’écran d’une conversation, d’une diapositive ou d’un deck fuité. C’est la capture d’une page docs.cloud.google.com, dans l’arborescence de documentation de Gemini Enterprise Agent Platform, sous models/tuning/distillation. Chrome et la barre d’outils d’archive sont visibles autour. Quoi qu’il en soit, une page contenant ce contenu était en ligne sur le site de documentation de Google à un moment donné entre la mi-mai et le début août 2026.
Les notes de version de Google elles-mêmes confirment qu’un service a bien existé. Les notes de version de Gemini Enterprise Agent Platform comportent encore une entrée du 8 mai 2026 intitulée Gemini Distillation Service en accès anticipé : « Nous introduisons Gemini Distillation Service en accès anticipé. Pour plus d’informations sur la demande d’accès, consultez Gemini Distillation Service. » La phrase est grammaticalement incorrecte dans les notes publiées par Google elles-mêmes et a été laissée ainsi, ce qui est un petit signe du peu d’attention que l’entrée a reçue. Elle renvoie exactement au chemin de page figurant dans la capture d’écran.

Aujourd'hui, cette page renvoie une erreur 404.
Voici la seule chose que je pourrais ajouter et que l’article ne dit pas, et c’est un fait plutôt qu’une supposition : au 20 novembre 2026, l’URL vers laquelle renvoie la note de version de Google elle-même n’existe pas. docs.cloud.google.com/gemini-enterprise-agent-platform/models/tuning/distillation renvoie une erreur HTTP 404. L’ancien chemin Vertex AI qui hébergeait auparavant le même document redirige en 301 vers cette URL morte, si bien que la chaîne de redirection aboutit désormais à rien.

Le 404 n’est pas une panne généralisée du site, et c’est précisément ce qui rend le signalement utile. Les pages sœurs du même arbre de navigation répondent normalement le même jour : /models/tuning, supervised-tuning, reinforcement-tuning, preference-tuning et open-model-tuning renvoient toutes 200. La page de distillation a donc été supprimée isolément, et non rendue orpheline par une migration. La note de version qui l’annonçait, quant à elle, est toujours en ligne — Google a dépublié la documentation et conservé l’annonce, ce qui est la forme ordinaire d’une fonctionnalité en accès anticipé retirée.
Ce que celane vous dit pas, c'est quand la page a disparu. Je n'ai pas pu obtenir de liste de captures de la Wayback Machine cette semaine — le point de terminaison CDX a répondu 429 à chaque requête — donc la dernière capture archivée que je peux citer est celle qui figure dans la propre capture d'écran de l'article, datée d'une fenêtre du 18 mai au 9 août 2026. La page a pu disparaître en août, en octobre ou mardi dernier. Quiconque avance une date de retrait pour cela ne fait que deviner.
Le modèle enseignant de distillation documenté est désormais GLM 5.2
Voici la vérification qui transforme une rumeur en une image claire, et elle n’a pas du tout besoin de l’archive. Google documente toujours une fonctionnalité de réglage par distillation — il en documente simplement une autre. La page qui a remplacé l’URL manquante dans la navigation, Fine-tuning supervisé et par distillation pour les modèles ouverts, a été mise à jour pour la dernière fois le 20 novembre 2026 et indique clairement ce qu’une tâche de distillation peut utiliser aujourd’hui :
• Modèles enseignants pris en charge : GLM 5.2 MaaS, z-ai/glm-5.2-maas — une entrée, et il ne s’agit pas d’un modèle Gemini.
• Modèles étudiants pris en charge : Qwen 3 en 4B, 8B, 14B et 32B, et Gemma 3 en 1B, 4B, 12B et 27B. Aucun étudiant Gemini non plus.
• Facturation : la tâche de réglage est facturée sur les tokens d'entraînement, et séparément pour les appels API que le modèle enseignant effectue afin de générer les données étiquetées. L'exemple de sortie de Google est un fichier distillation_labelled_dataset.jsonl dans le bucket Cloud Storage du client.
Lisez cela à côté de la capture d’écran, et la forme du récit change. La distillation sur la plateforme de Google n’a pas disparu — elle a été restreinte, et elle est passée de Gemini comme enseignant à un modèle tiers à poids ouverts servi comme service géré, avec des étudiants à poids ouverts. Cela concorde avec l’affirmation du billet selon laquelle une voie avec Gemini comme enseignant s’est fermée. Ce n’est pas une preuve du pourquoi, et ce n’est certainement pas la preuve que les objections de deux concurrents en sont la cause. C’est simplement ce que la documentation indique le jour de la publication du billet plus deux.
Les conditions l'ont déjà interdit par écrit.
Il existe un second élément de contexte, plus discret, qui rend plus difficile d’accepter au pied de la lettre la présentation selon laquelle il s’agirait de « distribuer ». Les Conditions supplémentaires de l’API Gemini de Google, en vigueur aujourd’hui, indiquent ceci sous Restrictions d’utilisation : « Vous ne pouvez pas utiliser les Services pour développer des modèles concurrents des Services (par exemple, Gemini API ou Google AI Studio). Vous ne pouvez pas non plus tenter de faire de l’ingénierie inverse, d’extraire ou de répliquer un composant quelconque des Services, y compris les données ou modèles sous-jacents (par exemple, les poids des paramètres). »
Un service de distillation qui utilise Gemini 3.1 Pro pour générer des données d'entraînement destinées à un modèle étudiant est, à première vue, en tension avec cette clause, à moins que Google n'ait ménagé une exception explicite à son intention. Un programme d'accès anticipé est exactement le mécanisme qu'une entreprise utiliserait pour accorder cette exception de manière étroite, à des projets nommément désignés, dans le cadre d'un accord distinct — ce que suggère la mention « demander l'accès » dans la note de version. Aussi la lecture la plus défendable n'est-elle pas « Google offrait le modèle et a pris peur ». C'est « Google a piloté une exception contrôlée à ses propres conditions anti-distillation, et le pilote a pris fin ».
Il convient également de noter que Gemini 2.5 Flash, l'élève sur la capture d'écran, est lui-même sur le départ. La page tarifaire de Google marque désormais gemini-2.5-flash comme obsolète et indique qu'à partir du 1er décembre 2026, toutes les requêtes API qui lui seront adressées seront automatiquement redirigées vers gemini-3.5-flash-lite et facturées aux tarifs de ce modèle. Une recette de distillation épinglée à un enseignant et à un élève qui ont tous deux bougé depuis n'est pas un programme dont on peut dire que quelqu'un l'a « tiré » en novembre — c'est un programme que ses propres entrées ont rendu obsolète.
À quoi aurait ressemblé le projet de loi
Si le programme existait, les considérations économiques expliquent à la fois l’intérêt et la nervosité. Prenons un cycle de distillation modeste : 100 000 prompts, d’environ 300 tokens d’entrée chacun, le modèle enseignant produisant environ 1 500 tokens de sortie par exemple. Cela représente 30 millions de tokens d’entrée et 150 millions de tokens de sortie de travail du modèle enseignant, avant même tout calcul de réglage.
• Sur Gemini 3.1 Pro aux tarifs publiés par Google — 2,00 $ par million de tokens d'entrée et 12,00 $ par million de tokens de sortie pour les prompts de moins de 200k — le professeur seul revient à environ 60 $ d'entrée et 1 800 $ de sortie, soit environ 1 860 $.
• Sur GLM 5.2, le modèle enseignant que Google documente aujourd'hui, à 1,40 $ en entrée et 4,40 $ en sortie, la même exécution revient à environ 42 $ plus 660 $, soit environ 702 $.
• Le volet étudiant est trivial en comparaison : distiller vers la classe de prix de Gemini 2.5 Flash a toujours été la moitié bon marché de l’exercice.
Ce sont des calculs arithmétiques sur des prix publiés par token, avec les nombres de tokens indiqués ci-dessus, et non un devis provenant d’un produit quelconque. Mais ils rendent la structure évidente : un modèle de pointe utilisé comme enseignant de distillation est le poste le plus coûteux du travail, et c’est le poste où le fournisseur de l’enseignant a le plus à perdre. Les deux modèles sont accessibles avec une seule clé chez OrcaRouter, le prix catalogue du fournisseur étant répercuté avec 0 % de marge ; donc, si vous chiffrez vous-même une exécution comme celle-ci, les deux options d’enseignant sont google/gemini-3.1-pro-preview à $2.00/$12.00 et z-ai/glm-5.2 à $1.40/$4.40 par million de tokens — les mêmes chiffres que Google publie, sans second contrat à signer pour le second.
Qu'est-ce qui réglerait la question ?
Quatre éléments feraient passer cela d’une affirmation à un fait consigné, et aucun d’entre eux n’existe encore.
• Une capture datée. Un instantané Wayback de la page de distillation postérieur au 9 août 2026 permet de dater le retrait. Sans cela, toutes les chronologies en circulation sont inventées.
• Note de dépréciation ou de journal des modifications de Google. Google consigne normalement le retrait d’un service en accès anticipé. Aucune entrée de ce type n’apparaît entre le 8 mai et le 19 novembre 2026 — seule l’annonce d’origine, toujours en ligne, est présente.
• Toute déclaration d’Anthropic ou d’OpenAI. La plainte est la partie porteuse de la publication, et celle derrière laquelle il n’y a absolument aucun artefact.
• Quiconque ayant accès et qui décrira la file d’attente. L’accès anticipé implique des projets nommés et un accord distinct. Un tel client décrivant ce que la console offrait réellement — liste des enseignants, quotas, si les traces de raisonnement revenaient comme le prétend la capture d’écran — permettrait de trancher davantage en un paragraphe qu’un mois de requêtes dans les archives.
D’ici là, la synthèse défendable est la suivante. Une page de documentation Google proposait bien Gemini 3.1 Pro comme enseignant de distillation aux clients à accès anticipé. Cette page a disparu, et ses pages voisines non. La fonctionnalité que Google documente aujourd’hui utilise GLM 5.2 comme enseignant et des modèles à poids ouverts comme élèves. On ne sait pas si le retrait était un repli sous la pression concurrentielle ou un pilote arrivant à son terme prévu, et le post qui a lancé ce débat ne contient pas la réponse — il contient la question.
Que faire de cela si vous construisez
L’essentiel pratique ne dépend pas de la résolution de la rumeur. Si vous comptiez sur un modèle Gemini de pointe comme enseignant de distillation, cette voie n’est pas documentée comme disponible aujourd’hui, et un programme qui a existé un jour ne constitue pas un contrat sur lequel vous pouvez vous appuyer. Si vous lancez un travail de distillation maintenant, l’enseignant documenté est un modèle tiers, et les élèves sont des poids ouverts — une combinaison qui vaut la peine d’être testée sur votre propre tâche avant d’y engager un budget d’entraînement.
Pour tout le reste — appeler Gemini 3.1 Pro, Carbon ou le teacher GLM côte à côte pour voir lequel produit réellement les données d’entraînement que vous voulez — un seul endpoint et une seule clé constituent le moyen le moins coûteux de le découvrir. Le basculement entre fournisseurs signifie qu’une expérience ne meurt pas parce qu’une route est limitée en débit, et le DSL de routage permet de confronter deux teachers au même jeu de prompts en une seule exécution plutôt que deux. C’est la partie de cette histoire sur laquelle un lecteur peut agir cette semaine ; le reste est une capture d’écran et un 404.

Comparés dans cet article4
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
