
Gemini 4 Carbon est allé au laboratoire. Le propre compte rendu de Google crédite Gemini 4 Argon treize fois.
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 90 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 97 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNOUVEAUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 89 tok/s
- OrcaNOUVEAUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 131 tok/s
- OrcaNOUVEAUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 par million de tokens · 85 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 127 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 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 45 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 · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 136 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 par million de tokens · 123 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligence
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligence
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 par million de tokens · 182 tok/s
Cinquante millions de lignes de Lean 4. Voilà ce qu'il a fallu pour faire vérifier par machine une preuve de la conjecture de Courtade–Kumar, un résultat de 2013 en théorie de l'information sur la part d'une chaîne de bits bruitée qui survit à la compression, et c'est le plus grand artefact unique de l'article de recherche publié le 13 novembre 2026 sous le titre « Advancing science & engineering with Antigravity's /teamwork ». L'article est à l'origine de l'affirmation qui circule désormais selon laquelle des chercheurs mettent Gemini 4 Carbon au travail sur des problèmes à plusieurs étapes en physique, en mathématiques et en sciences de la vie. Carbon figure dans l'article. Il n'est nommé qu'une seule fois, dans une liste de trois modèles en haut. Chacune des études de cas ci-dessous — la conjecture, les conjectures de Weil formalisées, l'élucidation structurale par RMN, le moteur Go, la réécriture du noyau Zircon — est attribuée dans le corps du texte à Gemini 4 Argon, ou à « Gemini 4 » sans niveau, ou au harnais lui-même.
Ce n’est pas un scandale et ce n’est pas une correction. C’est une distinction qu’il vaut la peine d’établir correctement avant que quiconque ne bâtisse un budget sur cette base, parce que les deux modèles ne sont pas interchangeables comme le tweet le laisse entendre, et parce que le prix de Carbon doit doubler le 1er décembre 2026 — dans quatorze jours. Ce qui suit présente ce que dit réellement la publication, quelles affirmations résistent à l’examen, lesquelles sont rapportées par le fournisseur et non reproduites, et ce qu’un lecteur extérieur à Google peut faire de tout cela cette semaine.
La publication, le programme et la phrase unique
Google Research l’a publié le 13 novembre, attribué à Vahab Mirrokni, Google Fellow et vice-président de Google Research. Le paragraphe d’ouverture nomme les modèles dans une seule liste : « En utilisant Gemini 4 Argon, Gemini 4 Carbon, Gemini 4 Hydrogen et des flux de travail multi-agents tels que /teamwork d’Antigravity (reposant sur divers modèles Gemini), ces collaborations ont produit de nouvelles innovations… » Cette phrase constitue toute la présence de Carbon dans l’argumentation. Comptez les noms dans le corps du texte qui suit : Argon apparaît treize fois, Hydrogen une fois, et Carbon plus du tout.
La raison est structurelle plutôt que gênante. /teamwork est un harnais, pas un modèle : il fait tourner un pool d'agents spécialisés, ne donne à chacun que les fichiers et les outils dont son étape a besoin, confie le travail à de nouveaux successeurs pour que le contexte ne se dégrade pas au fil d'exécutions de plusieurs jours, et oriente chaque prompt vers un schéma de workflow choisi pour la tâche. Sa couche de vérification est ce que Google vend réellement — le vérificateur Lean 4, des suites de tests non modifiées, des simulateurs d'exécution, des compteurs matériels — agissant comme des falsificateurs qui déterminent quelle réponse candidate survit. Quand un harnais orchestre et qu'un vérificateur de preuves juge, le modèle sous-jacent compte moins que la boucle qui l'entoure. Argon, le modèle appelable sur l'API payante depuis le 13 octobre 2026, est celui que les campagnes ont utilisé.
L'argument de Carbon pour figurer dans la liste est réel mais différent : c'est le modèle généraliste le plus puissant que Google ait publié, et sur Artificial Analysis, il occupe actuellement la quatrième place sur 81 modèles avec un score de 60 à l'Intelligence Index v5.0.1. Rien dans la publication du 13 novembre ne contredit cela. Rien non plus n'y démontre que Carbon fait le travail.

Les résultats, classés selon leur degré de vérifiabilité
L’article est inhabituellement généreux en détails précis pour un blog de recherche, ce qui permet de trier les affirmations selon le type de preuves qui les étayent plutôt que selon leur caractère impressionnant.
• Vérifié par machine, donc vérifiable en principe — la preuve de Courtade–Kumar, formalisée de bout en bout en Lean 4 en 50 millions de lignes, avec la contribution humaine nommée : une équipe de la CUHK a proposé la fonction candidate qui a réduit le problème à une optimisation à 14 variables. Dans cette même catégorie figurent la formalisation des conjectures de Weil en environ 1,8 million de lignes réparties sur 28 800 invocations de sous-agents, le dixième problème de Hilbert sur les anneaux généraux en plus de 919 000 lignes, la conjecture de Birkhoff, ouverte depuis 1927, et la conjecture de Bochner–Riesz en 3D, où le système rapporte avoir trouvé et corrigé une lacune dans une preuve informelle récemment publiée. Une preuve Lean qui compile relève d’une classe de revendication différente d’un score de benchmark, et Google mérite le crédit pour cela — même si « 50 millions de lignes de code de preuve généré » est aussi une affirmation sur le volume de recherche plutôt que sur l’élégance.
• Mesuré, avec la mesure décrite — le résultat en chimie moléculaire. Trente agents spécialisés dans une boucle d’autocorrection, ainsi qu’un simulateur spectral informé par la physique, ont atteint 95 % d’exactitude top-1 et 100 % top-3 sur des benchmarks d’élucidation structurale par RMN, ce que Google décrit comme près du double de la performance d’un agent unique. C’est l’élément du post le plus proche d’une affirmation en sciences de la vie, et celui qui a le plus de chances d’être cité. Les molécules de référence ne sont pas nommées dans le post, le chiffre de référence pour un agent unique n’est donné que sous forme de ratio, et aucune réplication indépendante n’existe encore.
• Proche de l’évaluation par les pairs, avec une enquête à l’appui — Deep Review à STOC 2027. Les auteurs de 578 soumissions, soit plus d’un tiers du total, ont choisi de recevoir des retours automatisés sur leurs brouillons. Dans une enquête en cours auprès de 70 auteurs, 90 % ont jugé les retours majoritairement ou presque entièrement factuels, 90 % ont déclaré qu’ils les utiliseraient à nouveau, plus de 30 % ont affirmé qu’ils avaient détecté des erreurs substantielles dans les preuves, et 14 % ont signalé des lacunes techniques dont la correction a pris plus d’une heure. Il s’agit de répondants auto-sélectionnés qui décrivent leurs propres soumissions, ce qui est moins fiable qu’une étude contrôlée et bien plus solide qu’un témoignage.
• Chiffres techniques issus de systèmes en production — une réécriture en Rust d'environ 800 000 lignes pour le micro-noyau Zircon, qui passe ses tests unitaires et démarre sur arm64 ; libgav1 porté en environ 170 000 lignes de Rust avec une parité bit à bit de 100 % et se révélant 20 % à 30 % plus rapide que le C++ et l'assembleur écrit à la main d'origine ; des travaux sur les noyaux TPU rapportant une accélération de 4,09x en moyenne géométrique sur 17 noyaux JAXBench ; Connected Components passant à l'échelle sur des graphes à 1 000 milliards d'arêtes avec 6 fois moins de RAM ; et un moteur de Go 9x9 qui a gagné environ 2 600 Elo en moins de huit jours, se situant entre KataGo à 16 visites et 32 visites. Il s'agit de mesures internes que l'entreprise a choisi de publier, sans audit externe et, dans la plupart des cas, sans artefact publié.
• Absent de l’article — tout ce qui concerne le coût. Aucun budget de campagne, aucun décompte de tokens, aucune facture par résultat n’apparaît nulle part dans le texte. Pour un système dont les résultats incluent des preuves de 50 millions de lignes et des sessions d’entraînement autonomes de huit jours, c’est l’omission que le lecteur planifiant sa propre campagne aurait le plus voulu voir comblée.
Relisez la liste en gardant l’attribution à l’esprit, et la structure devient évidente : le harnais produit le résultat, le vérificateur le certifie, les experts humains cadrent le problème, et le modèle est le moteur — un moteur parmi trois, et le billet nomme celui sur lequel il s’est appuyé.
Pourquoi un résultat de harnais n’est pas un résultat de modèle, et comment chiffrer la différence
L’incitation à confondre les deux est évidente, car un score de benchmark est un nombre que l’on peut comparer, tandis qu’un résultat de harnais est un récit sur un flux de travail. Le chiffre comparable de Carbon, mesuré par un tiers n’ayant aucun intérêt dans le harnais, est de 60 sur l’Intelligence Index v5.0.1 — quatrième sur 81, avec Claude Fable 5.2 à 65 devant et GPT-6.1 Sol à 55 derrière. La même page indique que le coût de Carbon est de 5,48 $ par tâche d’indice terminée et son temps de 33,2 minutes par tâche, tous deux bien au-dessus des médianes de sa catégorie de prix, car il génère 205 millions de jetons de sortie pour terminer ce que le modèle médian termine en 78,6 millions.

Cette verbosité n'est pas un défaut dans une recherche de preuve. Lorsque la tâche consiste à explorer un espace de paramètres et à vérifier des candidats avec Lean, écrire davantage est la méthode. Lorsque la tâche est un ticket de support, c'est la facture. La publication du 13 novembre est une preuve pour le premier cas et ne dit rien du second — et toute équipe qui y lit « Carbon est le modèle pour notre agent » emprunte un résultat à un harnais qu'elle n'exécute pas, pour un type de tâche qu'elle n'a peut-être pas.
Ce qui est transférable, c’est le schéma de conception, et il n’appartient pas à Google seul : exploration parallèle, un falsificateur externe qui n’a aucune opinion, un contexte neuf à chaque étape, et un critique qui ne voit jamais le raisonnement du producteur. Chacun de ces éléments est une propriété de la manière dont on appelle un modèle, non du modèle que l’on appelle.
Ce qu’une personne extérieure peut réellement obtenir, et combien cela coûte après le 1er décembre
L'article se termine par le paragraphe le plus concret qu'il contient : les scientifiques et développeurs externes peuvent dès aujourd'hui utiliser les modèles Gemini 4 avec /teamwork et /boost dans Antigravity et Deep Review, et Google a ouvert les candidatures permettant à 10 000 chercheurs universitaires de bénéficier de six mois d'accès gratuit à son niveau d'utilisation le plus élevé. Ce programme est la véritable information pour un laboratoire. C'est aussi la seule voie proposée qui soit gratuite, et elle est plafonnée, soumise à candidature et limitée dans le temps.
Tous les autres achètent des jetons. Gemini 4 Carbon est devenu disponible pour tous sur l'API Gemini payante le 10 novembre 2026, treize jours après son annonce par Google, à 2,00 $ par million de jetons d'entrée et 10,00 $ par million de jetons de sortie — un tarif qui se maintient jusqu'au 30 novembre et passe à 4,00 $ et 20,00 $ le 1er décembre, l'entrée mise en cache passant de 0,10 $ à 0,20 $ à la même date. Il n'existe pas de niveau gratuit pour ce modèle ; chaque jeton traité est facturé, jetons de réflexion compris. Une campagne de recherche de six semaines facturée au tarif actuel est une campagne facturée à la moitié de son coût de décembre, ce qui est soit un argument pour commencer dès maintenant, soit une raison de modéliser la facture sur le montant le plus élevé.
Carbon est acheminé sur OrcaRouter sous google/gemini-4-carbon au prix catalogue de Google avec 0 % de majoration, sur la même clé et le même point de terminaison compatible OpenAI que le reste du catalogue, ce qui compte ici pour une raison banale : le changement du 1er décembre est un changement de tarif du fournisseur, et un tarif répercuté signifie que le montant de notre côté évolue avec celui de Google le jour même plutôt qu'après un cycle de réévaluation tarifaire. La page du modèle présente l'enveloppe actuelle — contexte de 1 048 576 jetons, sortie maximale de 65 536 jetons, entrée texte, image, audio, vidéo et PDF, sortie texte, appel d'outils natif et sorties structurées — soit la fiche technique que le billet de lancement de Google n'a pas publiée.

La question que le post laisse en suspens
Google a désormais publié, en vingt jours, une annonce qui plaçait Carbon en première position d’un index neutre, un article annonçant sa disponibilité générale qui le rendait invocable et datait sa propre remise, et un article de recherche qui l’utilisait dans une liste aux côtés de deux modèles frères. Ce qu’il n’a pas publié, c’est un seul résultat qu’il attribue à Carbon seul, à un coût annoncé, sur une tâche qu’un tiers peut réexécuter. Tant que cela n’existe pas, le résumé honnête du 13 novembre est plus étroit que le tweet et plus utile : le harnais fonctionne, le vérificateur est la partie intéressante, et le modèle nommé treize fois est celui sur lequel les campagnes ont réellement tourné.
Comparés dans cet article1
Détecté à partir de cet article · Benchmarks : Artificial Analysis · mis à jour quotidiennement
