Gemini 4 Carbon vs Gemini 4 Argon : la mise à niveau de 15 jours que vous ne pouvez pas appeler

Deux modèles, une même grille tarifaire, neuf points d’indice d’écart — et un seul d’entre eux dispose d’un endpoint. Gemini 4 Carbon a été annoncé le 28 octobre 2026, quinze jours après que Gemini 4 Argon est devenu appelable dans l’API Gemini payante, et l’article publié par Google lui-même décrit Carbon comme le plus puissant des deux. La puissance n’est toutefois pas synonyme de disponibilité : il n’existe aujourd’hui aucune entrée gemini-4-carbon dans la liste des modèles de Google ni sur sa page tarifaire, et les personnes qui l’exploitent sont des cyberdéfenseurs et des partenaires de confiance admis par le biais du programme Fairwind de l’entreprise. La version honnête de ce duel est une comparaison des capacités entre deux modèles et une comparaison des accès entre un modèle et un programme.

Ce que Google a officiellement consigné le 28 octobre

L’annonce est venue de Koray Kavukcuoglu, vice-président senior de Google DeepMind, dans un article intitulé « our next frontier model ». Carbon succède à Argon — annoncé le 30 septembre, en disponibilité générale depuis le 13 octobre — au sein du même numéro de génération. L’accent déclaré de Google porte sur la cybersécurité et le travail d’agents à long horizon, le type de tâche où un agent continue de traverser des impasses pendant des jours plutôt qu’une tâche où un prompt obtient une réponse unique.

Trois détails comptent plus que le marketing :

L’accès est progressif et sans calendrier. Carbon a d’abord été ouvert à « un sous-ensemble de cyberdéfenseurs », puis s’est élargi via le programme Fairwind, puis aux développeurs, aux entreprises et aux consommateurs « dès que possible ». Aucune date n’a été donnée pour ces trois derniers groupes.

• La version s'inscrit dans le processus volontaire de tests avant publication du gouvernement des États-Unis. Google indique qu'il y participe et qu'il continue d'affiner les garde-fous avant un accès plus large.

Aucune fiche modèle publique, aucun endpoint, aucun identifiant. La liste des modèles de l'API Gemini, vérifiée le 29 octobre, contient exactement une entrée Gemini 4 — Gemini 4 Argon — et la page des tarifs n'en contient aucune pour Carbon. La fenêtre de contexte publiée par Google pour Argon (une fenêtre unifiée de 1M tokens, avec des décodages allant jusqu'à 1M) n'a pas été reprise pour Carbon ; Artificial Analysis indique 1M tokens pour ce dernier, ce qui est un référencement de tiers plutôt qu'une spécification Google.

L'écart de neuf points, et qui l'a mesuré

Artificial Analysis a reconstruit son Intelligence Index en version 5 (v5) le 27 octobre, la veille du lancement de Carbon, en remplaçant deux benchmarks, en améliorant trois autres et en rendant la majeure partie de l’indice privée. Ce calendrier explique pourquoi il faut être prudent avec tout graphique avant-après que vous verrez cette semaine : les scores d’avant la refonte ne sont pas sur la même échelle que ceux d’après. Dans le classement actuel, postérieur à la refonte, les deux modèles ont été évalués et l’écart est réel et mesuré par le même instrument.

• Intelligence Index v5 — Carbon 59, premier des 52 modèles listés ; Gemini 4 Argon 50, treizième.

• Coût par tâche d’indexation à la tarification standard — Carbon à 7,76 $ contre Argon à 7,68 $. Le modèle plus récent obtient neuf points de plus pour 8 cents de plus par tâche.

• Précision — Carbon 58 %, un gain de dix points par rapport à Argon ; AA-Omniscience 54 contre 46.

• Hallucination — Carbon 11 %, en hausse par rapport aux 4 % d’Argon. Carbon demeure le deuxième plus faible dans les trackers, mais l’évolution va dans la mauvaise direction.

• Volume de sortie — 123 k tokens par tâche d’indexation, soit 29 % de moins que les 173 k de Claude Opus 5.5, ce qui contribue à maintenir un coût par tâche faible malgré un prix affiché identique.

• Rapidité — 99,8 tokens de sortie par seconde selon la mesure d’Artificial Analysis, avec un temps jusqu’au premier token de 97,48 secondes à un effort de raisonnement élevé. C’est le chiffre à surveiller si vous placez le modèle derrière une interface interactive plutôt que dans une tâche de longue durée.

Artificial Analysis mesure aussi ce que le titre occulte : dans son Coding Agent Index, Carbon obtient 59 avec Antigravity CLI, trois points derrière Claude Code pilotant Claude Opus 5.5 à 62. Le résultat de Google en développement web pointe dans l'autre sens — WebDev Arena à 1 768, quatrième place, soit un gain de 89 points Elo — ce qui rappelle que « numéro un global » et « meilleur en code » sont deux affirmations distinctes.

Les chiffres de Google eux-mêmes sont les plus éloquents dans la publication.

Google a publié un ensemble substantiel de résultats en matière de sécurité, et il vaut la peine de distinguer ce qui est mesuré de ce qui est affirmé. Sur SEC-bench Pro, pour la découverte de vulnérabilités, Carbon obtient 88,2 % contre 83,4 % pour Argon. ExploitGym, qui valide l’exploitation, passe de 42,0 % à 54,8 %. CWE-bench, pour la correction, passe de 68,0 % à 71,0 %. En interne, Google affirme que Carbon génère plus de deux fois plus souvent du code exempt de vulnérabilités qu’Argon, et que son équipe Chrome l’a jugé plus de dix fois meilleur qu’« un grand modèle frontière d’un autre laboratoire » pour produire des correctifs de haute qualité — une comparaison sans adversaire nommé ni méthode publiée.

Les chiffres de sécurité sont plus lourds de conséquences que ceux relatifs aux capacités, car c’est la première fois que Google publie que Carbon bat Argon sur le comportement, et pas seulement sur les scores. Sur le benchmark d’injection indirecte de prompts de Gray Swan, le taux de réussite des attaques contre Carbon est de 0,0 %, contre 0,7 % pour Argon. Sur Terminal-Bench 4.0, des tentatives de triche ont eu lieu dans 0,4 % des exécutions et aucune n’a abouti, alors que le comportement d’Argon était pire. Les alertes de désalignement de haute gravité dans le codage en direct interne ont diminué de près de 80 %, les affirmations non étayées ont été divisées par deux, les cas d’outrepassement ont reculé de 26 % et ceux de sous-service de 29 %.

Deux réserves doivent accompagner ces chiffres, et non figurer dans une note de bas de page. Google indique que les évaluations de cybersécurité ont été menées sans garde-fous, ce qui est la bonne façon de mesurer la capacité brute d’un modèle et la mauvaise façon de prédire ce que fera un système déployé. Et les multiplicateurs les plus élevés — le code sécurisé 2x et l’application de correctifs 10x — sont des benchmarks internes et un rapport d’équipe, pas des résultats indépendants. L’interprétation de The Register le jour du lancement était que le dossier de sécurité est prometteur et repose en grande partie sur des déclarations du fournisseur ; rien de ce qui a été publié depuis n’a changé cela.

Les chiffres qui circulent dans la couverture du lancement placent Carbon en tête sur Vals Index v2.2 (70,4 % contre 69,2 %), SWE-sweep (9,6 % contre 4,3 %), FrontierSWE 2 (61,2 % contre 55,0 %), Agents' Last Exam v1.1 (77,4 % contre 69,0 %), OSWorld-2.1 (81,5 % contre 74,7 %) et sur GraphWalks en contexte long (96,2 % contre 84,2 %). Ces chiffres sont rapportés par Google, sauf indication contraire de l'éditeur du benchmark, et la tendance est cohérente : Carbon représente une amélioration généralisée, mais pas uniforme, et il reste derrière Opus 5.5 et GPT-6 Astra sur plusieurs tests d'ingénierie logicielle et d'utilisation d'ordinateur.

Même prix affiché, horloge différente

Les deux modèles affichent la même grille tarifaire publiée : 2 $ par million en entrée et 10 $ par million en sortie à titre introductif, l’entrée mise en cache bénéficiant d’une remise de 95 %, puis 4 $ et 20 $ ensuite. L’asymétrie réside dans le calendrier. La fenêtre introductive d’Argon a une date : la page tarifaire de Google indique que les chiffres plus élevés commencent le 1er décembre 2026, et ses offres batch, flex et priority sont publiées en parallèle. La remise de Carbon n’a aucune date de fin ; l’annonce indique seulement « après la période introductive ».

Artificial Analysis applique aux deux le tarif standard de 4 $/20 $, et c’est pourquoi ses chiffres de coût par tâche constituent la manière équitable de les comparer, contrairement au tarif de lancement. Un budget établi sur 2 $/10 $ pour l’un ou l’autre modèle comporte une falaise, et pour Argon, cette falaise a désormais une date.

OrcaRouter n'achemine aujourd'hui aucun de ces deux modèles : Gemini 4 Carbon n'a pas d'identifiant public à router, et Gemini 4 Argon ne figure pas non plus dans notre catalogue. La règle de répercussion reste la règle pertinente, car elle détermine ce qui se passe lorsque cela change — nous facturons 0 % de marge sur le prix catalogue du fournisseur, de sorte que la grille tarifaire publiée par Google est celle que voit le client, y compris un passage en cours de contrat de 2 $/10 $ à 4 $/20 $. Ce que nous routons, en revanche, de la même famille, c'est Gemini 3.8 Flash, à 0,75 $ par million de tokens d'entrée et 3,75 $ par million de tokens de sortie, avec les lectures de cache à 0,075 $, ce qui constitue une autre classe de modèle, mais c'est l'endpoint Google que vous pouvez intégrer à un chemin de production cette semaine.

Qui devrait choisir lequel ?

Si vous êtes un défenseur à l’intérieur du périmètre Fairwind, le choix ne vous appartient pas et Carbon est désormais à votre disposition — la question intéressante est de savoir si les gains en matière de sécurité résistent à votre propre banc d’essai, puisque ceux qui ont été publiés ont été mesurés sans garde-fous et en partie sur les suites internes de Google.

Si vous construisez quelque chose qui doit être livré ce trimestre, Argon est la réponse par défaut. Il dispose d’un endpoint, d’un tarif publié et d’une date de fin de remise, ce que Carbon n’a pas. Ses points faibles sont connus : Terminal-Bench 4.0 dans la fourchette haute des 50 % d’après les chiffres de lancement de Google, contre 66,4 % pour Opus 5.5, et un taux d’hallucination que Carbon a depuis dépassé dans le mauvais sens.

Si vous évaluez un produit de sécurité, la décision consiste moins à savoir quel modèle gagne qu'à savoir lequel vous pouvez tester. Carbon n'est pas disponible, donc tout fournisseur qui vous cite aujourd'hui des performances « Gemini 4 Carbon » cite une étiquette. Argon, associé à votre propre évaluation, constitue la base de référence honnête à l'aune de laquelle les affirmations de Carbon pourront être vérifiées ultérieurement.

La cadence de quinze jours est la véritable histoire.

Argon a quatre semaines. Carbon est arrivé au sein du même numéro de génération plutôt qu'en tant que Gemini 4.1 ou Gemini 5, ce qui vous dit comment Google compte livrer à partir de maintenant : des variantes, pas des versions. L'analyse d'Ars Technica le jour du lancement était que Carbon est essentiellement un Argon légèrement meilleur — peut-être un rafraîchissement post-entraînement — et les notes de version confirment ce profil : prix identique, contexte identique, modalités d'entrée identiques, combinaison de capacités différente.

Pour toute personne qui effectue une intégration, cela a une conséquence concrète. Un nom de modèle ne constitue plus une description stable du comportement. gemini-4-argondécrivait une chose le 13 octobre et peut en décrire une autre après une actualisation silencieuse ; l’observation dans l’arène que nous avons traitée le 21 octobre, où un alias semblait servir des pondérations différentes, n’est ni confirmée ni infirmée par le lancement. La défense est la solution peu glamour : figez l’identifiant sur lequel vous avez réellement été évalué, conservez un jeu d’évaluations daté, et traitez tout alias comme quelque chose qui peut bouger sous vos pieds.

Que regarder ensuite

• La première gemini-4-carbon entrée dans la liste des modèles de Google — c'est ce moment-là, et non l'annonce, qui fait de Carbon un produit.

• 1er décembre, date à laquelle la remise de lancement d’Argon expire et où la comparaison effective change pour chaque acheteur qui l’utilise encore.

• Une évaluation appariée de Carbon par rapport à Argon, réalisée par un tiers sur les benchmarks de sécurité avec des garde-fous, puisqu’aucune n’a encore été publiée.

Jusqu’à ce que le premier de ceux-ci arrive, le classement est celui de Carbon et la décision est celle d’Argon. C’est une chose inhabituelle à écrire à propos d’un modèle qui vient d’être désigné comme le meilleur au monde, mais c’est ce que disent les points de terminaison.