Gemini 4 Pro vs GPT-6 Astra au test de la manette Xbox 360 — et pourquoi Fable 5.2 n'y figurait pas

Une publication X a été mise en ligne le 21 septembre, comportant trois noms, une vidéo et les mots « comparaison SOTA » : Gemini 4 Pro, GPT-6 Astra, Claude Fable 5.2 Deux de ces noms appartiennent à des modèles que personne ne peut appeler. L’un appartient à un modèle en vente depuis dix-huit jours. Et l’artefact vers lequel la publication pointe — une manette de jeu dessinée en graphiques vectoriels en un seul coup à partir d’une seule invite — était, selon les personnes qui l’ont réellement exécuté, une comparaison à deux entre les deux premiers. Claude Fable 5.2 n’y figurait pas. Claude Fable 5.1 non plus.

Cet écart entre le cadrage et les preuves, c’est tout l’état actuel de l’histoire de Gemini 4 Pro, et cela vaut la peine de le démonter soigneusement plutôt que de le balayer d’un revers de main. Le test du contrôleur n’est pas rien. C’est l’artefact qui semble le plus reproductible de tous ceux que quiconque a produits ce mois-ci à propos d’un modèle de pointe non publié, il s’appuie sur un historique de quatre mois, et beaucoup de gens le lisent comme un verdict. Ce n’est pas un verdict. C’est un match nul, issu d’une seule tentative, que le testeur lui-même n’a pas pu reproduire le lendemain — et savoir exactement jusqu’où il va et ne va pas est plus utile que l’emballement ou le scepticisme exaspéré.

Le test, et pourquoi un SVG est devenu la référence

Le prompt est plus ancien que les modèles qu'il sert désormais à évaluer. Il remonte à l'époque de Gemini 3.0, où il circulait sous la forme : « Crée une image SVG d'une manette Xbox 360. Produis-la dans un bloc de code Markdown multiligne. » Cette formulation est importante, car elle est délibérément hostile à un modèle de langage. Un dessin vectoriel est tout en structure et sans texture — il n'y a aucun bruit photographique derrière lequel un modèle puisse se cacher, aucun échantillonneur de diffusion pour masquer une erreur. Chaque courbe doit être spécifiée sous forme de coordonnée. Une manette est une cible difficile pour lui : deux poignées symétriques, une coupelle concave, des gâchettes d'épaule rendues en perspective, seize boutons environ qui ont chacun besoin d'une position, une silhouette qui paraît immédiatement fausse si une seule proportion dévie. Et comme la réponse arrive sous forme de texte que vous pouvez coller dans une visionneuse, la comparaison est peu coûteuse et portable. Personne n'est obligé de se fier à la capture d'écran de la fenêtre de chat de quelqu'un d'autre.

En septembre, la communauté a repris le prompt. Les sorties qui circulent depuis les sessions d’arène — un pélican sur un vélo, une manette PlayStation 5 rendue sous cinq angles de caméra macro, une pagode 3D avec éclairage commutable, une scène de temple voxel, une page consacrée à l’hélicoptère Airbus H145 — sont décrites dans le reportage comme prenant environ huit à vingt minutes chacune avec un effort de réflexion élevé. La manette est celle qui a fini en capture d’écran dans une comparaison.

Ce que montre réellement la comparaison des contrôleurs

Voici le résultat tel que le testeur l'a rapporté, et il s'agit d'une affirmation bien plus modeste que ce que la chronologie en a fait.

• Verdict — égalité. La personne qui a mené l’épreuve, publiant sous le nom de Lumina, a qualifié les deux résultats de « presque parfaits ».

• La seule asymétrie — la version d’Astra portait un logo légèrement erroné. Il s’agit d’un avantage sur un seul détail, et le testeur l’a présenté comme un avantage sur un seul détail, non comme une avance générale.

• Complétude visuelle — les deux rendus présentent des corps de manette détaillés, avec les commandes et les jeux d'ombres. Ni l'un ni l'autre n'a failli sur la forme.

• Ce que la comparaison n’établit pas — que le modèle non publié est en avance. Deux résultats jugés tout aussi bons, c’est la définition de l’absence d’avance.

• Reproductibilité — la sortie aurait été produite la nuit précédente, en une vingtaine de minutes, et le testeur n'a pas pu obtenir de résultats comparables le lendemain.

• Identité — l'entrée d'arène d'où provenait la sortie était étiquetée gemini-3.8-flash, un nom qui appartient déjà à un modèle que Google a lancé le 2 septembre, et qui aurait ensuite été réétiqueté gemini-3.7-flash. Le modèle qui se trouvait réellement derrière l'alias n'est pas déterminé, et deux autres testeurs ont déclaré dans la même fenêtre ne pas pouvoir confirmer non plus quel modèle ils avaient utilisé.

Lisez la liste dans l'ordre et la forme des preuves devient claire. L'affirmation intéressante n'est pas « le modèle non publié l'a emporté ». C'est qu'un modèle que personne ne peut identifier, fonctionnant sous le nom d'un modèle commercialisé, a produit en une seule tentative un travail vectoriel qu'un testeur minutieux n'a pas pu distinguer de la sortie d'un modèle de pointe généralement disponible pendant la majeure partie de septembre. C'est une observation réelle. C'est aussi une observation portant sur un seul après-midi, et le testeur l'a dit.

Le résultat bidirectionnel et l'affirmation tridirectionnelle

La publication à l’origine de cet article parle de trois modèles. Les textes décrivant la même session de contrôleur en mentionnent deux. Le statut réel de Claude Fable 5.2 cette semaine est une histoire distincte qui se trouve partager un cycle d’actualité, et il vaut la peine d’être précis à ce sujet, car la confusion opère dans les deux sens.

• Ce qui est affirmé — le compte X @chetaslua a publié le 18 septembre que Claude Fable 5.2 « est testé dans claude code qui lui route fable 5.1 ». Il s'agit d'une affirmation de routage concernant Claude Code, provenant d'un seul compte.

• Ce qu’est ce nom — une supposition du journaliste lui-même. Le testeur qui publie sous le pseudonyme JAZII, dont le compte rendu du 18 septembre est le récit le plus détaillé du comportement, affirme clairement que « Fable 5.2 » est un nom de son invention, et non un nom confirmé par qui que ce soit. Il n’existe ni fiche de modèle, ni identifiant d’API, ni page de tarification, ni fiche système, et aucun second média ne rapporte indépendamment une route Fable 5.2.

• Ce que recouvre réellement l’histoire corroborée du routage de Claude — ce blog en a traité séparément : les signalements de routage silencieux de la mi-septembre que plusieurs médias indépendants ont repris portaient sur un checkpoint de niveau Opus non publié, et non sur un Fable. L’attribution à Fable repose sur une source unique. À traiter comme le récit d’une seule source, non comme un constat.

• Ce que le testeur a bel et bien rapporté — avec un effort de raisonnement élevé, le prochain Fable suspecté était préféré à GPT-6 Astra, et il était plus lent et plus coûteux. C’est une préférence, d’une seule personne, sur son propre travail.

• Ce qui est vérifié au sujet du modèle livré — Claude Fable 5.1 est disponible en général depuis le 1er septembre 2026. Ce modèle existe, a un prix et peut être appelé dès aujourd'hui.

Donc la version honnête du cadrage à trois volets est la suivante : deux des trois noms dans ce post sont des modèles non annoncés dotés de noms attribués par la communauté, le test du contrôleur ne portait que sur celui dont l’identité est au moins ancrée à une entrée d’arène, et la colonne Fable est une préférence d’un seul testeur qui a explicitement refusé de nommer le modèle. Ce n’est pas une raison pour ignorer quoi que ce soit de tout cela. C’est une raison de considérer les trois noms à trois niveaux de confiance différents plutôt qu’à un seul.

Le tableau de référence qui fait réellement office d'argumentation

Le SVG du contrôleur est l’artefact visible. Ce qui persuade réellement, c’est une fiche de benchmark apparue autour du 18 septembre et reprise depuis dans la presse technologique chinoise et anglophone. Cela vaut la peine de l’énumérer, car les chiffres sont assez précis pour être vérifiés et aucun ne l’a été.

• DeepSWE v1.1 — 88,7 %, présenté comme environ deux points au-dessus de GPT-6 Astra.

• GDPval-AA v2 — 2 064 Elo, décrit comme la seule entrée de la comparaison au-dessus de 2 000.

• Terminal-bench 2.1 — 95,3 %, indiqué comme le score le plus élevé du tableau.

• OSWorld-2.0 — 86,8 %, devant à la fois GPT-6 Astra et Claude Fable 5.1.

• Tarification annoncée — 2,25 $ par million de jetons d'entrée et 11,25 $ par million de jetons de sortie.

• Spécifications annoncées — une limite d’entrée de 10 millions de tokens, un plafond de sortie de 256 K tokens, une mémoire inter-conversations.

Chaque ligne ci-dessus est une affirmation de la communauté. Google n’en a confirmé aucune, n’a pas du tout confirmé que l’entrée dans l’arène soit Gemini 4 Pro, et n’a pas répondu à une demande de commentaire. Le tableau ne comporte aucun identifiant de point de contrôle, aucun réglage d’effort de raisonnement, aucun harnais d’agent, aucune permission d’outil, aucun découpage de test, aucune taille d’échantillon et aucun journal d’exécution — ce qu’une véritable évaluation comporte et qu’une capture d’écran d’une diapositive ne comporte pas. Les noms des benchmarks proviennent aussi de la même famille qu’OpenAI a utilisée dans son propre support de lancement de septembre, ce qui est révélateur de l’endroit où la feuille a été assemblée plutôt que de celui où elle a été mesurée.

Il y a une deuxième raison d’être prudent avec toute comparaison de frontière ce mois-ci : l’indice indépendant vers lequel tout le monde se tourne est passé en v4.3 le 7 septembre, et un changement de version compresse ou étire le haut du classement. Un score sans la version qui l’accompagne n’est pas comparable à un score de trois semaines plus tôt, le nôtre ou celui de n’importe qui.

Qu’est-ce qui est réellement confirmé au sujet de Gemini 4 Pro ?

Écartez les affirmations et le constat factuel est bref.

• 21 juillet 2026 — Google confirme avoir lancé son cycle de pré-entraînement le plus ambitieux à ce jour, pour Gemini 4. Le PDG le répète lors de la conférence téléphonique sur les résultats du deuxième trimestre.

• 2 septembre 2026 — Gemini 3.8 Flash est disponible. Le modèle le plus récent de Google en disponibilité générale reste un modèle de gamme Flash.

• 15–18 septembre 2026 — un informateur publiant sous le pseudonyme de « Lentils » affirme que des points de contrôle de Gemini 4 Pro apparaissent en interne sous le nom de code « argon » ; les traqueurs communautaires consignent une entrée d'arène sous l'étiquette gemini-3.8-flash déployée, qui prend huit à dix minutes par réponse et produit des travaux vectoriels et 3D bien au-delà de ce que ce modèle produit.

• Aujourd'hui — pas d'ID de modèle Gemini 4, pas de point de terminaison, pas de prix, pas de fiche modèle. Selon le Wall Street Journal, Gemini 3.5 Pro, dont l'aperçu était prévu pour juin et qui n'a jamais été commercialisé, aurait été abandonné parce que ses gains étaient trop faibles.

C'est là toute la surface confirmée. Tout le reste en circulation — le tableau, le prix, la fenêtre de contexte, le nom de code, l'identité de l'entrée d'arène — n'est qu'une inférence affublée d'un point décimal.

Ce que vous pouvez réellement exécuter pendant que vous attendez

Voici la partie que les articles comparatifs passent sous silence, et c'est celle qui fait basculer une décision.

GPT-6 Astra n'est pas une rumeur. Il est sorti le 3 septembre 2026, il porte l'identifiant de modèle gpt-6-astra, et il est appelable dès aujourd'hui au prix catalogue public d'OpenAI, soit 10,00 $ par million de tokens d'entrée et 50,00 $ par million de tokens de sortie, avec les entrées mises en cache à 1,00 $. Il tourne sur OrcaRouter à ce même prix catalogue du fournisseur, avec 0 % de marge — nous répercutons le tarif du fournisseur tel quel, si bien que lorsqu'un tarif change, le chiffre de notre côté change le jour même, plutôt que quand quelqu'un finit par mettre à jour une marge. Ses résultats de référence rapportés par OpenAI sont DeepSWE v1.1 à 74 %, OSWorld 2.0 à 72,6 %, Terminal-Bench 4.0 à 57,9 % et ExploitBench à 100 %, ce qui l'a fait franchir le seuil critique de capacité cyber. Ce sont des chiffres rapportés par le fournisseur et non reproduits, et ce sont ceux contre lesquels la fiche divulguée de Gemini 4 Pro argumente implicitement.

Gemini 4 Pro n'est pas disponible sur OrcaRouter, et nous n'allons pas prétendre le contraire. Il n'y a pas d'endpoint, pas d'identifiant de modèle et pas de prix, parce qu'il n'y a pas de modèle commercialisé. Claude Fable 5.1, en revanche, est disponible en général depuis le 1er septembre et peut être routé à son propre prix catalogue, tout comme Claude Opus 5 et le reste du palier actuel de pointe — une seule API couvre plus de 200 modèles au prix catalogue du fournisseur, sans aucune marge, de sorte qu'une comparaison comme celle-ci ne nécessite pas trois comptes, trois SDK et trois factures pour être mise en pratique.

Si le résultat du contrôleur est ce qui vous tente de restructurer un chemin de production autour d’un modèle non annoncé, la décision sensée est celle que les preuves soutiennent : ne le faites pas. Gardez le chemin que vous avez et, si vous voulez savoir si l’effet se généralise à votre propre travail, acheminez une tranche de trafic vers un chemin non éprouvé, derrière un repli vers un modèle auquel vous faites déjà confiance. Ainsi, un mauvais après-midi vous coûte un point de pourcentage de trafic plutôt qu’un incident, et vous obtenez votre propre réponse au lieu d’emprunter le résultat de vingt minutes de quelqu’un d’autre.

Qu’est-ce qui donnerait un sens au résultat du contrôleur ?

• L'alias obtient un vrai nom. Une entrée d'arène, c'est une rumeur avec une ligne de classement. Un identifiant de modèle dans la documentation d'un fournisseur, c'est un produit. Surveillez la liste des modèles, pas la timeline.

• Le résultat se reproduit. Un testeur n’a pas pu obtenir la même sortie le lendemain. Le fait que trois personnes indépendantes l’obtiennent à la demande, avec le modèle identifié, constitue une classe de preuves entièrement différente.

• La feuille divulguée se dote d'une méthodologie. Un score de benchmark sans point de contrôle, sans réglage d'effort et sans harnais n'est pas une mesure ; c'est une affirmation à propos d'une mesure.

• Un prix apparaît. Les 2,25 $/11,25 $ annoncés feraient d’un modèle frontière non publié le moins cher des trois, et de loin, ce qui est le genre d’affirmation qui figure dans une grille tarifaire ou n’y figure pas.

• L’attribution de Fable obtient une deuxième source. Pour l’instant, elle n’en a qu’une, et la personne qui l’a établie a dit que le nom était le sien au départ.

Des questions qui méritent une réponse

Si l'entrée dans l'arène est vraiment Gemini 4 Pro, pourquoi la faire tourner sous le nom d'un modèle déjà commercialisé ?

Tester un nouveau checkpoint derrière l'étiquette d'un modèle existant est une pratique standard pour le benchmarking en aveugle — cela permet à un laboratoire de recueillir des votes en confrontation directe sans que le nom influence le vote. Cela signifie aussi que l'étiquette ne vous dit rien sur ce qui se trouve derrière elle, ce qui est exactement le problème ici : l'alias est la preuve que quelque chose est testé, pas la preuve de ce qui l'est.

Un match nul contre GPT-6 Astra signifie-t-il que le modèle non publié est décevant ?

Non, et c'est ici que le cadrage fait le plus de dégâts. Un checkpoint encore en post-entraînement, accessible sous un alias, qui égale un modèle frontière déjà commercialisé sur une tâche difficile en un seul essai est un signal bien plus fort qu'un graphique de jour de lancement. Ce n'est qu'un signal sur une direction plutôt que sur un produit que l'on peut acheter, et les deux sont lus comme une seule et même chose dans un article de comparaison.

Dois-je changer quelque chose aujourd’hui à cause de cela ?

Pas à cause de cela. Rien dans le test du contrôleur ne change ce qui est disponible, ce que coûte quoi que ce soit, ni ce en quoi un modèle est bon. Les faits pertinents pour la décision cette semaine sont que GPT-6 Astra et Claude Fable 5.1 sont tous deux opérationnels et tarifés, tandis que Gemini 4 Pro n’est ni l’un ni l’autre. Si vous voulez vous couvrir contre cette éventualité, faites-le par le routage plutôt que par une réécriture.

La lecture honnête

Le test du contrôleur est la meilleure preuve que quiconque ait produite au sujet de Gemini 4 Pro, et la meilleure preuve que quiconque ait produite est un match nul, à partir d’une seule tentative, qui n’a pas été reproduite, sur un modèle que personne ne peut nommer, rapportée aux côtés d’une fiche de benchmark que personne ne peut vérifier. Cela ressemble à un rejet, et ce n’en est pas un. Si le test s’est répandu, c’est qu’il est le premier artefact de cette histoire qui ressemble à un produit plutôt qu’à une diapositive — un vrai prompt, une vraie sortie, une vraie personne qui les compare, et un résultat que les partisans d’aucun des deux camps n’ont pu revendiquer sans ambiguïté.

Ce qu'il ne fait pas, c'est trancher quoi que ce soit. Si vous devez livrer cette semaine, le palier de pointe qui existe — GPT-6 Astra à $10/$50, Claude Fable 5.1 à son propre prix catalogue — est là où votre décision se joue réellement, et les deux sont appelables avec une seule clé, sans second contrat. Si vous voulez savoir ce que Google a, les seuls signaux qui feront passer ce texte d'un article « ce que nous savons jusqu'ici » à un article de lancement sont un identifiant de modèle, une grille tarifaire et une reproduction. En attendant qu'ils arrivent, la lecture correcte de la comparaison de la manette Xbox 360 est celle qu'en a donnée la personne qui l'a menée : deux très bons dessins, et aucun vainqueur.