GPT-6 vs Gemini : la bataille entre un modèle sur une liste de prix et un autre sur une liste d’attente

La paire de modèles la plus proche sur le classement actuel des modèles de pointe n’est pas une paire que l’on peut acheter. Gemini 4 Argon obtient 52,6 sur l’Intelligence Index v4.3.2 d’Artificial Analysis. GPT-6 Astra, le modèle phare d’Ope​nAI, obtient 52,7. Cela représente un écart d’un dixième de point sur dix évaluations, et les deux chiffres proviennent de la même révision de la même suite. C’est l’appariement le plus serré du haut du tableau dans l’ensemble.

Il y a une symétrie dans ce nombre, et aucune du tout dans la disponibilité. Goo​gle a annoncé Gemini 4 Argon le 30 septembre 2026, à un prix de lancement annoncé de 2,00 $ par million de jetons d'entrée et de 10,00 $ par million de jetons de sortie, déployé d'abord auprès d'une cohorte nommée de cyberdéfenseurs via un programme que Goo​gle appelle Fairwind. Il n'a pas d'identifiant de modèle API publié, pas de date de disponibilité générale et pas de point de terminaison qu'un client peut appeler aujourd'hui. GPT-6 Astra est achetable depuis le 3 septembre 2026, et depuis le 7 octobre 2026, la famille GPT-6 est aussi celle vers laquelle ChatGPT oriente plus de 1,2 milliard d'utilisateurs hebdomadaires — avec GPT-6 Sol, et non Astra, qui alimente les paliers payants de ce déploiement.

Donc la comparaison est réelle, mais asymétrique d’une manière qui change la façon dont elle doit être lue. Les chiffres d’Argon décrivent un modèle dans le cadre d’un déploiement contrôlé. Ceux de GPT-6 décrivent un produit assorti d’une grille tarifaire. Tout ce qui suit est soumis à la clause « si vous pouviez l’acheter », et rien de ce qui suit ne répond à « devriez-vous changer », car il n’y a encore rien vers quoi changer.

Que sait-on réellement de la contrepartie qui existe

Commencez par le côté qui existe, car la comparaison n’a qu’une seule moitié exploitable. GPT-6 est décliné en trois niveaux, et seuls deux d’entre eux comptent ici :

• GPT-6 Astra — le modèle phare, identifiant de modèle gpt-6-astra, publié le 3 septembre 2026, contexte de 1 050 000 jetons, sortie de 128 000 jetons, entrée texte/image/fichier, effort de faible à maximal, 10,00 $ par million de jetons en entrée et 50,00 $ en sortie, avec un tarif revu à 20,00 $/75,00 $ pour l'ensemble de la requête au-delà de 272 000 jetons en entrée
• GPT-6 Sol — le niveau intermédiaire, publié le 22 septembre 2026, mêmes plafonds de contexte et de sortie, 2,00 $/10,00 $ avec le palier longue fenêtre à 4,00 $/15,00 $, et le modèle qu'Ope​nAI a placé sous ChatGPT Plus, Pro, Business et Enterprise le 7 octobre 2026
• GPT-6 Luna — le niveau économique à 0,10 $/0,50 $, alimentant ChatGPT Free et Go

Le volet Argon de cette liste tient en une ligne. L’annonce de Google a donné un prix d’introduction, un cadrage des capacités — codage dans le monde réel, travail de connaissance en entreprise et cyberdéfense — et un plan de déploiement. Elle n’a pas donné de chaîne de modèle, de fenêtre de contexte, de sortie maximale, de tarif des entrées mises en cache, de calendrier de dépréciation ni de date pour un accès plus large. L’absence d’identifiant de modèle est celle qui compte en pratique : tout exemple de code que vous voyez en ligne qui cite une chaîne de modèle Gemini 4 Argon est une supposition, car il n’y a aucune chaîne à citer.

La seule mesure pleinement comparable, et ce qu’elle dissimule

Un indicateur permet de comparer Argon à un modèle GPT-6 sans le moindre « si », car Artificial Analysis a évalué les deux : le coût de production d’une réponse finalisée sur la suite d’évaluation.

• Coût par tâche d'indexation terminée — Gemini 4 Argon 1,99 $ contre GPT-6 Astra 3,26 $, soit un écart de 1,6× en faveur d'Argon
• Jetons de sortie générés sur l'ensemble de la suite — Gemini 4 Argon 112,8 M contre GPT-6 Astra 108,8 M, pratiquement à égalité
• Indice d'intelligence, v4.3.2 — Gemini 4 Argon 52,6 contre GPT-6 Astra 52,7, égalité parfaite
• Tarif annoncé — 2,00 $ en entrée et 10,00 $ en sortie par million sur Argon, à titre de tarif d'introduction, contre le tarif standard de 10,00 $/50,00 $ d'Astra
• Fenêtre de contexte — GPT-6 Astra 1 050 000 jetons contre aucune publication pour Argon

Relisez cette première ligne, car c'est la seule surprise de cette page. Les tarifs affichés d'Argon sont le cinquième de ceux d'Astra, et son coût par tâche sur la même suite est inférieur de 39 %. Un modèle qui obtient le même score que le modèle phare, pour un cinquième du tarif des entrées, serait la nouvelle du trimestre, si tant est qu'on puisse l'appeler ainsi.

La deuxième ligne explique pourquoi la première est moins spectaculaire qu'elle n'en a l'air, et elle va dans le sens inverse de l'argument habituel sur la verbosité. Argon et Astra ont écrit presque exactement le même nombre de tokens pour produire presque exactement le même score. Il n'y a pas d'écart de verbosité pour expliquer l'écart de coût — la différence de 1,27 $ provient de la grille tarifaire, et non des bavardages d'un modèle. Cela en fait une comparaison plus nette que la plupart de celles de ce lot, et cela fait de l'indisponibilité la seule chose qui sépare Argon d'une recommandation sans détour.

Le tableau de Google lui-même n'est pas celui qui est indépendant.

Goo​gle a publié un tableau de lancement pour Argon, le comparant à GPT-6 Astra sur dix-neuf benchmarks. Si l'on s'en tient à ce tableau, Argon en remporte quatorze, Astra en remporte quatre, et un est à égalité. C'est un résultat frappant, qu'il convient de traiter avec prudence : chaque chiffre qu'il contient provient de Goo​gle, a été sélectionné et ordonné par Goo​gle, et rien de tout cela n'a été reproduit de manière indépendante. C'est le plaidoyer de Goo​gle en faveur d'Argon — ce à quoi sert un tableau de lancement —, et sa place dans une comparaison est celle d'une affirmation de fournisseur clairement étiquetée comme telle, non celle d'une preuve.

Comparez-le à l'exécution indépendante et le tableau change de nature. Sur la suite d'Artificial Analysis, les deux sont à égalité à 52,6 et 52,7 — un avantage bien plus faible qu'un balayage de 14 à 4 ne le laisse supposer, sur une suite qu'aucun des deux fournisseurs n'a assemblée. Le résumé honnête est qu'Argon est plausiblement l'égal d'Astra et peut-être son supérieur en ingénierie logicielle, que le tableau du fournisseur imagine un écart plus large que celui que constate le test indépendant, et que tant que quelqu'un de l'extérieur de Goo​ogle ne l'exécute pas sur autre chose que les tâches de Goo​ogle, rien de tout cela ne se règle.

Pourquoi un modèle non publié mérite quand même une section

Parce que le schéma de déploiement de Google est en soi une information, et il indique où se dirige la prochaine version de niveau Pro. Google a passé 2026 à livrer des modèles de niveau Flash — la gamme 3.5, 3.6 et 3.8 Flash, les variantes Lite, un 3.8 Flash optimisé pour la cybersécurité — tandis que le niveau Pro restait sur Gemini 3.1 Pro Preview, un modèle en préversion depuis février 2026, sans engagement de disponibilité générale ni date d’arrêt. Argon est le premier mouvement au sommet de la gamme en sept mois, et il a d’abord été déployé auprès des défenseurs plutôt que des développeurs.

Cet enchaînement est un choix cohérent — la cybersécurité est le domaine où un modèle de pointe doté d’une utilisation d’outils agentiques et d’une autonomie à long horizon a la valeur la plus claire et la plus mesurable, et c’est aussi le domaine où un fournisseur veut une cohorte contrôlée avant la sortie générale. Ce n’est pas la preuve que le modèle n’est pas prêt. C’est la preuve que Goo​gle considère la disponibilité générale comme une décision ultérieure plutôt que comme une décision à prendre le jour du lancement, ce que disent exactement, d’une autre manière, l’identifiant de modèle manquant et la date manquante.

Pour un développeur, la conséquence est simple : vous ne pouvez pas planifier autour d’Argon. Vous pouvez planifier autour de GPT-6 Astra ou GPT-6 Sol, car les deux ont des identifiants, des points de terminaison, des grilles tarifaires et un fournisseur qui a déjà publié une politique de retrait pour la gamme. Un modèle sans identifiant est un modèle pour lequel vous ne pouvez pas écrire d’adaptateur.

Qu'est-ce qui changerait cette comparaison

Trois choses, et n'importe laquelle d'entre elles transforme l'article ci-dessus en une question tranchée. La première est un identifiant de modèle — une chaîne réelle servie par l'API de Google, car c'est à ce stade qu'un adaptateur peut être écrit et qu'une estimation d'intégration devient pertinente. La deuxième est une date de disponibilité générale, ce qui distingue une préversion d'un produit et correspond à l'unique date que l'annonce d'Argon a totalement omise. La troisième est une évaluation comparative indépendante sur des tâches que Google n'a pas choisies ; une suite assemblée par le fournisseur est une affirmation, et une suite assemblée par quelqu'un d'autre est une mesure.

Tant que les trois n'existent pas, le rôle d'Argon dans une comparaison est celui d'un plafond plutôt que d'une option. Ses chiffres vous indiquent vers quoi le niveau Gemini Pro se dirige et vous donnent une idée de la marge de prix dont Goo​gle dispose au sommet de la gamme. Ils ne vous disent pas sur quoi bâtir.

Que faire pendant qu'Argon attend

Si la raison de votre présence ici est que les chiffres d'Argon semblent bons, la démarche utile consiste à tester la même catégorie de charge de travail sur le modèle que vous pouvez réellement appeler aujourd'hui, et pour l'ingénierie logicielle comme pour le travail agentique à long horizon, cela signifie GPT-6 Astra. Il figure au catalogue d'OrcaRouter selon le modèle de tarification répercutée propre à Google — les 10,00 $/50,00 $ du fournisseur, avec le palier de contexte long à 20,00 $/75,00 $, à 0 % de marge, de sorte qu'un changement de tarif du fournisseur vous parvienne le jour même plutôt qu'au cycle de facturation suivant. GPT-6 Sol à 2,00 $/10,00 $ y figure aussi, et pour la plupart des charges de travail, c'est le meilleur achat : il obtient 47,6 contre 52,7 pour Astra, et il coûte environ un tiers du prix par tâche accomplie.

La couche de routage est ce qui rend le calendrier de déploiement d'un fournisseur supportable. Lorsqu'Argon obtient enfin un identifiant, cela ne doit pas forcément devenir un projet de migration : une règle de routage peut lui envoyer une part de votre trafic, ou utiliser la configuration de model-fusion pour exécuter un panel et comparer les réponses, tandis que GPT-6 Astra ou Sol reste la valeur par défaut derrière. Le basculement automatique couvre le cas qui compte le plus ici — un modèle en déploiement contrôlé est exactement le type de route qui peut être soumis à une limitation de débit ou retiré sans avertissement, et un chemin de repli fait que cela devient une requête lente plutôt qu'une panne.

Ce qu'il ne faut pas faire, c'est bâtir un plan de migration autour d'un tableau de lancement pour un modèle sans endpoint. L'écart avec GPT-6 Astra est d'un dixième de point et la différence de prix est réelle, mais ni l'un ni l'autre ne justifie de reconstruire une intégration pour quelque chose à quoi vous ne pouvez pas envoyer de requête.