Gemini 4 Carbon de Google domine trois tests d'agents pour moitié moins cher

Le modèle d'IA le plus puissant de Google a passé ses deux premières semaines entre les mains d'un petit groupe de défenseurs en cybersécurité. Mardi, il a été mis en vente pour tous les autres. Gemini 4 Carbon est désormais disponible pour tous les développeurs et entreprises payants via l'API Gemini, et arrive chez les abonnés Google AI Ultra dans l'application Gemini et le Mode IA de la recherche, au même prix de lancement que Gemini 4 Argon: 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie. Google affirme qu'il se classe premier sur trois tests indépendants d'agents pour moins de la moitié du coût par tâche du meilleur modèle extérieur suivant.

Conçu pour réfléchir plus longtemps qu'Argon

Carbon se place au-dessus de Gemini 4 Argon, que Google a lancé récemment et qu'il recommande toujours pour la plupart des travaux de programmation et de bureau. Carbon est le modèle des tâches les plus difficiles: programmation et débogage en plusieurs étapes, recherche scientifique ouverte, longues chaînes de travail d'agents. Il consomme délibérément plus de tokens qu'Argon pour explorer, raisonner et vérifier ses propres résultats dans de longues boucles de vérification.

“Carbon est conçu pour les tâches qui mettent à l'épreuve les limites de l'intelligence d'un modèle.”— Koray Kavukcuoglu, Google

Google a annoncé le modèle le 28 octobre et l'a d'abord confié à des défenseurs sélectionnés via son programme Fairwind. Deux semaines plus tard, il est arrivé dans l'API Gemini sur Google AI Studio, dans Gemini pour les entreprises et dans Android Studio. Les abonnés Google AI Ultra l'ont aussi dans Google Antigravity, l'environnement de programmation par agents de l'entreprise.

La surprise, c'est le prix. Carbon est sorti au tarif de lancement d'Argon, 2 dollars par million de tokens en entrée et 10 dollars par million de tokens en sortie, avec l'entrée en cache à 0,10 dollar par million. La période de lancement se termine le 30 novembre et, à partir du 1er décembre, les tarifs doublent, à 4 et 20 dollars. Alors, comment un modèle qui réfléchit plus longtemps revient-il moins cher?

Moins de la moitié du coût par tâche

Le prix par token et le prix par tâche sont deux chiffres différents. Un modèle qui écrit davantage mais parvient à une réponse qui fonctionne en moins de tentatives peut coûter moins cher pour l'ensemble du travail. Google affirme que Carbon se classe premier sur CursorBench 4.0, WANDR de Perplexity et AutomationBench de Zapier, pour un coût par tâche plus de 2 fois inférieur à celui du meilleur modèle extérieur suivant.

Google n'a pas publié les scores détaillés. VentureBeat a rapporté ceux de Zapier: Carbon a accompli 53,88% des tâches d'AutomationBench pour un coût moyen de 2,12 dollars chacune, tandis que Claude Fable 5.2 d'Anthropic, à effort maximal, en a accompli 51,45% à 4,64 dollars. Sur un nouveau test pour les agents qui lisent des fichiers denses remplis de graphiques et de plans, créé avec Artificial Analysis, Carbon se classe deuxième pour un coût moyen plus de six fois inférieur à celui du premier.

La version dédiée à la cybersécurité, toujours réservée à des défenseurs sélectionnés, montre ce que rapporte ce raisonnement supplémentaire. En analysant deux grands fournisseurs de logiciels en tant que service pour le programme Scan for Good de Wiz, elle a découvert des vulnérabilités inconnues en moins de deux heures, réduisant des semaines de recherche à un après-midi, et Wiz a travaillé avec les deux entreprises pour les corriger. Le propre système de sécurité de Google, Project Fortify, a atteint 100% de rappel à l'analyse et 95% de précision au tri lors de tests internes.

Le modèle public embarque des garde-fous plus stricts. Lors d'attaques simulées, ses protections ont bloqué 99% des chemins d'attaque tentés par un agent d'attaque adaptatif et ont maintenu le taux de brèche par tentative à 0,8%, contre 3,1% pour Argon. Certains des résultats les plus frappants sont pourtant venus des propres laboratoires de Google.

Un essaim d'agents et 40 fois plus d'indices

Google présente aussi en préversion /swarm dans Antigravity, qui transforme une seule consigne en une équipe coordonnée d'agents que le développeur peut suivre en temps réel. Carbon prend les rôles qui demandent le raisonnement le plus poussé, comme l'architecture, la coordination et l'audit, tandis que des modèles plus rapides travaillent en parallèle et que des vérificateurs adverses testent chaque modification. Dans une démonstration, une équipe Carbon a pris sept PDF publics d'urbanisme d'un conseil municipal et construit un modèle 3D interactif de 906 000 triangles d'un bureau de Google en 10 boucles nocturnes.

En science, des chercheurs de Google ont utilisé Carbon pour traquer les parents évolutifs de protéines qui résistent aux outils de prédiction de structure comme AlphaFold 3, faute de correspondances proches dans les bases de données. En fouillant des archives de séquences à l'échelle du pétabase sur sept familles de protéines difficiles du test à l'aveugle CASP17, il en a trouvé bien davantage.

Plus de parents, c'est plus d'indices pour prédire comment une protéine se replie, sans réentraîner le modèle de prédiction. Axiom Bio, une entreprise spécialisée dans la toxicité des médicaments, indique que Carbon est désormais son modèle de référence en science translationnelle, et Google ajoute Carbon à son programme gratuit pour les scientifiques, qui offre à 10 000 chercheurs six mois au niveau d'usage le plus élevé d'Antigravity.

Il y a deux semaines, Carbon était un outil réservé à une poignée d'équipes de sécurité. Désormais, quiconque possède une clé payante peut lui confier son problème le plus difficile.