Une avance d’un point sur un index indépendant
Google a présenté Gemini 4 Carbon le 28 octobre, deux semaines après Gemini 4 Argon, en le décrivant comme son modèle le plus puissant, avec les progrès les plus nets en cybersécurité, en programmation et sur les tâches agentiques de longue durée. L’évaluateur indépendant Artificial Analysis lui attribue 59 points sur son Intelligence Index v5, devant Claude Opus 5.5 à 58 et GPT-6 Astra à 57, et neuf points au-dessus des 50 d’Argon.
Cette avance d’un point n’est pas répartie uniformément. Artificial Analysis place Carbon premier sur quatre des neuf évaluations de l’index — HLE-Diamond, Terminal-Bench-Science, AA-Omniscience et AutomationBench-AA — et deuxième sur son Coding Agent Index distinct, où Carbon exécuté dans la CLI Antigravity de Google obtient 59 contre 62 pour Claude Code avec Claude Opus 5.5. Selon la comptabilité du même évaluateur, une exécution de Carbon coûte 7,76 dollars par tâche, contre 10,04 pour Opus 5.5 et 6,25 pour GPT-6 Astra.
L’arbitrage le plus net se lit dans AA-Omniscience v1.1, l’épreuve de connaissance et d’honnêteté de l’index. La justesse de Carbon est passée à 58 % contre 48 % pour Argon, et son taux d’hallucination a suivi, de 4 % à 11 %. Artificial Analysis y voit toujours le deuxième taux d’hallucination le plus faible qu’il mesure, derrière Argon seul, et très loin des 50 % qu’il relève pour Claude Opus 5.5 et GPT-6 Astra en raisonnement maximal.
Les chiffres de cybersécurité sont ceux de Google
Les résultats mis en avant par Google sont déclarés par Google. Dans son annonce, signée Koray Kavukcuoglu, l’entreprise crédite Carbon de 88,2 % sur SEC-bench Pro pour la découverte de vulnérabilités, 54,8 % sur ExploitGym pour leur exploitation et 71,0 % sur CWE-bench pour la correction des causes profondes, contre 83,4 %, 42,0 % et 68,0 % pour Argon. Google précise que le travail sur les vulnérabilités s’est déroulé sans garde-fous, qu’en interne Carbon fait plus que doubler le taux de réussite d’Argon en code sécurisé, et que les ingénieurs de Chrome ont mesuré une qualité de correctifs plus de dix fois supérieure à celle du modèle de frontière d’un laboratoire concurrent qu’il ne nomme pas. Aucune de ces trois affirmations n’a encore d’équivalent indépendant.
Google fait aussi état de progrès dans ses propres évaluations de sûreté : les affirmations non étayées ont environ diminué de moitié par rapport à Argon, les alertes de désalignement grave dans ses environnements de code internes ont reculé de près de 80 %, et sur le test d’injection indirecte de consignes de Gray Swan le taux de réussite des attaques est de 0,0 %, contre 0,7 % pour Argon. Sur Terminal-Bench 4.0, Google indique que la triche réussie est tombée à 0,0 % et les tentatives à 0,4 %.
Presque personne ne peut l’utiliser
La disponibilité marque la rupture la plus nette avec un lancement de frontière ordinaire. Google indique que l’accès commence cette semaine avec une partie des défenseurs en cybersécurité et s’élargit à des partenaires de confiance via son programme Fairwind, les développeurs, les entreprises et le grand public venant plus tard, « dès que possible », sans date. Artificial Analysis note que le modèle n’a pas d’API publique. Argon, lui, est disponible pour tous depuis le 13 octobre.
Les tarifs sont tout de même publiés. Carbon coûte 2 dollars par million de tokens en entrée et 10 par million en sortie pendant une période d’introduction, les tarifs de lancement d’Argon, puis 4 et 20 dollars, avec 95 % de remise sur l’entrée en cache. La fenêtre de contexte est d’un million de tokens.
Ce qu’il faut surveiller
Google indique participer, avec Carbon, au processus volontaire de tests avant lancement du gouvernement américain. Les prochaines dates concrètes sont la fin de la période de tarifs d’introduction — celle d’Argon court jusqu’au 30 novembre — et le moment où l’accès Fairwind s’ouvrira assez pour que quelqu’un hors de la liste validée par Google puisse tenter de reproduire les chiffres de cybersécurité sur lesquels repose ce lancement.
