[AINews] AI Engineer NYC : Gemini 4 Argon et les benchmarks de Vals AI
Google a lancé Gemini 4 Argon en disponibilité générale, pour le code, le travail de connaissance, les flux d'entreprise et la cyberdéfense. Le modèle est accessible via l'API Gemini payante et la plateforme Gemini, dans l'application Gemini et le mode IA de la recherche pour les abonnés AI Pro et Ultra, et dans Antigravity pour les abonnés Ultra. Ce déploiement remplace une information antérieure selon laquelle l'accès aurait été réservé aux défenseurs en cybersécurité. Les tarifs d'introduction sont de 2 dollars par million de jetons en entrée et 10 dollars en sortie, avec une remise de 95 % sur les entrées en cache. Selon Artificial Analysis, ils doublent après le 30 novembre, à 4 et 20 dollars. Google offre à 10 000 scientifiques le niveau d'usage maximal d'Antigravity pendant six mois. Côté résultats internes, Google affirme qu'Argon a aidé à isoler la gestion des pages web d'un dossier hérité de six millions de lignes dans Chromium, un travail de plusieurs mois bouclé en quelques semaines. Le groupe cite aussi 35 % de soumissions de code agentiques en plus et près d'un tiers de retours en arrière en moins. Cursor mesure 52,8 % sur CursorBench à effort par défaut, au niveau d'Opus 5.5. Cognition annonce 60,5 % sur FrontierCode 1.1, avec une remise de 75 % sur Devin jusqu'au 27 octobre.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Latent Space. Lire l'article original →
Ces chiffres montrent qu'Argon se place d'emblée parmi les meilleurs modèles de programmation, et qu'il arrive dans les outils que les développeurs utilisent déjà : Cursor, Devin, GitHub Copilot, ainsi qu'une interface de code intégrée à l'application Gemini sur macOS et des connexions à plus de 40 applications comme Instacart, OpenTable, Adobe ou Shopify. Il faut pourtant lire les résultats avec prudence. Les gains de productivité chez Google sont des déclarations internes, pas des mesures contrôlées, et le tarif promotionnel rend les comparaisons de coût trompeuses. La démonstration robotique de DeepMind illustre la même nuance. Argon a déduit une simulation de jeu de cornhole à partir d'une vidéo et réussi sept lancers d'affilée avec le robot Apollo d'Apptronik, mais le processus a inclus des essais réels et des ajustements, malgré le terme « zéro-shot » employé dans un message.
Le contexte est celui d'une course serrée entre laboratoires. Meta a lancé Muse Wonder, qui met en avant les assistants personnels autant que le code, avec deux fonctions : « Active Focus », pour la persistance et la reprise après échec, et « Active Memory », pour le contexte personnel à jour. Alexandr Wang désigne l'usage grand public comme cas d'usage prioritaire. Le benchmark de mémoire cité ne mesure toutefois que la mise à jour de faits dans une longue conversation, pas une mémoire durable entre sessions, et certains résultats reposent sur des évaluations internes. Les premiers retours saluent le code de Muse mais dénoncent des abonnements chers et restrictifs, un utilisateur ayant épuisé son quota de cinq heures sur une offre à 200 dollars. L'AI Engineer de New York, qui a réuni environ 20 000 participants autour de la finance et de l'IA, a donné la parole à Anthropic, à Vals AI sur ses principes de mesure, et à Coatue.
Pas d'impact direct sur la France/UE