Google lance l'API Gemini 4 Argon, avec une limite de sortie portée à 1 million de tokens
Google DeepMind a rendu Gemini 4 Argon disponible à tous les développeurs, aux entreprises et aux abonnés payants de Gemini. Il s'agit d'un modèle de pointe de type mélange d'experts épars (sparse MoE), conçu pour les tâches longues et multi-étapes : code, finance, droit, sciences et cybersécurité. Annoncé le 30 septembre pour un petit groupe de défenseurs en cybersécurité, il arrive désormais dans l'API Gemini payante à 2 dollars par million de tokens en entrée et 10 dollars en sortie. Sa principale nouveauté est la longueur de sortie : jusqu'à 1 million de tokens en une seule réponse, contre 64 000 pour les Gemini précédents. Cette limite s'inscrit dans une fenêtre de 1 million de tokens partagée entre entrée et sortie, de sorte qu'un long prompt réduit la place disponible pour la réponse. Une réponse complète d'un million de tokens coûte 10 dollars au tarif introductif. Argon accepte texte, images, audio et vidéo, et produit du texte. Sa connaissance s'arrête à mars 2026, et Google n'a pas communiqué le nombre de paramètres.
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 MarkTechPost. Lire l'article original →
Selon les comparaisons de Google avec GPT-6 Astra, Claude Fable 5.1 et Claude Opus 5.5, Argon domine la plupart des lignes du tableau. Il atteint 77,9 % sur DeepSWE v1.1 (contre 74,2 % pour Opus 5.5), 68,90 % sur le Vals Index (devant Claude Sonnet 5.5 à 67,04 %), 51,3 % sur AutomationBench (contre 42,5 %) et 84,2 % sur GraphWalks entre 256 000 et 1 million de tokens (contre 71,8 % pour GPT-6 Astra). Son meilleur résultat est 91,7 % sur LVBench, consacré à la compréhension de vidéos longues. Sur le Legal Agent Benchmark de Harvey, son score de 19,6 % est près de trois fois celui du modèle suivant, mais reste faible en valeur absolue. Il est en revanche distancé sur cinq tests : 55,0 % sur FrontierSWE v2 (dernier des quatre modèles, contre 65,5 % pour GPT-6 Astra), 57,4 % sur Terminal-Bench 4.0 (contre 66,4 %), 57,6 % sur Terminal-Bench Science 0.1, 45,3 % sur PostTrainBench et 69,2 % sur OSWorld-2.0.
L'enjeu pratique est de pouvoir générer en une passe des documents, bases de code ou analyses très volumineux, sans les découper. Cela intéresse les équipes juridiques, financières et de développement. Les faiblesses en codage agentique, notamment dans l'usage du terminal, nuancent toutefois l'image d'un modèle supérieur partout. La fiche technique signale aussi des hallucinations et des lenteurs ou délais d'attente occasionnels. Pour les très longues générations, Google documente un nouveau protocole de continuation destiné aux développeurs et aux entreprises.
Ce lancement s'inscrit dans la course entre Google, OpenAI et Anthropic sur les modèles de pointe, où chacun publie des comparaisons qui lui sont favorables. La prudence s'impose : la plupart des scores des concurrents sont déclarés par les éditeurs ou tirés de classements publics, et celui d'Argon sur DeepSWE a été calculé par Google avec un banc d'essai mini-swe-agent, alors que les chiffres rivaux proviennent de fiches système et d'un classement. Le modèle, entraîné sur TPU avec JAX et ML Pathways, ne fonctionne que dans le cloud de Google, via l'API Gemini, AI Studio et la plateforme Gemini, sans poids ouverts. Sur le plan de la sécurité, Google indique, dans le cadre de son Frontier Safety Framework, ne pas pouvoir exclure les seuils critiques de capacités biologiques et cyber. Le groupe affirme avoir déployé des garde-fous qui, selon son évaluation, réduisent ce risque.
Les développeurs et entreprises français et européens peuvent accéder à l'API payante, mais aucun impact spécifique à la France ou à l'UE n'est mentionné.