[AINews] D-Day : la journée des modèles de décision
Google a pris de court Anthropic en lançant le premier modèle de décision de production à grande échelle. Sundar Pichai et Logan Kilpatrick ont présenté Gemini Decision 1, accessible via une nouvelle API, lors de la journée « System One » de la deuxième édition de l'AI Engineer CODE. Contrairement aux modèles génératifs, il traite des décisions à ensemble fermé et note les options en une seule passe, sans produire de texte jeton par jeton. Il gère les questions oui/non, les choix multiples (jusqu'à 255 options) et la notation par grille, accepte texte, image, audio, vidéo et PDF, traite jusqu'à 1 000 questions par requête avec 256K de contexte et renvoie un score de confiance pour chaque réponse. La latence de bout en bout se situe entre 150 et 250 ms. Le prix est de 0,10 dollar par million de jetons en entrée, sans facturation en sortie, soit environ cinq fois moins que Flash-Lite. Le projet est né d'un prototype interne de Google DeepMind, livré par une petite équipe en six semaines environ.
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 →
Les performances annoncées sont solides, mais les évaluations indépendantes sont plus nuancées. Selon Google, Decision 1 devance Jev 1.14 de TypeSafe sur 5 des 7 benchmarks communs, dont JevBench (92,2 % contre 90,0 %). Artificial Analysis lui attribue 66 sur son Decision Index, à égalité avec Elephant 9B et Jev 1.14 et 7 points derrière Drex Max v1.1 et GLiDE v1.2. Il domine AA-Omniscience-Decision (66) et HLE-MultiChoice (49), mais ne répond correctement à toutes les questions que pour 33 % des documents sur AA-Paperclip, contre 63 % pour Drex Max. Il coûte aussi 345 dollars par million de tâches, contre 103 pour Drex Max et 156 pour Jev, et sa latence moyenne de 211 ms est supérieure aux 92 ms de Jev. Côté adoption, Stitch a bâti une expérience de design passant d'un prompt brut à un parcours multi-écrans en 5 secondes environ, et LangChain a proposé un support dès le premier jour.
Ce lancement s'inscrit dans une tendance d'architecture hybride défendue notamment par Cloudflare, dont Michelle Chen a présenté les modèles Clef et Clairic. Des modèles de décision rapides s'occupent du choix des outils et de l'extraction de logs, tandis qu'un grand modèle de raisonnement se limite au diagnostic. Dans sa démonstration, Cloudflare a ramené six appels de LLM à un seul et environ 40K jetons à 1,8K. Sur le front des modèles généralistes, Claude Fable 5.2 (Max) prend la première place de l'Agent Arena avec +30,4 % d'amélioration nette sur 4,7K sessions agentiques, soit environ 1,6 fois le score d'Opus 5.5 (+19,5 %). Ses prix d'API passent de 10/50 à 8/40 dollars par million de jetons en entrée/sortie, pour un coût médian de 7,3 dollars par tâche, contre 5,5 pour Opus 5.5, 1,5 pour Gemini 4 Carbon (High) et 6,0 pour GPT-6-Astra. Il mène aussi AA-Robotics v0.1 avec 75, devant Astra (69) et Sol (65). Artificial Analysis observe qu'au sein de la gamme Claude, monter d'un cran de modèle rapporte plus que d'augmenter l'effort de raisonnement, et Vals classe Carbon troisième de son indice, le plus rapide et le moins cher du top cinq.