Gemini 4 Argon : Scores de Frontier, une limite de sortie de 1 million de tokens, et pas encore d'ID de modèle public

Gemini 4 Argon est le premier modèle Gemini 4 de Google et le plus puissant jusqu'à présent. Des testeurs indépendants l'ont mis au même niveau que GPT-6 Astra, il domine l'Index Vals pour le travail financier, juridique et fiscal, et il peut écrire jusqu'à 1 million de tokens dans une seule réponse. Lors de sa promotion de lancement, il coûte également moins par token qu'Astra.

Le hic, c'est l'accès. À partir du 13 octobre 2026, Argon est déployé uniquement pour les défenseurs cybernétiques dans le programme Fairwind de Google. Google n'a pas publié d'ID de modèle, il n'est pas dans la liste des modèles de l'API Gemini, et il n'est pas encore disponible sur AIHubMix. Cet article couvre ce qui a changé, où Argon excelle et où il ne le fait pas, et qui devrait commencer à planifier son utilisation.

La version courte

• Argon remplace Gemini 3.1 Pro Preview au sommet de la gamme de Google. C'est le premier nouveau modèle de Google au-dessus du niveau Flash depuis plus de sept mois.
• Sur l'Index d'Intelligence d'Analyse Artificielle, il obtient un score de 53, le même que GPT-6 Astra au maximum de son raisonnement et 23 points au-dessus de Gemini 3.1 Pro Preview.
• Il a le taux de hallucination le plus bas de tous les modèles les mieux notés sur le test d'Analyse Artificielle (15 %), mais il répond également à moins de ces questions correctement qu'Astra.
• Il est à la traîne derrière Claude Opus 5.5 et GPT-6 Astra sur le codage lourd en terminal et l'utilisation informatique.
• Prix d'introduction : 2 $ d'entrée et 10 $ de sortie par million de tokens, augmentant à 4 $ et 20 $. Google n'a pas précisé quand la promotion se termine.
• Qui peut l'utiliser aujourd'hui : les membres de Fairwind. Les clients API payants et les abonnés Google AI Ultra viendront ensuite, sans date précise.

Qu'est-ce qui a changé par rapport à Gemini 3.1 Pro Preview

Le post de lancement de Google présente Argon comme étant axé sur le travail "à long terme" : ingénierie logicielle dans le monde réel, travail de connaissance en entreprise tel que juridique et financier, et défense cybernétique. Le plus grand changement concret est le plafond de sortie.

Les prix de 3.1 Pro Preview sont pour des invites allant jusqu'à 200k tokens (4 $ / 18 $ au-dessus de cela). Argon n'a pas publié de niveau de prix pour un contexte long.

Une limite de sortie de 1 million de tokens. Les modèles Gemini précédents s'arrêtaient à 64K tokens de sortie. Argon peut continuer jusqu'à 1 million, en utilisant une nouvelle fonctionnalité de l'API Gemini appelée Long Decode Continuation qui met en pause une longue réponse et la reprend lors d'appels de suivi afin qu'elle ne dépasse pas le temps imparti. Les propres exemples de Google montrent pourquoi cela est important : ses agents ont utilisé Argon pour des migrations de C et C++ vers Rust, y compris plus de 800K lignes du noyau Fuchsia Zircon, et pour une bibliothèque, ils ont remplacé 32K lignes de code SIMD par du Rust sûr qui fonctionne 2,7 fois plus vite que le port Rust précédent. Ce sont des tâches où une limite de 64K vous obligeait à découper le travail manuellement.

Un nouveau schéma de nommage. Il n'y a pas d'étiquette Pro ou Flash, juste un numéro de génération et un nom de code. Google avait prévu un Gemini 3.5 Pro plus tôt en 2026 et est passé au-delà.

Un lancement contrôlé. Argon a été spécifiquement formé pour le travail de défense cybernétique, et Google dit qu'il peut "trouver, valider et corriger de manière autonome des vulnérabilités logicielles critiques." Les membres de Fairwind et les équipes internes de Google obtiennent une version sans garde-fous cybernétiques. La sortie plus large refusera les demandes nuisibles liées à la cybernétique, aux produits chimiques, à la biologie, à la radiologie et à la nucléaire.

Ce qui est resté le même. La sortie est toujours uniquement textuelle. Les entrées couvrent le texte, les images et la vidéo (l'Analyse Artificielle liste également la parole). Des testeurs tiers rapportent une fenêtre de contexte de 1 million de tokens ; le post de lancement de Google ne précise pas la limite d'entrée. [TBD : fenêtre de contexte officielle]

Comment cela se compare à GPT-6 Astra, Claude Opus 5.5 et Fable 5.1

Le tableau ci-dessous provient de la table de référence de Google DeepMind. Google a exécuté Argon à son réglage de réflexion le plus élevé et a principalement utilisé les chiffres auto-déclarés ou de classement public de ses rivaux, donc considérez-le comme des données de fournisseur. L'Analyse Artificielle et Vals AI ont publié des résultats indépendants, cités après le tableau.

OSWorld-2.0 est le sous-ensemble hors ligne, score partiel. GraphWalks est F1. Le tableau complet a 19 lignes ; Argon est en tête ou à égalité sur 14 d'entre elles.

Trois tendances se démarquent :

• Le travail de connaissance est là où l'écart est le plus large. Sur le benchmark de l'agent juridique de Harvey, Argon obtient 19,6 % contre au maximum 6,7 % pour les autres. Sur l'agent financier v2, l'avance est de plus de six points.
• Les très longues entrées tiennent bon. Sur GraphWalks entre 256k et 1M tokens, Argon maintient 84,2 % alors que les autres tombent autour de 65–72 %.
• Le codage est mixte. Argon devance DeepSWE mais est à la traîne sur FrontierSWE (Astra) et Terminal-bench 4.0 (Opus 5.5).

Les chiffres indépendants s'accordent largement. L'Analyse Artificielle note Argon (élevé) à 53 sur son Index d'Intelligence, à égalité avec GPT-6 Astra (max) et un point devant GPT-6.1 Sol (max). Son exécution sur Terminal Bench 4 le place à 57 %, derrière Claude Sonnet 5.5, Claude Opus 5.5 et GPT-6 Astra. Vals classe Argon premier des modèles sur son index, avec son meilleur résultat unique sur l'agent financier v2, et liste l'utilisation informatique (CUA-bench) comme un point faible.

Le compromis derrière "faible hallucination"

Le test d'Omniscience de l'Analyse Artificielle pose des questions factuelles difficiles et pénalise les réponses faussement confiantes. Le taux d'hallucination d'Argon est de 15 %, le plus bas de tous les modèles obtenant 45 ou plus sur l'index ; celui de GPT-6 Astra est de 51 %. Mais la précision d'Argon sur les mêmes questions est de 50 %, contre 63 % pour Astra. Argon obtient son faible taux d'hallucination en refusant de répondre lorsqu'il n'est pas sûr, et non en sachant plus.

Pour les révisions juridiques et financières, c'est souvent le bon compromis : un refus est facile à repérer et à diriger vers une personne ou un autre modèle, tandis qu'un chiffre faux mais confiant peut passer inaperçu auprès d'un examinateur. Cela ne vaut le coup que si votre application a un endroit où envoyer les questions qu'Argon refuse.

Où Argon n'est pas le meilleur choix

• Agents de codage lourds en terminal. Le tableau de Google lui-même a Opus 5.5 à 66,4 % sur Terminal-bench 4.0 contre 57,4 % pour Argon, et l'exécution de l'Analyse Artificielle est d'accord sur l'ordre.
• Utilisation informatique. Astra devance OSWorld-2.0, et Vals classe Argon septième sur huit sur CUA-bench.
• Questions qui nécessitent une réponse à chaque fois. Une précision de 50 % en Omniscience signifie de nombreuses réponses "Je ne suis pas sûr" sur des rappels factuels difficiles.
• Travail sensible à la latence. Argon a en moyenne environ 62k tokens de sortie par tâche d'Analyse Artificielle, contre environ 27k pour Astra. Google n'a pas publié de chiffres de vitesse. [TBD : vitesse de sortie et temps jusqu'au premier token]
• Tout ce qui doit être expédié ce trimestre. Vous ne pouvez pas encore l'appeler.

Qui devrait changer, attendre ou rester

"Planifiez pour Argon" signifie : prototypez le flux de travail sur Gemini 3.8 Flash ou 3.1 Pro Preview aujourd'hui, budgétisez au prix standard d'Argon, et changez l'ID du modèle lorsque l'accès s'ouvre.

Se préparer sur AIHubMix

Argon a une page de modèle sur AIHubMix sous l'ID gemini-4-argon, mais elle est marquée comme "à venir" et n'a pas encore de prix. [TBD : date de disponibilité sur AIHubMix]

Vous pouvez construire le flux de travail maintenant sur les modèles Gemini que AIHubMix sert déjà, comme Gemini 3.8 Flash, et garder l'ID du modèle dans la configuration. L'endpoint compatible OpenAI fonctionne avec le SDK OpenAI standard ; le guide AIHubMix Gemini couvre également le SDK natif de Google.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

# AIHubMix liste Argon comme gemini-4-argon (à venir). Prototypez sur
# Gemini 3.8 Flash, puis définissez ARGON_MODEL_ID=gemini-4-argon une fois qu'il est ouvert.
MODEL = os.environ.get("ARGON_MODEL_ID", "gemini-3.8-flash")

resp = client.chat.completions.create(
    model=MODEL,
    reasoning_effort="high",
    messages=[
        {"role": "user", "content": "Listez les clauses de résiliation dans le contrat ci-dessous. Dites-le si vous n'êtes pas sûr de l'une d'elles.\n\n<texte du contrat>"},
    ],
)
print(resp.choices[0].message.content)

Sur la route compatible OpenAI, reasoning_effort correspond aux réglages de réflexion de Gemini. Les valeurs qu'Argon accepte ne sont pas encore documentées. [TBD : niveaux de raisonnement d'Argon sur AIHubMix]

Lorsque Argon sera ouvert sur AIHubMix, son prix et ses paramètres pris en charge apparaîtront sur cette page de modèle.

FAQ

Puis-je utiliser Gemini 4 Argon via l'API aujourd'hui ?
Seulement si votre organisation fait partie du programme Fairwind de Google. Les clients API payants et les abonnés Google AI Ultra sont les suivants dans la file d'attente, mais Google n'a pas donné de date.

Quel est l'ID de modèle de Gemini 4 Argon ?
Google n'en a pas publié. Sur AIHubMix, Argon est listé comme gemini-4-argon sur une page de modèle marquée comme "à venir". Un appel à cet ID via l'API de Google a renvoyé une erreur 404 le 1er octobre.

Gemini 4 Argon est-il meilleur que GPT-6 Astra ?
Sur l'index de l'Analyse Artificielle, ils sont à égalité. Argon excelle dans le travail de connaissance, la récupération de contexte long et la compréhension vidéo ; Astra excelle dans FrontierSWE, les tâches scientifiques en terminal et l'utilisation informatique.

Gemini 4 Argon est-il bon pour le codage ?
Il est performant sur DeepSWE et Vibe Code Bench, mais Claude Opus 5.5 et GPT-6 Astra sont toujours en tête sur le codage agentique lourd en terminal.

Que signifie la limite de sortie de 1 million de tokens en pratique ?
Un seul travail peut produire bien plus que l'ancien plafond de 64K, comme une grande migration de code ou un long rapport. Google dit que cela repose sur Long Decode Continuation, qui met en pause et reprend de longues réponses lors des appels.

Pourquoi le taux d'hallucination est-il bas mais la précision seulement de 50 % ?
Argon refuse de répondre plus souvent lorsqu'il n'est pas sûr. Cela réduit les réponses faussement confiantes mais diminue également la part des questions auxquelles il répond correctement.

Quand Gemini 4 Argon sera-t-il sur AIHubMix ?
Pas de date pour l'instant. Sa page de modèle sur AIHubMix est en ligne mais marquée comme "à venir". Construisez sur Gemini 3.8 Flash ou 3.1 Pro Preview via AIHubMix maintenant et changez l'ID du modèle lorsque Argon sera ouvert.

Continuez à lire : la série Gemini 4 Argon

• Le prix de lancement de 2 $ / 10 $ semble bon marché jusqu'à ce que vous comptiez les tokens par tâche. Le coût mesuré par tâche est ici : Tarification de Gemini 4 Argon : pas cher par token, pas par tâche

Sources

• Gemini 4 Argon : notre prochaine ère d'intelligence de pointe (Google)
• Modèles et benchmarks Gemini (Google DeepMind)
• Gemini 4 Argon : Google est de retour parmi les trois meilleurs laboratoires en intelligence atteinte (Analyse Artificielle)
• Benchmarks, coûts et capacités de Gemini 4 Argon (Vals AI)
• Gemini 4 Argon sur AIHubMix (AIHubMix)