Aller au contenu principal

Gemini 4 Argon : le guide de terrain pour les utilisateurs de Claude (30 septembre 2026)

Intermédiaire

Google a ouvert la génération Gemini 4 le 30 septembre 2026 avec un seul modèle, Argon, et un chiffre que personne d’autre n’affiche : une limite de sortie de 1 million de tokens, contre 64K auparavant. Pas la fenêtre de contexte — celle-ci est restée à 1M. C’est le plafond de sortie qui a été multiplié par 16.

Le modèle s’est installé en tête de Hacker News et y est resté. Il a aussi atterri dans une position commerciale étrange : le billet de Google affirme qu’Argon « est en tête ou à égalité sur davantage de catégories que GPT-6 Astra ou Claude Opus 5.5 », tandis que l’Artificial Analysis Intelligence Index indépendant, publié la même semaine, place Argon à 53 contre 58 pour Claude Opus 5.5. Les deux affirmations sont exactes. Elles mesurent des choses différentes, et l’écart entre elles est ce qu’il y a de plus utile sur cette page.

Cette leçon s’adresse à un utilisateur de Claude qui se demande si Argon change quoi que ce soit à son routage. Elle couvre ce que la limite de 1M en sortie achète réellement, comment lire deux récits de benchmarks contradictoires, l’économie par tâche que les titres « 40 % moins cher » inversent, et pourquoi votre demande d’accès sera probablement refusée.

What you'll learn
  • Distinguer la limite de sortie de 1M de la fenêtre de contexte de 1M — ce sont deux plafonds différents et un seul a bougé
  • Réconcilier l’affirmation « 13 catégories sur 18 » de Google avec l’indice indépendant qui place Argon 5 points sous Claude Opus 5.5
  • Chiffrer correctement une tâche : pourquoi 62K tokens de sortie contre les 27K d’Astra signifient que l’avantage d’Argon est sa grille tarifaire, pas son efficacité
  • Lire le taux d’hallucination de 15 % pour ce qu’il est — un comportement d’abstention, pas une victoire de connaissance
  • Comprendre ce que le Fairwind Program verrouille, ce qu’il exige de votre organisation, et pourquoi Argon est de fait inappelable pour la plupart des lecteurs

La version en une phrase​

Gemini 4 Argon est le nouveau modèle frontière de Google, 1M de tokens de contexte en entrée et une limite de sortie de 1M de tokens (contre 64K), au tarif de lancement de 2 $ en entrée / 10 $ en sortie par 1M de tokens avec l’entrée en cache à -95 %, qui passera à 4 $ / 20 $ après la période de lancement. Il n’est pas disponible pour tous : il est déployé auprès de défenseurs cyber validés via le Fairwind Program, puis auprès des clients API payants et des abonnés Google AI Ultra. Sur l’ensemble de 18 benchmarks choisi par Google, il est en tête ou à égalité sur 13 catégories ; sur l’Artificial Analysis Intelligence Index indépendant, il obtient 53, à égalité avec GPT-6 Astra et Claude Fable 5.1, et cinq points sous Claude Opus 5.5.

Le chiffre qui n’est pas ce qu’il paraît​

Presque tous les résumés de ce lancement disent « 1 million de tokens » et laissent le lecteur supposer qu’il s’agit d’une fenêtre de contexte. La fenêtre de contexte n’a pas changé. Gemini est à 1M de tokens en entrée depuis la lignée 3.x — Gemini 3.8 Flash a la même fenêtre de 1M et un plafond de sortie de 64K.

Ce qui a bougé, c’est le plafond de sortie, de 64K à 1M. Ce sont des limites distinctes et elles cassent de manières distinctes :

LimiteCe qu’elle gouverneGemini 3.8 FlashGemini 4 Argon
Contexte d’entréeCe que vous pouvez envoyer — fichiers, transcriptions, dépôt1M1M
Sortie maximaleCe que le modèle peut émettre en une réponse, tokens de raisonnement compris64K1M

La conséquence pratique porte sur l’endroit où une tâche longue casse. Avec un plafond de sortie de 64K, un travail réellement long — refactoriser ce sous-système, rédiger ce mémoire, trier cette base de code — doit être découpé par vous, et chaque frontière de morceau est un endroit où le modèle perd son propre état de travail. L’argument de Google est qu’Argon peut tenir une seule chaîne ininterrompue de raisonnement et d’exécution sur tout le travail.

Trois choses à garder en tête avant de considérer cela comme gratuit :

  • Les tokens de raisonnement sortent du même budget. Sur Gemini, les tokens de réflexion sont des tokens de sortie. Une enveloppe de 1M en sortie n’est pas 1M de tokens de livrable ; c’est 1M de tokens de réflexion plus livrable.
  • La sortie est le côté cher. Au tarif de lancement, la sortie coûte 5x l’entrée (10 $ contre 2 $). Une réponse qui utiliserait réellement le million complet de tokens de sortie coûterait 10 $ à elle seule, et 20 $ une fois le tarif standard en place.
  • Rien n’oblige le modèle à l’utiliser. Un plafond relevé change ce qui est possible, pas ce qui est typique. Argon produit en moyenne 62K tokens de sortie par tâche de l’Intelligence Index — environ 6 % de son plafond.

Deux récits de benchmarks, tous deux vrais​

C’est la partie qui mérite qu’on ralentisse, car le même schéma se répétera à chaque lancement d’ici la fin de l’année.

Récit un — le rapport d’évaluation de Google. Sur 18 benchmarks divulgués, Argon est en tête ou à égalité sur 13 (12 victoires nettes, 1 égalité) :

BenchmarkArgonGPT-6 AstraClaude Opus 5.5
Harvey Legal Agent19,6 %5,4 %3,8 %
GraphWalks84,2 %71,8 %66,8 %
Vals Finance Agent v265,4 %53,5 %58,6 %
AutomationBench51,3 %41,4 %42,5 %
LVBench (vidéo longue)91,7 %87,5 %83,7 %
DeepSWE v1.177,9 %74,1 %74,2 %
CWE-bench v168 %68 % (égalité)67 %
Gray Swan IPI (taux de réussite des attaques — plus bas est mieux)0,7 %8,5 %1,0 %
FrontierSWE v255,0 %65,5 %—
Terminal-Bench Science 0.157,6 %68,1 %—
Terminal-bench 4.057,4 %—66,4 %
PostTrainBench45,3 %—49,3 %

Récit deux — l’Intelligence Index d’Artificial Analysis, un agrégat indépendant produit la même semaine :

ModèleIntelligence Index
Claude Opus 5.558 (57,6)
Claude Sonnet 5.556
Gemini 4 Argon (High)53 (52,6)
GPT-6 Astra (max)53
Claude Fable 5.153
GPT-6.1 Sol (max)52

Argon se classe 8e sur 224 modèles dans cet indice — excellent, et cinq points derrière le fleuron d’Anthropic.

Aucune des deux sources ne ment. Elles divergent pour des raisons que l’on peut nommer :

  1. Le choix des benchmarks est une décision. Google a retenu 18 benchmarks dont trois évaluations d’agents de domaine (juridique, finance, automatisation) où les marges d’Argon sont énormes. Un indice agrégé pondère un autre panier. Changez le panier, vous changez le vainqueur.
  2. Les défaites forment un motif. Les quatre défaites nettes d’Argon — FrontierSWE v2, Terminal-Bench Science, Terminal-bench 4.0, PostTrainBench — relèvent toutes du travail d’agent interactif, multi-tours et piloté par outils. Ses victoires se concentrent dans le raisonnement de domaine en un coup et la récupération en contexte long. C’est une forme, pas du bruit, et elle se projette proprement sur les décisions de routage.
  3. Les chiffres absolus comptent plus que les ratios. Harvey Legal Agent est la ligne la plus citée du lancement : 19,6 % contre 5,4 %, un avantage de 3,6x. C’est aussi un score de 19,6 % — Argon échoue sur environ quatre tâches sur cinq de ce benchmark. « Le meilleur disponible » et « assez bon pour être déployé sans supervision » sont deux affirmations différentes.
  4. Les benchmarks d’éditeur ne sont pas du comportement en production. Trending Topics cite un reportage de Bloomberg selon lequel, d’après des employés de Google, le modèle se comporte moins bien en usage réel de codage que ses scores ne le laissent croire. Traitez cela comme un seul rapport non vérifié — mais c’est exactement le type d’écart que le protocole le modèle est-il bridé ? existe pour mesurer.
Pro tip
  • Quand un billet de lancement dit « en tête ou à égalité sur N catégories sur M », la question déterminante est : qui a choisi M. Allez chercher un indice agrégé auquel vous n’avez pas eu besoin d’être invité, et comparez les deux paniers avant de rerouter quoi que ce soit.

L’économie est l’inverse du titre​

Plusieurs médias ont ouvert sur le fait qu’Argon serait environ 40 % moins cher que GPT-6 Astra. La grille tarifaire le confirme. Le coût par tâche raconte une histoire plus intéressante, car Argon est un gros consommateur de tokens.

Artificial Analysis a mesuré la sortie moyenne par tâche de l’Intelligence Index :

  • Gemini 4 Argon : ~62 000 tokens de sortie
  • GPT-6 Astra : ~27 000 tokens de sortie

Argon émet environ 2,3x plus de tokens pour atteindre le même score d’indice. Sa facture plus basse est un artefact tarifaire, pas un gain d’efficacité. Le coût par tâche mesuré :

ModèleCoût par tâche de l’Intelligence IndexScore d’indice
GPT-6.1 Sol (max)0,74 $52
Gemini 4 Argon (tarif de lancement)1,99 $53
GPT-6 Astra (max)3,26 $53
Gemini 4 Argon (tarif standard)3,98 $53
Claude Opus 5.5 (max)5,98 $58

Lisez ce tableau deux fois. Trois conclusions distinctes en tombent :

  • L’avantage d’Argon sur Astra a une date de péremption. À 2 $/10 $ il coûte 1,99 $ par tâche contre 3,26 $ pour Astra — une économie de 39 %. Quand les tarifs doubleront à 4 $/20 $, il coûtera 3,98 $, soit plus qu’Astra. Tout l’argument coût vit à l’intérieur de la fenêtre de lancement, et Google n’a pas dit combien de temps dure cette fenêtre.
  • GPT-6.1 Sol est le vrai bon rapport qualité-prix de ce tableau. Un point d’indice sous Argon, à 37 % du coût de lancement d’Argon et 19 % de celui d’Opus 5.5. Si votre travail ne tombe pas dans les domaines forts d’Argon, le ratio se trouve dans le palier bon marché — la même leçon que tous les autres mois.
  • Opus 5.5 coûte 3x le tarif de lancement d’Argon pour 5 points de plus. Que cela en vaille la peine dépend entièrement de la charge de travail, ce qui est la réponse honnête et aussi la raison pour laquelle choisir un modèle est un cadre de décision plutôt qu’un classement.

Mesurez vous-même les tokens par tâche avant de croire une affirmation de coût par tâche

For the same 20 representative tasks from my own workload, I want to compare two models on cost, not on benchmark score.

For each model, log per task:
- input tokens, output tokens (split reasoning vs final answer if the API reports it)
- wall-clock latency
- a 0-5 quality score I assign blind, without knowing which model produced it

Then compute, per model:
- mean output tokens per task
- mean cost per task at CURRENT list price
- mean cost per task at the post-introductory price, if one is announced
- cost per quality point

Flag any model whose cost advantage disappears at post-introductory pricing.
Do not quote vendor benchmark scores back to me — I only want my own 20 tasks.

Le taux d’hallucination de 15 %, lu correctement​

Sur AA-Omniscience, la composante de l’indice qui mesure si un modèle affirme des choses fausses, Argon affiche un taux d’hallucination de 15 % contre 51 % pour GPT-6 Astra et 54 % pour GPT-6.1 Sol. Ce n’est pas une amélioration incrémentale ; c’est un régime différent, et c’est le chiffre le plus sous-rapporté du lancement.

Le mécanisme compte. La caractérisation d’Artificial Analysis est qu’Argon est beaucoup plus enclin à admettre qu’il ne sait pas qu’à produire une réponse fausse assénée avec assurance. Le gain est donc dans la calibration et l’abstention, pas dans le fait d’en savoir plus. Conséquences pratiques :

  • Pour la recherche documentaire, la veille et le travail de conformité, c’est la fonctionnalité phare, loin devant n’importe quel chiffre de codage. Un modèle qui dit « ce n’est pas dans les documents fournis » vaut plus qu’un modèle qui marque deux points de plus et invente une citation.
  • Il paraîtra moins serviable en usage courant. Un modèle réglé pour s’abstenir refuse de deviner, et les utilisateurs vivent ce refus de deviner comme de la tergiversation. Attendez-vous à des plaintes du type « il n’arrête pas de dire qu’il ne sait pas » qui viennent exactement de la capacité qui le rend fiable.
  • Cela ne se transfère pas automatiquement à vos prompts. L’abstention est une disposition entraînée qui interagit avec vos instructions. Dites à un modèle bien calibré « donne toujours une réponse définitive » et vous avez dépensé l’avantage.

Vous ne pouvez probablement pas l’appeler​

C’est là que l’intérêt de la plupart des lecteurs s’arrête en pratique. Argon n’est pas un point de terminaison public. Il est verrouillé derrière le Fairwind Program, le mécanisme même que Google a introduit pour Gemini 3.8 Flash Cyber — sauf que cette fois il verrouille le fleuron, pas une déclinaison spécifique au cyber.

Fairwind privilégie les gouvernements et les autorités cyber nationales, les opérateurs d’infrastructures critiques (santé, télécoms, énergie, finance) et les plateformes technologiques de base, et vérifie que les candidats ont « un historique avéré d’opérations et de recherche éthiques ». Les organisations acceptées doivent s’engager à :

Guided walkthrough1 of 6
  1. Pas une clé d’API au niveau de l’organisation. Chaque personne utilisant Argon doit être authentifiée individuellement derrière une MFA résistante au hameçonnage, avec les contrôles d’accès applicables. Cela exclut le schéma habituel d’un identifiant de service unique partagé par une équipe ou embarqué dans un déploiement.

Pour les défenseurs de confiance, Fairwind peut associer Argon à CodeMender, l’agent de sécurité du code de Google qui automatise les correctifs de vulnérabilités, et accorde une version d’Argon sans les garde-fous cyber que portera le futur modèle public. Le dossier cyber tient debout sur ses propres chiffres : découverte de vulnérabilités en conditions réelles à 85,8 % (contre 71,0 % pour Gemini 3.8 Flash Cyber), benchmark de test d’intrusion Wiz à 70,9 % (depuis 58,2 %), CWE-bench v1 à 68 %, et la meilleure résistance mesurée à l’injection de prompt de tous les modèles frontières — 0,7 % de réussite d’attaque à k=15 sur la suite d’injection de prompt indirecte de Gray Swan, contre 1,0 % pour Claude Opus 5.5 et Fable, et 8,5 % pour GPT-6 Astra.

Ce dernier chiffre mérite sa propre phrase. Un taux de réussite de 8,5 % signifie qu’environ une tentative d’injection indirecte sur douze aboutit ; 0,7 % signifie environ une sur 143. Si vous construisez des agents qui lisent du contenu web non fiable, cela représente une exposition douze fois différente — et c’est mesuré à k=15, c’est-à-dire quinze tentatives par cible, pas une. À lire en parallèle de l’injection de prompt et des agents de codage sous attaque.

Watch out
  • Comme Fairwind interdit le partage, la redistribution et la revente, toute passerelle, tout proxy ou tout revendeur d’un « Argon débridé » qui prétend le proposer soit présente faussement un autre modèle, soit viole les conditions du programme. Considérez par défaut comme non fiable tout point de terminaison Argon que vous n’avez pas obtenu de Google.

Ce que Google dit en avoir fait en interne​

Les études de cas internes du billet de lancement sont plus instructives que son tableau de benchmarks, car elles décrivent un travail de longue haleine aux résultats vérifiables :

  • Optimisation d’algorithmes quantiques — a battu de 40 % la référence publiée en coût de ressources spatio-temporelles.
  • Profilage mémoire de la flotte — a trouvé des optimisations libérant plus de 300 Tio, avec une estimation de 500 Tio à 1 Pio au total une fois appliquées.
  • Migration C/C++ vers Rust — dont plus de 800K lignes du noyau Fuchsia Zircon.
  • Décodeur vidéo libgav1 — a remplacé 32K lignes de SIMD écrites à la main, produisant un code 2,7x plus rapide que le portage Rust tout en émettant une sortie identique bit à bit.

Le résultat libgav1 est le plus instructif de la liste. « Sortie identique bit à bit » est le détail qui le rend crédible : il existait un oracle mécanique de correction, donc le travail du modèle pouvait être vérifié plutôt que relu. C’est la forme de tâche où un budget de 1M en sortie paie réellement : vaste, mécanique et vérifiable par une machine. C’est aussi la forme de tâche que la plupart des équipes n’ont pas, ce qu’il vaut mieux reconnaître honnêtement avant d’extrapoler ces chiffres à votre propre backlog.

Devriez-vous changer votre routage ?​

Réponse courte pour la plupart des lecteurs : non, parce que vous ne pouvez pas l’appeler. Quand il s’ouvrira, voici la répartition honnête d’après l’endroit où les benchmarks se concentrent.

TravailOù l’envoyerPourquoi
Agents de codage interactifs, travail en terminal, usage de l’ordinateurClaude (Opus 5.5 / Sonnet 5.5)Les quatre défaites nettes d’Argon sont toutes dans cette famille — Terminal-bench 4.0 57,4 contre 66,4, FrontierSWE v2 55,0 contre les 65,5 d’Astra
Raisonnement sur documents juridiques et financiersArgon, avec relectureHarvey 19,6 % contre 3,8–5,4 %, Vals Finance 65,4 % — mais 19,6 % en absolu veut dire supervision, pas automatisation
Vidéo longue et récupération en contexte longArgonLVBench 91,7 %, GraphWalks 84,2 %
Recherche où une citation fausse est pire qu’aucune réponseArgontaux d’hallucination de 15 % contre 51–54 %
Sécurité défensive, correction autonomeArgon via Fairwind, si vous êtes éligible85,8 % de découverte de vulnérabilités, CWE-bench 68 %, plus faible susceptibilité aux injections
Travail quotidien à gros volumeGPT-6.1 Sol ou un palier Flash/Sonnet0,74 $ par tâche pour un point d’indice de moins qu’Argon
Tout ce que vous budgétez au-delà de la fenêtre de lancementRechiffrez-le d’abord2 $/10 $ devient 4 $/20 $ ; le coût par tâche passe de 1,99 $ à 3,98 $

Check yourself

0/5
  1. Le « 1 million de tokens » qui fait la une de Gemini 4 Argon désigne quelle limite ?
  2. Google affirme qu’Argon « est en tête ou à égalité sur davantage de catégories » que GPT-6 Astra ou Claude Opus 5.5, pourtant Artificial Analysis le note 53 contre 58 pour Opus 5.5. Quelle est la meilleure explication ?
  3. Argon coûte 1,99 $ par tâche de l’Intelligence Index contre 3,26 $ pour GPT-6 Astra. Pourquoi est-il faux d’appeler Argon le modèle le plus efficace ?
  4. Le taux d’hallucination de 15 % d’Argon sur AA-Omniscience, contre 51 % pour GPT-6 Astra, résulte principalement de quoi ?
  5. Votre entreprise veut un accès à Argon via le Fairwind Program pour sa plateforme de développement interne. Quel est le problème bloquant ?
Appuyez sur Entrée ou Espace pour retourner la carte. Utilisez les flèches gauche et droite pour naviguer entre les cartes.Terme affiché.
1 / 12
Key takeaways
  • Le 1M est la limite de SORTIE (contre 64K), pas la fenêtre de contexte, restée à 1M. Les tokens de raisonnement consomment ce budget, et la sortie coûte 5x l’entrée.
  • Les « 13 catégories sur 18 » de Google et le 53 contre 58 d’Artificial Analysis sont tous deux vrais à propos de paniers différents. Les défaites d’Argon se concentrent dans le travail d’agent interactif multi-tours ; ses victoires dans le raisonnement de domaine en un coup et la récupération en contexte long.
  • Argon brûle ~62K tokens de sortie par tâche contre ~27K pour Astra. La facture plus basse vient de la grille tarifaire, pas de l’efficacité — et au tarif standard le coût par tâche passe de 1,99 $ à 3,98 $, au-dessus des 3,26 $ d’Astra.
  • Le taux d’hallucination de 15 % contre 51–54 % est le chiffre le plus sous-rapporté ici, et il vient de l’abstention. C’est l’argument le plus fort pour router recherche et conformité vers Argon, et la première chose qu’une instruction « réponds toujours de façon définitive » détruit.
  • Vous ne pouvez presque certainement pas l’appeler : Fairwind le réserve aux équipes internes cyber/IR/pentest avec une MFA résistante au hameçonnage par utilisateur et aucune redistribution. Aucun identifiant de modèle d’API n’a été publié. Tout point de terminaison « Argon » tiers est suspect.

Sources et lectures complémentaires​

Suite​