Gemini 4 Argon : nouveau modèle Google DeepMind

Le 30 septembre 2026, Google DeepMind a annoncé Gemini 4 Argon, un nouveau modèle frontière de la famille Gemini. Il est déployé auprès d'un petit cercle de professionnels de la cybersécurité de confiance via le programme Fairwind Program, et la société promet une version plus large ultérieurement : d'abord pour les développeurs, les entreprises et les consommateurs, en commençant par les utilisateurs d'API payants et les abonnés Google AI Ultra.

Que peut faire Gemini 4 Argon ?

L'annonce cite trois domaines clés dans lesquels le modèle montre de bons résultats :

• Programmation. Le modèle fonctionne avec de vrais problèmes d'ingénierie - du débogage quotidien aux migrations de base de code à grande échelle. Google affirme qu'Argon a mis à jour son meilleur score sur le benchmark DeepSWE v1.1 (77,9 %), qui mesure les performances sur des tâches longues et en plusieurs étapes dans le développement réel.
• Travail de connaissance en entreprise. En parlant de droit et de finance, Argon est un leader dans l'indice Vals, qui mesure l'impact économique dans ces domaines, et affiche des résultats de premier plan dans Vals Finance Agent v2 (recherche financière en plusieurs étapes) et Harvey's Legal Agent Benchmark (recherche juridique et préparation de documents). Sur l'AutomationBench de Zapier, qui mesure l'exécution de bout en bout des tâches métier, le modèle s'est classé premier avec un score de 51,3 %.
• Protection de la cybersécurité. Argon est formé pour rechercher, tester et corriger les vulnérabilités de manière autonome. Dans le benchmark CWE-bench v1, qui évalue l'élimination des vulnérabilités, le modèle partage la première place avec un résultat de 68 %. Le modèle est confié à des défenseurs de confiance et aux équipes internes de Google sans « cyberlimiteurs » afin d’utiliser tout son potentiel de protection.

Le travail avec des informations visuelles est particulièrement mis en avant : le modèle analyse des graphiques professionnels, trouve des détails dans de longues vidéos et agit sur une série de documents. Sur le benchmark LVBench, qui mesure la compréhension des vidéos longues, Argon a obtenu un score de 91,7 %.

Architecture : ce qui se révèle et ce qui ne se révèle pas

Google DeepMind dans l'annonce ne divulgue pas l'architecture technique de Gemini 4 Argon - ni le nombre de paramètres, ni la structure des couches, ni les données d'entraînement. L'entreprise décrit le modèle par son comportement : la capacité à mener un raisonnement approfondi tout au long de flux de travail longs et en plusieurs étapes. Par conséquent, nous ne fournissons pas de détails architecturaux spécifiques - ils ne figurent pas dans la source officielle et nous n'inventerons pas la conception du modèle.

Limite de sortie - 1 million de jetons

L'un des principaux changements officiels est que la limite de sortie a été étendue à 1 million de jetons contre 64 000 auparavant. Lorsqu’un modèle dispose de la marge nécessaire pour réfléchir en profondeur et générer des centaines de milliers de jetons en une seule trajectoire, il aborde des problèmes complexes en un seul passage. C'est le pari déclaré pour les tâches longues en plusieurs étapes.

Comment Argon est déjà utilisé dans Google

L’entreprise fournit des exemples précis d’usage interne :

• Algorithmes quantiques. Argon aide les chercheurs à optimiser les ressources (qubits × portes) des routines. Dans un exemple, le modèle a surperformé la référence publiée de 40 % en quelques minutes.
• Économie de mémoire. Les agents sur Argon ont analysé le profilage de l'ensemble du parc de serveurs et procédé à des optimisations de mémoire, libérant ainsi plus de 300 TiB après le déploiement, avec une estimation de 500 TiB à 1 PiB au total.
• Migration de codes. Les agents Argon traduisent les bases de code de C/C++ vers Rust - depuis des dizaines de milliers de lignes dans des bibliothèques comme re2 et libgav1 jusqu'à plus de 800 mille lignes du noyau Fuchsia Zircon. Pour libgav1, les agents ont remplacé 32 000 lignes de code SIMD et ont obtenu un décodeur vidéo sécurisé qui fonctionne 2,7 fois plus rapidement que le port Rust avec une vidéo identique.

Sécurité avant une large diffusion

Avant le lancement massif, Google renforce ses mécanismes de protection. Le modèle doit rejeter les demandes dangereuses (cybermenaces, mais aussi scénarios chimiques, biologiques, radiologiques et nucléaires), tout en maintenant des objectifs scientifiques légitimes. La résistance aux injections indirectes d'invites est déclarée séparément : selon le benchmark Gray Swan IPI, Argon est le leader. Une autre direction est de contrôler les écarts par rapport aux intentions de l’utilisateur : le système surveille la chaîne de raisonnement et d’actions du modèle et arrête l’exécution si nécessaire.

Prix ​​et accès

Google indique le prix de départ pour la période d'introduction : 2 $ pour 1 million de jetons d'entrée et 10 $ pour 1 million de jetons de sortie, les jetons d'entrée mis en cache bénéficient d'une réduction de 95 % par rapport au prix d'entrée. Après la fin de la période d'introduction, le prix sera de 4 $ pour 1 million de jetons d'entrée et de 20 $ pour 1 million de jetons de sortie. Il n'y a pas d'accès public au moment de l'annonce : seuls les testeurs et défenseurs de confiance reçoivent le modèle, les prix sont donc donnés pour un futur lancement commercial.

Gemini 4 Argon sur NeuralSpace

En attendant, dans le chat et la section "Code", vous pouvez travailler avec d'autres modèles actuels.