Gemini 4 Argon arrive dans Devin : 60,5% sur FrontierCode avec 75% de remise

Gemini 4 Argon est désormais disponible dans Devin Desktop et Devin CLI. Jusqu'au 27 octobre 2026, elle coûte 75% de moins que le tarif public. Google maintient jusqu'au 1er décembre sa remise de lancement de 50%, et Devin y ajoute 50% supplémentaires pendant la durée de la promotion. Sur le benchmark interne FrontierCode 1.1, le modèle obtient 60,5%. C'est plus que GPT-6.1 Sol (60,4%) et au niveau de GPT-6 Sol (60,7%), et c'est le meilleur résultat parmi les modèles Gemini du tableau.

Ce que montre FrontierCode

FrontierCode 1.1 est un benchmark propriétaire de l'équipe Windsurf/Devin. Il évalue les modèles sur des tâches d'ingénierie réelles selon deux critères : la qualité de la solution et la mergeability, c'est-à-dire la possibilité d'intégrer les modifications dans un dépôt de production sans les réécrire. La métrique est pragmatique, mais la méthodologie et le jeu de tâches ne peuvent pas être vérifiés publiquement. Ces chiffres sont à lire comme des données fournies par l'éditeur.

Principaux résultats du tableau :

• Gemini 4 Argon : 60,5%. Le gain par rapport à Gemini 3.7 Flash (56.3%) est d'environ quatre points.
• GPT-6.1 Sol : 60,4%, GPT-5.6 Sol : 60,6%, GPT-6 Sol : 60,7%. Argon s'inscrit dans ce groupe resserré ; l'écart de 0,3 point reste dans la marge de bruit.
• Au-dessus se placent SWE-2 (62,5%), Claude Sonnet 5.5 (64,4%), GPT-6 Astra (64,5%) et Claude Opus 5.5 (65,3%).
• En dessous : Grok 4.7 (59,4%), Claude Haiku 5.5 (58,4%) et Kimi K3 (58,2%).

Sur les 12 modèles du tableau, Argon se classe septième. On ne peut donc pas la présenter comme la meilleure en qualité. Son argument, c'est l'association du prix et du résultat, et elle occupe actuellement une position solide sur ce terrain.

Comment le modèle se comporte au travail

D'après les observations de l'équipe Devin, Argon commence par rassembler du contexte et n'écrit du code qu'ensuite. Elle lit largement, consulte l'historique git pour saisir les conventions du dépôt, et relit son propre diff avant de déclarer la tâche terminée. Cette séquence influe directement sur la mergeability : moins de modifications qui cassent le style du projet, et moins d'oublis.

Le modèle se montre le plus efficace en correction de bugs et en refactoring dans le backend et le code système, notamment en Python, C/C++ et PHP. La publication ne dit rien du frontend, du développement mobile ni des autres stacks : il est donc trop tôt pour tirer des conclusions à leur sujet.

Le prix et comment le vérifier

Les remises ne s'additionnent pas arithmétiquement. Google prélève la moitié du prix, puis Devin réduit encore de moitié le reste : le total équivaut donc à un quart du tarif public. La publication ne donne pas les tarifs absolus. Sur le graphique « coût contre qualité », l'axe du coût par rollout va de $0,25 à $10, et Argon y figure en deux versions : au prix normal et au tarif promotionnel.

La conclusion pratique pour les équipes est simple. Jusqu'au 27 octobre, il est possible de tester Argon sur vos propres tâches, à côté du modèle utilisé par défaut : prenez 20–30 tickets clos de correction de bugs et de refactoring, puis calculez la part de diffs acceptés sans retouche et le coût par tâche. Si vous développez en Python, C/C++ ou PHP, le résultat sera le plus parlant. Après le 27 octobre, la remise de Devin disparaît et il ne reste que le tarif de lancement de Google, valable jusqu'au 1er décembre. Avant de passer à l'échelle, mieux vaut intégrer dans le calcul le prix hors promotion, afin d'éviter une mauvaise surprise sur le budget.

Le modèle peut être installé dans Devin Desktop ou via Devin CLI.