Google lance Gemini 4 Argon : $2 par million de tokens et première place au Vals Index

Google DeepMind a lancé Gemini 4 Argon, un modèle phare conçu pour les tâches longues en plusieurs étapes. Depuis le 13 octobre, il est disponible dans le monde entier pour les développeurs et les entreprises via l'API dans AI Studio et sur la plateforme Gemini. Les abonnés à Google AI Ultra y accèdent dans Antigravity, et les abonnés Ultra et Pro l'ont aussi dans l'application Gemini et dans AI Mode de la Recherche.

Argon prend la première place du Vals Index, qui mesure les performances des modèles en finance, en code, en travail juridique et en fiscalité. Tarif de lancement : $2 par million de tokens en entrée et $10 par million de tokens en sortie, avec une entrée en cache moins chère de 95 %.

Refactorisation de 6 millions de lignes et accélération de

Gemma en quelques jours

L'annonce met surtout en avant le travail d'ingénierie. Chez Google, Argon associée à Antigravity a fait progresser de plus de 35 % le nombre de soumissions de code par des agents, et a réduit les retours en arrière de près d'un tiers.

L'équipe Chrome a séparé le noyau de traitement des pages web de l'ancien dossier des fonctions du navigateur : environ 6 millions de lignes au sein d'une base de code Chromium qui en compte 40 millions. Cette refactorisation portant sur des centaines de fichiers, qui prenait des mois, a tenu en quelques semaines. Pour les utilisateurs, cela signifie que des pages actives pourront passer d'un onglet à un panneau latéral ou à une fenêtre flottante sans rechargement. Toute une classe de plantages du navigateur disparaîtra par la même occasion.

L'équipe de l'Agent Development Kit a donné à Argon un fichier de règles .agents/skills et un paragraphe d'objectif : supprimer la surcharge du framework sans rien casser. Le modèle a travaillé seul pendant la nuit. Le résultat figure déjà dans google/adk-python : la préparation des sessions in-memory dans les longues conversations est 40 % plus rapide, et les imports à froid le sont de 21 %.

Le chiffre le plus parlant pour les équipes infrastructure concerne le modèle ouvert Gemma 4 E2B. Via vLLM sur A100, l'inférence de bout en bout a été accélérée d'un facteur 2,85 : d'environ 37 900 à plus de 108 000 tokens par seconde. Les tokens produits sont identiques à 100 %, sans perte de qualité. Les modifications vont du réglage de l'attention au speculative decoding, et il a fallu quelques jours au lieu de plusieurs mois.

Science et sécurité : des noyaux quantiques aux enzymes

Le terrain de démonstration est ici exceptionnellement large :

• xTB : l'un des paquets open source de chimie quantique les plus cités est devenu jusqu'à 2,3x plus rapide pour prédire les structures moléculaires et 1,8x plus rapide pour la recherche de conformères. Les modifications ont été intégrées au dépôt officiel.
• AlphaQubit : Argon a converti une version interne du décodeur ML d'erreurs quantiques en un unique kernel matériel optimisé, et a presque doublé le débit d'inférence.
• Circuits quantiques : une implémentation de arcsin écrite par Argon et vérifiée formellement dans Lean réduit le coût spacetime de plus de 100 fois par rapport à la référence publiée basée sur le CORDIC quantique.
• Fusion thermonucléaire : avec le professeur Matt Landreman de l'Université du Maryland, l'équipe de Google a trouvé une classe plus large de contre-exemples à la conjecture de Grad de 1967 sur les stellarators. La communauté obtient ainsi des tests de référence pour les simulateurs.
• Maladies rares : Gamow Labs, avec Argon, a identifié un réarrangement chromosomique que les logiciels courants manquaient depuis des années. Sur des tests privés, le modèle a obtenu 57 % à RareBench et 52,2 % à LabBench.
• Enzymes : en quelques heures, Argon a rassemblé les données, configuré un modèle et filtré les candidats jusqu'à cinq nouvelles sérine estérases. Les tests en laboratoire ont confirmé l'activité catalytique des cinq.
• Isomorphic Labs : l'analyse de PDF complexes et de brevets est passée de plusieurs semaines à quelques heures.

En cybersécurité, le programme Fairwind s'élargit : des centaines de nouveaux partenaires le rejoindront. Wiz utilise Argon dans l'initiative « Scan for Good ». Le modèle a aidé à combler une faille qui menaçait des données sensibles d'un organisme public. Dans une infrastructure médicale, il a enchaîné plusieurs vulnérabilités, trouvé un contournement du téléchargement de fichiers avec fuite d'une clé maître et accès administrateur. Des centaines de milliers de dossiers de patients étaient menacés.

Tokens, prix et public concerné

La remise de 95 % sur l'entrée en cache change l'économie des agents. Faisons un calcul (calcul de la rédaction) pour un cycle de 50 appels avec un contexte de 200 000 tokens et 2 000 tokens de réponse par appel. Sans cache, l'entrée seule coûte environ $20, plus $1 pour la sortie, soit ~$21 au total. Avec le cache, l'entrée revient à $1, et l'ensemble de l'exécution coûte environ $2. Plus le contexte est long et les étapes nombreuses, plus le schéma avec dépôt en cache et règles réutilisables, comme .agents/skills, est avantageux.

Conclusion pratique pour les équipes : Argon mérite d'être testée là où le résultat est vérifiable. Tests, benchmarks, preuves formelles et vérifications en laboratoire permettent de laisser l'agent travailler pendant la nuit et de récupérer une pull request prête le matin. C'est précisément le scénario des cas ADK, xTB et Gemma. Le prix est annoncé comme un tarif d'introduction : mieux vaut donc prévoir une marge dans les budgets.

Pour les scientifiques, Google propose l'offre supérieure d'Antigravity gratuitement pendant 6 mois à 10 000 personnes, avec un déploiement par étapes et une sélection. Les candidatures sont déjà ouvertes.