Gemini 4 Carbon prend la tête du classement Artificial Analysis avec 59 points

Artificial Analysis est un laboratoire indépendant qui fait passer les modèles de langage par les mêmes tests et publie des classements synthétiques. Le principal est l'Intelligence Index : neuf évaluations qui se combinent en un seul score. La cinquième version de l'indice est sortie le 28 octobre 2026, et c'est Gemini 4 Carbon, de Google, qui y prend la première place avec un score de 59. Une précision d'emblée : le modèle n'est pour l'instant accessible qu'à des utilisateurs sélectionnés, et il n'y a pas de lancement à grande échelle. Google applique au lancement une remise de 50 % sans date de fin annoncée, mais le laboratoire utilise les tarifs normaux dans tous ses graphiques.

Où Carbon l'emporte, et où non

Sur les neuf évaluations de l'indice, Carbon arrive premier dans quatre :

• HLE-Diamond — le jeu de questions d'expert le plus difficile en sciences et en connaissances générales ;
• Terminal-Bench-Science — des tâches scientifiques que le modèle résout directement en ligne de commande ;
• AA-Omniscience — un test des connaissances factuelles et de la capacité du modèle à ne pas mentir ;
• AutomationBench-AA — l'automatisation de flux de travail, où il faut relier plusieurs services.

Dans les cinq autres évaluations, Carbon progresse nettement, mais ne mène pas. Cela concerne le code et le travail de bureau.

Agents de code : Google enfin au contact du leader

Le classement distinct Coding Agent Index ne mesure pas le modèle seul, mais l'association « modèle plus agent logiciel ». Carbon a travaillé via Antigravity CLI, l'agent en ligne de commande maison de Google, et a obtenu 59. Le leader est Claude Code avec Claude Opus 5.5 en mode de raisonnement maximal, avec 62 points. L'écart est de trois points.

Carbon prend aussi la deuxième place dans deux tests spécialisés :

• Terminal-Bench 4.0 — des tâches en terminal, où Carbon obtient 64 % ;
• FrontierCode v1.1 — des exercices de programmation complexes, où Carbon obtient 51 %.

Dans les deux, Claude Opus 5.5 reste devant. Pour Google, c'est une avancée notable : l'entreprise a historiquement été en retrait sur le code.

Tâches de bureau : de la progression, mais pas la tête

AA-Briefcase évalue la façon dont un agent se débrouille dans un cadre « de bureau » : analyse, documents, présentations. Le résultat s'exprime en classement Elo, comme aux échecs. Carbon obtient 1609, soit 126 points de plus que Gemini 4 Argon (1483). Ce sont les présentations qui progressent le plus : +293, pour atteindre 1598. La qualité d'analyse gagne 120 points et atteint 1671.

Cela ne suffit pas pour la première place. Trois modèles restent devant :

• Kimi K3.1 Pro — 1678 ;
• Muse Wonder (max) — 1659 ;
• Grok 4.7 (xhigh) — 1638.

Coût par tâche et fiabilité des réponses

Le laboratoire calcule ce que coûte l'exécution d'une tâche de l'indice. Ce coût dépend du prix du jeton et du nombre de jetons que le modèle « a produits » au fil de son raisonnement.

• Gemini 4 Carbon : 7,76 $ par tâche, 123 000 jetons en sortie ;
• Claude Opus 5.5 (max) : 10,04 $ et 173 000 jetons. Carbon coûte environ 23 % de moins et produit 29 % de texte en moins ;
• GPT-6 Astra (max) : 6,25 $. Il est moins cher que Carbon, qui revient à environ 1,2 fois plus cher ;
• Gemini 4 Argon : 7,68 $ au même tarif de 4 $/20 $ par million de jetons en entrée/sortie. Carbon coûte presque autant, mais obtient 9 points de plus.

Sur la version mise à jour du test AA-Omniscience v1.1, Carbon obtient 54. Claude Opus 5.5 est à 48, Argon à 46. La précision des réponses progresse de 10 points, à 58 %. Le prix à payer : le taux de réponses inventées, c'est-à-dire les cas où le modèle répond avec assurance au lieu d'avouer qu'il ne sait pas, passe de 4 % à 11 %. C'est tout de même le deuxième meilleur résultat parmi les modèles testés ; seul Argon fait mieux. Pour Claude Opus 5.5 et GPT-6 Astra, cet indicateur atteint 50 %.

Caractéristiques techniques

• Fenêtre de contexte : 1 million de jetons.
• Le modèle accepte en entrée du texte, des images, de la vidéo et de la parole, et ne produit que du texte en sortie.
• Tarif : 4 $ par million de jetons en entrée et 20 $ par million de jetons en sortie. Les jetons d'entrée mis en cache sont 95 % moins chers, soit 0,20 $ par million.

Ce que cela change pour les équipes

Si vous développez des agents de code, Carbon mérite une place sur votre liste de tests dès qu'il sera disponible : il se rapproche d'Opus 5.5 en qualité et coûte nettement moins cher par tâche. Pour les projets où les faits comptent et où les inventions doivent rester rares, la dynamique pèse aussi : la précision de Carbon est supérieure, mais il invente trois fois plus souvent qu'Argon. Pour les présentations et l'automatisation bureautique, Kimi K3.1 Pro et Muse Wonder paraissent pour l'instant plus solides. N'oubliez pas non plus la remise de 50 % : elle est temporaire, et il vaut mieux calculer son budget sur les tarifs normaux.