Gemini 4 Carbon prend la tête des classements indépendants, mais reste réservé aux défenseurs en cybersécurité

Google DeepMind a lancé Gemini 4 Carbon, son nouveau modèle phare, deux semaines après Gemini 4 Argon. Le laboratoire indépendant Artificial Analysis, qui soumet les modèles à son propre jeu de tests, le place en tête de son indice d'intelligence v5 : 59 points contre 58 pour Claude Opus 5.5 d'Anthropic. Mais tout le monde ne pourra pas essayer Carbon. Le modèle sera d'abord confié à des spécialistes de la cybersécurité vérifiés, via le programme Fairwind. Google promet un accès élargi pour les développeurs « dès que possible », sans donner de date.

Ce que Google affirme sur la cyberdéfense

L'entreprise mise sur la sécurité et sur les tâches longues en plusieurs étapes. Voici les chiffres de son annonce :

• SEC-bench Pro, test de détection de vulnérabilités dans le code : 88,2%. • ExploitGym, environnement d'entraînement où le modèle doit écrire un exploit fonctionnel : 54,8%. • CWE-bench, correction de vulnérabilités issues du catalogue de faiblesses courantes CWE : 71,0%.

Google met aussi en avant la fiabilité du modèle. Sur Terminal-Bench 4.0, les tentatives de triche réussies sont tombées à 0,0%, et les tentatives elles-mêmes à 0,4%. Les affirmations sans fondement factuel sont environ deux fois moins nombreuses qu'avec Argon. Côté spécifications : contexte de 1 million de tokens, et autant en sortie. Le modèle accepte du texte, des images, de la vidéo et de la voix, et répond par du texte. L'entrée mise en cache coûte $0,20 par million de tokens. Artificial Analysis donne un prix de $4/$20, tandis que Phil Schmid, de Hugging Face, cite $2/$10 « avec un astérisque » : la remise de 50% n'a pas de date de fin.

Ce que montrent les mesures indépendantes

• Artificial Analysis : 59 points, en tête sur 4 des 9 tests de l'indice (HLE-Diamond, TB-Science, AA-Omniscience, AutomationBench). Une tâche de l'indice coûte $7,76, contre $10,04 pour Opus 5.5 et $6,25 pour GPT-6 Astra.

Carbon dépense 123 000 tokens de sortie par tâche, soit 29% de moins qu'Opus. • Code : dans le Coding Agent Index, Carbon obtient 59 (associé à Antigravity CLI), contre 62 pour Claude Code avec Opus 5.5.

FrontierCode v1.1 : 51% contre 56%. • Tâches de bureautique : 1609 Elo sur AA-Briefcase, soit 126 points de plus qu'Argon.

Grok 4.7, Muse Wonder et Kimi K3.1 Pro (1678) restent malgré tout devant.

• Arena, où des humains votent en aveugle pour les réponses : première place dans Text Arena (1528), deuxième dans Agent Arena, quatrième dans Code Arena: WebDev (1768). • Vals AI : deuxième place à l'indice général, première à l'indice financier et en recherche juridique. Le modèle génère 64% de tokens en plus qu'Argon.

• FrontierSWE : 61,2%, derrière GPT-6 Astra (65,5), Opus 5.5 (62,3) et Sonnet 5.5 (61,9).

SWE-sweep : record à 9,6%. • Andon Labs : première place dans Vending-Bench 2 (gestion d'un distributeur automatique) et dans Blueprint-Bench 2, où le modèle a égalé l'humain en raisonnement spatial 3D.

Voici les réserves. Les hallucinations sont passées de 4% à 11%. C'est le deuxième résultat dans les mesures, mais en cybersécurité, une erreur coûte cher. Les résultats en code ont été obtenus dans Antigravity CLI ; ils n'ont pas été vérifiés dans d'autres environnements. L'auteur scaling01 estime que Google a environ deux mois de retard sur les prochaines sorties d'OpenAI et d'Anthropic. Les rumeurs sur un modèle Gemini plus puissant et non publié ne sont pas confirmées.

Le reste de l'actualité

• GitHub Copilot Fusion : combine à la volée des modèles d'Anthropic et d'OpenAI. Il mène sur Terminal-Bench 4.0 (71), à 2 points d'Opus 5.

5 dans Claude Code, mais coûte $5,59 par tâche au lieu de $11,42. • H-Net v2 (Cartesia) : apprend à découper le texte en tokens directement à partir des octets, avec un gain d'efficacité de 3 à 5 fois. • NVIDIA Nemotron 3.

5 Transcribe : modèle ouvert de reconnaissance vocale de 30B paramètres (environ 4B actifs), 40 langues, 2,8% d'erreurs sur les mots. • AssemblyAI-TTS-1 : synthèse vocale à $15 par million de caractères, 90 ms avant le premier son. • Liquid AI LFM3 : famille de modèles compacts, dont LFM3-1.

7B, avec un contexte de 256 000 tokens, qui sert de base. • Ling-3.1-flash-1019 : modèle MoE ouvert de 560B paramètres (25B actifs), contexte de 1 million.

• Qwen4 : d'après une fuite issue d'un dépôt, il aura un contexte de 1 million de tokens. • Anthropic S-1 : perte d'environ $80 milliards au premier semestre 2026 ; selon Jamin Ball, elle provient surtout de la réévaluation de dettes convertibles et d'engagements SAFE, et non de pertes opérationnelles. • OpenAI : crédits API de $100 à $500 par mois pour les abonnés à ChatGPT Pro.

Ce que cela change pour les équipes

Carbon devance ses concurrents pour trouver et corriger les vulnérabilités, ainsi que sur les tâches de connaissances, mais reste deuxième en programmation. Si vous choisissez un modèle pour la sécurité, attendez l'ouverture de l'accès et vérifiez vous-même la part d'affirmations fausses. Pour le code, Opus 5.5 est pour l'instant plus fiable. Côté budget, ce n'est pas le prix par token qui compte, mais le prix par tâche : là, Carbon est plus avantageux qu'Opus.