Google lance Gemini 4 Carbon : une fenêtre d'un million de jetons pour le débogage complexe

Lorsqu'une erreur traverse trois services, corriger un seul fichier ne fait souvent que masquer la cause. Pour ce type de tâches, Google a lancé Gemini 4 Carbon : le modèle est conçu pour un débogage de longue durée, avec vérification d'hypothèses. Un développeur a tout intérêt à le tester sur un problème où l'assistant habituel tourne déjà en rond, et à comparer le coût d'un correctif effectivement retenu.

L'expression « ouvert à tous » demande à être nuancée. Dans l'application Gemini, le mode IA de la recherche (AI Mode) et Antigravity, l'accès est réservé aux abonnés Google AI Ultra. Les développeurs disposent d'une API payante. Les conditions sont détaillées dans l'annonce de Google.

À quoi ressemble le travail sur un bug complexe

Imaginons une boutique en ligne : un client relance son paiement après un délai d'attente dépassé, et la commande est débitée deux fois. C'est un exemple fictif. La cause peut se cacher entre le gestionnaire de paiement, la file d'événements et la logique de requêtes répétées. Le résultat utile ici : un test qui reproduit le problème, l'explication de la chaîne d'événements et un correctif qui résiste à la livraison répétée d'un message.

Carbon est précisément conçu pour ces enquêtes en plusieurs étapes. Dans la fiche du modèle, Google explique qu'il utilise plus de jetons de raisonnement qu'Argon pour explorer des hypothèses et lancer des vérifications supplémentaires. Le niveau de raisonnement est réglable ; la latence et les coûts varient avec lui.

Pour un essai dans votre propre projet, il vaut mieux décrire à l'avance les critères de réussite. Par exemple : une requête répétée ne crée pas de second paiement, la file admet la livraison répétée, les scénarios de remboursement existants continuent de fonctionner. Le résultat peut alors être vérifié indépendamment du caractère convaincant de la réponse du modèle. Une belle explication sans reproduction de l'erreur laisse le problème d'ingénierie initial ouvert.

Antigravity propose aussi une préversion de /swarm : une seule requête lance une équipe d'agents coordonnée. Selon la description de Google, Carbon peut être affecté à l'architecture, à la coordination ou à l'audit, tandis que des modèles plus légers prennent en charge les tâches parallèles. Pour l'exemple du paiement, il est raisonnable de séparer la reproduction de l'erreur, la préparation du correctif et la vérification des effets de bord. Il s'agit d'un flux de travail proposé ; son efficacité reste à mesurer sur votre code.

Un million de jetons, cela se calcule

La fiche de Carbon indique une fenêtre commune d'entrée et de sortie allant jusqu'à un million de jetons. Il serait donc erroné de promettre « un million en entrée et un autre million pour la réponse ». En chargeant un gros dépôt, il faut laisser de la place au résultat. La taille de la fenêtre ne prouve pas non plus que le modèle trouvera la bonne dépendance parmi tous les fichiers.

En pratique, je commencerais par un ensemble minimal : modules concernés, journaux, schéma des échanges d'événements et test de reproduction. Il vaut mieux ajouter du contexte lorsque l'enquête révèle une lacune précise. On comprend ainsi plus facilement quelles informations ont aidé, et l'on peut comparer plusieurs exécutions.

Jusqu'au 30 novembre, le prix annoncé est de 2 $ par million de jetons en entrée et de 10 $ par million en sortie. À partir du 1er décembre, il passe à 4 $ et 20 $ respectivement. Ces tarifs figurent dans l'annonce de Google. Pour le budget, la durée du travail compte aussi : des cycles de vérification supplémentaires peuvent faire grimper la consommation, même avec un prix du jeton attractif.

Que vérifier avant le déploiement

Google annonce que Carbon est en tête sur CursorBench 4.0, WANDR et AutomationBench, pour un coût par tâche inférieur à celui du modèle externe suivant. C'est une bonne raison de mener votre propre test. Transposer les résultats d'un tableau à un dépôt précis sans mesure serait prématuré.

La fiche du modèle mentionne explicitement les hallucinations, une éventuelle lenteur et des délais d'attente dépassés. Le choix des métriques est particulièrement révélateur pour une équipe : combien de correctifs passent une vérification indépendante, combien de temps prend l'analyse et combien coûte l'ensemble d'une exécution avec ses nouvelles tentatives.

Pour un premier essai, prenez plusieurs bugs complexes déjà résolus et masquez les correctifs existants. Comparez Carbon à votre outil actuel dans des conditions identiques. Le développeur obtiendra une réponse vérifiable sur la qualité du débogage, le responsable produit des données sur la latence, le fondateur le coût d'un résultat utile. C'est sur ces trois indicateurs qu'il convient de décider à quelles tâches allouer un raisonnement plus coûteux.