Gemini 4 Carbon disponible pour tous : n°1 sur CursorBench avec un coût par tâche deux fois moindre

D'ordinaire, « le modèle le plus puissant » rime avec « le plus cher ». Avec Gemini 4 Carbon, le deal est différent : Google a lancé le modèle haut de gamme de la famille au même prix que le modèle plus modeste Argon, soit 2 $ par million de tokens en entrée et 10 $ par million de tokens en sortie. L'accès est ouvert via Google AI Studio et Gemini for business à tous les développeurs payants, tandis que les abonnés Google AI Ultra l'obtiennent dans Antigravity, l'application Gemini et AI Mode dans la Recherche.

Quand choisir Carbon, et quand Argon

Google trace elle-même la frontière. Argon reste le choix par défaut pour la majorité des tâches de développement et de travail sur la connaissance. Carbon est conçu pour les cas où l'on se heurte au plafond d'intelligence du modèle : débogage en plusieurs étapes, migrations touchant plusieurs paquets à la fois, recherche de la cause racine d'une panne qui affecte plusieurs sous-systèmes, recherche scientifique ouverte. Carbon consomme plus de tokens : il explore plus largement, raisonne plus en profondeur et enchaîne de longues boucles d'auto-vérification.

Voici ce que disent les benchmarks indépendants. Carbon est premier sur CursorBench 4.0, sur WANDR de Perplexity et sur AutomationBench de Zapier, avec un coût par tâche plus de deux fois inférieur à celui du meilleur modèle externe. Sur le nouveau benchmark multimodal MKA, conçu par Google avec Artificial Analysis, Carbon est deuxième, mais en moyenne plus de six fois moins cher que le leader. Ces données proviennent de Google et de ses partenaires : avant tout déploiement, mieux vaut donc tester le modèle sur vos propres tâches.

/swarm : une équipe d'agents à partir d'un seul prompt

La principale nouveauté produit pour les développeurs est l'aperçu de la commande /swarm dans Google Antigravity. Un seul prompt se transforme en un groupe d'agents dont on peut suivre le travail en temps réel. Le schéma est limpide : Carbon se voit confier les rôles qui exigent la réflexion la plus poussée — architecture, coordination, audit. Les exécutants sont des modèles plus rapides et plus légers, travaillant dans des espaces de travail isolés en parallèle, tandis que des vérificateurs adverses contrôlent chaque modification.

Les exemples de l'annonce sont impressionnants : une reconstruction interactive en Three.js d'un bureau de Google à partir de sept PDF de plans en dix cycles nocturnes, un jeu 3D sur le campus de Mountain View, la refonte du Google Merchandise Store en deux prompts. Ce sont des démonstrations, pas une garantie de résultat sur votre base de code, mais elles montrent que le modèle sait construire et vérifier des applications fonctionnelles, y compris l'interface rendue.

Cybersécurité et science

Carbon excelle dans la recherche, l'exploitation et la correction de vulnérabilités. Dans le système Project Fortify, elle a affiché 100 % de rappel au scan et 95 % de précision au triage sur un benchmark interne, tandis que le rappel sur les dépôts open source a progressé de plus de 25 % par rapport à Argon. L'équipe de Wiz a découvert grâce à elle des vulnérabilités 0-day chez deux grands fournisseurs SaaS en moins de deux heures.

Côté science, Google cite la vérification formelle de la cryptographie du protocole Signal : les agents AlphaProof Code ont généré des millions de lignes en Lean et prouvé les propriétés de sécurité clés en quelques semaines au lieu de plusieurs années. Pour la prédiction de structures de protéines, Carbon a multiplié en moyenne par 40 le nombre d'homologues trouvés dans sept familles difficiles issues de CASP17.

Sécurité et limites

Puisque le modèle est plus fort en cyberattaque, Google a renforcé les protections. Dans les simulations, Carbon a bloqué 99 % des trajectoires d'attaque d'un agent red team adaptatif ; la probabilité de percée par tentative est tombée à 0,8 %, contre 3,1 % pour Argon. Un audit externe de Trajectory Labs n'a trouvé aucun nouveau jailbreak universel en 132 heures. Sur un test d'honnêteté d'agent de 375 tâches, Carbon en a réussi 92 %, contre 70 % pour Argon.

Il existe aussi des limites. De l'aveu de Google elle-même, la résistance aux prompt injections reste un axe de progrès : le red teaming automatisé a montré que le modèle pouvait être amélioré face aux attaques complexes. L'accès complet aux capacités cyber passe par le programme Fairwind et n'est pas ouvert à tous. Le programme scientifique d'accès gratuit est dimensionné pour 10 000 chercheurs.

Que faire en pratique

Ne basculez pas tout sur Carbon. Gardez Argon pour le code et les textes de routine, et confiez à Carbon les tâches coûteuses en temps d'ingénieur : migrations complexes, investigation de bugs, audit d'architecture, analyse de grands volumes de documents contenant tableaux et schémas. Comparez le coût d'une tâche résolue, et non le prix par token : Carbon consomme plus de tokens, mais peut venir à bout de la tâche du premier coup. Si vous construisez des systèmes agentiques, essayez /swarm et le schéma « le modèle fort planifie et audite, les modèles légers exécutent ».