Google ouvre Gemini 4 Carbon : un modèle agentique de 2 à 6 fois moins cher que Fable 5.2

Quiconque a essayé de confier à un agent une grosse tâche, comme une migration touchant des dizaines de fichiers, sait comment cela se termine. Le modèle perd le fil, oublie ce qu'il a promis trois étapes plus tôt et annonce avec assurance un succès qui n'existe pas. Gemini 4 Carbon, ouvert par Google le 10 novembre, vise précisément ce point douloureux. Reste à savoir dans quelle mesure les chiffres de la sortie s'appliquent à votre projet.

Ce qu'est Carbon et en quoi il diffère d'Argon

Carbon est le modèle haut de gamme de la quatrième génération de Gemini. Il est construit sur Gemini 4 Argon, sorti un mois plus tôt. Google les positionne ainsi : Argon est le choix rapide et économique pour la plupart des tâches d'ingénierie, Carbon est destiné aux cas qui « testent le modèle aux limites de l'intelligence ». Il s'agit du débogage en plusieurs étapes, de la conception d'architecture et de la recherche ouverte.

Le prix de la profondeur, ce sont les tokens. Carbon réfléchit plus longtemps et lance des boucles d'autovérification. D'après les calculs d'enthousiastes, pour exécuter l'indice consolidé, il consomme environ 205 millions de tokens de réflexion contre 113 millions pour Argon.

Côté technique : un contexte unique de 1 048 576 tokens (entrée, sortie, raisonnement et appels d'outils sont comptés ensemble), des niveaux de réflexion LOW/MEDIUM/HIGH avec MEDIUM par défaut, et la prise en charge directe des fichiers Office et OpenDocument. Un détail important pour ceux qui travaillent via l'API : le modèle ignore les paramètres temperature, top_p et top_k. Si votre pipeline en dépend, il faudra le refaire.

Les chiffres : où Carbon gagne et où il perd

Sur l'indice d'Artificial Analysis, Carbon a obtenu 59 points en v5.0 et 60 en v5.0.1. C'est la deuxième place, derrière Claude Fable 5.2. En revanche, le coût d'une tâche est d'environ 7,76 $ contre 26,54 $ pour le leader. Dans le nouveau benchmark agentique visuel MKA (plans techniques, images cliniques, tableaux financiers), Carbon a obtenu 54 % contre 57 % pour Fable 5.2, tout en coûtant environ six fois moins cher.

Dans les tests agentiques appliqués, le tableau est meilleur : première place sur CursorBench 4.0, Perplexity WANDR et Zapier AutomationBench. Selon Google, la tâche y coûte plus de deux fois moins cher qu'avec le concurrent le plus proche. Sur GraphWalks, qui évalue la capacité à ne pas perdre le fil sur de longues trajectoires, Carbon a obtenu 96,2 % contre 84,2 % pour Argon.

En codage pur, les résultats sont plus modestes. Sur FrontierSWE 2, il obtient 61,2 % contre 65,5 % pour GPT-6 Astra. Sur OSWorld-2.1, 81,5 % contre 87,2 % pour Claude Opus 5.5. Sur SWE-sweep, le résultat n'est que de 9,6 %. La plupart des chiffres sont publiés par Google elle-même, des mesures indépendantes sur vos propres tâches ne seront donc pas superflues.

/swarm et cybersécurité

Antigravity propose désormais le mode /swarm (en préversion pour l'instant). Un seul prompt déploie une équipe d'agents. Le coordinateur distribue le travail à des workers dans des git worktrees isolés, de sorte que les modifications n'entrent pas en conflit. En parallèle, des vérificateurs, dont l'unique mission est de casser et de contester les diffs, sont à l'œuvre. Les agents communiquent via un tableau de messages partagé, et ceux qui sont inactifs ne consomment rien. Carbon joue le rôle d'architecte et d'auditeur, tandis que la routine est confiée à des modèles légers. Au sein de Google, ce mode a été éprouvé pendant cinq semaines sur des migrations multipaquets et la recherche de cause racine.

Le sujet principal de cette sortie, c'est la sécurité. SEC-bench Pro (recherche de vulnérabilités réelles) : 88,2 %. ExploitGym (vérification de l'exploitabilité) : 54,8 %. CWE-bench (correctifs) : 71,0 %. Wiz a trouvé un zero-day chez deux grands fournisseurs SaaS en moins de deux heures, et le système Fortify a affiché 100 % de recall et 95 % de precision. C'est à cause de ces capacités que le modèle n'a d'abord été proposé qu'aux participants du programme Fairwind destiné aux défenseurs.

Il faut aussi souligner l'« honnêteté ». Sur un ensemble interne de 375 tâches, Carbon a réussi 92 % contre 70 % pour Argon. Dans 98 % des cas, il refuse de compléter des données expérimentales manquantes, et dans 68 % des cas, il signale lui-même des failles méthodologiques dans l'énoncé.

Que faire de tout cela

L'accès est ouvert via l'API Gemini payante (AI Studio, Android Studio), Gemini for business et Antigravity. L'application Gemini et l'AI Mode dans la recherche sont accessibles aux abonnés Google AI Ultra (à partir de 100 $ par mois). Pour les scientifiques, un accès gratuit de six mois à Argon et Carbon dans Antigravity est proposé.

La conclusion pratique est simple. Ne basculez pas tout sur Carbon : pour la routine, Google recommande elle-même Argon. Choisissez Carbon là où l'agent travaille longtemps et où l'erreur coûte cher. Il s'agit des migrations, des audits de sécurité et des pipelines de recherche. Prévoyez d'avance une consommation de tokens de réflexion plus élevée et testez le modèle sur votre propre jeu de tâches. Si votre critère principal est le prix par tâche résolue, et non le maximum absolu de qualité, Carbon apparaît aujourd'hui comme l'une des options les plus intéressantes.