Google ouvre Gemini 4 Carbon : 7,76 $ par tâche résolue et 0 % de piratage au test d'injection

Il y a deux semaines, Google semblait de nouveau avoir pris la tête. Puis Anthropic a publié Fable 5.2, et Carbon, à peine arrivé en disponibilité générale, paraît déjà moins frais. Le cycle des modèles tourne aujourd'hui si vite qu'une version est dépassée avant même de sortir de la bêta. Mais pour un développeur, l'essentiel n'est pas la course aux titres, c'est la question pratique : que brancher et combien cela coûtera.

Pas un remplaçant d'Argon, mais un outil pour les tâches difficiles

Google le dit clairement : pour la plupart des tâches de développement et de travail sur les connaissances, Argon reste le meilleur choix. Carbon sert quand vous avez atteint le plafond d'intelligence du modèle : débogage complexe en plusieurs étapes, recherche scientifique ouverte, longs cycles de vérification des résultats. Le token coûte le même prix pour les deux modèles, mais Carbon raisonne plus en profondeur et met plus de temps à se vérifier, donc il génère plus de tokens. La facture finale pour une même tâche sera presque certainement plus élevée qu'avec Argon.

Place aux chiffres. Dans le test d'Artificial Analysis, Carbon revient à 7,76 $ par tâche résolue au prix standard (4 $ par million de tokens en entrée et 20 $ par million en sortie). C'est moins cher que l'ancien modèle économique Flash 3.8, et le modèle est meilleur. À titre de comparaison : Opus 5.5 Max — 10,04 $, GPT-6 Astra Max — 6,25 $, Fable 5.2 au maximum — 26,50 $. Au niveau High, Fable 5.2 coûte environ 9 $ par tâche, mais reste devant de deux points (62 contre 60). Le prix de lancement de Google est actuellement deux fois inférieur au tarif standard : 2 $ et 10 $.

Sur CursorBench 4.0, Carbon est arrivé premier avec un score légèrement inférieur à 60 %. Il mène aussi sur WANDR de Perplexity et sur AutomationBench de Zapier, pour moins de la moitié du prix de son concurrent le plus proche, Fable 5.2. Sur le nouveau benchmark MKA, consacré aux documents denses avec graphiques, plans et tableaux, Carbon est deuxième, mais plus de six fois moins cher que le leader.

Essaim d'agents : séduisant, mais discutable

Avec le modèle, Google a présenté le mode /swarm dans Antigravity, son équivalent de Claude Code. Un seul prompt devient une équipe d'agents dont on peut suivre le travail en temps réel. Carbon prend les rôles qui demandent une réflexion approfondie : architecture, coordination, audit. Des modèles rapides et légers travaillent en parallèle dans des environnements isolés, et certains jouent le rôle de vérificateurs sceptiques qui tentent de casser le résultat.

Imaginez le refactoring d'un service. Carbon découpe la tâche, les petits modèles corrigent les modules simultanément, d'autres lancent les tests et cherchent les erreurs. Dans la démo, Google a montré un jeu 3D avec un pélican à vélo sur le campus de Mountain View, une reconstitution de la construction de la tour Eiffel et un piano du XVIIIe siècle jouable. Reste à savoir si ces essaims sont rentables : l'industrie en débat encore, OpenAI et Anthropic se montrent prudents, les chercheurs sont sceptiques. Le principal gain est la vitesse grâce au parallélisme, mais l'orchestration est complexe.

Sécurité : des chiffres éclatants, avec des réserves

Pendant l'accès anticipé via le programme Fairwind, Carbon a trouvé de vraies vulnérabilités zero-day chez deux grands fournisseurs SaaS en moins de deux heures (dans le cadre du programme Wiz Scan for Good). L'équipe Google Cloud Security s'en est servie pour écrire des exploits fonctionnels pour deux bugs connus d'un projet open source populaire. Dans le système Project Fortify, la proportion de vulnérabilités trouvées a augmenté de plus de 25 % par rapport à Argon. Mais la première place sur SEC-bench Pro, ExploitGym et CWE-bench v1 ne concerne que la version de Fairwind, et Google ne divulgue pas de chiffres précis.

D'après Google, dans son propre test d'honnêteté de 375 tâches, Carbon réussit à 92 % (Argon : 70 %) et refuse d'inventer des données expérimentales manquantes dans 98 % des cas. Dans les simulations d'attaque, il a fermé 99 % des chemins empruntés par des agents de red team adaptatifs, et la probabilité de percée par tentative est passée de 3,1 % à 0,8 %. Des testeurs externes de Trajectory Labs, en 132 heures et plus de 13 000 requêtes, n'ont trouvé aucun jailbreak universel.

Sur Gray Swan IPI, le taux de prompt injections réussies est de 0 %. Cela ne veut pas dire que le problème est résolu : le test est peut-être simplement saturé. Mais pour des agents ayant accès à la messagerie, au navigateur et au code, l'avancée est notable.

Que faire en pratique

Gardez Argon comme modèle par défaut et n'utilisez Carbon que ponctuellement : pour le débogage complexe, l'audit de code et les tâches de recherche. Comparez non pas le prix par token, mais le prix par tâche résolue sur vos propres données : les benchmarks sont publiés par le fournisseur lui-même, et les tokens supplémentaires du raisonnement approfondi peuvent facilement absorber toutes les économies. Une version Flash de Gemini 4 est attendue prochainement, les scénarios à bas coût peuvent donc attendre.

Les essaims d'agents méritent pour l'instant d'être testés sur des tâches isolées avec un critère de réussite clair. Et ne baissez pas la garde : sandboxes et privilèges minimaux pour les agents restent nécessaires, même avec un résultat nul sur un test.