Google a récemment dévoilé Gemini 4 Carbon, son nouveau modèle d’intelligence artificielle de prochaine génération. Présenté comme le modèle le plus puissant de sa gamme, il affiche des résultats supérieurs à ceux du GPT-6 Astra d’OpenAI et du Claude Opus 5.5 d’Anthropic dans la majorité des tests de performance. Parmi les avancées notables, on retrouve le développement logiciel, l’automatisation, le raisonnement mathématique et la cybersécurité.
Gemini 4 Carbon, nouveau leader des benchmarks d’IA
Le Gemini 4 Carbon obtient un score de 59 sur l’Artificial Analysis Intelligence Index v5.0, contre 58 pour le Claude Opus 5.5 et 57 pour le GPT-6 Astra. Son prédécesseur, le Gemini 4 Argon, présenté quelques semaines plus tôt, avait obtenu un score de 50 dans la même version de l’index. Ce résultat place le Gemini 4 Carbon en tête de ce classement général, bien qu’un seul score ne résume pas l’ensemble des capacités d’un modèle.
Le graphique de benchmarks de Google détaille les performances dans plusieurs domaines. Dans l’Index Vals v2.2, dédié aux capacités utiles au travail, le Gemini 4 Carbon a atteint 70,4%, devançant ainsi le Claude Opus 5.5 avec 70,2% et le GPT-6 Astra avec 65%. Dans AutomationBench, qui évalue l’exécution des tâches commerciales automatisées, il obtient un score de 53,9%, contre 41,4% pour Astra et 42,5% pour Opus 5.5.
Les résultats restent également favorables dans la programmation des agents. Le Gemini 4 Carbon a obtenu 65,2% dans Terminal-Bench 4.0, contre 59,1% pour le GPT-6 Astra et 59,6% pour le Opus 5.5. Il excelle également dans l’Agents’ Last Exam avec un score de 77,4%, ainsi que dans GraphWalks, un test de raisonnement sur le long terme où il atteint 96,2% dans des contextes allant de 256 000 à un million de tokens.
Un accent sur la cybersécurité
La sécurité informatique constitue l’un des principaux axes de cette nouvelle version. Google annonce un score de 88,2% dans SEC-bench Pro, un benchmark destiné à évaluer la découverte de vulnérabilités dans des logiciels réels. Le modèle obtient également 54,8% dans ExploitGym, dédié à la validation de l’exploitabilité des vulnérabilités, et 71% dans CWE-bench, qui mesure sa capacité à corriger ces vulnérabilités.
Ces résultats englobent plusieurs étapes cruciales du travail de défense : détecter une vulnérabilité, déterminer si elle peut être exploitée, puis produire un correctif. Google affirme également que le Gemini 4 Carbon génère moitié moins de déclarations infondées que son prédécesseur et que les alertes internes de désalignement de haute gravité ont diminué de près de 80%. Dans le benchmark de Gray Swan sur l’injection immédiate indirecte, la société annonce un taux de succès d’attaque de 0%.
Le Gemini 4 Carbon ne domine pas tous les tests. Le GPT-6 Astra conserve une avance sur le FrontierSWE 2, un benchmark d’ingénierie logiciel, avec un score de 65,5% contre 61,2% pour le Gemini 4 Carbon. Le Claude Opus 5.5 s’impose également dans OSWorld-2.1, qui évalue l’utilisation des ordinateurs, avec 87,2% contre 81,5% pour le modèle d’IA de Google.
Accès restreint et prix de lancement réduit
Contrairement au Gemini 4 Argon, qui est déjà accessible à un large public, le Gemini 4 Carbon ne peut pas encore être utilisé librement. Google commence par l’offrir à un groupe restreint de spécialistes en cybersécurité dans le cadre de son programme Fairwind. L’entreprise prévoit d’élargir progressivement l’accès à des partenaires de confiance avant qu’il ne soit disponible pour les développeurs, les entreprises et le grand public via ses produits.
Le prix via l’API est de 2 $ par million de tokens entrants et de 10 $ par million de tokens sortants pendant la période de lancement. Le tarif pour les tokens d’entrée mis en cache bénéficie également d’une réduction de 95%. Après cette période promotionnelle, les prix devraient passer à 4 $ pour l’entrée et 20 $ pour la sortie par million de tokens. Ce modèle tarifaire place le Gemini 4 Carbon à un prix d’entrée inférieur à celui du GPT-6 Astra, mais il faudra attendre son ouverture plus large pour évaluer ses performances et son coût dans des applications concrètes.
