Gemini 4 Argon : fonctionnalités, benchmarks, tarifs et accès

OpenAI a passé le 29 septembre 2026 à DevDay à lancer GPT-6.1 Sol, un modèle milieu de gamme conçu pour résoudre le problème de coût de GPT-6 Astra. Le lendemain, Google a annoncé Gemini 4 Argon, avec une mise à disposition prioritaire pour les équipes de cybersécurité avant les développeurs.

Koray Kavukcuoglu, SVP de Google DeepMind, a présenté Argon le 30 septembre 2026 comme le modèle de pointe de Google pour les travaux au long cours : ingénierie logicielle en conditions réelles, activités juridiques et financières, et cyberdéfense.

La nouveauté phare côté ingénierie est la limite de tokens en sortie, qui passe de 64 K à 1 million. Le modèle établit un nouvel état de l’art sur DeepSWE v1.1 avec 77,9 %, et il est d’abord déployé via le Fairwind Program auprès d’un groupe de cyberdéfenseurs de confiance.

Pour situer les concurrents, consultez nos guides sur GPT-6.1 Sol et Claude Sonnet 5.5.

À retenir

• Argon est le nouveau modèle de pointe de Google, d’abord réservé à des cyberdéfenseurs de confiance via le Fairwind Program avant d’arriver sur l’API publique.
• Le changement structurel clé concerne la longueur de sortie, pas le contexte d’entrée : Argon peut écrire une trajectoire 16 fois plus longue que le plafond précédent de 64 K.
• Il arrive en tête de tous les benchmarks de knowledge work d’entreprise publiés par Google, avec un écart net sur le juridique.
• GPT-6 Astra reste premier sur les tâches scientifiques en terminal et sur FrontierSWE v2, et Claude Opus 5.5 mène toujours Terminal-bench 4.0.
• Le prix de lancement de 2 $ par million de tokens d’entrée est 5 fois inférieur à Astra, mais il double à la fin de la promo.
• Rien à adopter tout de suite. Pas d’ID de modèle public, pas de fiche dans le cloud, et aucune reproduction tierce des scores.

Qu’est-ce que Gemini 4 Argon ?

Gemini 4 Argon est le nouveau modèle de pointe de Google, positionné au sommet de la famille Gemini, au‑dessus de la lignée Gemini 3.8 livrée jusqu’en septembre 2026.

Google le présente comme conçu pour soutenir un raisonnement approfondi sur des workflows complexes et de longue haleine, avec trois domaines cibles : l’ingénierie logicielle, le knowledge work d’entreprise (juridique et finance), et la défense cyber.

Le changement générationnel le plus clair est l’extension de la limite de tokens en sortie à 1 million (contre 64 K), ce qui permet à Argon de générer des centaines de milliers de tokens dans une même trajectoire sans devoir s’arrêter et être relancé.

Fonctionnalités clés de Gemini 4 Argon

L’ensemble de fonctionnalités d’Argon est pensé pour des tâches qui durent des heures plutôt que des secondes, ce qui se reflète dans le budget de sortie, le travail d’agent et les outils cyber. Voici les quatre capacités qui changent concrètement ce que vous pouvez construire.

Écrire 1 million de tokens en un seul passage

Argon peut produire jusqu’à 1 million de tokens en sortie en une seule génération, contre 64 K sur la génération précédente.

L’argument de Google est que la marge change la qualité du raisonnement, pas seulement la longueur : quand le modèle peut réfléchir et générer sur des centaines de milliers de tokens dans une trajectoire unique, il résout des problèmes plus difficiles sans le rafistolage et la perte d’état d’un workflow fragmenté.

À titre de comparaison, GPT-6 Astra plafonne la sortie à 128 K tokens avec une fenêtre de contexte de 1,05 million.

Si vous avez déjà vu un agent « perdre le fil » au milieu d’un gros refactoring parce qu’il a buté sur un plafond de sortie et a dû redémarrer, c’est précisément cette contrainte qui saute.

Le bémol, évidemment, c’est la facturation. Des générations longues à 10 $ par million de tokens de sortie montent vite, et Google n’a pas précisé si les tokens de raisonnement sont facturés au tarif sortie.

Mener des migrations de bases de code de bout en bout

Des agents Argon migrent déjà des bases C et C++ vers Rust chez Google, en passant de dizaines de milliers de lignes dans des bibliothèques cœur comme re2 et libgav1 à plus de 800 000 lignes pour le noyau Zircon de Fuchsia OS.

C’est typiquement le genre de travaux qui consomment des trimestres d’ingénieurs, et Google indique que ces réécritures passent par des audits automatisés et manuels, des tests d’émulation et des revues avant la production.

Le cas libgav1 est celui auquel je reviens sans cesse.

Les agents Argon ont pris un portage Rust existant du décodeur vidéo open source de Google et remplacé 32 000 lignes de code SIMD écrit à la main en menant des séries d’expériences guidées par profilage et en étudiant la sortie du compilateur jusqu’à ce que le compilateur vectorise automatiquement du Rust sûr.

Résultat : un décodeur mémoire‑safe qui s’exécute 2,7 fois plus vite que le port Rust, avec un rendu vidéo identique.

Résultats de déploiement interne chez Google

Deux chiffres internes valent d’être relevés, car ils s’approchent le plus d’un résultat réel dans toute l’annonce.

• Google indique qu’une équipe d’agents Argon a analysé la télémétrie de profilage à l’échelle de la flotte et appliqué de manière autonome des optimisations mémoire dans ses data centers, libérant plus de 300 TiB de mémoire une fois déployées, avec une estimation totale de 500 TiB à 1 PiB d’économies.
• Le second vient de la recherche en informatique quantique, où Argon a aidé à optimiser les ressources espace‑temps (qubits multipliés par portes) de sous‑routines goulot d’étranglement. Dans un cas, il a battu la référence publiée de 40 % en quelques minutes.

Aucune de ces mesures n’a de vérification externe, mais elles sont suffisamment précises pour être vérifiables plus tard.

Gérer finance, juridique et automatisation métier avec contexte visuel

Argon vise directement le knowledge work où les preuves vivent dans des graphiques, des dépôts, et des vidéos, plutôt que dans un simple prompt texte.

Google cite l’analyse professionnelle de graphiques, l’extraction de détails depuis de longues vidéos, et l’action à travers une série de documents comme cas d’usage de premier plan, et Argon obtient 91,7 % sur LVBench pour la compréhension de longues vidéos.

La version pratique, par exemple, est une recherche financière multi‑étapes où le modèle lit un deck, recoupe un tableau, puis exécute une action dans un système métier.

Argon est premier sur AutomationBench de Zapier avec 51,3 %, qui mesure l’exécution de bout en bout sur des fonctions métier clés plutôt que des réponses en un seul tour.

Trouver et corriger des vulnérabilités sans garde‑fous activés

C’est l’élément le plus atypique de la sortie.

Pour les défenseurs de confiance du Fairwind Program et pour les équipes internes de Google, Argon est livré sans garde‑fous cyber, afin que ces équipes bénéficient de toute la capacité adjacente offensive du modèle à des fins défensives : trouver, valider et corriger des vulnérabilités logicielles de manière autonome.

Wiz utilise déjà Argon dans le cadre de son initiative Scan for Good, qui corrige gratuitement des expositions à haut risque dans des infrastructures publiques.

Dans une démonstration précoce, Argon a découvert une vulnérabilité grave exposant des informations personnelles sensibles dans des logiciels de santé utilisés par des hôpitaux dans le monde entier, une faille que, selon Google, les modèles de pointe précédents avaient manquée.

Parallèlement, Google affirme qu’Argon est son modèle le plus résilient face aux injections de prompt indirectes et qu’il arrive en tête du benchmark IPI de Gray Swan, et que des moniteurs de chaîne de pensée et d’action stoppent l’exécution lorsque le modèle dérive hors de l’intention utilisateur.

Google note également avoir délibérément exclu du training les constatations issues du monitoring afin que le raisonnement d’Argon ne soit pas façonné pour contourner les moniteurs — un détail que j’aimerais voir plus souvent publié par les labos.

Comment Gemini 4 Argon se comporte‑t‑il sur les benchmarks ?

Argon arrive en tête sur 13 des 19 benchmarks publiés par Google face à GPT-6 Astra, Claude Fable 5.1 et Claude Opus 5.5, avec des victoires concentrées sur le knowledge work, le long contexte et la remédiation de vulnérabilités.

Les revers se concentrent sur la science pilotée en terminal et l’une des deux batteries d’ingénierie logicielle, un pattern plus instructif qu’un grand chelem.

Knowledge work d’entreprise

C’est le point fort d’Argon et la raison pour laquelle Google a cadré le lancement autour du juridique et de la finance.

Sur le Vals Index, qui pondère finance, code, juridique et fiscalité selon leur contribution au PIB américain, Argon atteint 68,9 % contre 67,0 % pour Claude Opus 5.5, 65,8 % pour Claude Fable 5.1 et 63,1 % pour GPT-6 Astra.

Les écarts se creusent sur les évaluations d’agents propres à chaque domaine.

Argon atteint 65,4 % sur Vals Finance Agent v2 (recherche financière multi‑étapes) contre 58,9 % pour Fable 5.1 et 53,5 % pour Astra, et 51,3 % sur AutomationBench contre 42,5 % pour Opus 5.5 et 31,4 % pour Fable 5.1.

Le benchmark juridique de Harvey est l’exception.

Argon obtient 19,6 % contre 6,7 % pour Fable 5.1, 5,4 % pour Astra et 3,8 % pour Opus 5.5. Tous les modèles échouent la majorité de ce test ; lisez‑le donc comme un signal relatif sur la recherche et la rédaction juridiques, pas comme un modèle à qui confier un contrat sans supervision.

Code avec agents

Argon prend la tête sur DeepSWE v1.1 avec 77,9 %, devant Claude Opus 5.5 (74,2 %), GPT-6 Astra (74,1 %) et Claude Fable 5.1 (67,4 %).

DeepSWE mesure l’ingénierie logicielle au long cours sur des dépôts réels, et favorise donc les modèles capables de tenir un plan sur de nombreuses modifications, plutôt que de produire un seul bon diff.

Ce résultat se lit autrement une fois le prix pris en compte.

Dans notre couverture de GPT-6.1 Sol, nous avons noté que Sol égalait Astra sur DeepSWE v1.1 pour environ un cinquième du coût d’Astra, à 2 $ en entrée et 10 $ en sortie par million de tokens.

Le tarif de lancement d’Argon est exactement le même 2 $/10 $, et il devance Astra de 3,8 points sur DeepSWE.

Vibe Code Bench revient aussi à Argon, avec 91,9 % contre 90,3 % pour les deux modèles Claude et 89,6 % pour Astra, bien qu’un écart de 1,6 point sur quatre modèles de pointe frôle le bruit.

Long contexte et compréhension multimodale

L’écart sur le long contexte est le plus large du tableau.

Sur GraphWalks BFS F1 entre 256 K et 1 million de tokens, Argon atteint 84,2 % contre 71,8 % pour Astra, 66,8 % pour Opus 5.5 et 65,0 % pour Fable 5.1.

Jusqu’à 128 K, tout le monde est haut, mais Argon reste devant à 99,7 %.

GraphWalks demande au modèle de parcourir un graphe décrit dans le prompt ; la performance chute dès que la récupération devient peu fiable sur une très longue fenêtre.

Un avantage de 12,4 points sur Astra au seuil du million est typiquement le genre d’écart qui décide si vous pouvez ingérer un dépôt entier ou un jeu complet de dépositions en un seul appel.

En multimodal, Argon domine LVBench à 91,7 % (contre 87,5 % pour Astra et 79,7 % pour Fable 5.1) et Chartography à 71,6 %, légèrement devant les 71,0 % d’Astra.

Pour échelle, notre couverture de Claude Sonnet 5.5 enregistrait 61,6 % sur Chartography pour Sonnet 5.5 et 64,4 % pour Opus 5.5.

Remédiation en cybersécurité

Sur CWE-bench v1, qui évalue la capacité d’un modèle à corriger de vraies vulnérabilités de sécurité, Argon est à égalité avec GPT-6 Astra à 68 %, devant Opus 5.5 à 67 % et Fable 5.1 à 58 %.

Une égalité est raisonnable ici, et Google étaye plutôt son argumentaire sur la partie découverte.

Face à 3.8 Flash Cyber, Google rapporte qu’Argon a découvert des expositions sur des bases de code couvrant 20 langages de programmation dans son benchmark interne de vulnérabilités, et qu’il a surpassé 3.8 Flash Cyber sur le benchmark de pentest « boîte noire » de Wiz en cartographie de surface d’attaque, découverte de vulnérabilités et génération de preuves de concept.

« Boîte noire » signifie sans accès au code source, ce qui se rapproche de la manière dont un attaquant externe perçoit un système web en production.

Là où Argon est derrière

Google a publié les défaites, ce que j’apprécie.

Quatre d’entre elles méritent, selon moi, d’être mises en avant :

• FrontierSWE v2 : Argon 55,0 % contre 65,5 % pour GPT-6 Astra et 62,3 % pour Opus 5.5, soit 10,5 points de retard sur la plus difficile des deux batteries SWE.
• Terminal-bench 4.0 : Argon 57,4 % contre 66,4 % pour Opus 5.5. Nos tests Claude Sonnet 5.5 plaçaient le modèle milieu de gamme Sonnet à 70,6 % sur le même benchmark ; Argon est donc derrière un modèle bien moins cher sur les boucles agents en terminal.
• Terminal-Bench Science 0.1 : Argon 57,6 % contre 68,1 % pour Astra, soit 10,5 points d’écart sur des tâches scientifiques exécutées en shell.
• PostTrainBench et OSWorld‑2.0 : Argon obtient 45,3 % sur l’ingénierie ML contre 49,3 % pour Opus 5.5, et 69,2 % sur le sous‑ensemble hors ligne d’OSWorld‑2.0 contre 72,6 % pour Astra.

Argon tient toutefois la route en science et maths ailleurs, avec 88,8 % sur LABBench 2 contre 85,4 % pour Astra et 68,6 % pour Fable 5.1, et 76,0 % sur RiemannBench contre 72,0 % pour Astra.

Le pattern qui se dessine : Argon planifie et lit mieux, tandis qu’Astra et Opus 5.5 restent meilleurs au pilotage en terminal.

Voici l’ensemble publié, pour que vous puissiez y retrouver vos workloads.

Ce que Google met en place pour la sûreté avant un large déploiement

Google retarde la sortie générale d’Argon le temps de renforcer quatre volets de protection, explicitement nommés dans l’annonce. Point crucial pour toute équipe prévoyant de déployer un agent avec accès aux outils.

• Mésusage : Argon refuse les requêtes cyber et CBRN tout en préservant la recherche scientifique à double usage, conformément au Frontier Safety Framework de Google, avec des red teams internes et externes menant des attaques manuelles et automatisées. Google surveille aussi les activations internes du modèle pour détecter le mésusage.
• Injection de prompt indirecte : Google indique qu’Argon mène le benchmark IPI de Gray Swan après red teaming automatisé et entraînement adversarial.
• Mauvais alignement : Des moniteurs observent la chaîne de pensée et les actions et stoppent l’exécution lorsqu’Argon dépasse l’intention de l’utilisateur ; Google précise avoir exclu ces constats du training pour éviter que le modèle n’apprenne à les contourner.
• Durcissement du système : Les environnements sandbox sont isolés et scellés avant des runs d’entraînement ou d’évaluation à haut risque, conformément à la feuille de route de contrôle des agents de Google.

Tarifs de Gemini 4 Argon

Argon est lancé à un tarif de lancement de 2 $ par million de tokens d’entrée et 10 $ par million de tokens de sortie, avec une remise de 95 % sur les tokens d’entrée mis en cache. Après la période de lancement, le tarif passe à 4 $ par million en entrée et 20 $ par million en sortie. Google n’a pas précisé si les tokens de raisonnement sont facturés au tarif sortie.

Face au marché, le prix de lancement est agressif, le prix standard beaucoup moins. À 2 $/10 $, Argon aligne exactement le tarif de GPT-6.1 Sol tout en sous‑cotant de 5× le 10 $/50 $ de GPT-6 Astra. Après promo, à 4 $/20 $, il rejoint le tarif que nous avons documenté pour Claude Opus 5.5 dans notre tutoriel API Opus 5.5.

Autre angle de coût : le prix brut par token masque le coût d’une tâche. Dans notre couverture de GPT-6.1 Sol, nous avons relevé 23,80 $ par tâche Terminal‑Bench Science 0.1 pour GPT-6 Astra contre 5,47 $ pour Sol, preuve qu’un modèle peut gagner un benchmark et perdre sur la facture. Google n’a pas publié de coûts par tâche pour Argon, le chiffre que je voudrais avant d’engager une flotte d’agents.

Google n’a pas indiqué la durée de la période de lancement ; budgétez donc sur 4 $/20 $ pour tout ce qui dépasse un pilote.

La facture est grosso modo (prix par token) × (tokens utilisés), et un modèle peut être bon marché sur le premier facteur et onéreux sur le second. Les traces de raisonnement longues et les réponses verbeuses coûtent cher. Avec des workflows agentiques, il y a plusieurs étapes ; chaque étape renvoie un contexte croissant, et les coûts d’entrée s’additionnent. D’où le scepticisme de certains sur les coûts :

À noter aussi côté concurrence : le positionnement d’Anthropic en septembre 2026 pour Claude Opus 5.5 mettait en avant des performances comparables à Fable 5.1 pour un coût d’exécution environ 40 % inférieur à Opus 5. À 4 $/20 $, la pression sur Argon viendra donc de modèles moins chers plutôt que de meilleurs.

Disponibilité de Gemini 4 Argon

La disponibilité est la vraie contrainte. Argon est déployé auprès d’un groupe de cyberdéfenseurs de confiance via le Fairwind Program, et Google dit participer au processus volontaire du gouvernement américain pour l’accès pré‑release aux modèles, tout en étendant progressivement. L’accès général viendra plus tard, en commençant par les clients API payants et les abonnés Google AI Ultra. Pas de formule gratuite, pas de lien d’attente, et aucun plafond de taux publié dans l’annonce.

Un point à surveiller : la page publique des tarifs IA de Google a été mise à jour le 24 septembre 2026, et les tarifs qui y figurent (0,75 $ en entrée et 3,75 $ en sortie par million, promotion jusqu’au 31 décembre 2026, puis 1,50 $/7,50 $ au 1er janvier 2027) correspondent à la gamme Gemini 3.8 Flash, pas à Argon.

Comment obtenir l’accès à Gemini 4 Argon ?

Pour l’instant, vous ne pouvez pratiquement pas. Google n’a pas publié d’ID de modèle API pour Gemini 4 Argon, et il ne faut pas en déduire un depuis le nom marketing. L’accès passe aujourd’hui par le cohort Fairwind Program de cyberdéfenseurs de confiance et par les équipes internes de Google.

Au 30 septembre 2026, Argon n’est listé ni dans le catalogue OpenRouter ni dans models.dev, et n’apparaît pas dans la documentation des modèles Google Vertex AI, Gemini CLI, Cursor, ou GitHub Copilot. Les pages modèles d’Azure AI Foundry et d’AWS Bedrock n’ont pas pu être confirmées. Quand il arrivera pour les clients API payants, l’appel suivra la forme standard Gemini :

from google import genai

client = genai.Client()
# Model ID for Gemini 4 Argon is not published as of September 30, 2026.
response = client.models.generate_content(
    model="<argon-model-id>",
    contents="Audit this module for memory-safety issues and propose a patch.",
)
print(response.text)Propulsé par

Si vous voulez préparer la plomberie d’ici là, notre tutoriel API Claude Opus 5.5 explique comment construire un agent enquêteur avec outils en lecture seule et appels d’outils programmatiques ; les mêmes patterns se portent d’un fournisseur à l’autre en changeant simplement l’ID de modèle.

Ce que l’on dit de Gemini 4 Argon

Presque personne hors du cohort Fairwind n’a encore utilisé Argon ; la plupart des réactions sont donc des premières impressions de l’annonce, pas des tests pratiques. Voici le ton de la conversation, du général au spécifique.

Vue d’ensemble / premières impressions : les gens sont impressionnés. 

Ces premières impressions sont indissociables des résultats de benchmarks. Les performances sur Vals Index, ainsi que les résultats en juridique et finance, ont le plus retenu l’attention, avec l’astérisque qu’il s’agit d’évals maison de Google.

Mais une réaction résume bien l’enjeu de cette sortie. Argon est pensé pour des travaux qui tournent des heures, comme réécrire un noyau en Rust, et cela pourrait réellement peser sur l’avenir du travail. 

Conclusion

Google parie que la prochaine manche de la compétition au sommet se jouera sur le knowledge work d’entreprise et la cyberdéfense plutôt que sur la qualité du chat, et les scores d’Argon sur Vals Index, AutomationBench et GraphWalks soutiennent ce pari.

Reste que personne hors du cohort Fairwind n’a encore reproduit le moindre score.

Quand l’accès s’ouvrira, je privilégierais Argon pour les travaux sur documents et dépôts à long contexte, et je resterais sur Claude Opus 5.5 ou GPT-6 Astra pour les boucles agents pilotées en terminal, où Argon accuse 9 à 10 points de retard.

Si vous voulez construire les workflows agentiques visés par ces modèles, commencez par notre parcours de compétences AI Fundamentals.