Spécifications techniques de Gemini 4 Argon
| Spécification | Gemini 4 Argon |
|---|---|
| Fournisseur | Google DeepMind |
| Famille de modèles | Gemini 4 |
| ID du modèle | gemini-4-argon |
| Type de modèle | Modèle de raisonnement multimodal de pointe |
| Objectif principal | Flux de travail complexes, codage agentique, travail de la connaissance en entreprise, cybersécurité |
| Capacité multimodale | Google décrit une compréhension multimodale ; la page publique du modèle ne fournit pas encore un schéma complet des modalités de l’API |
| Sortie maximale | Jusqu’à 1,000,000 tokens, selon les listes d’API tierces actuelles ; à ne pas confondre avec la fenêtre de contexte d’entrée |
| Fenêtre de contexte d’entrée | Non clairement publiée par Google sur la page publique actuelle du modèle |
| Disponibilité de l’API publique | Accès limité/préversion ; Google n’a pas annoncé de date de sortie publique générale |
Qu’est-ce que Gemini 4 Argon ?
Gemini 4 Argon est le modèle phare qui sert de pilier à la génération Gemini 4 de Google. Google le décrit comme étant conçu pour offrir des performances de pointe sur des charges de travail complexes, incluant l’ingénierie logicielle, le travail de la connaissance en entreprise et la défense en cybersécurité. Son ensemble d’évaluations publiées couvre le travail de la connaissance, le codage agentique, les sciences et les mathématiques, l’usage informatique, la compréhension multimodale, les tâches à long contexte et la cybersécurité.
Le positionnement d’Argon est nettement axé sur les flux de travail, plutôt que limité aux questions-réponses conversationnelles. Google met en avant la capacité à soutenir des tâches longues et à plusieurs étapes, et à opérer au sein de flux de travail complexes d’ingénierie logicielle et d’entreprise.
Principales fonctionnalités de Gemini 4 Argon
- Raisonnement pour flux de travail complexes : Conçu pour des tâches longues et à plusieurs étapes nécessitant un raisonnement soutenu plutôt qu’une réponse courte unique.
- Codage agentique : Google fait état de solides résultats sur DeepSWE v1.1, Vibe Code Bench et d’autres évaluations de codage.
- Travail de la connaissance en entreprise : Les évaluations publiées incluent des tâches financières et d’agents juridiques ainsi que l’automatisation métier de bout en bout.
- Compréhension multimodale : Google rapporte de bons résultats sur Chartography et LVBench, couvrant la compréhension multimodale et de longues vidéos.
- Performance en long contexte : Des résultats GraphWalks sont rapportés pour les plages jusqu’à 128K et de 256K–1M.
- Défense en cybersécurité : Google positionne spécifiquement Argon pour la cybersécurité défensive et publie des résultats CWE-bench v1 pour la remédiation des vulnérabilités.
Performances de Gemini 4 Argon aux benchmarks
Google DeepMind rapporte les résultats suivants sur sa page d’évaluation actuelle de Gemini 4 Argon. Ce sont des résultats publiés par le fournisseur et ils ne doivent être comparés qu’au regard de la méthodologie de benchmark indiquée. [1]
| Benchmark | Catégorie | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 | Claude Opus 5.5 |
|---|---|---|---|---|---|
| Vals Index | Travail de la connaissance | 68.9% | 63.1% | 65.8% | 67.0% |
| AutomationBench | Travail de la connaissance | 51.3% | 41.4% | 31.4% | 42.5% |
| Vals Finance Agent v2 | Travail de la connaissance | 65.4% | 53.5% | 58.9% | 58.6% |
| Harvey's Legal Agent Benchmark | Travail de la connaissance | 19.6% | 5.4% | 6.7% | 3.8% |
| DeepSWE v1.1 | Codage agentique | 77.9% | 74.1% | 67.4% | 74.2% |
| FrontierSWE v2 | Codage agentique | 55.0% | 65.5% | 56.3% | 62.3% |
| Vibe Code Bench | Codage agentique | 91.9% | 89.6% | 90.3% | 90.3% |
| Terminal-bench 4.0 | Codage agentique | 57.4% | 58.2% | 57.9% | 66.4% |
| Terminal-Bench Science 0.1 | Sciences et mathématiques | 57.6% | 68.1% | 52.6% | 63.3% |
| LABBench | Sciences et mathématiques | 88.8% | 85.4% | 68.6% | 73.1% |
| RiemannBench | Sciences et mathématiques | 76.0% | 72.0% | 65.6% | 69.6% |
| GraphWalks, jusqu’à 128K | Contexte long | 99.7% | 98.7% | 91.4% | 90.6% |
| GraphWalks, 256K–1M | Contexte long | 84.2% | 71.8% | 65.0% | 66.8% |
| Chartography | Compréhension multimodale | 71.6% | 71.0% | 46.2% | 66.3% |
| LVBench | Compréhension multimodale | 91.7% | 87.5% | 79.7% | 83.7% |
| CWE-bench v1 | Cybersécurité | 68.0% | 68.0% | 58.0% | 67.0% |
Les résultats montrent que les performances d’Argon varient selon la tâche : il arrive en tête de la comparaison citée sur plusieurs évaluations de travail de la connaissance, de codage, de sciences, de contexte long et de compréhension multimodale, tandis que d’autres modèles obtiennent de meilleurs scores sur certains benchmarks de codage, de sciences ou d’usage informatique. Ils ne doivent pas être agrégés en un classement global unique.
Gemini 4 Argon vs GPT-6 Astra vs Claude Fable 5.1
| Domaine | Gemini 4 Argon | GPT-6 Astra | Claude Fable 5.1 |
|---|---|---|---|
| Travail de la connaissance | Résultats publiés solides sur Vals, AutomationBench, les évaluations de finance et d’agents juridiques | Solide sur le même ensemble d’évaluations | Solide sur plusieurs évaluations de travail de la connaissance |
| Codage agentique | 77.9% sur DeepSWE v1.1 ; 91.9% sur Vibe Code Bench | 74.1% sur DeepSWE v1.1 ; 89.6% sur Vibe Code Bench | 67.4% sur DeepSWE v1.1 ; 90.3% sur Vibe Code Bench |
| Contexte long | 99.7% sur GraphWalks jusqu’à 128K ; 84.2% de 256K–1M | 98.7% et 71.8% respectivement | 91.4% et 65.0% respectivement |
| Compréhension multimodale | 71.6% sur Chartography ; 91.7% sur LVBench | 71.0% ; 87.5% | 46.2% ; 79.7% |
| Cybersécurité | 68.0% sur CWE-bench v1 | 68.0% | 58.0% |
La comparaison est spécifique à chaque benchmark. Par exemple, GPT-6 Astra obtient un score supérieur à Argon sur FrontierSWE v2 et Terminal-Bench Science 0.1, tandis qu’Argon obtient un meilleur score sur DeepSWE v1.1, Vibe Code Bench, GraphWalks 256K–1M et LVBench.
Cas d’utilisation représentatifs
- Ingénierie logicielle à l’échelle du dépôt — Codage à long horizon, refactorisation, débogage et développement agentique.
- Flux de travail de connaissance en entreprise — Recherche juridique, analyse financière et automatisation des processus métier.
- Défense en cybersécurité — Découverte, validation et remédiation des vulnérabilités dans des environnements contrôlés.
- Flux de travail scientifiques et mathématiques — Tâches reflétées par LABBench, RiemannBench et des évaluations orientées sciences.
- Analyse de longues vidéos et multimodale — Charges de travail nécessitant une interprétation croisant informations visuelles et temporelles.
- Agents à long contexte — Applications nécessitant de conserver des informations sur des trajectoires de tâches très étendues.