Google a annoncé Gemini 4 Carbon, son modèle d’IA le plus performant à ce jour. Selon les tests de performance de Google, ce nouveau modèle surpasse le GPT-6 Astra d’OpenAI et le Claude Opus 5.5 d’Anthropic, devenant ainsi le modèle le mieux classé de l’Artificial Analysis Intelligence Index. Google a souligné avoir mis l’accent sur le codage, les tâches agentiques de longue durée et les capacités en matière de cybersécurité avec ce nouveau modèle Carbon. Google a également amélioré la fiabilité et la sécurité du modèle. Malgré ces améliorations, Google maintient sa stratégie tarifaire agressive.Gemini est une famille de grands modèles de langage multimodaux (LLM) développée par Google DeepMind, qui succède à LaMDA et PaLM 2. Composée de Gemini Pro, Gemini Deep Think, Gemini Flash et Gemini Flash Lite, elle a été annoncée le 6 décembre 2023. Elle alimente le chatbot Gemini et tire son nom du mot latin signifiant « jumeaux » (symbolisant la fusion de Google Brain et DeepMind) ainsi que du projet Gemini de la NASA.
À peine deux semaines après avoir rendu Gemini 4 Argon accessible au grand public, Google a annoncé Gemini 4 Carbon, son modèle d’IA le plus performant à ce jour. Selon les tests de performance de Google, ce nouveau modèle surpasse le GPT-6 Astra d’OpenAI et le Claude Opus 5.5 d’Anthropic, devenant ainsi le modèle le mieux classé de l’Artificial Analysis Intelligence Index.
Gemini 4 Carbon a obtenu 59 points sur la dernière version de l’Artificial Analysis Intelligence Index v5.0, devançant Claude Opus 5.5 (58 points) et le GPT-6 Astra (57 points). À titre de comparaison, Gemini 4 Argon n’avait obtenu que 50 points lors du même test de performance. Il s’agit là d’une amélioration significative en l’espace de quelques semaines seulement. Google a souligné avoir mis l’accent sur le codage, les tâches agentiques de longue durée et les capacités en matière de cybersécurité avec ce nouveau modèle Carbon.
Les équipes de Google ont déjà utilisé ce modèle pour travailler de manière autonome pendant plusieurs jours, à la recherche de bogues complexes dans de vastes bases de code. Dans le benchmark SEC-bench Pro, qui mesure la capacité à identifier des vulnérabilités logicielles réelles, Carbon a obtenu un score de 88,2 %. Dans ExploitGym, Carbon a obtenu un score de 54,8 %, devançant largement GPT-6 Astra et Opus 5.5. Dans CWE-bench, il a obtenu un score de 71,0 %.
Google a également amélioré la fiabilité et la sécurité du modèle. Lors de tests internes, Carbon a généré environ deux fois moins d’affirmations non fondées qu’Argon, tandis que les alertes de désalignement de gravité élevée ont diminué de près de 80 %. Le modèle a également atteint un taux de réussite des attaques de 0 % lors du benchmark « Indirect Prompt Injection » de Gray Swan.
Malgré ces améliorations, Google maintient sa stratégie tarifaire agressive. Gemini 4 Carbon coûtera initialement 2 $ par million de jetons d’entrée et 10 $ par million de jetons de sortie, avec une remise de 95 % sur les jetons d’entrée mis en cache. Ce prix est cinq fois moins cher que la tarification API standard de GPT-6 Astra (10 $/50 $) et représente la moitié du prix de Claude Opus 5.5 (4 $/20 $). À l’issue de la période promotionnelle, les tarifs de l’API de Carbon passeront à 4 dollars par million de jetons d’entrée et à 20 dollars par million de jetons de sortie.
Malheureusement, les développeurs et les consommateurs ne pourront pas tester Carbon immédiatement. Dans un premier temps, Google met ce modèle à la disposition d’un groupe restreint de professionnels de la cybersécurité via son programme Fairwind.
Voici l'annonce de Google :
Gemini 4 Carbon : notre prochain modèle « frontière »
Nous annonçons aujourd’hui le lancement de notre modèle « nouvelle frontière » : Gemini 4 Carbon, notre modèle le plus performant, doté de capacités de pointe en matière de cybersécurité et d’horizon à long terme.
Carbon occupe la première place du classement Artificial Analysis Intelligence Index (v5.0), récemment mis à jour, avec un score de 59. Il affiche des progrès significatifs dans les tâches de codage et d’agent, ainsi que dans les capacités clés essentielles à la défense en matière de cybersécurité, s’imposant largement dans le SEC-bench Pro (88,2 %) pour la détection de vulnérabilités, dans l’ExploitGym (54,8 %) pour l’exploitation et dans le CWE-bench (71,0 %) pour l’application de correctifs. En ce qui concerne les tests de performance internes, Carbon permet une nette amélioration dans la génération de code sécurisé et, dans les environnements de codage en production avec nos propres équipes, il affiche une réduction des taux d’incohérence et d’erreurs.
S’appuyant sur Gemini 4 Argon, lancé il y a deux semaines, Carbon illustre la vitesse à laquelle nous repoussons les limites. Nos chercheurs et nos modèles travaillent main dans la main pour faire progresser plus rapidement nos capacités, tout en renforçant parallèlement nos mesures de sécurité.
Nous adoptons une approche réfléchie pour le déploiement et participons activement au processus volontaire du gouvernement américain de test des modèles avant leur mise en service. À partir de cette semaine, nous mettrons Carbon à la disposition d’un sous-ensemble de cyberdéfenseurs et étendrons progressivement l’accès à d’autres partenaires de confiance via notre programme Fairwind. Nous continuons à recueillir des retours d’expérience et à affiner nos mesures de sécurité avant de mettre Carbon à la disposition des développeurs, des entreprises et des consommateurs via nos interfaces produit dès que possible.
Gemini 4 Carbon sera lancé au même prix de lancement qu’Argon, soit 2 dollars par million de jetons d’entrée et 10 dollars par million de jetons de sortie, les jetons d’entrée mis en cache bénéficiant d’une remise de 95 % sur le prix des jetons d’entrée.
Améliorer le codage et le raisonnement pour des tâches complexes à long terme
Conçu pour s’attaquer à des problèmes d’ingénierie bien plus difficiles et à long terme, Carbon est conçu pour des flux de travail agentiques soutenus. En interne, nos équipes ont vu Carbon fonctionner pendant plusieurs jours pour persévérer face à des impasses et s’attaquer à des tâches d’ingénierie complexes en plusieurs étapes, telles que l’identification des causes profondes et la correction de bugs subtils dans de vastes bases de code et des systèmes de bas niveau.
En nous appuyant sur les retours des utilisateurs, nous nous sommes concentrés sur l’amélioration des performances du modèle dans divers domaines, notamment le codage, les tâches agentiques et scientifiques, ainsi que le développement web full-stack et la compréhension multimodale. Grâce à une qualité améliorée des résultats et des artefacts en développement web, Carbon gagne +89 points Elo et se hisse à la 4e place (1 768) sur WebDev Arena.
Des performances de pointe en matière de cybersécurité pour aider à construire des systèmes sécurisés
Gemini 4 Carbon marque une avancée significative en matière de capacités de cybersécurité. Il atteint des performances de pointe tout au long du cycle de vie de la défense en cybersécurité : détection, validation et correction des vulnérabilités.
Nos équipes constatent déjà des progrès significatifs en matière de cyberdéfense. Lors de tests de performance internes, Carbon a plus que doublé le taux de réussite en matière de génération de code sécurisé par rapport à Argon. Autre exemple : l’équipe Chrome a indiqué que Carbon affichait des performances plus de 10 fois supérieures à celles d’un autre modèle « frontier » développé en laboratoire lors de la génération de correctifs de haute qualité. Wiz, notre plateforme de sécurité cloud de référence, constate également que Carbon se distingue dans les tests de performance relatifs aux tests d’intrusion Web, une capacité essentielle pour l’initiative « Scan for Good » de Wiz.
Carbon excelle dans les principaux benchmarks externes (évalués sans contraintes) :
- Détection de véritables vulnérabilités : la détection de véritables vulnérabilités est au cœur de la cybersécurité. Carbon atteint un taux de 88,2 % (à la pointe de la technologie) sur SEC-bench Pro, en détectant de manière autonome des failles complexes enfouies dans des logiciels réels.
- Valider les risques par l’exploitation : pour hiérarchiser les vulnérabilités à corriger en priorité, voire à corriger tout court, les cyberdéfenseurs s’appuient de plus en plus sur des modèles permettant de vérifier quelles vulnérabilités sont exploitables. Carbon établit un nouveau record de pointe sur le célèbre benchmark d’exploitation ExploitGym (54,8 %).
- Corriger la cause profonde : en fin de compte, après avoir identifié les vulnérabilités, la correction de la cause profonde constitue une étape cruciale dans le cycle de vie de la défense en matière de cybersécurité. Carbon atteint 71,0 % sur le CWE-bench de Collinear, transformant les résultats validés directement en correctifs de code fonctionnels.
Faire progresser la sûreté et la sécurité des modèles de pointe
Gemini 4 Carbon s’appuie sur la même pile de sûreté et de sécurité multicouche qu’Argon — combinant l’entraînement des modèles, les défenses en temps réel contre les utilisations abusives, la résilience face à l’injection de prompts et la surveillance de la chaîne de pensée. Nous avons notamment réalisé des progrès significatifs dans l’alignement des modèles avec Argon, et avons rendu compte de sa propension à se comporter de manière alignée dans notre rapport sur la sûreté et la sécurité. Avec Carbon, nous nous sommes lancé le défi d’aller encore plus loin en matière d’alignement, et nous avons entraîné le modèle à répondre de manière appropriée à des...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
