Gemini 4 Argon a été publié par Google le 13 octobre 2026 dans un article de blog officiel et il est désormais disponible dans le monde entier : les développeurs et les entreprises peuvent l'appeler via l'API Gemini dans AI Studio et sur la plateforme cloud de Google, les abonnés Google AI Ultra peuvent l'utiliser dans Google Antigravity, et les abonnés Ultra et Pro peuvent l'essayer dans l'application Gemini et dans le Mode IA de la recherche. Google présente Argon comme un modèle de pointe conçu pour les tâches complexes et longues, particulièrement fort dans les domaines en plusieurs étapes comme la programmation, la finance, le droit, la cybersécurité et la science, et il occupe la première place du Vals Index, qui mesure les performances dans des secteurs économiques comme la finance, le code, le droit et la fiscalité.
Prix et accès, d'abord
Argon démarre à 2 dollars par million de jetons en entrée et 10 dollars par million de jetons en sortie, avec une remise de 95 % sur les entrées mises en cache et une limite combinée entrée-sortie d'un million de jetons via l'API. Le niveau gratuit ne fait pas partie de la première vague : l'accès passe surtout par les abonnements payants et le niveau payant de l'API. Google ouvre en outre aux scientifiques — 10 000 d'entre eux — la possibilité de candidater pour six mois d'accès gratuit au plus haut niveau d'usage d'Antigravity, attribué au fil de l'eau selon l'éligibilité et les capacités ; les défenseurs en cybersécurité peuvent postuler au programme Fairwind pour utiliser, dans des conditions contrôlées, une version aux garde-fous cyber assouplis.
Google l'a d'abord éprouvé sur ses problèmes les plus durs
La plupart des résultats présentés viennent de l'intérieur de Google. L'équipe Chrome a utilisé Argon pour démêler un dossier de fonctionnalités héritées d'environ 6 millions de lignes au sein des quelque 40 millions de lignes de Chromium, menant une refonte d'architecture sur des centaines de fichiers et ramenant des mois de travail à quelques semaines. L'équipe du kit open source Agent Development Kit n'a donné à Argon qu'un objectif d'un paragraphe et son propre règlement ; en tournant en autonomie pendant une nuit, il a produit des optimisations qui réduisent de 40 % le temps de préparation des sessions en mémoire pour les longues sessions et accélèrent de 21 % les importations à froid, et ces changements sont désormais dans le dépôt officiel. Argon a aussi accéléré de 2,85 fois, de bout en bout, l'inférence du modèle ouvert Gemma 4 E2B sur un A100 via vLLM, avec une parité totale des jetons, et rendu le logiciel de chimie quantique xTB jusqu'à 2,3 fois plus rapide pour prédire les structures moléculaires. Selon Google, les équipes internes utilisant Argon dans Antigravity ont augmenté de plus de 35 % les soumissions de code agentiques tout en réduisant de près d'un tiers les retours en arrière. Tous ces chiffres sont auto-déclarés par Google, sans reproduction par un tiers pour l'instant.
Une vidéo humaine suffit : un humanoïde réussit sept lancers de suite
Dans un article séparé publié le même jour, Google DeepMind a détaillé les capacités robotiques d'Argon. Sur le benchmark de raisonnement incarné ERQA, Argon a obtenu 87 % par le seul raisonnement, devant les autres modèles de pointe. Lors d'un test interne, il a regardé une vidéo brute d'un humain jouant au cornhole, calculé les coordonnées spatiales et les mouvements articulaires du corps entier, puis écrit lui-même le code de simulation ; transféré sur l'humanoïde Apollo d'Apptronik, le robot a ensuite réussi sept lancers consécutifs en conditions réelles. DeepMind appelle cette chaîne Video-to-Sim-to-Real : des environnements de simulation qui exigeaient des semaines de modélisation manuelle peuvent désormais être générés en quelques heures. Pour la robotique, cela signifie qu'un modèle général commence à assumer à la fois la perception, le raisonnement et la génération du code de contrôle, et que les données d'entraînement des robots peuvent provenir de vidéos ordinaires plutôt que de collectes dédiées.
Un modèle plus fort, une couche de sécurité plus épaisse
Google a consacré une place importante aux protections. Le taux de violation d'Argon sur un jeu de tests adversarial a chuté de près de moitié par rapport à son prédécesseur, les équipes rouges externes spécialisées dans le domaine biologique n'ont débloqué que moins de 1 % des sous-tâches testées, les tentatives de raccourci sur les benchmarks de code sont tombées à 2 %, et sur le benchmark d'injection indirecte d'instructions, le taux de réussite sur 15 tentatives adaptatives a été ramené à 0,7 %. Un moniteur en temps réel lit en outre le raisonnement et les actions de l'agent et bloque les contournements non autorisés. Tous ces chiffres proviennent des évaluations de Google et de tests internes de partenaires, dont la méthodologie n'est pas entièrement publique : à ce stade, il faut les lire comme des chiffres communiqués par le fournisseur.
Le vrai sujet d'Argon n'est pas un nouveau record de benchmark. Google déplace la compétition des modèles de pointe des réponses en un tour vers un travail long, en plusieurs étapes, qui livre des résultats finis : refondre des millions de lignes de code, ou apprendre à un robot un nouveau geste à partir d'une vidéo. Ce que les développeurs externes mesureront dans les prochains mois, en coût réel et en fiabilité sur l'API, décidera de la place d'Argon dans les chaînes d'outils de programmation et de recherche.
