Google a ouvert Gemini 4 Carbon aux développeurs payants et aux entreprises le 2026-11-10 ; son ID de modèle est gemini-4-carbon. C’est un modèle basé sur Gemini 4 Argon, qui accepte en entrée du texte, des images, de l’audio et de la vidéo. Le même jour, sur son blog officiel et ses comptes officiels, Google l’a présenté comme le modèle Gemini le plus puissant à ce jour, conçu pour les tâches de longue durée et le raisonnement en plusieurs étapes. Le changelog de l’API Gemini l’a aussi indiqué le même jour comme disponible en version stable (GA).
Ce n’est pas la énième reprise d’un communiqué qui promet une victoire écrasante. Cet article sépare l’information en trois couches : ce que Google affirme lui-même, les résultats de la fiche du modèle (model card) publiés jusqu’en octobre 2026, et ce qui reste inconnu à ce jour. Les benchmarks où le modèle perd comme ceux où il gagne y figurent.
Ce que vous allez y gagner : les 6 limites de capacité de Gemini 4 Carbon, pour savoir quelles tâches lui confier et lesquelles sont mieux placées chez Argon ou chez d’autres modèles.
Gemini 4 Carbon : l’essentiel en un coup d’œil
Gemini 4 Carbon n’apparaît pas pour la première fois cette semaine. Le 2026-10-28, Google a publié « Introducing Gemini 4 Carbon », mais le modèle était alors réservé à quelques équipes de défense en cybersécurité, avec une ouverture progressive via le Fairwind Program. Il n’a été ouvert à tous les développeurs payants que le 10 novembre.
| Élément | Détails | Niveau de source |
|---|---|---|
| Première annonce | 2026-10-28, d’abord pour certains acteurs de la défense en cybersécurité, avec ouverture progressive via le Fairwind Program | Communiqué officiel |
| Ouverture publique | 2026-11-10, pour les développeurs payants, les entreprises, les scientifiques et les abonnés Google AI Ultra | Blog officiel |
| Statut de l’API | gemini-4-carbon en disponibilité générale (GA) le 2026-11-10 ; la même page indique que gemini-4-argon est passé en GA le 2026-11-05 |
Changelog de l’API Gemini |
| Accès pour les développeurs | Gemini API dans Google AI Studio et Android Studio, Gemini for business | Article officiel de Google |
| Accès pour les abonnés | Application Gemini, mode IA dans la Recherche, Antigravity, Google AI Studio (abonnement Ultra) | Article officiel de Google |
| Offre gratuite et abonnements d’entrée de gamme | Google n’a donné aucune date d’ouverture cette fois ; selon The Verge, on ignore quand (et même si) ils y auront accès | Inconnu |
L’article officiel de Google a été publié le 2026-11-10 à 16:05 UTC, soit le 11 novembre à 00:05 à Pékin. Beaucoup de développeurs n’ont donc découvert la nouvelle que le matin du 11. Par ailleurs, le programme destiné aux scientifiques, initialement prévu pour Argon (10 000 places, six mois d’accès à Antigravity), a été étendu à Carbon. Les candidatures restent ouvertes et sont examinées chaque semaine, avec des conditions d’éligibilité, des limites de capacité et une sélection.
Trois niveaux de lecture pour les chiffres de Gemini 4 Carbon
Les chiffres autour de Gemini 4 Carbon ne manquent pas, mais leurs sources et leurs méthodes de mesure diffèrent. Dans la suite de l’article, chaque donnée est rattachée à l’un de ces niveaux, pour éviter de comparer dans un même tableau des scores qui ne reposent pas sur les mêmes critères.
| Niveau | Contenu | Comment l’utiliser |
|---|---|---|
| Données officielles (auto-déclarées) | Classements, benchmarks internes et chiffres de sécurité issus du communiqué du 28 octobre et de l’annonce d’ouverture du 10 novembre | Utiles à titre indicatif, mais la méthode est fixée par Google et n’est pas forcément reproductible de l’extérieur |
| Tableau de résultats de la fiche modèle | Comparaison, à octobre 2026, entre Carbon et Argon, GPT-6 Astra, Claude Opus 5.5 et Claude Fable 5.1 | Un seul tableau, donc une méthode homogène : c’est le seul que cet article utilise pour les comparaisons |
| Inconnu | Date d’ouverture de l’offre gratuite, évaluations indépendantes sur le long terme, derniers indices affichés par des pages tierces | Pas de conclusion : on se contente de décrire l’état actuel |
Prenons un exemple. Lorsque la page d’Artificial Analysis a été consultée le 2026-11-11, son résumé affichait un Intelligence Index de 60. Pourtant, la zone des graphiques de cette même page indiquait à de nombreux endroits « No publicly available API », ce qui contredit l’ouverture de l’API le 10 novembre. Nous n’avons donc pas retenu ce chiffre de 60 et utilisons systématiquement le score de 59 cité par la fiche modèle (AA Index v5.0, mesuré en octobre 2026).
Gemini 4 Carbon : de quel type de modèle s’agit-il ?
Selon Google, Argon reste suffisant pour la plupart des tâches d’ingénierie logicielle et de travail sur la connaissance. Carbon est réservé aux tâches qui atteignent vraiment la limite de l’intelligence du modèle, par exemple le codage et le débogage complexes en plusieurs étapes, ou la recherche scientifique ouverte. Il consomme plus de thinking tokens qu’Argon, explore les hypothèses plus à fond et fait tourner ses boucles de vérification plus longtemps.
| Caractéristique | Gemini 4 Carbon | Remarques |
|---|---|---|
| Base | Basé sur Gemini 4 Argon | Pour migrer depuis Argon, il suffit de changer le nom du modèle |
| Modalités en entrée | Texte, image, audio, vidéo | Compréhension multimodale |
| Modalités en sortie | Texte uniquement | Ne peut générer ni images ni vidéos |
| Fenêtre de contexte | 1M de tokens, partagés entre entrée, réflexion et sortie | Les anciens modèles plafonnaient « réflexion + réponse » à 64K |
| Limite de sortie synchrone par défaut | 65 536 tokens | Pour des sorties plus longues, il faut définir background=True sur l’Interactions API |
| Date limite des connaissances | Mars 2026 (fiche du modèle) | Peut être antérieure pour certains domaines |
Les trois niveaux de thinking_level de Gemini 4 Carbon
thinking_level propose seulement trois niveaux, et la valeur par défaut est medium. Voici la répartition recommandée dans le guide du développeur :
low: tâches légères comme la classification, le routage ou l’extraction ciblée.medium: le niveau par défaut, qui équilibre vitesse, coût et chances de réussir du premier coup.high: localisation de la cause racine sur plusieurs fichiers, correctifs de sécurité, mathématiques formelles, conception d’architecture en amont.
Si vous avez besoin d’une sortie de plus de 65 536 tokens, il faut définir background=True sur l’Interactions API, porter max_output_tokens au-delà de 65536, et garder une marge pour le processus de réflexion. Sinon, la réponse risque d’être tronquée.
Points d’attention pour migrer d’Argon vers Gemini 4 Carbon
Pour passer de gemini-4-argon à gemini-4-carbon, il suffit de changer le nom du modèle : le thinking_level et la fenêtre de 1M sont identiques. Le guide du développeur liste quelques pièges classiques à éviter lors de la migration :
- thinking_budget est déprécié : si vous le passez, un avertissement est déclenché.
- Les valeurs personnalisées de temperature, top_p et top_k sont ignorées, avec un avertissement.
- Ne créez plus et ne transmettez plus de cached_content explicite. Le cache implicite est activé par défaut, avec 95 % de remise sur les entrées en cache.
- Les invites difficiles peuvent tourner plusieurs minutes : réglez le délai d’expiration côté client à 15-20 minutes minimum, ou passez plutôt par background=True.
Appeler Gemini 4 Carbon sur APIYI
Au 2026-11-11, l’interface de tarification d’APIYI a mis en ligne gemini-4-carbon. Comme gemini-4-argon, il est disponible dans les deux groupes default et svip, avec les points d’accès natifs Gemini et le chat compatible OpenAI. Voici l’essentiel pour l’appeler :
- ID du modèle :
gemini-4-carbon - base_url compatible OpenAI :
https://api.apiyi.com/v1, avec le chemin de requête/v1/chat/completions - Point d’accès natif Gemini :
/v1beta - Groupes :
default,svip(multiplicateur de 1 pour les deux)
Le tarif actuellement affiché par APIYI est de 2 $ en entrée, 10 $ en sortie et 0,10 $ pour la lecture du cache, par 1M de tokens (2026-11-11), comme pour Argon. Attention : le tarif 2 / 10 du site officiel de Google est une promotion valable jusqu’au 2026-11-30. À partir du 1er décembre, le prix standard mondial passe à 4 $ en entrée et 20 $ en sortie. Le tableau récapitulatif de la documentation APIYI date du 2026-11-10 à 15:40 (UTC+8), soit avant le lancement public : si vous ne voyez pas encore cette ligne, fiez-vous à la console et à l’interface de tarification api.apiyi.com/api/pricing. Les modèles et les prix sont ceux de la liste des modèles de la plateforme.
🚀 Pour démarrer rapidement : si votre projet utilise déjà le SDK OpenAI, il suffit de pointer base_url vers
https://api.apiyi.com/v1et de remplacer le nom du modèle pargemini-4-carbon. Vous pourrez ainsi comparer avec Argon en utilisant la même clé. La liste complète des modèles est consultable sur apiyi.com.
Résultats de la fiche modèle Gemini 4 Carbon (à octobre 2026)
Le tableau ci-dessous est tiré des résultats de la fiche modèle. Les chiffres sont ceux publiés officiellement, à jour d’octobre 2026 : ce ne sont pas des résultats de tests réalisés par APIYI. Les trois benchmarks de cybersécurité correspondent aux performances obtenues via le Fairwind Program, et sont signalés à part. Dans Terminal-Bench 4.0, la case d’Argon présente une anomalie d’impression dans la fiche modèle (ce n’est pas un pourcentage plausible), donc cet article ne la cite pas.
| Benchmark | Carbon | Argon | GPT-6 Astra | Opus 5.5 | Fable 5.1 |
|---|---|---|---|---|---|
| AA Index v5.0 | 59 | 50 | 57 | 58 | 49 |
| Vals Index v2.2 | 70.4% | 69.2% | 65.0% | 70.2% | — |
| SWE-sweep | 9.6% | 4.3% | 9.5% | 3.6% | 2.9% |
| FrontierSWE 2 | 61.2% | 55.0% | 65.5% | 62.3% | 56.3% |
| Terminal-Bench 4.0 (AA) | 65.2% | non cité | 59.1% | 59.6% | 52.0% |
| Agents’ Last Exam v1.1 | 77.4% | 69.0% | 73.1% | 71.6% | — |
| OSWorld-2.1 (sous-ensemble hors ligne) | 81.5% | 74.7% | 80.9% | 87.2% | 76.8% |
| AutomationBench (Zapier) | 53.9% | 51.3% | 41.4% | 42.5% | 31.4% |
| GraphWalks 256k–1M BFS (F1) | 96.2% | 84.2% | 71.8% | 66.8% | 65.0% |
| RiemannBench | 80.0% | 76.0% | 72.0% | 69.6% | 65.6% |
| Terminal-Bench-Science 0.1 | 64.8% | 52.9% | 63.3% | 59.0% | 43.3% |
| CWE-bench (Fairwind) | 71.0% | 68.0% | 68.0% | 67.0% | 58.0% |
| ExploitGym (Fairwind) | 54.8% | 42.0% | 42.4% | 34.5% | — |
| SEC-bench Pro (Fairwind) | 88.2% | 83.4% | 85.4% | — | — |
Un schéma ressort clairement du tableau : c’est sur la recherche en contexte long (GraphWalks), le raisonnement scientifique (RiemannBench, Terminal-Bench-Science) et les tâches d’agent au long cours (Agents’ Last Exam, Terminal-Bench 4.0) que Carbon creuse le plus l’écart. En revanche, il n’arrive pas en tête sur l’utilisation d’un ordinateur ni sur le génie logiciel appliqué aux dépôts publics.
Certains écarts sont en réalité très faibles. Sur Vals Index, Carbon affiche 70.4% contre 70.2% pour Opus 5.5, et sur SWE-sweep 9.6% contre 9.5% pour Astra. On peut parler d’égalité : il ne faut pas y voir une avance nette.
📊 Note sur le graphique : les données ci-dessus proviennent de la fiche modèle de Google, à jour en octobre 2026. Si vous voulez vérifier l’écart sur vos propres tâches métier, vous pouvez passer par APIYI (apiyi.com) et appeler
gemini-4-carbonetgemini-4-argonavec la même clé API, pour les comparer côte à côte.
Les 6 limites de Gemini 4 Carbon
Commençons par un tableau récapitulatif des 6 limites, avant de les détailler une par une.
| N° | Limite | En une phrase | Niveau de preuve |
|---|---|---|---|
| 1 | Ingénierie longue et multi-étapes | Plus performant, mais plus gourmand en tokens de réflexion | Fiche modèle + chiffres auto-déclarés par Google |
| 2 | Développement de fonctionnalités au quotidien | Google recommande toujours Argon | Position officielle |
| 3 | Utilisation de l’ordinateur | Opus 5.5 (87,2 %) devant Carbon (81,5 %) | Fiche modèle |
| 4 | Ingénierie sur dépôts publics | Sur FrontierSWE 2, Astra (65,5 %) devant Carbon (61,2 %) | Fiche modèle |
| 5 | Cybersécurité | Les scores élevés passent par le dispositif Fairwind : changer de nom de modèle ne suffit pas pour les obtenir | Fiche modèle + communiqué de lancement |
| 6 | Sorties et disponibilité | Texte uniquement ; aucune date d’ouverture pour l’offre gratuite | Documentation officielle + inconnue |
Limite n° 1 : Gemini 4 Carbon est plus solide sur les tâches d’ingénierie longues et multi-étapes, mais il consomme plus de tokens de réflexion
Dans la fiche du modèle, Carbon arrive en tête du tableau sur Terminal-Bench 4.0 (65,2 %), Agents’ Last Exam (77,4 %) et la recherche en contexte long GraphWalks (96,2 %). Il affiche aussi le solde simulé le plus élevé sur Vending-Bench 2, avec 16 484 dollars. Ces tâches ont un point commun : elles comptent de nombreuses étapes et demandent des vérifications répétées, ce qui correspond exactement à ce que Google appelle « faire tourner longtemps la boucle de vérification ».
Le coût, lui aussi, figure dans la communication officielle. Carbon utilise plus de tokens de réflexion qu’Argon, et la fiche du modèle range d’ailleurs « un niveau de réflexion plus élevé consomme plus de tokens » parmi les limites connues. Les deux modèles ont le même tarif d’entrée, mais la facture totale d’une tâche peut être plus élevée, et pour les invites complexes, il faut parfois attendre plusieurs minutes.
Limite n° 2 : pour le développement de fonctionnalités au quotidien, Google recommande toujours Gemini 4 Argon
Google est très clair : pour la plupart des tâches de génie logiciel et de travail de connaissance, continuez avec Argon, parce qu’il consomme moins de tokens et réagit plus vite. Carbon est réservé aux cas les plus difficiles : ingénierie multi-étapes, architecture et audit, mathématiques formelles et découverte scientifique, synthèse financière ou juridique de haute précision, recherche de vulnérabilités.
La fiche du modèle confirme cette répartition. Sur le Vals Index, Carbon obtient 70,4 % contre 69,2 % pour Argon, un écart minime. La commande /swarm, disponible dans l’aperçu d’Antigravity, suit la même logique : Google recommande de confier à Carbon les rôles qui demandent le raisonnement le plus poussé, comme l’architecture, la coordination et l’audit, et de laisser les tranches d’implémentation en parallèle à gemini-4-argon ou gemini-3.8-flash.
Limite n° 3 : sur les tâches d’utilisation de l’ordinateur, Opus 5.5 est devant dans la fiche du modèle
Le sous-ensemble hors ligne d’OSWorld-2.1 est le benchmark que la fiche du modèle utilise pour mesurer les capacités sur le bureau et l’utilisation de l’ordinateur. Sur ce test, Claude Opus 5.5 obtient 87,2 %, devant Carbon (81,5 %) et Astra (80,9 %). Si votre cas d’usage principal consiste à faire manipuler des applications de bureau par le modèle, cliquer dans des interfaces ou enchaîner des tâches entre plusieurs logiciels, Carbon n’arrive pas en tête sur ce critère.
Autre point : Carbon passe par l’interface native Gemini ou par l’interface de chat compatible OpenAI, pas par le protocole messages d’Anthropic. Si vos workflows sont déjà fortement liés à Claude Code ou au protocole messages, pensez aussi au coût de migration.
Limite n° 4 : sur le dépôt public FrontierSWE 2, GPT-6 Astra est devant
Sur FrontierSWE 2, GPT-6 Astra obtient 65,5 %, le meilleur score du tableau. Opus 5.5 suit avec 62,3 % et Carbon arrive en troisième position avec 61,2 %. Affirmer que « Carbon domine Astra sur l’ensemble du génie logiciel » ne tient donc pas.
Il faut aussi distinguer un autre résultat : dans l’annonce publique du 10 novembre, il est indiqué que Carbon se classe premier sur CursorBench 4.0. Ce chiffre est auto-déclaré par l’éditeur, et l’évaluateur comme la méthodologie diffèrent de ceux de la fiche du modèle. Il ne faut donc pas le placer à côté du tableau ci-dessus pour comparer. Sur SWE-sweep, Carbon (9,6 %) et Astra (9,5 %) sont pratiquement à égalité, l’écart restant dans la marge d’erreur.
Limite n° 5 : les bons scores en cybersécurité viennent du parcours Fairwind
Sur CWE-bench, ExploitGym et SEC-bench Pro, Carbon arrive premier dans la fiche du modèle, mais celle-ci précise que ces résultats sont obtenus via le parcours du programme Fairwind. Le communiqué du 28 octobre indique aussi que ces benchmarks de cybersécurité ont été évalués sans garde-fous (evaluated without guardrails).
Autrement dit, remplacer le nom du modèle par gemini-4-carbon dans l’API payante ne vous donne pas pour autant les mêmes capacités spécialisées en cybersécurité. Les capacités orientées défense nécessitent une demande d’accès à Fairwind : seuls les défenseurs dont l’identité a été vérifiée peuvent les utiliser. Gemini 4 Carbon Cyber Permissive, listé séparément dans la grille tarifaire officielle, n’est pas non plus éligible au tarif promotionnel de 2 dollars.
Côté sécurité, Google a aussi publié quelques chiffres, à prendre comme des données déclaratives. Sur 375 tests d’honnêteté agentique (agentic honesty), le taux de réussite est de 92 % (contre 70 % pour Argon), et en l’absence de données expérimentales, le modèle refuse d’inventer des résultats dans 98 % des cas. Le taux de réussite des attaques IPI de Gray Swan est annoncé à 0 %. Google reconnaît cependant que des tests de red teaming automatisés plus difficiles parviennent encore, sur certaines distributions, à faire sortir le modèle de son cadre, et que la robustesse face aux injections d’invite reste à renforcer.
Limite n° 6 : sortie en texte uniquement, et pas de date pour l’offre gratuite
Carbon comprend le texte, les images, l’audio et la vidéo, mais ne produit que du texte. Ce n’est ni un modèle de génération d’images ni un modèle de génération de vidéos : si votre workflow en a besoin, il faudra choisir un autre modèle.
Côté disponibilité, l’accès grand public et Antigravity sont pour l’instant réservés à Google AI Ultra, et l’API est proposée uniquement en offre payante. Google n’a donné aucune date pour les utilisateurs gratuits ni pour les abonnements de niveau inférieur. La fiche du modèle liste d’autres limites : les hallucinations habituelles des modèles de base, une résistance au jailbreak encore en cours de renforcement, et des lenteurs ou délais d’attente occasionnels.
Impact de Gemini 4 Carbon
Ce que Gemini 4 Carbon change pour les développeurs
- Une hiérarchie de modèles plus claire : Argon reste le modèle principal au quotidien, et Carbon n’intervient que sur les étapes les plus difficiles. Avec un routage ou une orchestration de type /swarm, vous gardez la consommation de tokens sous contrôle.
- Une migration peu coûteuse : il suffit en principe de changer le nom du modèle. Pensez toutefois à nettoyer des paramètres comme thinking_budget et temperature, et à supprimer les cached_content explicites.
- Des délais d’attente à revoir : un délai d’attente côté client de 15 à 20 minutes, ou l’option background=True, a des répercussions sur vos passerelles et votre logique de nouvelles tentatives.
- Une fenêtre tarifaire limitée dans le temps : le tarif promotionnel de 2 / 10 affiché sur le site officiel court jusqu’au 30 novembre. Pour évaluer le coût à long terme, basez-vous sur le tarif standard applicable à partir de décembre.
💡 Conseil de choix : même parmi les « tâches difficiles », la recherche en contexte long et le raisonnement scientifique penchent plutôt vers Carbon, l’utilisation d’un ordinateur vers Opus 5.5, et l’ingénierie sur dépôts publics vers Astra. Le plus sage est de passer d’abord un même jeu d’échantillons métier sur APIYI (apiyi.com) pour comparer les résultats, puis de définir vos règles de routage.
Ce que Gemini 4 Carbon change pour le secteur
- La définition du « meilleur modèle » devient plus fine : sur les fiches de modèles, aucun acteur n’arrive en tête sur tous les projets. Répartir les tâches selon leur type va devenir la norme.
- Les capacités de sécurité s’ouvrent par paliers : la cybersécurité est accessible de façon ciblée via Fairwind, et les scores d’évaluation sans garde-fous sont indiqués séparément. D’autres éditeurs pourraient adopter cette approche.
- Les tokens de réflexion deviennent la principale variable de coût : à tarif unitaire identique, la profondeur de réflexion fait varier la facture. Les équipes vont donc accorder plus d’attention au réglage fin de thinking_level.
FAQ : Questions fréquentes
Q1 : Qu’est-ce que Gemini 4 Carbon ?
Gemini 4 Carbon est un modèle à sortie texte développé par Google à partir de Gemini 4 Argon. Son identifiant est `gemini-4-carbon`, et il est ouvert depuis le 2026-11-10 aux développeurs payants et aux entreprises. Il accepte en entrée du texte, des images, de l’audio et de la vidéo. Sa fenêtre de contexte de 1M tokens est partagée entre l’entrée, la réflexion et la sortie.
Q2 : Comment choisir entre Gemini 4 Carbon et Gemini 4 Argon ?
Les deux modèles partagent les mêmes niveaux de thinking_level, la même fenêtre de 1M et le même tarif d’entrée de gamme. Google recommande Argon pour le développement au quotidien : il consomme moins de tokens et réagit plus vite. Carbon est plutôt réservé aux tâches les plus difficiles, comme l’ingénierie en plusieurs étapes, l’audit d’architecture ou le raisonnement scientifique, mais il consomme davantage de tokens de réflexion.
Q3 : Les scores de la fiche du modèle reflètent-ils directement les performances via l’API ?
En grande partie, oui, mais il y a deux points d’attention. Premièrement, les résultats datent d’octobre 2026. Deuxièmement, les trois évaluations de cybersécurité ont été réalisées sur le parcours Fairwind, sans garde-fous : on ne peut pas les considérer comme les scores par défaut pour la programmation courante via l’API payante. Quant aux classements comme CursorBench dans l’annonce publique, ils sont auto-déclarés par Google et leur méthodologie diffère de celle de la fiche du modèle.
Q4 : Comment appeler rapidement Gemini 4 Carbon via l’API ?
Il suffit de suivre ces trois étapes :
1. Créez un compte sur APIYI (apiyi.com) et récupérez votre clé API. Les nouveaux utilisateurs bénéficient d’un crédit de test gratuit.
2. Dans le SDK OpenAI, réglez le base_url sur `https://api.apiyi.com/v1` et indiquez `gemini-4-carbon` comme nom de modèle.
3. Ajustez le thinking_level selon la difficulté de la tâche, et pensez à allonger le délai d’expiration côté client pour les tâches complexes.
La même clé permet aussi d’appeler `gemini-4-argon`, ce qui facilite les comparaisons directes.
Q5 : Quelles sont les limites connues de Gemini 4 Carbon ?
La fiche du modèle mentionne les limites suivantes : des hallucinations subsistent, la résistance au jailbreak est encore en cours de renforcement, des ralentissements ou des délais d’expiration surviennent de temps en temps, et la consommation de tokens est plus élevée aux niveaux de réflexion supérieurs. Par ailleurs, le modèle ne produit que du texte, la date d’ouverture de l’offre gratuite est inconnue, et il n’arrive pas non plus en tête sur deux évaluations de la fiche : l’utilisation de l’ordinateur et FrontierSWE 2.
Gemini 4 Carbon : les points clés (Key Takeaways)
- Positionnement : le modèle texte le plus puissant de la gamme Gemini, construit sur Argon, disponible en GA depuis le 2026-11-10.
- Points forts : agents à long horizon, recherche en contexte long et raisonnement scientifique, où il domine sur la fiche du modèle.
- Contrepartie : le prix d’entrée est le même qu’Argon, mais il consomme plus de tokens de réflexion, donc chaque tâche coûte plus cher.
- Points faibles : il perd face à Opus 5.5 sur OSWorld et face à Astra sur FrontierSWE 2.
- Score de sécurité : le bon résultat en cybersécurité vient du parcours Fairwind, pas de ce que l’API propose par défaut.
- Périmètre : sortie texte uniquement, et aucune date d’ouverture n’est annoncée pour l’offre gratuite.
- Prise en main : APIYI a mis
gemini-4-carbonau catalogue. Vous pouvez le comparer à Argon avec la même clé.
Conclusion
Pour résumer, voici les limites de Gemini 4 Carbon en trois points :
- Ce qu’il faut lui confier : l’ingénierie multi-étapes à long horizon, la recherche en contexte long, le raisonnement scientifique, l’architecture et l’audit. Sur ces terrains, les scores de la fiche du modèle sont nettement en tête.
- Ce qu’il n’est pas nécessaire de lui confier : pour le développement de fonctionnalités au quotidien, restez sur Argon. Pour l’utilisation d’un ordinateur et l’ingénierie sur dépôts publics, la fiche du modèle place respectivement Opus 5.5 et Astra devant.
- Ce qu’il faut lire avec précaution : le score de cybersécurité relève du parcours Fairwind, le classement des modèles ouverts est auto-déclaré par l’éditeur, et l’offre gratuite reste inconnue.
L’approche la plus raisonnable consiste à répartir d’abord les tâches par type, puis à vérifier sur vos propres échantillons si le gain apporté par Carbon justifie les tokens de réflexion supplémentaires. Avec APIYI (apiyi.com), vous pouvez tester Carbon et Argon côte à côte via la même interface, puis décider de vos règles de routage.
📚 Références
- Annonce d’ouverture de Gemini 4 Carbon : blog officiel de Google, 10/11/2026
- Lien :
blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-4-carbon-now-available -
Description : périmètre de l’ouverture et évaluations officielles auto-déclarées dans l’annonce
-
Introducing Gemini 4 Carbon : première annonce de lancement, 28/10/2026
- Lien :
blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-carbon -
Description : contexte du lancement de Fairwind et méthodologie des évaluations en cybersécurité
-
Fiche modèle de Gemini 4 Carbon : résultats arrêtés à octobre 2026
- Lien :
deepmind.google/models/model-cards/gemini-4-carbon -
Description : source des données du tableau comparatif de cet article et limites connues
-
Guide du développeur Gemini 4 Carbon : Google AI Studio
- Lien :
aistudio.google.com/learn/gemini-4-carbon-developer-guide -
Description : thinking_level, fenêtre de 1M, points d’attention pour la migration
-
Rapport de sécurité de Gemini 4 Carbon : Google DeepMind
- Lien :
storage.googleapis.com/deepmind-media/gemini/gemini_4_carbon_safety_report.pdf -
Description : données sur l’honnêteté (honesty), le red teaming et les injections d’invite
-
Tarifs des modèles Google Cloud : grille tarifaire officielle
- Lien :
cloud.google.com/model-garden/pricing -
Description : tarif promotionnel, tarif standard à partir de décembre et tarif Cyber Permissive
-
Documentation APIYI sur Gemini 4 Argon : guide d’invocation du modèle de la même série
- Lien :
docs.apiyi.com/models/gemini-4-argon - Description : l’interface d’Argon est identique à celle de Carbon, ce qui en fait une bonne référence pour la migration
Auteur : l’équipe technique d’APIYI
Échanges techniques : n’hésitez pas à nous contacter depuis la page d’accueil du site APIYI. Pour plus de ressources sur l’invocation des modèles, rendez-vous dans le centre de documentation : docs.apiyi.com
