Google rend aujourd'hui son dernier modèle de pointe, Gemini 4 Argon, disponible dans le monde entier pour les développeurs et les entreprises via l'API dans AI Studio et la plateforme Gemini. Les abonnés Google AI Ultra peuvent y accéder dans Google Antigravity, tandis que les abonnés Google AI Ultra et Pro peuvent l'utiliser dans l'application Gemini et dans le Mode IA de la Recherche.
Argon est conçu pour un travail approfondi sur des tâches complexes et réelles dans les domaines du code, de la finance, du droit, de la cybersécurité et des sciences. Sa profondeur et sa précision sur des tâches en plusieurs étapes lui permettent de surpasser d'autres modèles de pointe dans les benchmarks, en se classant n° 1 sur le Vals Index, qui mesure les performances dans des secteurs économiques clés comme la finance, le code, le juridique et la fiscalité. Le modèle est lancé à un tarif de lancement de 2 $ par million de jetons d'entrée et 10 $ par million de jetons de sortie, avec une réduction de 95 % sur les jetons d'entrée mis en cache.
Les équipes de Google, les entreprises et la communauté de la recherche ont déjà utilisé Argon pour des travaux d'ingénierie importants. Chez Google, des ingénieurs logiciels utilisant Argon dans Antigravity ont aidé leurs équipes à augmenter de plus de 35 % les soumissions de code agentique, tout en réduisant presque d'un tiers les retours arrière de code. Dans un cas, Argon a aidé l'équipe Chrome à séparer la gestion du cœur des pages web d'un ancien dossier d'environ 6 millions de lignes de code de navigateur, menant à bien en quelques semaines une refonte architecturale qui avait pris des mois.
Des chercheurs ont également appliqué Argon à des logiciels scientifiques. En utilisant Argon dans Antigravity, les chercheurs de Google ont rendu le paquet open source de chimie quantique xTB jusqu'à 2,3 fois plus rapide pour prédire les structures moléculaires, et Google a annoncé une accélération de l'inférence de bout en bout de 2,85 fois pour ses modèles ouverts Gemma sur un GPU A100, sans perte de qualité.
Source: Google DeepMind Blog · Résumé par HeadlinesBriefing