Google a annoncé Gemini 4 Argon le 30 septembre 2026, avec un accès initialement réservé aux défenseurs de la sécurité vérifiés via le programme Fairwind et à des testeurs précoces comme Wiz. Il est arrivé aux développeurs le 13 octobre, via le niveau payant de l'API Gemini et d'AI Studio, Antigravity étant disponible pour les abonnés Google AI Ultra. L'identifiant du modèle est gemini-4-argon, et une variante distincte, gemini-4-argon-cyber-permissive, s'adresse aux défenseurs autorisés. Argon est un transformeur à mélange d'experts épars, avec une date de coupure des connaissances en mars 2026. Il accepte le texte, le code, les images, l'audio, la vidéo et les PDF, mais ne produit que du texte et du code.
Le changement le plus notable concerne la fenêtre de sortie. Les anciens modèles Gemini traitaient environ un million de tokens en entrée et renvoyaient au plus 64 K tokens. Argon porte la limite de sortie à 1 M de tokens, grâce à une fenêtre unifiée de 1 048 576 tokens partagée entre l'entrée, la réflexion et la sortie. Un prompt de 100 K tokens laisse donc place à une réponse de presque 950 K tokens. La limite de sortie par défaut reste de 65 536 tokens, et les développeurs doivent augmenter max_output_tokens et utiliser le long decode pour aller plus loin. Le long decode peut durer plusieurs minutes, ce qui le rend adapté aux tâches en arrière-plan.
Le modèle propose également trois niveaux de réflexion : LOW, MEDIUM (par défaut) et HIGH. Le bilan des benchmarks est contrasté. Argon est en tête pour l'ingénierie logicielle à l'échelle d'un dépôt, mais il est à la traîne sur les tâches de terminal, et un appel d'API mal maîtrisé peut coûter entre 10 et 20 dollars. Ces faiblesses comptent davantage pour les utilisateurs quotidiens que les moyennes globales.
Pour les développeurs, l'enseignement pratique est qu'Argon supprime la nécessité de découper les grandes générations et de renvoyer le contexte à chaque tour. Ses atouts sont plus nets dans les tâches de programmation longues et complexes, tandis que ses performances plus faibles en terminal et ses coûts plus élevés par appel imposent une gestion budgétaire rigoureuse et des garde-fous dans les scripts.
Source: Towards Data Science · Résumé par HeadlinesBriefing