Google DeepMind lance Gemini 4 Argon pour les tâches complexes de code, de science et d'entreprise

Google DeepMind a annoncé la disponibilité mondiale de Gemini 4 Argon, un modèle de pointe conçu pour les travaux complexes en plusieurs étapes dans le code, la finance, le juridique, la cybersécurité et la science.

Le modèle est disponible depuis le 13 octobre 2026 pour les développeurs et les entreprises via l'API dans AI Studio et la plateforme Gemini. Les abonnés Google AI Ultra peuvent l'utiliser dans Google Antigravity, tandis que les abonnés Google AI Ultra et Pro peuvent y accéder dans l'application Gemini et AI Mode dans Search.

Koray Kavukcuoglu, SVP de Google DeepMind et architecte en chef de l'IA chez Google, a déclaré que cette version donne aux développeurs, aux entreprises, aux scientifiques et aux consommateurs accès au dernier modèle de pointe de la société.

Google a indiqué qu'Argon est conçu pour le « travail en profondeur » dans des domaines réels. La société a déclaré que le modèle surpasse les autres modèles de pointe sur des benchmarks dans plusieurs domaines et se classe n° 1 du Vals Index, qui mesure les performances des modèles dans des secteurs économiques critiques, notamment la finance, le code, le juridique et la fiscalité.

Le tarif de lancement est de 2 $ par million de tokens d'entrée et de 10 $ par million de tokens de sortie, avec une remise de 95 % sur les tokens d'entrée mis en cache. Après la fin de la période de lancement le 30 novembre 2026, le tarif passera à 4 $ par million de tokens d'entrée et 20 $ par million de tokens de sortie. Cette tarification s'applique au modèle Argon destiné à l'accès public.

Google a déclaré que des équipes utilisent déjà Argon pour refactoriser et optimiser de grandes bases de code, améliorer les flux de travail dans le juridique, la finance et la science, identifier et corriger des vulnérabilités de cybersécurité, et soutenir la recherche en informatique quantique, fusion nucléaire et sciences du vivant.

Ingénierie et développement logiciel

Google a indiqué qu'Argon a été utilisé en interne sur des projets d'ingénierie difficiles. Dans Antigravity, le modèle a aidé les équipes à augmenter les soumissions de code agentique de plus de 35 % tout en réduisant les rollbacks de code de près d'un tiers.

Sur Chrome, Argon a aidé les ingénieurs à séparer la gestion principale des pages web d'un dossier historique contenant environ 6 millions de lignes de fonctionnalités du navigateur au sein des 40 millions de lignes de code de Chromium. En produisant plusieurs modifications de code propres à la fois, le modèle a permis de réaliser une refonte architecturale couvrant des centaines de fichiers en quelques semaines plutôt qu'en quelques mois.

Google a déclaré que ce travail vise à permettre aux pages web actives de se déplacer fluidement entre onglets, panneaux latéraux et fenêtres flottantes sans rechargement, éliminant ainsi une catégorie entière de plantages du navigateur pour les milliards d'utilisateurs de Chrome.

Argon a également été utilisé par l'équipe derrière l'Agent Development Kit (ADK) open source de Google, un framework pour agents d'entreprise. Les ingénieurs ont fourni au modèle leur règle .agents/skills et un objectif d'un paragraphe : éiner la surcharge du framework sans casser les applications existantes.

En travaillant de manière autonome pendant la nuit, Argon a identifié des optimisations désormais en ligne dans le dépôt google/adk-python. Google a indiqué que ces modifications ont réduit de 40 % le temps de préparation des sessions en mémoire lors des longues sessions et amélioré de 21 % la vitesse des imports à froid. La société a publié une analyse technique approfondie décrivant ce travail.

Des chercheurs ont également utilisé Argon dans Antigravity pour optimiser xTB (Semiempirical Extended Tight-Binding), un package open source de chimie quantique utilisé pour prédire les structures 3D des molécules et filtrer des candidats médicaments et matériaux. Google a indiqué qu'xTB est devenu jusqu'à 2,3 fois plus rapide pour prédire les structures moléculaires et 1,8 fois plus rapide pour les recherches de conformères. Les modifications ont été contribuées au dépôt GitHub officiel d'xTB.

Google a également signalé une accélération de 2,85 fois de l'inférence de bout en bout pour ses modèles Gemma open source sur un A100 avec vLLM. Le débit de Gemma 4 E2B est passé d'environ 37 900 à plus de 108 000 tokens par seconde, avec une parité de tokens de 100 % et aucune baisse de qualité. Google a précisé que ce travail, incluant le réglage de l'attention et le décodage spéculatif, a été réalisé en quelques jours plutôt qu'en plusieurs mois. Les pull requests vLLM amont associées contiennent les modifications.

Visualisation 3D et applications interactives

Google a indiqué qu'Argon améliore le raisonnement spatial, la précision mathématique et le codage visuel par rapport aux modèles Gemini précédents. À l'aide de commandes slash comme /goal, de boucles multi-agents et de compétences personnalisées dans Antigravity, des employés de Google ont utilisé le modèle pour prototyper des visualisations 3D, des jeux haute fidélité et des animations interactives rendues dans le navigateur avec du code vanilla.

Dans une démonstration, Argon a créé une pagoda détaillée dans Blender via des boucles de critique visuelle multi-agents. Le modèle a sculpté de manière autonome un complexe de temples multi-bâtiments avec une architecture photoréaliste, une végétation et un éclairage.

Dans un autre exemple, Argon a converti des photos d'un vrai bureau en un jeu de course miniature jouable. Blender MCP a servi à modéliser et vérifier les collisions du bureau, de la pièce et de la piste ; Nano Banana a fourni les textures ; et Three.js a géré la physique, les shaders personnalisés et l'audio de moteur de voiture issu de Gemini Omni Flash. Google a rendu l'application accessible via Google AI Studio.

Argon a également écrit des scripts Python pour sculpter, rigger, animer et appliquer un rendu basé sur la physique à un jeu 3D complexe de manière procédurale. Il a ensuite connecté le projet au web dans Three.js avec des shaders GLSL, une physique de destruction et une IA en solo. L'application résultante est disponible dans Google AI Studio.

Sans aucune bibliothèque externe et en Python 100 % pur, Argon a créé un moteur de ray-tracing 3D avec un outil vidéo personnalisé et un mixeur audio. Le système a construit et documenté de zéro une bibliothèque baignée de soleil, produisant, racontant et assemblant une vidéo avec une voix off Gemini 3.8 TTS et une musique de Lyria 3.5. Google a publié le code source.

Dans une autre démonstration dans Antigravity, Argon est parti d'une seule image Nano Banana et a piloté Blender MCP dans une boucle autonome pour aligner grilles de caméra, sculpter une architecture gothique et mettre en scène un éclairage réactif au son, créant ainsi une scène 3D aboutie.

Flux de travail professionnels et métiers

Google a indiqué qu'Argon combine raisonnement avancé, perception visuelle, connaissances de domaine élargies et capacités rédactionnelles renforcées pour les flux de travail professionnels à enjeux élevés. Selon la société, le modèle communique clairement, suit les consignes de style plus systématiquement que les modèles Gemini précédents, répond plus directement avec moins de précautions oratoires, évite les répétitions inutiles et omet les clichés.

Les clients entreprises et les startups du programme d'accès anticipé de Google utilisent Argon pour la compréhension de documents multimodaux, l'analyse de données longitudinales et des bac à sable analytiques interactifs, tout en maintenant un ancrage strict, selon Google.

Une démonstration a mobilisé environ 50 Go de scans LiDAR aéroportés, de vecteurs de pièces SIG, de dessins CAO de la Bibliothèque du Congrès et d'archives du National Park Service. Argon a synthétisé ces données pour reconstruire des modèles 3D de Chaco Canyon et transformer des archives archéologiques fragmentées en sites du patrimoine numérique explorables. Le projet est accessible via Google AI Studio.

Dans l'application Gemini, Argon peut prendre un dossier non structuré contenant le contexte d'un projet et le mettre en forme en un dossier de proposition pour un client à l'aide d'une compétence personnalisée. Gemini peut ensuite rédiger et envoyer le dossier par e-mail tout en créant un flux de travail planifié pour les futures demandes entrantes de clients.

Google a également démontré qu'Argon combine des données de trois dépôts open source pour produire un outil d'apprentissage médical. L'outil permet aux utilisateurs d'écailler les couches anatomiques, d'inspecter les métadonnées cliniques et de déclencher la biomécanique dans une exploration 3D du corps humain.

Dans l'application Gemini pour macOS, Argon a utilisé Antigravity et Nano Banana pour générer des itérations de design pour de nouveaux pieds de canapé, puis créer un fichier imprimable en 3D. À partir d'un croquis de mesures et d'une photo du canapé, le modèle a construit la pièce aux dimensions correctes.

Chez Isomorphic Labs, Argon est utilisé pour accélérer la recherche en découverte et conception de médicaments. Google a indiqué que le modèle peut synthétiser des PDF et des brevets complexes pour en extraire les informations pertinentes, réduisant un processus qui prend généralement des semaines à quelques heures.

Cybersécurité et recherche scientifique

Selon Google, des chercheurs, des ingénieurs et des spécialistes de la sécurité utilisent Argon en cyberdéfense, science, mathématiques et robotique. Les applications incluent le test d'hypothèses, l'audit de bases de code critiques et de preuves formelles, et l'identification de vulnérabilités zero-day et de failles logiques.

Programme Fairwind et Wiz

Google a indiqué commencer une extension à des centaines de partenaires supplémentaires du programme Fairwind, qui fournit des capacités cyber aux défenseurs de confiance.

Wiz utilise Argon dans son initiative « Scan for Good », qui protège gratuitement les infrastructures critiques pour le bien public. Selon Google, Wiz a utilisé l'accès anticipé à Argon dans plusieurs domaines à enjeux élevés.

Dans un programme de cyber-résilience de longue durée mené avec une agence fédérale, Argon a aidé à identifier et corriger de manière proactive une faille qui risquait d'exposer des données gouvernementales sensibles et des infrastructures. Google a déclaré que cet effort a permis d'éviter l'exposition de détails critiques de développement du secteur de la sécurité et un accès non autorisé à des modèles spécialisés.

Wiz a également utilisé Argon pour protéger des infrastructures de santé. En chaînant des vulnérabilités complexes, le modèle a aidé à identifier et corriger rapidement un contournement de téléchargement de fichiers public exposant une clé maîtresse et accordant un accès administrateur. Google a indiqué qu'Argon est allé au-delà de l'identification de la vulnérabilité et a contribué à protéger centaines de milliers de dossiers patients privés.

Informatique quantique

Des chercheurs de Google ont utilisé Argon pour soutenir des travaux en correction d'erreurs quantiques et conception d'algorithmes. Pour aider les décodeurs d'erreurs à suivre le rythme du matériel quantique en temps réel, Argon a traduit une version interne d'AlphaQubit, le décodeur de correction d'erreurs quantiques à apprentissage automatique de Google, en un unique noyau matériel optimisé.

Google a indiqué que ce noyau a presque doublé le débit d'inférence, permettant le déploiement de modèles plus grands et le passage à des dispositifs quantiques plus vastes tout en respectant des seuils stricts de temps réel.

Argon a également servi à réduire les coûts d'espace-temps des sous-routines quantiques. Pour arcsin, un élément des récents algorithmes de simulation quantique, une implémentation écrite par Argon et formellement vérifiée en Lean a réduit le coût en espace-temps de plus de 100 fois par rapport à une référence quantique CORDIC publiée. Google a décrit ce travail comme une étape vers une bibliothèque standard de circuits quantiques optimisés. Les recherches associées sont disponibles dans un article arXiv.

Fusion nucléaire

Les stellarators sont des machines extrêmement complexes et des candidats de premier plan pour une énergie de fusion propre illimitée, mais l'optimisation de leurs champs magnétiques 3D est notoirement difficile. Depuis 1967, une hypothèse de longue date, la « conjecture de Grad », supposait qu'il était impossible de trouver des solutions mathématiques exactes pour ces champs, jusqu'à la découverte récente de contre-exemples, notamment par le professeur Matt Landreman (University of Maryland).

Google a indiqué qu'une équipe travaillant avec Landreman a désormais identifié une classe plus large de contre-exemples à la conjecture de Grad. Ces nouvelles solutions fournissent à la communauté de la fusion des références fiables pour tester leurs codes de simulation de stellarators, des outils précieux pour les conceptions futures.

Recherche sur les maladies rares

Des chercheurs de Gamow Labs ont utilisé Argon pour analyser des génomes dé-identifiés de nouveau-nés atteints de troubles pulmonaires du développement rares. Dans un cas, le modèle a identifié un réarrangement chromosomique que les logiciels habituels n'avaient pas détecté pendant des années, et a expliqué pourquoi il était passé inaperçu.

Sur des évaluations privées de Gamow Labs dérivées de données cliniques et de laboratoire réelles, Argon a obtenu 57 % sur RareBench pour l'assistance au diagnostic de maladies rares et 52,2 % sur LabBench pour le raisonnement en laboratoire humide. Google a déclaré que ces résultats pourraient permettre un diagnostic plus rapide pour les familles confrontées à des maladies rares. Des informations supplémentaires sont disponibles auprès de Gamow Labs et sur sa page de benchmarks.

Conception d'enzymes

L'ingénierie d'enzymes à réactivité précise nécessite souvent des mois de réglage de modèles et de criblage de candidats. Les sérine-estérases, qui coupent les liaisons ester de molécules ciblées, sont utilisées dans le recyclage et la fabrication de produits pharmaceutiques, de biocarburants et de détergents.

Des scientifiques de Google ont travaillé avec Argon pour concevoir des sérine-estérases ciblant la molécule de référence 4MU-acétate, qui brille sous lumière ultraviolette une fois ses liaisons ester rompues. En quelques heures, Argon a assemblé les données pertinentes, effectué le réglage du modèle et identifié plusieurs filtres inspirés de la biochimie, aboutissant à un ensemble final de cinq conceptions inédites.

tests de laboratoire ultérieurs ont confirmé une activité catalytique robuste sur l'ensemble des conceptions. Selon Google, ce travail démontre le potentiel d'une accélération rapide de l'ingénierie enzymatique dans des domaines tels que la biomanufacture, la chimie verte et le développement de médicaments.

Google offre à 10 000 scientifiques l'accès gratuit pendant six mois au niveau d'utilisation le plus élevé de Google Antigravity. Les chercheurs seront intégrés au fil de l'eau, sous réserve d'éligibilité, de capacité et de sélection. Les candidatures sont ouvertes.

Robotique

Google a indiqué qu'Argon combine raisonnement visuo-sémantique, compréhension physique et génération autonome de code pour prendre en charge de nouveaux flux de travail dans la pile robotique. Sur le benchmark Embodied Reasoning (ERQA), qui teste la capacité d'un modèle à comprendre et résoudre des problèmes physiques et spatiaux en environnement 3D, Argon a obtenu un score de 87 %. Google a précisé que ce score dépasse celui des autres modèles de pointe en raisonnement pur. Le benchmark ERQA est disponible publiquement.

Lors d'un test interne, Argon a appris une compétence physique hors distribution simplement en regardant une vidéo brute d'une personne jouant au cornhole. Le modèle a cartographié les coordonnées spatiales de l'environnement, calculé les mouvements articulaires du corps entier nécessaires et construit de manière autonome le code de simulation.

Lors du transfert du système sur l'humanoïde Apollo d'Apptronik, le robot a réussi sept tirs consécutifs lors d'un essai en conditions réelles. Google a qualifié ce processus de pipeline « Video-to-Sim-to-Real » et a indiqué qu'il compresse des semaines de modélisation manuelle de simulation en quelques heures, transformant des vidéos ordinaires en un environnement d'entraînement évolutif pour la robotique. Apptronik est la société à l'origine de l'humanoïde Apollo. Google a fourni des détails supplémentaires dans son blog développeurs.

Sécurité et sûreté

Google a indiqué que la sûreté et la sécurité sont fondamentales dans son processus de développement de modèles. Argon étant très performant, la société a collaboré avec divers partenaires tiers pour mesurer certaines capacités et protections. Google a décrit Gemini 4 Argon comme disposant de sa pile de sécurité et de sûreté la plus complète à ce jour.

Dans le cadre du Frontier Safety Framework de Google, la société a évalué les capacités d'Argon dans plusieurs domaines et déployé un système de défense multicouche combinant résistance au jailbreak, surveillance et application. Google a indiqué que des équipes rouges biologiques externes n'ont pu débloquer que moins de 1 % des sous-tâches biologiques testées.

Pour les demandes dangereuses, notamment la génération de code d'exploit et l'assistance impliquant des matériaux biologiques dangereux, Google a déclaré qu'Argon était nettement moins susceptible que les modèles précédents de s'y conformer. Sur un ensemble de tests adversaires conçu pour éprouver le modèle, les violations ont diminué de près de moitié par rapport aux précédents modèles Gemini.

Google a également entraîné Argon à respecter les limites du système, à signaler honnêtement les résultats négatifs et à suspendre son action pour confirmation humaine avant de prendre des mesures irréversibles. Sur des benchmarks de code où les modèles n'avaient aucune incitation à se retenir, les tentatives de raccourci sont tombées à 2 %, ce que Google a décrit comme son meilleur résultat par rapport aux précédents modèles Gemini.

Comme couche de défense supplémentaire, Google a construit un moniteur de désalignement automatisé qui lit le raisonnement étape par étape et les actions d'un agent pour identifier et bloquer en temps réel les contournements involontaires. Ce moniteur a été utilisé dans les déploiements internes, les évaluations de capacités et les entraînements par apprentissage par renforcement. Google a précisé avoir évité de pénaliser les pensées du modèle pendant l'entraînement afin que son raisonnement reste transparent et contrôlable.

Argon a également été testé contre l'injection de prompts. Les agents qui naviguent sur des pages web, lisent des e-mails ou inspectent du code peuvent rencontrer des instructions malveillantes cachées destinées à détourner leurs tâches. Grâce à l'entraînement adversaire et au red teaming automatisé, Argon domine le benchmark Gray Swan Indirect Prompt Injection, avec un taux de succès d'attaque réduit à 0,7 % sur 15 tentatives adaptatives.

De plus amples informations sont disponibles dans la fiche modèle Gemini 4 Argon.

Disponibilité et accès

Argon prend en charge une limite unifiée entrée-sortie de 1 million de tokens, un niveau inédit dans le secteur, via l'API Gemini. Google a indiqué que les développeurs et les entreprises devraient consulter sa documentation sur le nouveau protocole de continuation et configurer leurs systèmes en conséquence. La documentation est disponible pour le décodage long et Gemini 4 Argon sur la plateforme d'agents d'entreprise de Google.

Le déploiement mondial de Google comprend les options d'accès suivantes :

• Développeurs : Créez avec le niveau payant de l'API Gemini dans AI Studio et Android Studio. Les abonnés Google AI Ultra peuvent également essayer Argon dans Google Antigravity et AI Studio.
• Entreprises : Utilisez Argon dans Gemini for business, via l'API et dans Google Antigravity.
• Utilisateurs grand public : Les abonnés Google AI Ultra et Pro peuvent utiliser Argon dans l'application Gemini et AI Mode dans Search.
• Scientifiques et chercheurs : Candidaturez pour six mois d'accès gratuit au niveau d'utilisation le plus élevé de Google Antigravity, sous réserve d'éligibilité, de capacité et de sélection.
• Défenseurs en cybersécurité : Candidaturez au programme Fairwind pour un accès progressif à Argon sans garde-fous cyber.

Google a indiqué que Gemini 4 Argon est la première version de la famille Gemini 4 et que d'autres modèles suivront.

La société a noté que les opinions exprimées dans le blog sont celles de la partie externe et ne représentent pas celles de Google. L'annonce originale a été publiée par Google DeepMind.