Gemini 4 Carbon : l’accès réservé avant l’ouverture

NNoor

D’après MarkTechPost, Google présente Gemini 4 Carbon comme son modèle le plus puissant à ce jour, destiné au codage agentique de longue durée et à la défense en cybersécurité. Carbon arrive 2 semaines après Gemini 4 Argon, et Google affirme qu’il est nettement plus performant que ce modèle précédent. La nouveauté mise en avant tient aussi à la durée et à la complexité des tâches : l’entreprise décrit un système capable de travailler sur des problèmes d’ingénierie pendant plusieurs jours. Côté cybersécurité, Google présente Carbon comme un outil pouvant intervenir à plusieurs étapes, de la recherche d’une vulnérabilité à sa validation, puis à la préparation d’un correctif. Ce n’est donc pas seulement une annonce de modèle plus puissant, mais aussi une proposition d’agent qui prend en charge des travaux techniques prolongés. Pour l’instant, toutefois, cette capacité reste une présentation de l’entreprise et l’accès commence auprès d’un groupe limité de défenseurs cyber, pas auprès du grand public.

NNoor

Google DeepMind décrit des workflows autonomes de développement qui peuvent durer plusieurs jours, avec des tâches comme l’analyse des causes d’un problème et la correction de bogues dans de grandes bases de code. Google affirme que ses équipes internes ont fait fonctionner Carbon plusieurs jours d’affilée sur des travaux de recherche et de correction. Mais l’annonce ne précise ni le nombre de tâches réalisées, ni leur taux d’achèvement, ni les outils auxquels le modèle avait accès, ni le niveau d’intervention humaine. Ces éléments sont importants pour comprendre si les résultats peuvent être reproduits dans un environnement de production, où les bases de code, les outils et les règles de sécurité varient. Un agent qui travaille longtemps peut rencontrer des impasses ou produire un résultat incomplet, et les informations publiées ne permettent pas de mesurer précisément ces risques. Les essais annoncés sont donc un indice sur les ambitions de Google, pas encore une mesure indépendante de l’efficacité en situation réelle.

NNoor

The Verge indique que l’accès initial concerne un groupe restreint d’entreprises spécialisées en cyberdéfense, avant une extension à d’autres partenaires de confiance du programme Fairwind. Google prévoit ensuite de proposer Carbon aux développeurs, aux entreprises et aux particuliers dans ses produits, après avoir recueilli des retours et ajusté ses protections. Aucune date de disponibilité générale n’est annoncée. Le tarif de lancement annoncé reprend celui d’Argon : 2 dollars par million de jetons en entrée et 10 dollars par million de jetons en sortie. Les jetons d’entrée mis en cache coûteraient 95 % de moins, ce qui peut réduire la facture pour certains usages répétitifs. L’accès limité permet à Google de recueillir des retours avant un éventuel élargissement, sans pour autant garantir une date ni les conditions précises de cette ouverture.

NNoor

MarkTechPost rapporte que Google attribue à Carbon 88,2 % sur SEC-bench Pro, un test associé à la détection de vulnérabilités, 54,8 % sur ExploitGym, consacré à leur exploitation, et 71 % sur CWE-bench, lié à la correction. Ces résultats couvrent plusieurs étapes de la défense : repérer une faille, vérifier si elle peut être exploitée, puis préparer un correctif. Google affirme aussi que Carbon serait environ 2 fois plus susceptible qu’Argon de produire du code sans vulnérabilité. L’équipe Chrome affirme de son côté que Carbon génère plus de 10 fois plus de correctifs de haute qualité que des modèles non développés par Google. Mais les conditions de test comptent beaucoup : les évaluations cyber citées ont été conduites sans garde-fous, et les mesures d’atténuation étaient désactivées pour ExploitGym. Google a calculé les scores de SEC-bench Pro et d’ExploitGym avec son propre outil Antigravity. Les chiffres décrivent donc des résultats dans des environnements d’évaluation précis, sans garantir qu’un correctif sera sûr ou qu’une vulnérabilité sera correctement traitée dans chaque système réel. Enfin, les comparaisons reposent en partie sur des résultats internes ou déclarés par les fournisseurs, et des tests indépendants seraient nécessaires pour établir la portée de l’avantage annoncé.

NNoor

Artificial Analysis attribue à Carbon 59 points dans son Intelligence Index, où le modèle prend la tête du classement. Dans son Coding Agent Index, Carbon obtient aussi 59 points, contre 50 pour Argon, mais reste derrière Claude Opus 5.5, qui en obtient 62. Sur WebDev Arena, Carbon atteint 1 769 points Elo et la quatrième place ; Google indique que son score a progressé de 89 points. MarkTechPost rapporte 65,2 % sur Terminal-Bench 4.0 pour Carbon, contre 59,6 % pour Claude Opus 5.5 dans cette comparaison. Sur OSWorld-2.1, Carbon atteint 81,5 %, derrière Claude Opus 5.5 à 87,2 %. Et sur FrontierSWE, il obtient 61,2 %, contre 65,5 % pour GPT-6 Astra. On voit donc des résultats solides sur plusieurs évaluations, mais aussi des tâches où Carbon n’est pas en tête.

NNoor

The Decoder rapporte que, sur le benchmark d’injection indirecte de prompt de Gray Swan, le taux de réussite des attaques serait passé de 0,7 % avec Argon à 0 % avec Carbon. Cela décrit les tentatives de ce test précis et ne prouve pas que les injections de prompt sont résolues, ni que d’autres formes d’attaque échoueraient. Google affirme également avoir réduit d’environ moitié les affirmations non étayées par rapport à Argon, et fait état d’une baisse de près de 80 % des alertes de désalignement de haute gravité en codage en direct. Ces mesures sont rapportées par l’entreprise et ne sont pas corroborées ici par des évaluations indépendantes. Google prévoit d’élargir progressivement l’accès aux partenaires Fairwind, puis aux développeurs, aux entreprises et aux particuliers dans ses produits, après avoir recueilli des retours et ajusté ses garde-fous. Pour l’instant, l’accès reste réservé à des défenseurs cyber sélectionnés et aucune date de disponibilité générale n’est annoncée. La suite dépendra donc aussi de tests indépendants, capables de mesurer la fiabilité du modèle dans les tâches réelles et de vérifier qu’il reste contrôlable dans la durée.