IA · Actualité

Gemini 4 Carbon face à Claude et GPT : prix, vitesse et benchmarks

Le nouveau modèle de Google arrive en tête de l’Artificial Analysis Index v5, mais son déploiement reste limité. Ce comparatif montre ses points forts, ceux de Claude ou GPT et l’écart entre prix promotionnel et coût de benchmark.

Par CherTra News DeskCherTra News29 octobre 20265 min de lecture

Équipements réseau et serveurs dans un centre de données ; photo d’infrastructure, sans matériel Google ni visuel Gemini.Photo de Kevin Ache / Unsplash

Un nouveau modèle, mais pas un lancement public

Google a annoncé Gemini 4 Carbon le 28 octobre, le présentant comme son modèle le plus puissant et mettant en avant la cybersécurité et les tâches longues. Le déploiement initial est restreint : l’accès commence avec certains défenseurs cyber, puis s’étend à des partenaires de confiance via Fairwind pendant l’évaluation des protections. Au 29 octobre, Google n’avait pas annoncé de disponibilité générale pour les développeurs, les entreprises ou les consommateurs.

Artificial Analysis place Carbon en tête de son Intelligence Index v5 avec un score de 59 dans la configuration de raisonnement élevé indiquée. Il s’agit d’un indice composite couvrant travail, code, science et évaluations générales, pas d’une mesure universelle de qualité. Les benchmarks du lancement Google sont déclarés par le fournisseur ; l’indice indépendant élargit la comparaison, mais reflète aussi un ensemble précis de tâches et de configurations.

Ce que le comparatif montre — et ce qu’il ne montre pas

Le tableau utilise, lorsque c’est possible, le même instantané de l’Artificial Analysis Index v5, puis les tarifs API des fournisseurs, la vitesse AA, le délai jusqu’à la première réponse et le coût par tâche. Les scores de l’Index sont arrondis comme dans les pages de comparaison. Carbon devance Opus 5.5 d’un point et GPT-6 Astra de deux ; Opus mène FrontierCode 2.0, Sonnet AA-Briefcase et Astra le sous-ensemble difficile CritPt. Aucun modèle ne gagne partout.

GPT-6.1 Terra est sorti le 26 octobre, après GPT-6.1 Sol ; il est donc ajouté plutôt que passé sous silence. Son score v5 est inférieur aux modèles ci-dessus, mais son tarif standard de 1 $/5 $ et son profil rapide avec entrée visuelle le rendent pertinent pour des tâches visuelles ou informatiques à coût maîtrisé. Il ne remplace pas directement Astra ou Sol : comparez le niveau de raisonnement et le produit correspondant à votre usage.

Gemini 4 Carbon face aux modèles frontier comparables

Indicateur	Gemini 4 Carbon	Claude Opus 5.5	Claude Sonnet 5.5	GPT-6 Astra	GPT-6.1 Sol	GPT-6.1 Terra
AA Intelligence Index v5 (plus élevé)	59	58	54	57	55	51
Entrée API / 1 M de tokens, standard	$4	$4	$2	$10	$2	$1
Sortie API / 1 M de tokens, standard	$20	$20	$10	$50	$10	$5
Entrée/sortie de lancement par 1 M	$2 / $10 jusqu’au 30 nov.	—	—	—	—	—
Entrée mise en cache / 1 M	$0.20 ($0.10 intro)	$0.20	$0.10	$1.00	$0.10	$0.05
Débit de génération AA	98 t/s	98 t/s	137 t/s	78 t/s	79 t/s	91 t/s
AA premier token de réponse, raisonnement inclus	103 s	648 s	410 s	232 s	249 s	—
Coût AA par tâche Index, tarif standard	$7.76	$10.04	$10.02	$6.24	$1.27	$0.96
Fenêtre de contexte	1M	1M	1M	1M	1M	1M
Sortie maximale documentée	Non publié	128k	128k	128k	128k	128k
Modalités d’entrée	Texte, image, audio, vidéo	Texte, image	Texte, image	Texte, image	Texte, image	Texte, image
Configuration de raisonnement AA	High	Max + fallback	Max + fallback	Max	Max	Max
État API / déploiement au 29 oct.	Accès initial limité ; pas de disponibilité générale	API publique	API publique	API publique ; déploiement ChatGPT	API publique ; Work/Codex	API publique ; Work/Codex

Les chiffres d’Artificial Analysis (AA) correspondent à l’instantané du 29 octobre 2026 ; les scores et configurations reprennent les données publiées par AA. Les tarifs indiqués sont les prix API standard, sauf le tarif de lancement de Carbon clairement signalé. Le coût AA par tâche est le coût pondéré de la suite d’évaluation de l’Index, et non le prix d’une requête type. Le délai avant le premier token de réponse inclut le raisonnement ; il ne se confond pas avec le débit de génération. Un tiret signifie qu’aucune valeur comparable n’a été vérifiée dans la source citée.

Des résultats de benchmark qui divergent

Indicateur	Gemini 4 Carbon (High)	Claude Opus 5.5 (Max, default fallback)	GPT-6 Astra (Max)
Artificial Analysis Intelligence Index v5.0	59	58	57
FrontierCode 2.0 · agents de programmation	41%	46%	42%
Terminal-Bench 4.0 · programmation en terminal	65%	60%	59%
AutomationBench-AA · flux de travail agentiques	78%	70%	68%
AA-Briefcase v1.1 · travail de connaissance (Elo)	1609	1800	1568
CritPt v2 · sous-ensemble de physique avancée	63%	61%	71%
HLE-Diamond · raisonnement et connaissances	69%	68%	64%
Terminal-Bench-Science 0.1	65%	59%	63%
SEC-bench Pro · sécurité, résultat déclaré par Google	88.2%	—	—
ExploitGym · sécurité, résultat déclaré par Google	54.8%	—	—
CWE-bench · correction de vulnérabilités, résultat déclaré par Google	71.0%	—	—

Les valeurs comparatives proviennent de l’Artificial Analysis Intelligence Index v5.0 pour les configurations indiquées. Les trois scores cyber de Google sont déclarés par le fournisseur et ne partagent pas de configuration de test commune vérifiée avec les autres modèles ; une case vide signifie non communiqué ici, et non zéro.

Prix catalogue, promotion et coût des tâches de benchmark

Google annonce pour Carbon un tarif de lancement de 2 $ par million de tokens d’entrée et 10 $ par million de sortie, avec une réduction de 95 % sur l’entrée en cache. Les informations développeur précisent que le tarif introductif s’applique jusqu’au 30 novembre 2026 ; ensuite, le tarif standard passe à 4 $/20 $, avec 0,20 $ par million pour l’entrée en cache. Le tableau affiche les deux pour distinguer la promotion du prix ultérieur. Google précise que les tokens de réflexion sont facturés comme sortie.

Artificial Analysis utilise le tarif standard de 4 $/20 $ pour ses graphiques Carbon, pas la promotion de lancement. Son estimation de 7,76 $ par tâche de l’Index est donc un coût normalisé pour un benchmark précis, pas la facture moyenne d’un client. Le volume de raisonnement, le type de tâche, le cache et le prompt changent le coût réel. Sol et Terra coûtent moins par tâche AA, mais avec un autre profil d’utilisation des tokens.

La vitesse ne correspond pas au délai avant réponse

Artificial Analysis mesure séparément la génération après le premier fragment et le temps jusqu’au premier token de réponse. Sur les essais de raisonnement, Carbon produit environ 98 tokens par seconde, proche d’Opus, plus vite qu’Astra et Sol, mais moins vite que Sonnet. Dans le comparatif apparié, la première réponse Carbon arrive après environ 103 secondes ; Opus et Sonnet prennent davantage de temps dans cette évaluation exigeante, tandis qu’Astra et Sol présentent aussi des délais importants.

Ces chiffres ne prédisent pas le temps d’attente sur une petite question courante. La mesure AA du premier token inclut la phase de réflexion et porte sur des tâches longues et difficiles. Fournisseur, niveau d’effort, taille du prompt, sortie, région et charge influencent les résultats. Un modèle peut produire rapidement une fois lancé mais mettre du temps à commencer : les métriques répondent à deux questions distinctes.

Les domaines où Carbon se distingue — et ceux où d’autres gagnent

Carbon est en tête de l’indice choisi et de plusieurs évaluations, dont AutomationBench-AA, HLE-Diamond et Terminal-Bench-Science. Google publie séparément 88,2 % sur SEC-bench Pro, 54,8 % sur ExploitGym et 71,0 % sur CWE-bench, présentés comme des résultats de défense cyber. Ce sont des chiffres du fournisseur sans lignes multi-modèles à configuration commune vérifiée dans ce comparatif ; ils ne prouvent pas que Carbon est toujours plus sûr ni qu’un benchmark équivaut à la défense réelle.

Le second tableau montre aussi des contre-exemples : Opus 5.5 mène FrontierCode 2.0, Sonnet 5.5 obtient un meilleur score AA-Briefcase et GPT-6 Astra est devant sur le sous-ensemble de physique CritPt v2. L’écosystème d’outils, les harness de code, le traitement du contexte et le prix peuvent compter davantage qu’un écart de deux points. Les benchmarks servent à orienter les essais, pas à décider seuls d’un déploiement.

Disponibilité et méthode pratique de sélection

Carbon n’était pas largement accessible lors de son lancement. La ligne sur l’API indique donc un groupe initial limité et une ouverture graduelle aux partenaires, pas une inscription générale. Google évoque un accès futur aux développeurs, aux entreprises et aux consommateurs après de nouvelles évaluations. Les autres modèles disposent d’API publiques, mais l’accès aux produits et les régions varient ; un tarif API ne se compare pas directement à un abonnement.

Pour évaluer les modèles, utilisez un petit jeu représentatif de tâches réelles, avec les mêmes entrées, outils et critères d’acceptation. Mesurez la qualité, le temps de relecture, la latence initiale, la durée totale, les tokens et le coût. Incluez les cas d’échec et les permissions. Carbon est intéressant si son entrée multimodale, son contexte ou son raisonnement répond à un besoin défini ; un autre modèle peut convenir davantage pour la rapidité, un flux de code précis, l’accès actuel ou le budget.

Sources et références

Une erreur factuelle à signaler ou une source à suggérer ? Contacter la rédaction.