Présentation du modèle

Gemini 4 Argon (High) est un modèle propriétaire de Google, publié en septembre 2026. Il accepte des entrées texte et image et ne génère que du texte. Le contexte s’étend à 1 million de tokens, soit l’équivalent d’environ 1 500 pages A4 en police 12 Arial. Une version « reasoning » est indiquée, ce qui implique la présence d’un moteur de raisonnement dédié, même si une variante non‑reasoning peut exister.

Performances d'intelligence et verbosité

Sur l’Artificial Analysis Intelligence Index, le modèle obtient un score de 53, bien au‑dessus de la médiane de 26 parmi les 687 modèles évalués. Cette note repose sur dix évaluations, dont AA‑Briefcase, GDPval‑AA et Humanity’s Last Exam. En termes de production, Gemini 4 Argon (High) a généré 110 M de tokens de sortie lors de l’Intelligence Index, contre une médiane de 82 M. Cette différence indique une tendance à la verbosité, c’est‑à‑dire plus d’informations produites par tâche, ce qui peut être utile pour des applications nécessitant des réponses détaillées mais augmente la charge de traitement.

Coût et compétitivité

Le tarif affiché est de 2 $ / 1 M de tokens d’entrée et 10 $ / 1 M de tokens de sortie, exactement la médiane du marché selon les données d’Artificial Analysis. Le coût moyen par tâche d’évaluation de l’Intelligence Index est de 1,99 $. Un rabais de 95 % est appliqué en cache, ce qui réduit le prix effectif lorsqu’une même requête est réutilisée. Comparé à d’autres modèles de même fourchette de prix, Gemini 4 Argon (High) se situe dans la catégorie « modérément tarifé », offrant un bon compromis entre capacité intellectuelle et dépense.

Limites et perspectives

Le modèle ne publie aucune donnée sur la vitesse d’inférence (tokens par seconde), ce qui empêche d’évaluer son efficacité en temps réel. L’absence d’informations sur le nombre de paramètres empêche de placer précisément Gemini 4 Argon (High) dans les classes Tiny, Small, Medium ou Large. De plus, la version reasoning n’est pas détaillée, ce qui laisse incertain le degré de capacité de raisonnement logique ou de chaîne de pensée. Enfin, la forte verbosité peut entraîner des coûts supplémentaires dans des scénarios à forte volumétrie, surtout si la précision n’exige pas de réponses longues.