Présentation du modèle

Google a présenté Gemini 4 Carbon, le successeur du modèle Argon publié quelques semaines plus tôt. Il s’agit d’un modèle de génération de texte de grande taille, optimisé pour les tâches longues et les scénarios d’ingénierie multi‑étapes. Selon Google, le modèle peut fonctionner en continu pendant plusieurs jours afin de surmonter les impasses et d’exécuter des chaînes de raisonnement complexes. Le prix d’accès est fixé à 2 $ par million de jetons d’entrée et 10 $ par million de jetons de sortie, identique à celui d’Argon.

Performances sur les benchmarks de cybersécurité

Gemini 4 Carbon occupe la première place du Artificial Analysis Intelligence Index (v5.0), devançant Claude Opus 5.5 et GPT‑6 Astra. Sur les benchmarks spécialisés, il se classe premier sur SEC‑bench Pro, qui mesure la capacité d’un modèle à identifier des bugs réels dans du code, et sur ExploitGym, qui évalue la transformation d’une vulnérabilité en exploit fonctionnel. Ces classements indiquent que le modèle détecte davantage de failles et génère des preuves de concept exploitables avec une précision supérieure aux modèles concurrents.

Analyse des mécanismes de sécurité intégrés

Google affirme que Gemini 4 Carbon réduit de moitié les « affirmations non supportées » par rapport à Argon, ce qui suggère une meilleure filtration des réponses non vérifiables. Le modèle est également décrit comme plus résistant aux attaques d’injection de prompt, grâce à des filtres de contexte renforcés et à une architecture de décodage qui décourage les raccourcis de génération. Cette résistance repose probablement sur un entraînement supervisé supplémentaire avec des jeux de données d’attaque de prompt et sur des mécanismes de vérification post‑génération.

Implications et limites

Actuellement, l’accès à Gemini 4 Carbon est limité aux entreprises de défense cybernétique partenaires du programme Fairwind, ce qui restreint l’évaluation indépendante du modèle. Le coût de 2 $ / M tokens d’entrée reste compétitif, mais les dépenses peuvent rapidement augmenter pour des analyses de code à grande échelle. De plus, la supériorité sur les benchmarks ne garantit pas une performance identique en conditions réelles, où les vulnérabilités peuvent être plus obscures ou spécifiques à des environnements propriétaires. Enfin, la focalisation sur la génération d’exploits soulève des questions éthiques quant à la diffusion de capacités potentiellement dangereuses.